Fiche de révision : Introduction à la causalité et la corrélation

📋 Plan du Cours

1. Corrélation : définition et interprétation
2. Corrélation positive et corrélation négative
3. Variables confondantes et exemple des glaces
4. Causalité : définition et sens de la relation
5. Contrôle des confondants et mécanismes causaux
6. Méthodes pour établir la causalité

📖 1. Corrélation : définition et interprétation

🔑 Notions clés & Définitions

• Corrélation : La corrélation est une relation statistique entre deux variables quantitatives, où les variations de l’une sont associées à celles de l’autre sans impliquer de cause à effet.
• Variable quantitative : Une variable quantitative est une mesure chiffrée qui peut varier et être comparée statistiquement avec d’autres variables.
• Association statistique : L’association statistique décrit le fait que deux variables bougent ensemble dans les données, sans préciser le sens causal.

📝 Points essentiels

• Une corrélation décrit une régularité observée entre variables quantitatives, pas une explication mécaniste.
• La corrélation indique que la variation de l’une s’accompagne de la variation de l’autre, sans préjuger d’un lien de cause à effet.
• Confondre corrélation et causalité conduit à des erreurs d’interprétation dans l’analyse scientifique et le débat public.
• La corrélation sert de point de départ pour orienter l’analyse, mais elle ne suffit pas à conclure.
• L’interprétation correcte exige de distinguer l’association observée du mécanisme causal supposé.
• Les sciences sociales utilisent souvent des outils statistiques pour repérer ces associations empiriques.

💡 Astuce mémo

Association ≠ action : deux variables bougent ensemble, sans dire qui cause quoi.

📖 2. Corrélation positive et corrélation négative

🔑 Notions clés & Définitions

• Corrélation positive : Une corrélation positive est une situation où deux variables évoluent dans le même sens, l’une augmentant quand l’autre augmente (ou diminuant quand l’autre diminue).
• Corrélation négative : Une corrélation négative est une situation où deux variables évoluent en sens inverse, l’une augmentant quand l’autre diminue (ou l’une diminuant quand l’autre augmente).
• Sens de variation : Le sens de variation correspond à la direction de l’évolution conjointe des variables dans les données (même sens ou sens opposé).

📝 Points essentiels

• Une corrélation positive correspond à une évolution conjointe dans le même sens.
• Une corrélation négative correspond à une évolution conjointe en sens inverse.
• Exemple sociologie de l’éducation : en 2023, 87 % des enfants de cadres ou professions intermédiaires obtiennent le baccalauréat contre 71 % pour les enfants d’ouvriers et d’employés.
• Exemple économie : lors de la récession de 2009 en France, le PIB baisse de −3,0 % et le chômage passe de 7,1 % à 9,1 %.
• Ces exemples illustrent des associations, mais ne prouvent pas que l’une cause l’autre.
• Le signe (positif/négatif) décrit le sens de l’association, pas la présence d’un mécanisme causal.

💡 Astuce mémo

Plus avec plus = corrélation positive ; plus avec moins = corrélation négative.

📖 3. Variables confondantes et exemple des glaces

🔑 Notions clés & Définitions

• Variable confondante : Une variable confondante est une variable qui influence simultanément la variable expliquée et la variable explicative, créant une fausse association.
• Variable expliquée : La variable expliquée est celle que l’on cherche à comprendre ou à prédire à partir d’autres variables.
• Variable explicative : La variable explicative est celle qu’on utilise pour tenter d’expliquer la variation de la variable expliquée.
• Température : La température est présentée comme la variable tierce qui varie avec la saison et influence à la fois la consommation de glaces et les noyades.

📝 Points essentiels

• Une variable confondante peut faire apparaître une corrélation même sans relation de cause à effet entre les deux variables observées.
• Dans l’exemple des glaces, la consommation de glaces et le nombre de noyades augmentent en été.
• L’augmentation en été n’implique pas que les glaces provoquent les noyades, ni l’inverse.
• La température agit sur les deux phénomènes, ce qui explique l’association observée.
• L’exemple montre que la corrélation peut être trompeuse si l’on ignore les variables tierces.
• Contrôler les confondants est une condition centrale pour avancer vers une explication causale.

💡 Astuce mémo

Glaces ↔ noyades : la température est le “tiers” qui relie les deux.

📖 4. Causalité : définition et sens de la relation

🔑 Notions clés & Définitions

• Causalité : La causalité est une relation de cause à effet où la variation de la variable causale entraîne directement celle de la variable expliquée.
• Variable causale : La variable causale est celle dont la variation produit un changement direct sur la variable expliquée.
• Variable expliquée : La variable expliquée est celle dont la variation est attribuée à l’effet de la variable causale.
• Relation réciproque : Une relation réciproque est une situation où deux variables s’influencent mutuellement, chacune pouvant contribuer à l’autre.

📝 Points essentiels

• La causalité implique un lien de cause à effet, contrairement à la simple association statistique.
• La variation de la variable causale entraîne directement celle de la variable expliquée.
• Le sens de la causalité peut être positif, négatif ou réciproque.
• Exemple mécanisme : une hausse du revenu disponible entraîne une hausse de la consommation via l’amélioration du pouvoir d’achat.
• Fonction de consommation keynésienne : la consommation augmente avec le revenu mais moins que proportionnellement (propension marginale à consommer inférieure à 1), toutes choses égales par ailleurs.
• Exemple réciproque : croissance économique et emploi se renforcent mutuellement (croissance → emplois, emploi → demande → croissance).

💡 Astuce mémo

Causalité = “entraîne directement” (pas juste “va avec”).

📖 5. Contrôle des confondants et mécanismes causaux

🔑 Notions clés & Définitions

• Contrôle des variables confondantes : Le contrôle des variables confondantes regroupe les démarches visant à neutraliser l’influence de variables tierces pour isoler l’effet causal étudié.
• Mécanisme causal : Un mécanisme causal est la chaîne explicative qui relie la cause à l’effet, rendant la relation plausible et testable.
• Toutes choses égales par ailleurs : L’expression “toutes choses égales par ailleurs” signifie que l’on compare en supposant que les autres facteurs pertinents restent constants.
• Coût du financement : Le coût du financement est présenté comme le canal par lequel le taux d’intérêt influence l’investissement des entreprises.

📝 Points essentiels

• Les chercheurs cherchent à montrer que la relation observée n’est ni fortuite ni due à une variable confondante.
• Le contrôle des confondants vise à isoler l’effet de la variable causale sur la variable expliquée.
• Les raisonnements théoriques solides servent à appuyer l’existence d’un mécanisme causal.
• Exemple revenu → consommation : le mécanisme est l’amélioration du pouvoir d’achat permettant de satisfaire davantage de besoins.
• Exemple taux d’intérêt → investissement : la hausse du taux augmente le coût du financement, ce qui réduit l’investissement.
• La logique “toutes choses égales par ailleurs” encadre l’interprétation du mécanisme en limitant l’effet d’autres facteurs.

💡 Astuce mémo

Confondants contrôlés + mécanisme identifié = causalité crédible.

📖 6. Méthodes pour établir la causalité

🔑 Notions clés & Définitions

• Enquêtes : Les enquêtes sont des collectes de données auprès d’individus ou d’unités, utilisées pour étudier des relations et tester des hypothèses causales.
• Comparaisons temporelles : Les comparaisons temporelles consistent à analyser l’évolution des variables dans le temps pour repérer des changements compatibles avec une causalité.
• Comparaisons spatiales : Les comparaisons spatiales consistent à comparer des zones ou groupes différents pour observer des variations associées à des différences de conditions.
• Expériences naturelles : Les expériences naturelles sont des situations où des événements externes créent des variations proches d’un protocole expérimental, utiles pour inférer une causalité.
• Quasi-expérimentales : Les méthodes quasi-expérimentales s’appuient sur des dispositifs qui ressemblent à l’expérimentation sans en reproduire toutes les conditions strictes.

📝 Points essentiels

• Pour établir la causalité, les chercheurs mobilisent des méthodes rigoureuses plutôt que de se limiter à la corrélation.
• Les enquêtes peuvent servir à documenter les relations et à confronter des hypothèses.
• Les comparaisons temporelles et spatiales aident à examiner si les variations suivent un schéma compatible avec une cause.
• Des expériences naturelles ou quasi-expérimentales peuvent être utilisées pour réduire le risque que la relation soit fortuite.
• L’objectif est de démontrer que la relation n’est pas due à une variable confondante.
• La causalité est soutenue par l’identification d’un mécanisme causal et par des preuves empiriques adaptées.

💡 Astuce mémo

Causalité : données + comparaison (temps/espace) + quasi-expérimentation quand possible.

📅 Repères chronologiques

📊 Tableaux de synthèse

Corrélation positive vs négative

⚠️ Pièges & confusions fréquents

1. Prendre une corrélation pour une preuve de causalité conduit à attribuer à tort une cause à l’une des variables.
2. Oublier une variable confondante peut faire croire qu’une variable cause l’autre alors qu’un facteur tiers relie les deux.
3. Confondre le signe de la corrélation (positive/négative) avec l’existence d’un mécanisme causal.
4. Interpréter “toutes choses égales par ailleurs” comme une absence totale d’autres facteurs au lieu d’une hypothèse de comparaison.
5. Croire qu’un exemple chiffré (baccalauréat, PIB, chômage) établit automatiquement une relation de cause à effet sans contrôle des confondants.

✅ Checklist Examen

1. Définir la corrélation et expliquer pourquoi elle ne suffit pas à conclure à une causalité.
2. Distinguer corrélation positive et corrélation négative à partir du sens de variation des variables.
3. Expliquer ce qu’est une variable confondante et décrire l’exemple des glaces (rôle de la température).
4. Définir la causalité et préciser ce que signifie “entraîne directement” entre variable causale et variable expliquée.
5. Donner au moins un exemple de causalité positive (revenu disponible → consommation) et un exemple de causalité négative (taux d’intérêt → investissement) avec le mécanisme indiqué.
6. Expliquer une relation réciproque à partir de l’exemple croissance économique ↔ emploi.
7. Décrire le rôle du contrôle des confondants et du mécanisme causal dans l’établissement d’une causalité.
8. Citer les méthodes mentionnées pour établir la causalité : enquêtes, comparaisons temporelles, comparaisons spatiales, expériences naturelles et quasi-expérimentales.