Dave Armstrong

Résumé

Les analystes quantitatifs doivent prendre de nombreuses décisions lorsqu’ils réalisent l’estimation de modèles. Certaines décisions sont faciles à prendre, car elles sont fondées sur la théorie et les données. Mais d’autres sont plus difficiles. Par exemple, comment doit-on traiter des données manquantes? Faut-il utiliser des erreurs standard robustes et, si oui, de quel type? Les chercheurs ont tenté de répondre à ces questions en utilisant des simulations pour découvrir les propriétés de différents modèles dans une grande variété de conditions. Mais ces simulations ne pourront jamais rendre compte de la diversité des contextes, des modèles et des données auxquels les analystes sont confrontés.

Dave Armstrong, titulaire de la Chaire de recherche du Canada en méthodologie politique, élabore un nouveau cadre statistique pour prendre ces décisions difficiles. M. Armstrong et son équipe de recherche utiliseront ce cadre pour créer des simulations personnalisées en R, un langage informatique statistique libre. Ces simulations aideront les analystes à déterminer les meilleures méthodes pour résoudre les problèmes de données manquantes, traiter l’hétéroscédasticité (renvoie à la présence de variances inégales dans les termes d’erreur d’un modèle de régression), déterminer la force des variables instrumentales et établir le niveau approprié de degré de liberté 2 dans les modèles multiniveaux.