Un objectif central de la plupart des recherches est l’identification des relations causales, ou la démonstration qu’une variable indépendante particulière (la cause) a un effet sur la variable dépendante d’intérêt (l’effet). Les trois critères permettant d’établir une relation de cause à effet – l’association, l’ordre chronologique (ou la préséance temporelle) et la non-évidence – sont familiers à la plupart des chercheurs qui ont suivi des cours de méthodes de recherche ou de statistiques. Si les exemples classiques utilisés pour illustrer ces critères peuvent laisser entendre que l’établissement de la cause et de l’effet est simple, c’est souvent l’un des aspects les plus difficiles de la conception d’études de recherche à mettre en œuvre dans des conditions réelles.
La première étape de l’établissement de la causalité consiste à démontrer l’association ; en termes simples, existe-t-il une relation entre la variable indépendante et la variable dépendante ? Si les deux variables sont numériques, cela peut être établi en examinant la corrélation entre les deux pour déterminer si elles semblent véhiculer. Un exemple courant est la relation entre l’éducation et le revenu : en général, les personnes ayant un plus grand nombre d’années d’éducation sont également susceptibles de gagner des revenus plus élevés. La tabulation croisée, qui consiste à croiser les distributions de deux variables catégorielles, peut également être utilisée pour examiner l’association. Par exemple, on peut observer que 60 % des protestants sont favorables à la peine de mort alors que seuls 35 % des catholiques le sont, établissant ainsi une association entre la confession et les attitudes envers la peine capitale. Un débat est en cours pour savoir à quel point les variables doivent être étroitement associées pour faire une allégation de causalité, mais en général, les chercheurs sont plus préoccupés par la signification statistique d’une association (si elle est susceptible d’exister dans la population) que par la force réelle de l’association.
Une fois qu’une association a été établie, notre attention se tourne vers la détermination de l’ordre temporel des variables d’intérêt. Pour que la variable indépendante cause la variable dépendante, la logique veut que la variable indépendante se produise en premier dans le temps ; en bref, la cause doit venir avant l’effet. Cet ordre temporel est facile à assurer dans un plan expérimental où le chercheur contrôle soigneusement l’exposition au traitement (qui serait la variable indépendante) et mesure ensuite le résultat d’intérêt (la variable dépendante). Dans les plans transversaux, l’ordre chronologique peut être beaucoup plus difficile à déterminer, en particulier lorsque la relation entre les variables pourrait raisonnablement aller dans la direction opposée. Par exemple, bien que l’éducation précède généralement le revenu, il est possible que les individus qui gagnent bien leur vie aient finalement l’argent nécessaire pour retourner à l’école. Déterminer l’ordre chronologique peut donc impliquer de faire appel à la logique, aux recherches existantes et au bon sens lorsqu’un plan expérimental contrôlé n’est pas possible. Dans tous les cas, les chercheurs doivent être très prudents lorsqu’ils spécifient la direction hypothétique de la relation entre les variables et fournir des preuves (théoriques ou empiriques) pour soutenir leur affirmation.
Le troisième critère de causalité est également le plus gênant, car il exige que des explications alternatives pour la relation observée entre deux variables soient exclues. C’est ce qu’on appelle le caractère non fallacieux, qui signifie simplement « pas faux ». Une relation fallacieuse ou fausse existe lorsque ce qui semble être une association entre les deux variables est en fait causé par une troisième variable étrangère. Parmi les exemples classiques de relations fallacieuses, citons la relation entre la taille des chaussures des enfants et leurs connaissances scolaires : plus la taille des chaussures augmente, plus les connaissances augmentent, mais bien entendu, les deux sont fortement liées à l’âge. Un autre exemple bien connu est la relation entre le nombre de pompiers qui interviennent sur un incendie et le montant des dégâts qui en résultent – il est clair que la taille de l’incendie détermine les deux, il est donc inexact de dire qu’un plus grand nombre de pompiers provoque des dégâts plus importants. Bien que ces exemples semblent simples, les chercheurs dans les domaines de la psychologie, de l’éducation et des sciences sociales sont souvent confrontés à des difficultés bien plus grandes pour exclure les relations fallacieuses, simplement parce que de nombreux autres facteurs peuvent influencer la relation entre deux variables. Une conception d’étude appropriée (en utilisant des procédures expérimentales chaque fois que possible), une collecte de données minutieuse et l’utilisation de contrôles statistiques, ainsi que la triangulation de nombreuses sources de données sont tous essentiels lorsqu’on cherche à établir des relations non fallacieuses entre les variables.
0 commentaire