Ce cours fournit un cadre permettant aux analystes de créer et d'évaluer des mesures quantitatives. Considérez les nombreux concepts délicats qui intéressent souvent les analystes, tels que la santé, le niveau d'éducation et la confiance dans le gouvernement. Ce cours explorera différentes approches pour quantifier ces concepts. Le cours commence par un aperçu des différents niveaux de mesure et des moyens de transformer les variables. Nous verrons ensuite comment construire et élaborer un modèle de mesure. Nous examinerons ensuite les enquêtes, qui constituent l'un des outils de mesure les plus fréquemment utilisés. Dans le cadre de cette discussion, nous aborderons l'échantillonnage, la conception et l'évaluation des enquêtes. Enfin, nous examinerons les différentes façons de juger de la qualité d'une mesure, par exemple en fonction de son niveau de fiabilité ou de validité. À la fin de ce cours, vous devriez être en mesure de développer et d'évaluer de manière critique des mesures pour des concepts méritant d'être étudiés. Après tout, une bonne analyse repose sur de bonnes mesures.

Ce cours vous présentera le modèle de régression linéaire, un outil puissant que les chercheurs peuvent utiliser pour mesurer la relation entre plusieurs variables. Nous commencerons par explorer les composantes d'un modèle de régression à deux variables, qui estime la relation entre une variable indépendante et une variable dépendante. Sur cette base, nous verrons ensuite comment créer et interpréter un modèle multivarié, un modèle à variable dépendante binaire et un modèle interactif. Nous examinerons également comment différents types de variables, telles que les variables catégorielles et les variables nominales, peuvent être incorporées de manière appropriée dans un modèle. Dans l'ensemble, nous discuterons des nombreuses façons dont un modèle de régression peut être utilisé à la fois pour la description et l'inférence causale, ainsi que des limites de cet outil analytique. À la fin du cours, vous devriez être en mesure d'interpréter et d'évaluer de manière critique une analyse de régression multivariée.

Ce cours se concentre sur la manière dont les analystes peuvent mesurer et décrire la confiance qu'ils ont dans leurs résultats. Le cours commence par une vue d'ensemble des règles de probabilité et des concepts clés qui régissent le calcul des mesures d'incertitude. Nous appliquerons ensuite ces idées aux variables (qui sont les éléments constitutifs des statistiques) et aux distributions de probabilités qui leur sont associées. La seconde moitié du cours sera consacrée au calcul et à l'interprétation de l'incertitude. Nous verrons comment effectuer un test d'hypothèse en utilisant à la fois les statistiques de test et les intervalles de confiance. Enfin, nous examinerons le rôle des tests d'hypothèse dans un contexte de régression, y compris ce que nous pouvons et ne pouvons pas apprendre de la signification statistique d'un coefficient. À la fin du cours, vous devriez être en mesure de discuter des résultats statistiques en termes probabilistes et d'interpréter l'incertitude d'une estimation particulière.

Il s'agit du dernier cours de la spécialisation en maîtrise des données. Dans ce cours de synthèse, vous appliquerez les compétences et les connaissances que vous avez acquises dans la spécialisation à l'évaluation critique d'une analyse quantitative originale. Dans le cadre de ce projet, vous devrez tout d'abord identifier et lire une recherche quantitative originale de grande qualité sur un sujet de votre choix. Vous interpréterez et évaluerez ensuite les résultats ainsi que l'approche méthodologique. Dans le cadre du projet, vous examinerez également les travaux d'autres étudiants. À la fin du projet, vous devriez être en mesure d'être un consommateur et un utilisateur critique de la recherche quantitative.