Centre interuniversitaire québécois de statistiques sociales (CIQSS)
CIQSS - QICSS
Quebec Inter-University Centre for Social Statistics
QICSS Summer School 2008
The QICSS Summer School is designed for professors, university or public sector researchers, postdoctoral and postgraduate students, and, occasionally, for undergraduates who need training in methods of analysis for large-scale complex surveys, such as those of Statistics Canada and l'Institut de la statistique du Québec in order to conduct research in the context of their work or studies.
to
May 2
Modèles de classes latentes et modèles de trajectoires (Finite Mixture Models) By Danielle Forest, MSc., analyste, Statistique Canada.
Les modèles de mélange fini ( Finite Mixture Models) sont des modèles pour lesquels la fonction de densité est la somme pondérée de plusieurs densités, résultat de la modélisation d’une variable latente catégorielle et de la distribution conditionnelle des variables observées. La variable latente se révèle par la corrélation des variables observées. Les modèles de classes latentes et les modèles de trajectoires sont des applications de ces modèles.
12 to 16
Event History Analysis By John Sandberg, professeur, département de sociologie, Université McGill.
This intensive training session deals with longitudinal analysis, with a strong focus on event history analysis. Emphasis will be placed both on theory and computer application of the method using data from the Settlement of New Immigrants (SNI) survey.
12 to 16
Analyse des transitions By Johanne Boisjoly, professeure titulaire, sciences humaines, Université du Québec à Rimouski.
Introduire les participants aux méthodes d’analyse de données longitudinales pour leur permettre de commencer à utiliser l’analyse des transitions (event history analysis) dans leurs recherches.
20 to 23
Introduction aux modèles multi-niveaux By Alain Marchand, professeur à l'École de relations industrielles de l'Université de Montréal et chercheur associé au Groupe de recherche sur les aspects sociaux de la santé et de la prévention (GRASP).
Le cours a pour objectif d’initier les étudiants aux notions de bases et avancées de l’analyse des données hiérarchiques transversales et longitudinales avec les modèles multi-niveaux.
26 to 30
Introduction aux méthodes d'analyse spatiale By Philippe Apparicio, professeur-chercheur au Laboratoire d'analyse spatiale et d'économie régionale de l’Institut national de la recherche scientifique - Urbanisation, Culture et Société.
Ce cours vise à initier les participants aux analyses statistiques spatialisées et à examiner les limites et les précautions à prendre lorsque l'espace est introduit dans l’analyse statistique. Parmi les méthodes d’analyse spatiale qui seront abordées, mentionnons les mesures d’autocorrélation spatiale, les méthodes d’analyse de répartition ponctuelle, les méthodes d’interpolation spatiale et d’analyse d’image, l’analyse de réseau et les mesures d’accessibilité, les modèles de régression autorégressifs et géographiquement pondérées. L'accent est mis sur la compréhension des principes et de l'utilité des diverses méthodes plutôt que sur la logique mathématique sous-jacente.
2 to 5
Introduction aux modèles d'équations structurelles By Louis-Paul Rivest, professeur titulaire au Département de mathématiques et de statistique de l’Université Laval.
Ce cours de niveau gradué vise à initier les participants à l'utilisation des modèles d'équations structurelles. On présentera d'abord une brève révision de la régression des moindres carrés et de l'analyse factorielle standard. Par la suite le cours traitera de relation causale et de diagramme de cheminement pour variables observées. Le modèle d'analyse factorielle confirmatoire sera ensuite abordé. Le cours se terminera par l'établissement de diagrammes de cheminement pour variables latentes. Le cours s'inspirera du livre de Mueller (1996). Les modèles seront présentés par le biais d'exemples concrets qui traitent de vraies données. Des exemples de code SAS, R, et LISREL pour ajuster les modèles étudiés seront présentés. On discutera également de quelques exemples d'application de ces modèles présentés dans la revue Structural Equation Modeling.
2 to 6
Analyse statistique des données de panels By Philip Merrigan, professeur titulaire au département des sciences économiques de l’Université du Québec à Montréal (UQAM).
L’objectif du cours est de présenter les estimateurs linéaires et non-linéaires couramment utilisés en sciences sociales, particulièrement en économie, en présence de données longitudinales de panels (mesures répétées).
9 to 13
Introduction toStructural Equation Modeling By Rex B. Kline, associate professor, Department of Psychology, Concordia University.
This intensive, graduate-level seminar deals with the principles, assumptions, strengths, limitations, and applications of the family of techniques known as structural equation modeling (SEM).
7 to 11
Panel Data Analysis By Jorgen Hansen, associate professor, Department of Economics, Concordia University.
This intensive training session deals with longitudinal (panel) data analysis. The course will cover topics in static and dynamic model specifications, as well as topics in duration data analysis. Emphasis will be placed both on theory and computer application of the methods using data from the Survey of Income and Labour Dynamics (SLID). During the course, we will gradually build an empirical specification that models four major decisions for women: (1) Working; (2) Marriage/cohabiting; (3) Fertility; and (4) Receiving social assistance. The decisions will in the end be modeled jointly and the aim is to estimate how these decisions are related and assess the importance of one decision on the other decisions.
1 to 5
Structural Equation Modeling By Rex B. Kline, associate professor, Department of Psychology, Concordia University.
This intensive, graduate-level seminar deals with the principles, assumptions, strengths, limitations, and applications of the family of techniques known as structural equation modeling (SEM).
15 to 18
Introduction aux modèles multi-niveaux By Alain Marchand, professeur à l'École de relations industrielles de l'Université de Montréal et chercheur associé au Groupe de recherche sur les aspects sociaux de la santé et de la prévention (GRASP).
Le cours a pour objectif d’initier les étudiants aux notions de bases et avancées de l’analyse des données hiérarchiques transversales et longitudinales avec les modèles multi-niveaux.
