SPSS Base 12.

0 - Guide de l’utilisateur

®

Sommaire
1 Sommaire 1
Nouveautés de SPSS 12.0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 Fenêtres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Menus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 Barre d'état . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 Boîtes de dialogue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 Noms de variables et étiquettes de variable dans les listes de boîtes de dialogue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 Commande des boîtes de dialogue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 Sous-boîtes de dialogue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 Sélection de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 Obtenir des informations sur les variables dans les boîtes de dialogue . . . . 11 Obtenir des informations sur les commandes des boîtes de dialogue . . . . . 12 Procédures de base dans l'analyse des données . . . . . . . . . . . . . . . . . . . . 13 Assistant statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 En savoir plus sur SPSS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2

Obtention d'Aide

15

Utilisation du sommaire de l'aide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 Utilisation de l'index de l'aide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 Aide sur les commandes des boîtes de dialogue . . . . . . . . . . . . . . . . . . . . . 17 Aide sur les termes utilisés dans les résultats . . . . . . . . . . . . . . . . . . . . . . . 18 Utilisation de l'option Etudes d'observation. . . . . . . . . . . . . . . . . . . . . . . . . 19 Copie de texte d'aide à partir d'une fenêtre contextuelle. . . . . . . . . . . . . . . 19

ix

3

Fichiers de données

21

Ouverture d'un fichier de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 Pour ouvrir un fichier de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 Types de fichier de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 Ouvrir les options de fichier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 Lecture de fichiers Excel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 Lecture d'autres fichiers Excel et de fichiers d'autres tableurs avec l'éditeur de données. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 Lecture des fichiers dBASE avec l'éditeur de données . . . . . . . . . . . . . . . . 25 Lire des fichiers de base de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 Sélectionner une source de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Procédure d'entrée dans la base de données . . . . . . . . . . . . . . . . . . . . . . . 28 Sélectionner des champs de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 Créer une requête de paramètre. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 Définition de variables (Assistant de capture de base de données) . . . . . . . 38 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 Assistant de texte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 Informations sur les fichiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 Enregistrement des fichiers de données . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 Pour enregistrer des fichiers de données modifiés . . . . . . . . . . . . . . . . . . . 54 Enregistrement de fichiers de données au format Excel . . . . . . . . . . . . . . . 54 Enregistrement de fichiers de données au format SAS . . . . . . . . . . . . . . . . 55 Pour enregistrer des fichiers de données sous des formats différents. . . . . 57 Enregistrement de données : Types de fichier de données . . . . . . . . . . . . . 58 Enregistrement de sous-ensembles de variables . . . . . . . . . . . . . . . . . . . . 60 Enregistrement de fichier : Options . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 Protection des données d'origine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 Fichier actif virtuel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

x

4

Mode d'analyse distribuée

67

Comparaison de l'analyse distribuée par rapport à l'analyse locale. . . . . . . 68

5

Editeur de données

81

Affichage des données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 Affichage des variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 Saisie de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 Modification de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99 Aller à l'observation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103 Etat de la sélection de l'observation dans l'éditeur de données. . . . . . . . . 104 Options d'affichage de l'éditeur de données . . . . . . . . . . . . . . . . . . . . . . . 104 Impression de l'éditeur de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

6

Préparation des données

107

Définition des propriétés de variable. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 Copie des propriétés de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 Identification des observations dupliquées . . . . . . . . . . . . . . . . . . . . . . . . 124 Outil visuel de regroupement en bandes . . . . . . . . . . . . . . . . . . . . . . . . . . 128 Regroupement de variables en bandes . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 Génération automatique de modalités regroupées en bandes . . . . . . . . . . 135 Copie de modalités regroupées en bandes . . . . . . . . . . . . . . . . . . . . . . . . 137 Valeurs manquantes utilisateur dans l'outil visuel de regroupement en bandes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139

xi

7

Transformations de données

141

Calcul de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141 Fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 Valeurs manquantes dans les fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . 145 Générer des nombres aléatoires. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146 Compter occurrences des valeurs par observation . . . . . . . . . . . . . . . . . . 147 Recodage de valeurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 Recodage de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 Création de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 Ordonner les observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156 Recoder automatiquement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159 Transformation de données pour série chronologique. . . . . . . . . . . . . . . . 161

8

Gestion et transformations de fichiers

169

Trier les observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170 Transposer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 Fusionner des fichiers de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 Ajouter des observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 Ajouter des variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175 Agréger les données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178 Scinder un fichier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182 Sélectionner des observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183 Pondérer les observations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188 Restructuration des données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190

xii

9

Utilisation du résultat

217

Viewer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217 Utilisation de résultats dans d'autres applications . . . . . . . . . . . . . . . . . . 226 Collage d'objets dans le Viewer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230 Collage spécial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 Collage d'objets d'une autre application dans le Viewer . . . . . . . . . . . . . . 231 Exporter résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232 Impression de documents du Viewer . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243 Enregistrement des résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249

10 Viewer en mode brouillon

251

Pour créer un résultat en mode brouillon . . . . . . . . . . . . . . . . . . . . . . . . . 252 Contrôle du format du résultat en mode brouillon . . . . . . . . . . . . . . . . . . . 252 Attributs de polices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257 Pour imprimer un résultat en mode brouillon. . . . . . . . . . . . . . . . . . . . . . . 257 Pour enregistrer une sortie du Viewer en mode brouillon . . . . . . . . . . . . . 259

11 Tableaux pivotants

261

Manipulation d'un tableau pivotant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261 Utilisation des strates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267 Signets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271 Montrer ou masquer des cellules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272 Modification des résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274 Modification de l'aspect des tableaux. . . . . . . . . . . . . . . . . . . . . . . . . . . . 275 Propriétés du tableau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
xiii

Pour modifier les propriétés d'un tableau pivotant . . . . . . . . . . . . . . . . . . 277 Propriétés de tableau : Général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278 Modification des propriétés générales d'un tableau . . . . . . . . . . . . . . . . . 278 Propriétés de tableau : Notes de bas de page. . . . . . . . . . . . . . . . . . . . . . 279 Modification des propriétés des marques des notes de bas de page. . . . . 279 Propriétés de tableau : Formats de cellule . . . . . . . . . . . . . . . . . . . . . . . . 280 Modification des formats des cellules. . . . . . . . . . . . . . . . . . . . . . . . . . . . 281 Propriétés de tableau : Bordures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282 Pour modifier les bordures d'un tableau . . . . . . . . . . . . . . . . . . . . . . . . . . 282 Pour afficher des bordures masquées dans un tableau pivotant . . . . . . . . 283 Propriétés de tableau : Impression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283 Pour contrôler l'impression d'un tableau pivotant . . . . . . . . . . . . . . . . . . . 284 Polices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284 Largeur des cellules de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285 Propriétés de la cellule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287 Modification des propriétés de la cellule . . . . . . . . . . . . . . . . . . . . . . . . . 287 Propriétés des cellules : Valeur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288 Modification des formats des valeurs dans une cellule . . . . . . . . . . . . . . . 288 Pour modifier le format des valeurs dans une colonne . . . . . . . . . . . . . . . 288 Propriétés des cellules : Alignement. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289 Modification de l'alignement dans les cellules . . . . . . . . . . . . . . . . . . . . . 290 Propriétés des cellules : Marges . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290 Modification des marges dans les cellules . . . . . . . . . . . . . . . . . . . . . . . . 290 Propriétés des cellules : Ombrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291 Modification de l'ombrage des cellules. . . . . . . . . . . . . . . . . . . . . . . . . . . 291 Marque de bas de page . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291 Sélection des lignes et des colonnes dans les tableaux pivotants . . . . . . . 292 Pour sélectionner une ligne ou une colonne dans un tableau pivotant. . . . 293 Modification des résultats d'un tableau pivotant . . . . . . . . . . . . . . . . . . . . 293 Impression des tableaux pivotants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
xiv

Pour imprimer les strates masquées d'un tableau pivotant . . . . . . . . . . . . 295 Contrôle des sauts de tableau pour les tableaux longs et larges . . . . . . . . 295

12 Utilisation de la syntaxe de commande

297

Règles de syntaxe de commande . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298 Création d'une syntaxe depuis les boîtes de dialogue . . . . . . . . . . . . . . . . 299 Utilisation de la syntaxe depuis le fichier de résultat . . . . . . . . . . . . . . . . . 300 Utilisation de la syntaxe dans un fichier-journal . . . . . . . . . . . . . . . . . . . . 302 Exécuter une syntaxe de commande. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304 Commandes Execute multiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304

13 Fréquences

307

Remarques sur les données de fréquences. . . . . . . . . . . . . . . . . . . . . . . . 307 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308 Pour obtenir des tableaux de fréquences . . . . . . . . . . . . . . . . . . . . . . . . . 309

14 Caractéristiques

315

Remarques sur les données de Caractéristiques. . . . . . . . . . . . . . . . . . . . 315 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316 Pour obtenir des statistiques descriptives. . . . . . . . . . . . . . . . . . . . . . . . . 316

xv

15 Explorer

321

Remarques sur les Données d'Explorer. . . . . . . . . . . . . . . . . . . . . . . . . . . 322 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322 Pour explorer vos données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323

16 Tableaux croisés

329

Remarques sur les Données pour tableau croisé . . . . . . . . . . . . . . . . . . . 330 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331 Pour obtenir des tableaux croisés. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331

17 Récapituler

341

Récapituler les commentaires de données . . . . . . . . . . . . . . . . . . . . . . . . 341 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342 Obtenir des récapitulatifs des observations . . . . . . . . . . . . . . . . . . . . . . . 342

18 Moyennes

349

Remarques sur les données des moyennes. . . . . . . . . . . . . . . . . . . . . . . . 349 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 350 Pour obtenir des moyennes de sous-groupes . . . . . . . . . . . . . . . . . . . . . . 351

xvi

19 Cubes OLAP

355

Remarques sur les données des cubes OLAP . . . . . . . . . . . . . . . . . . . . . . 355 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356 Pour obtenir des cubes OLAP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356

20 Tests T

363

Test T pour échantillons indépendants . . . . . . . . . . . . . . . . . . . . . . . . . . . 363 Remarques sur les Données du Test T pour Echantillons Indépendants. . . 364 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365 Obtenir un test t pour échantillons indépendants . . . . . . . . . . . . . . . . . . . 365 Test T pour échantillons appariés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368 Commentaires relatifs au test T pour échantillons appariés. . . . . . . . . . . . 369 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369 Obtenir un test t pour échantillons appariés . . . . . . . . . . . . . . . . . . . . . . . 369 Test T pour échantillon unique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371 Commentaires sur les Données du Test T pour échantillon unique. . . . . . . 372 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 372 Obtenir un test t pour échantillon unique. . . . . . . . . . . . . . . . . . . . . . . . . . 373

21 ANOVA à 1 facteur

375

Remarques sur les Données ANOVA à 1 facteur . . . . . . . . . . . . . . . . . . . . 376 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376 Obtenir une analyse de variance à un facteur . . . . . . . . . . . . . . . . . . . . . . 377

xvii

22 Analyse GLM – Univarié

385

Remarques sur les données GLM - Univarié . . . . . . . . . . . . . . . . . . . . . . . 386 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 387 Pour obtenir des tables GLM - Univarié. . . . . . . . . . . . . . . . . . . . . . . . . . . 387 Contrastes GLM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 392 Diagrammes de profils GLM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 394 Comparaisons post hoc GLM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 395

23 Corrélations bivariées

403

Remarques sur les données des corrélations bivariées. . . . . . . . . . . . . . . 403 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 404 Pour obtenir des corrélations bivariées. . . . . . . . . . . . . . . . . . . . . . . . . . . 404

24 Corrélations partielles

409

Remarques sur les données des corrélations partielles. . . . . . . . . . . . . . . 409 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 410 Obtenir des corrélations partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 410

25 Distances

413

Pour obtenir des matrices de distance . . . . . . . . . . . . . . . . . . . . . . . . . . . 414 Distances : Mesures de dissimilarité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 415 Indices : Mesures de similarité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 416

xviii

26 Régression linéaire

419

Régression linéaire : Remarques sur les données . . . . . . . . . . . . . . . . . . . 420 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 420 Obtenir une analyse de régression linéaire . . . . . . . . . . . . . . . . . . . . . . . . 422 Méthodes de sélection des variables de régression linéaire . . . . . . . . . . . 424 Régression linéaire : Définir la règle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 425 Diagrammes de régression linéaire. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426 Régression linéaire : Enregistrer de nouvelles variables . . . . . . . . . . . . . . 427 Statistiques de régression linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 431 Régression linéaire : Options . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432

27 Ajustement de fonctions

435

Remarques sur les données de l'ajustement de fonctions . . . . . . . . . . . . . 435 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 436 Pour obtenir un ajustement de fonctions. . . . . . . . . . . . . . . . . . . . . . . . . . 437

28 Analyse discriminante

441

Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 443 Obtenir une analyse discriminante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 444

29 Analyse factorielle

453

Remarques sur les données d'analyse factorielle . . . . . . . . . . . . . . . . . . . 454 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 455
xix

Obtenir une analyse factorielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 458 Caractéristiques d'analyse factorielle. . . . . . . . . . . . . . . . . . . . . . . . . . . . 460 Spécification des statistiques récapitulatives et des coefficients de corrélation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 461 Spécification des options de l'extraction. . . . . . . . . . . . . . . . . . . . . . . . . . 463 Spécification des options de la rotation . . . . . . . . . . . . . . . . . . . . . . . . . . 465 Spécification des options des facteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . 467 Spécification des options de l'analyse factorielle . . . . . . . . . . . . . . . . . . . 468

30 Choix d'une procédure de classification 31 Classification TwoStep

469 471

Remarques sur les données de la procédure d'analyse TwoStep Cluster. . 473 Pour effectuer une procédure d'analyse TwoStep Cluster. . . . . . . . . . . . . 474 Options de la procédure d'analyse TwoStep Cluster . . . . . . . . . . . . . . . . . 475 Diagrammes de l'analyse TwoStep Cluster . . . . . . . . . . . . . . . . . . . . . . . . 478 Résultats de l'analyse TwoStep Cluster. . . . . . . . . . . . . . . . . . . . . . . . . . . 479

32 Classification hiérarchique

481

Remarques sur les données de la classification hiérarchique . . . . . . . . . . 481 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 482 Obtenir une classification hiérarchique. . . . . . . . . . . . . . . . . . . . . . . . . . . 484 Statistiques de la classification hiérarchique . . . . . . . . . . . . . . . . . . . . . . 486 Diagrammes (graphiques) de classification hiérarchique . . . . . . . . . . . . . 487 Enregistrement des nouvelles variables de classification hiérarchique . . . 488

xx

33 Nuées dynamiques

489

Considérations de données sur la classification en nuées dynamiques . . . 490 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 490 Obtenir une analyse de nuées dynamiques . . . . . . . . . . . . . . . . . . . . . . . . 492 Enregistrement des analyses de classes de nuées dynamiques . . . . . . . . 495 Options d'analyses des classes de nuées dynamiques . . . . . . . . . . . . . . . 495

34 Tests non paramétriques

497

Test du Khi-deux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 498 Test du Khi-deux : remarques sur les données . . . . . . . . . . . . . . . . . . . . . 498 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 499 Pour obtenir un test Khi-deux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 500 Test binomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 503 Test binomial : remarques sur les données . . . . . . . . . . . . . . . . . . . . . . . . 503 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 504 Pour obtenir un test binomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 504 Suites en séquences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 506 Suites en séquences : Remarques sur les Données . . . . . . . . . . . . . . . . . 507 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 507 Pour obtenir un test de suites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 508 Test Kolmogorov-Smirnov pour un échantillon . . . . . . . . . . . . . . . . . . . . . 510 Remarques sur les données du test de Kolmogorov-Smirnov pour un échantillon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 510 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 511 Pour obtenir un test de Kolmogorov-Smirnov pour un échantillon . . . . . . . 511 Tests pour deux échantillons indépendants. . . . . . . . . . . . . . . . . . . . . . . . 513 Tests pour deux échantillons indépendants : remarques sur les données . 514
xxi

. . . . . . . . . . . . . . . . 539 xxii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 538 Pour obtenir des tableaux croisés des réponses multiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 523 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 514 Pour effectuer les tests pour deux échantillons indépendants. . . . . . . . . . . 536 Pour obtenir des tableaux de fréquences de réponses multiples . . . . . . . . . . . . . . 528 Pour obtenir des tests pour plusieurs échantillons liés . . . . . . . . . . . 536 Tableaux croisés des réponses multiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 519 Echantillon de résultat . . . . . . . . . . . . 528 Echantillon de résultat . . . . . . . . . . . . . . . . . . . 538 Echantillon de résultat . . . . . . . . . . . 529 35 Analyse des réponses multiples 531 Définition de vecteurs multiréponses . 524 Tests pour plusieurs échantillons liés . . . . . . . . . . . . . . . . . . 533 Tableaux de fréquences des réponses multiples . . . . . . . . . . . 528 Tests pour plusieurs échantillons liés de considérations de données . . . 515 Tests pour deux échantillons liés . . . . . . . . . . . . . . . . . . . . . . . . . . 537 Remarques sur les Données de Tableaux croisés de réponses multiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 520 Tests pour plusieurs échantillons indépendants . . . . . . . . . . . 534 Gestion des données des fréquences de réponses multiples. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .Echantillon de résultat . . 524 Pour obtenir des tests pour plusieurs échantillons indépendants . . . . . . . . . . . . . . . . . . . . . . . . . . . 520 Pour obtenir des tests pour deux échantillons liés . . . . . . . . . . . . . . . . . . . . . . . . . 535 Echantillon de résultat . . . . . . . . . . . . . . . . . . 532 Pour définir des vecteurs de réponses multiples . . . . . . . . . . . . 523 Tests pour Plusieurs Echantillons Indépendants : Remarques sur les Données . . . . . . . . . . . . . . 519 Tests pour deux échantillons liés : remarques sur les données . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 553 37 Analyse de fiabilité 561 Remarques sur les données de l'analyse de fiabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 563 Fonctionnalités supplémentaires de la commande RELIABILITY . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 570 Positionnement multidimensionnel : créer une mesure . . . . . . .36 Tableaux de Résultats 543 Tableaux de bord en lignes . . . . . . 575 39 Statistiques de ratio 577 Remarque sur les données des statistiques de ratio . . . . . . . . . . . . . 572 Modèle de positionnement multidimensionnel . . . . . . . . . . 579 xxiii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 578 Statistiques de ratio . . . 574 Fonctions supplémentaires de la commande Positionnement multidimensionnel. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 562 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . 577 Pour obtenir des statistiques de ratio . . . 543 Tableaux de bord en colonnes . . . . . . . . . . . . . . . . . . . . . . . . . . 570 Obtenir une analyse par positionnement multidimensionnel . . . . . . . . . . . . . . . . . . . . . . . . . . . 566 38 Positionnement multidimensionnel 569 Remarques sur les données du positionnement multidimensionnel . . . . . 562 Obtenir une analyse de fiabilité. . . . . . . . . . . . . . . . . . . 573 Positionnement multidimensionnel : Options .

. . . . . . . . . . . . 609 Options Etiquettes Résultats . . . . . . 598 Groupes de Variables . . . . . . . . . . 602 43 Options 605 Options générales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 586 41 Courbes ROC 593 Remarques sur les données de la courbe ROC . . . . . . . . . . . . . . . . . . . . . . . 581 Options globales de définition du diagramme . . . . . . . . . . . . . . 599 Définir des groupes de variables. . . . . . . . . . . . . . . . . . . . . . . . . . 593 Echantillon de résultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 599 Utiliser les groupes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 606 Options Viewer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 613 xxiv . . . 611 Options de diagramme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 608 Options du Viewer en mode brouillon . . 594 Pour obtenir une courbe ROC . . . . . . . . . . . . .40 Présentation de l'utilitaire de diagramme 581 Création et modification d'un diagramme . . . . 595 42 Outils 597 Informations de la variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 597 Commentaires de fichier de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 601 Réordonner Listes Variables Cible. . . . . . . . . . . . . . . . . . . . . . . . .

. 637 Options d'exportation . . . . . . . . . . . . 638 Invites utilisateur . . . . . . . . . . . . . . . . . . 648 Publication sur le Web . . . . . . . . . . . . . . . 650 Connexion au serveur Web SmartViewer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 651 xxv . . . . . . . . . . . . . . . . . . . 619 Options de données . . . . . . . . . . . . . . . . . . . .Options diagrammes interactifs . . . . . . . . . . . . . . . . . . . . . . . . . . . 645 Exécution de tâches de production à partir d'une ligne de commande . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 629 45 Système de production 635 Utilisation de l'Utilitaire de Production . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 628 Montrer barres d'outils . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 618 Options tableaux pivotants . . . . . . . . . . . . . . . . . . . . . . . 627 Personnalisation des barres d'outils . . . . . . . . . . . . . . . . . . . . . . . . . . . 636 Règles de syntaxe pour le système de production SPSS . . . . . . . 625 44 Personnalisation des menus et des barres d'outils 627 Editeur de menu . . 622 Options monétaires (devises) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 623 Options script . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 629 Pour personnaliser les barres d'outils. . . . . . . . . . . . . . . . . . . . 643 Options de production . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 641 Sollicitation de macros de production . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 644 Contrôle du format des tâches de production .

689 xxvi . . . . . 685 47 Système de gestion des résultats 689 Identificateurs OMS . . . . . . . . . . . . . . . . .46 Utilitaire de script SPSS 653 Exécution d'un script . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 658 L'Assistant script . . . . . . . . . . . . . . . . . . . . . . . 662 Fonctionnement des scripts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 677 Mise au point des scripts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 677 Boîtes de dialogue de script personnalisées . . . . . . . 669 Nouvelle procédure (Script) . . . . . . . . 682 Fichiers de script et de syntaxe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 674 Ajout d'une description à un script . . . . . . . . . . . . . . . . . . . . . . 667 Table des classes d'objet et conventions d'appellation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 654 Autoscripts. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 661 Création de scripts automatiques . . . . . . . . . . . . . . . . . . . . . . . . . . 657 Modification d'un script . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 655 Création et modification de scripts . . . 658 Fenêtre de script . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 653 Scripts livrés avec SPSS. . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . 698 Pour utiliser un autre fichier ou emplacement pour le code HTML personnalisé. . . . . . . . . . . . . . .Annexes A Administrateur d'accès de base de données B Personnalisation de documents HTML 695 697 Pour ajouter du code HTML personnalisé à des documents de résultat exportés . . . . . . . . . . . . . . . . . . . . . 697 Contenu et format du fichier texte pour code HTML personnalisé . . . . . . . . . . . . . . . . . . . 698 Index 701 xxvii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Chapitre

Fichiers de données

3

Les fichiers de données se présentent sous une grande diversité de formats et SPSS a été conçu pour traiter nombre d'entre eux, dont :
„ „ „ „ „ „

les feuilles de calcul créées sous Lotus 1-2-3 et Excel les fichiers de bases de données créés sous dBASE et sous différents formats SQL fichiers texte délimités par des tabulations et autres types de fichier ASCII les fichiers de données au format SPSS créés avec d'autres systèmes d'exploitation Fichiers de données SYSTAT Fichiers de données SAS

Ouverture d'un fichier de données
Outre les fichiers sauvegardés au format SPSS, vous pouvez ouvrir les fichiers Excel, Lotus 1-2-3, dBASE, ainsi que les fichiers tabulés sans avoir à convertir les fichiers en un format intermédiaire ni à entrer d'informations de définition de données.

Pour ouvrir un fichier de données
E A partir du menu, sélectionnez : Fichier Ouvrir Données... E Dans la boîte de dialogue Ouvrir un fichier, sélectionnez le fichier à ouvrir. E Cliquez sur Ouvrir. 21

22 Chapitre 3

Sinon, vous pouvez :
„ „ „

lire les noms de variables à partir de la première ligne dans le cas des feuilles de calcul et des fichiers délimités par des tabulateurs spécifier une plage de cellules à lire dans le cas de fichiers de feuilles de calcul spécifier une feuille à lire dans un fichier Excel (version Excel 5 ou supérieure)

Types de fichier de données
SPSS : Ouvre les fichiers de données enregistrés en format SPSS, y compris SPSS

pour Windows, Macintosh, UNIX, et également le produit DOS SPSS/PC+.
SPSS/PC+ : Ouvre les fichiers de données SPSS/PC+. SYSTAT : Ouvre les fichiers de données SYSTAT. SPSS portable : Ouvre les fichiers de données SPSS sauvegardés en format portable.

Sauvegarder un fichier en format portable prend bien plus de temps que de sauvegarder le fichier en format SPSS.
Excel : Ouvre les fichiers Excel. Lotus 1-2-3 : Ouvre les fichiers de données enregistrés au format 1-2-3 pour les versions 3.0 et 2.0, ainsi que pour la version 1A de Lotus. SYLK : Ouvre les fichiers de données sauvegardés en format SYLK (lien symbolique), format utilisé par quelques applications de tableurs. dBASE : Ouvre des fichiers de format dBASE pour dBASE IV, dBASE III ou III

PLUS, ou pour dBASE II. Chaque observation est un enregistrement. Les étiquettes de variable et de valeurs ainsi que les spécifications de valeurs manquantes sont perdues lorsque vous sauvegardez un fichier dans ce format.
Nom de fichier SAS long : SAS version 7-8 pour Windows, extension longue. Nom de fichier SAS court : SAS version 7-8 pour Windows, extension courte. SAS version 6 pour Windows : SAS version 6.08 pour Windows et OS2. SAS version 6 pour UNIX : SAS version 6 pour UNIX (Sun, HP, IBM). SAS transfert : Fichier de transfert SAS. Texte : Fichier texte ASCII.

23 Fichiers de données

Ouvrir les options de fichier
Lire les noms de variables : Dans le cas des feuilles de calcul, vous pouvez lire le nom des variables à partir de la première ligne du fichier ou de la première ligne de la plage définie. En fonction de vos besoins, vous pouvez convertir les valeurs pour créer des noms de variables valides, en n'oubliant pas de convertir les espaces en traits de soulignement. Feuille de calcul : Les fichiers de la version Excel 5 ou supérieure peuvent contenir

plusieurs feuilles de calcul. Par défaut, l'éditeur de données lit la première feuille. Pour lire une autre feuille de calcul, sélectionnez-la dans la liste déroulante.
Intervalle : Pour les fichiers de données sous forme de feuilles de calcul, vous pouvez également lire une plage de cellules. Utilisez la même méthode pour spécifier des intervalles de cellules comme vous le feriez pour des applications tableur.

Lecture de fichiers Excel
Lire les noms de variables : Vous pouvez lire le nom des variables sur la première ligne du fichier ou sur la première ligne de la plage définie. Les valeurs qui ne sont pas conformes aux règles de dénomination de variable sont converties en noms de variable valides, et les en-têtes originaux sont utilisés en tant qu'étiquettes de variable. Feuille de calcul : Les fichiers Excel peuvent contenir plusieurs feuilles de calcul.

Par défaut, l'éditeur de données lit la première feuille. Pour lire une autre feuille de calcul, sélectionnez-la dans la liste déroulante.
Intervalle : Vous pouvez également lire une plage de cellules. Utilisez la même

méthode pour spécifier des plages de cellules que celle que vous utiliseriez dans Excel.

Comment l'éditeur de données lit les fichiers Excel version 5 ou ultérieure
Les règles suivantes s'appliquent à la lecture de fichiers Excel version 5 ou ultérieure :
Type de données et largeur : Chaque colonne représente une variable. Le type de

données et la largeur de chaque variable sont déterminés par le type de données et la largeur dans le fichier Excel. Si la colonne contient plusieurs types de données (par

24 Chapitre 3

exemple, des dates et des valeurs numériques), le type de données est converti en chaîne et toutes les valeurs sont lues comme des valeurs de chaînes valides.
Cellules blanches : En ce qui concerne les variables numériques, les cellules vides sont converties en valeurs manquantes par défaut et identifiées par un point. En ce qui concerne les variables chaîne, un blanc est une valeur de caractère valide, et les cellules vides sont traitées comme des valeurs de chaîne valides. Noms des variables : Si vous lisez la première ligne du fichier Excel (ou la première

ligne de la plage spécifiée) en tant que noms de variable, les valeurs qui ne sont pas conformes aux règles de dénomination de variable sont converties en noms de variable valides et les noms initiaux sont utilisés comme étiquettes de variable. Si vous ne lisez pas les noms de variables à partir du fichier Excel, des noms de variables par défaut sont affectés.

Lecture d'autres fichiers Excel et de fichiers d'autres tableurs avec l'éditeur de données
Les règles applicables à la lecture de fichiers Excel antérieurs à la version 5 et à celle de fichiers d'autres tableurs sont les suivantes :
Type de données et largeur : Le type de données et la largeur de chaque variable sont déterminés par la largeur de la colonne et le type de données de la première cellule de données de la colonne. Les valeurs d'autres types sont converties en valeurs manquantes par défaut. Si, dans la colonne, la première cellule de données est vide, le type général de données par défaut pour la feuille de calcul (habituellement numérique) est utilisé. Cellules blanches : En ce qui concerne les variables numériques, les cellules vides sont converties en valeurs manquantes par défaut et identifiées par un point. En ce qui concerne les variables chaîne, un blanc est une valeur de caractère valide, et les cellules vides sont traitées comme des valeurs de chaîne valides. Noms des variables : Si, à partir de la feuille de calcul, vous ne pouvez pas lire le nom

des variables, SPSS utilise les lettres des colonnes (A, B, C, etc.) comme noms de variable pour les fichiers Excel et Lotus. En ce qui concerne les fichiers SYLK et Excel enregistrés au format d'affichage R1C1, le programme utilise le numéro de la colonne, précédé par la lettre C (C1, C2, C3, etc.).

25 Fichiers de données

Lecture des fichiers dBASE avec l'éditeur de données
Les fichiers de base de données sont logiquement très semblables aux fichiers de données au format SPSS. Les règles générales suivantes s'appliquent aux fichiers dBASE :
„ „

Les noms de champ sont convertis en noms de variable valides. Les signes deux points utilisés dans les noms de champ dBASE sont convertis en traits de soulignement. purgés, sont inclus. SPSS crée une nouvelle variable chaîne, D_R, qui contient un astérisque pour les observations indiquées comme devant être supprimées.

„ Les enregistrements indiqués comme devant être supprimés, mais qui n'ont pas été

Lire des fichiers de base de données
Vous pouvez lire des données à partir de n'importe quel format de base de données pour laquelle vous avez un pilote adapté. En mode d'analyse locale, les pilotes nécessaires doivent être installés sur votre ordinateur local. En mode d'analyse distribuée (disponible avec la version serveur), les pilotes doivent être installés sur le serveur distant. Pour plus d'informations, reportez-vous à « Mode d'analyse distribuée » dans Chapitre 4 , page 67.

Lire des fichiers de base de données
E A partir du menu, sélectionnez : Fichier Ouvrir la base de données Nouvelle requête... E Sélectionnez la source des données. E Selon la source de données, vous devez peut-être sélectionner le fichier de base de

données et/ou entrer un nom de connexion, un mot de passe et d'autres informations.
E Sélectionnez les tables et les champs. E Spécifiez toute relation existante entre vos tables.

26 Chapitre 3

Sinon, vous pouvez :
„ „ „ „

Spécifier les critères éventuels de sélection de vos données. Ajouter une invite pour que l'utilisateur puisse y entrer un paramètre de requête. Définir les attributs de variable. Enregistrer la requête que vous avez construite avant de l'exécuter.

Pour modifier une requête de base de données enregistrée
E A partir du menu, sélectionnez : Fichier Ouvrir la base de données Modifier requête... E Sélectionnez le fichier requête (*.spq) à modifier. E Suivez les instructions de création d'une nouvelle requête.

Pour lire des fichiers de base de données avec des requêtes enregistrées
E A partir du menu, sélectionnez : Fichier Ouvrir la base de données Exécuter requête... E Sélectionnez le fichier requête (*.spq) à exécuter. E Selon le fichier de base de données, vous aurez peut-être à entrer un nom de procédure

d'entrée ou un mot de passe.
E Si la requête a une invite imbriquée, vous pourrez avoir besoin d'entrer d'autres

informations (par exemple, le trimestre pour lequel vous voulez récupérer les chiffres de ventes).

27 Fichiers de données

Sélectionner une source de données
Utilisez la première boîte de dialogue pour sélectionner le type de source de données à lire dans SPSS. Après avoir choisi le type de fichier, l'Assistant de base de données vous invitera peut-être à entrer le chemin d'accès vers votre fichier de données. Si vous n'avez pas de sources de données configurées ou si vous souhaitez ajouter une nouvelle source de données, cliquez sur Ajouter source données. En mode d'analyse distribuée (disponible avec la version serveur), ce bouton n'est pas disponible. Pour ajouter des sources de données en mode d'analyse distribuée, consultez votre administrateur système.
Source de données : Une source de données est composée de deux principaux éléments

d'informations : Le pilote qui sera utilisé pour accéder aux données et l'emplacement de la base de données à laquelle vous souhaitez accéder. Pour spécifier des sources de données, vous devez installer les pilotes appropriés. En mode d'analyse locale, vous devez installer les pilotes à partir du CD-ROM pour ce produit :
„ „

SPSS Data Access Pack : Installe les pilotes de différents formats de base de

données. Disponible dans le menu d'exécution automatique.
Microsoft Data Access Pack : Installe les pilotes pour les produits Microsoft,

notamment Microsoft Access. Pour installer Microsoft Data Access Pack, double-cliquez sur Microsoft Data Access Pack dans le dossier Microsoft Data Access Pack qui se trouve sur le CD-ROM.

28 Chapitre 3 Figure 3-1 Boîte de dialogue Assistant de base de données

Exemple : Supposons que vous ayez une base de données Microsoft Access 7.0

qui contient des données sur vos employés et sur les régions dans lesquelles ils travaillent, et que vous vouliez importer ces données. Sélectionnez l'icône MS Access 97 Database (Base de données MS Access 7.0), puis cliquez sur Suivant pour continuer. La boîte de dialogue Select Database (Sélectionner base de données) s'affiche. Spécifiez le chemin d'accès vers votre base de données et cliquez sur OK.

Procédure d'entrée dans la base de données
Si votre base de données nécessite un mot de passe, l'Assistant de base de données vous en demandera un avant de pouvoir ouvrir la source des données.

29 Fichiers de données Figure 3-2 Boîte de dialogue de la procédure d'initialisation

Sélectionner des champs de données
La boîte de dialogue de sélection des données vérifie les tables et les champs lus dans SPSS. Les champs base de données (colonnes) sont lus comme des variables. Si une table comporte un ou plusieurs champs sélectionnés, tous ses champs seront visibles dans les fenêtres d'Assistant de base de données suivantes, mais seuls les champs sélectionnés dans cette boîte de dialogue seront importés comme variables. Cela vous permet de créer des jointures de tables et de spécifier les critères d'utilisation des champs que vous n'importez pas.
Figure 3-3 Boîte de dialogue Sélectionner base de données

30 Chapitre 3

Affichage des noms de champs : Pour lister les champs dans une table, cliquez sur le signe « plus » (+) à gauche du nom d'une table. Pour masquer les champs, cliquez sur le signe moins (–) à gauche du nom d'une table. Pour ajouter un champ : Cliquez sur un champ de la liste des tables disponibles ou

faites-le glisser dans les champs Extraction de cette liste de commandes. Les champs peuvent être rangés de nouveau en les glissant et en les laissant dans la liste des champs sélectionnés.
Pour retirer un champ : Double-cliquez sur n'importe quel champ Extraction de cette

liste de commandes ou faites-le glisser jusqu'à la liste des tables disponibles.
Trier les noms de champs : Si vous l'avez sélectionné, l'assistant de base de données

affiche les champs disponibles dans l'ordre alphabétique.
Exemple : Supposez que vous vouliez importer des éléments à partir d'une base de

données avec deux tables, Employés et Régions. La table Employés contient des informations sur les employés de votre société, y compris la région où ils travaillent, leur modalité d'emploi, et leurs ventes annuelles. Un code région (REGION) est assigné à chaque employé. Ceux qui ne sont pas domiciliés dans une région obtiennent le code spécial 0. La table Régions garde un grand nombre de données sur les territoires dans lesquels votre société opère et sur les marchés de prospection. Il utilise un code région (REGION) pour identifier le territoire et fournit le revenu par tête moyen pour le territoire, entre autres. Pour établir le rapport entre les ventes de chaque employé avec le revenu moyen de la région, sélectionnez les champs suivants à partir du tableau Employés : ID, REGION et VENTES. Sélectionnez ensuite les champs suivants à partir du tableau Régions : REGION et REVMOY. Cliquez sur Suivant pour continuer.

Créer une relation entre des tables
La boîte de dialogue Spécifier les relations vous permet de définir les relations existant entre des tables. Si les champs de plus d'une table sont sélectionnés, vous devez définir au moins une jointure.

31 Fichiers de données Figure 3-4 Boîte de dialogue Spécifier relations

Etablir des relations : Pour créer une relation, faites glisser un champ de n'importe

quelle table vers le champ auquel vous souhaitez le lier. L'Assistant de base de données tire un trait de jointure entre les deux champs pour indiquer leur relation. Ces champs doivent être du même type de données.
Jointure automatique de tables : Essaie de joindre automatiquement deux tables d'après les clés primaire/étrangère, ou de mettre en correspondance le nom des champs et le type de données. Spécifier les types de jointures : Si votre pilote prend en charge les jointures externes,

vous pouvez spécifier soit des jointures internes, soit des jointures externes gauches ou droites. Pour sélectionner le type de jointure, cliquez sur la ligne de jointure entre les champs et SPSS affichera la boîte de dialogue Propriétés de relations. Vous pouvez également utiliser les icônes dans le coin supérieur droit de la boîte de dialogue pour choisir le type de jointure.

Propriétés de la relation
Cette boîte de dialogue vous permet de spécifier quels types relations lient vos tables.

32 Chapitre 3 Figure 3-5 Boîte de dialogue Propriétés des relations

Jointures internes : Une jointure interne n'inclut que les lignes dont les champs reliés

sont égaux.
Exemple : Continuons avec nos données et supposons que vous vouliez importer

des données seulement pour les employés qui travaillent dans une région définie et seulement pour les régions dans lesquelles votre société opère. Dans ce cas, vous utiliserez une jointure interne qui exclura les employés en déplacement et filtrera les informations sur les régions de prospection dans lesquelles vous n'êtes pas actuellement présent. Cela vous donnera un ensemble de données contenant les variables ID, REGION, VENTES95 et REVMOY pour chaque employé ayant travaillé dans une région définie.

33 Fichiers de données Figure 3-6 Créer une jointure interne

Jointures externes : Une jointure externe gauche inclut tous les enregistrements de la

table de gauche, et seuls les enregistrements de la table de droite dont les champs reliés sont égaux. Dans une jointure externe droite, cette relation est inversée si bien que SPSS importe tous les enregistrements de la table de droite, et seulement les enregistrements de la table de gauche dont les champs reliés sont égaux.
Exemple : Si vous souhaitez importer des données uniquement pour les employés

ayant travaillé dans une région définie (un sous-ensemble de la table Employés), mais que vous ayez besoin d'informations sur toutes les régions, une jointure externe droite serait appropriée. Cela génère un ensemble de données qui contient les variables ID, REGION, VENTES95 et REVMOY pour chaque employé ayant travaillé dans une région définie, plus les données sur le reste des régions dans lesquelles votre société n'opère pas actuellement.

34 Chapitre 3 Figure 3-7 Création d'une jointure externe droite

Limiter les observations récupérées
La boîte de dialogue Limiter les observations récupérées vous permet de spécifier les critères pour sélectionner des sous-groupes d'observations (lignes). Limiter les observations consiste généralement à remplir la grille de critères avec un ou plusieurs critères. Les critères consistent en deux expressions et des relations entre elles. Ils renvoient la valeur True (vrai), False (faux) ou manquant pour chaque observation.
„ „ „ „

Si le résultat est vrai, l'observation est sélectionnée. Si le résultat est faux ou manquant, l'observation n'est pas sélectionnée. La plupart des critères utilisent un ou plusieurs des six opérateurs relationnels (<, >, <=, >=, = et <>). Les expressions conditionnelles peuvent inclure des noms de champs, des constantes, des opérateurs arithmétiques, des fonctions numériques et autres, des variables logiques et des opérateurs relationnels. Vous pouvez utiliser des champs que vous ne prévoyez pas d'importer comme variables.

vous avez besoin d'au moins deux expressions et d'une relation pour les connecter. placez votre curseur dans une cellule Expression. placez votre curseur dans la cellule Relation et tapez l'opérateur ou sélectionnez-le dans le menu déroulant. Vous pouvez taper les noms de champs. fonctions numériques et autres et variables logiques.35 Fichiers de données Figure 3-8 Boîte de dialogue Limiter les observations récupérées Pour établir vos critères. E Les deux expressions sont généralement liées par un opérateur relationnel. constantes. opérateur arithmétiques. Pour choisir la relation. E Pour établir une expression. comme = ou >. créez deux critères dans la grille des critères. puis faites précéder le second critère du connecteur OU. qui est disponible dans les cellules d'expression actives. faites glisser le champ à partir de la liste Champs ou sélectionnez un champ dans le menu déroulant. Pour modifier notre exemple précédent et n'extraire que les données sur les employés qui répondent aux modalités d'emploi 1 ou 3. . Vous disposez d'autres méthodes pour mettre le champ dans une cellule de critères : double-cliquez sur le champ dans la liste Champs.

ce dernier doit lire la totalité de la source de données pour extraire un échantillon aléatoire. le pourcentage d'observations sélectionnées peut seulement approcher le pourcentage spécifié. Par exemple. Lorsque les utilisateurs utilisent la requête. „ Exactement : Sélectionne un échantillon aléatoire du nombre d'observations spécifié dans le nombre total d'observations indiqué. . logique. Si le nombre total d'observations spécifié est supérieur au nombre total d'observations dans le fichier de données. s'il est disponible pour la source de données. plus le pourcentage des observations sélectionnées sera proche de la valeur indiquée. „ Environ : SPSS génère un échantillon aléatoire d'observations dont le nombre correspond approximativement au pourcentage indiqué. il leur est demandé d'entrer ici les informations spécifiées. en effet. Consultez votre documentation sur les bases de données pour les fonctions SQL valides. est plus rapide que l'échantillonnage aléatoire de SPSS .'CATEMP' = 3 Fonctions : Une sélection de fonctions SQL intégrées (arithmétique. Placez votre curseur dans une cellule Expression et cliquez sur Demander une valeur pour créer une invite. Vous pouvez sélectionner une fonction de la liste et la glisser dans une expression ou entrer n'importe quelle fonction SQL valide. Pour les sources de données volumineuses. L'échantillonnage aléatoire natif. date et heure) est fournie. Demander une valeur : Vous pouvez imbriquer une invite dans votre requête pour créer une requête de paramètre. Ceci peut considérablement réduire le temps d'exécution des procédures. Cette méthode peut s'avérer utile lorsque vous avez besoin par exemple de voir différents affichages des mêmes données. Utiliser échantillon aléatoire : Sélectionne un échantillon aléatoire d'observations dans la source de données.'CATEMP' = 1 Critère 2 : 'VentesEmployés'. Plus il y a d'observations dans le fichier de données. chaîne. l'échantillon contiendra proportionnellement moins d'observations que le nombre demandé.36 Chapitre 3 Critère 1 : 'VentesEmployés'. Comme cette routine génère une décision indépendante pseudo-aléatoire pour chaque observation. vous pouvez limiter le nombre d'observations à un échantillon restreint et représentatif. vous voulez exécuter la même requête pour voir les chiffres de ventes des différents trimestres fiscaux.

. Autoriser l'utilisateur à sélectionner une valeur dans la liste : Si cette option est sélectionnée. chaîne ou date. Figure 3-9 Boîte de dialogue Demander une valeur Pour établir une invite. T3. La chaîne d'invite est affichée chaque fois qu'un utilisateur exécute votre requête. T2. soit nombre. « Entrez un trimestre (T1.. si l'utilisateur ne sélectionne rien dans une liste. Elle doit spécifier le type d'information à entrer et. Type de données : Spécifiez ici le type de données. elle doit indiquer la syntaxe de la saisie.37 Fichiers de données Créer une requête de paramètre Utilisez la boîte de dialogue Demander une valeur pour créer une boîte de dialogue sollicitant des informations auprès des utilisateurs chaque fois que quelqu'un exécute votre requête. Par exemple. vous avez besoin d'entrer une chaîne d'invite et une valeur par défaut.) ». Cela est utile si vous souhaitez effectuer une requête sur les mêmes sources de données en utilisant des critères différents. vous pouvez limiter l'accès de l'utilisateur aux valeurs que vous avez placées dans la liste et qui sont séparées par des retours chariot.. .

38 Chapitre 3 Le résultat final ressemble à ceci : Figure 3-10 Boîte de dialogue Invite définie par l'utilisateur Définition de variables (Assistant de capture de base de données) Noms de variables et étiquettes : La totalité du nom de champ de la base de données (colonne) est utilisée en tant qu'étiquette de variable. A moins que vous ne modifiez le nom de variable. Si le nom du champ de la base de données ne constitue pas un champ unique et valide de variable. il est utilisé comme nom de variable. Cliquez sur n'importe quelle cellule pour modifier le nom de variable. Les valeurs d'origine sont conservées comme étiquettes de valeurs pour les nouvelles variables. Les valeurs de chaîne sont converties en valeurs entières consécutives dans l'ordre alphabétique des valeurs d'origine. . l'Assistant de base de données affecte des noms de variables à chaque colonne à partir de la base de données de l'une des manières suivantes : „ „ Si le nom du champ de la base de données constitue un nom unique et valide de variable SPSS. Conversion des chaînes en valeurs numériques : Cochez la case Etiquettes de valeurs d'une variable chaîne pour la convertir automatiquement en variable numérique. SPSS crée un nom unique.

. „ Si vous modifiez l'instruction SQL Select avant d'exécuter la requête et cliquez sur le bouton Précédent pour apporter des modifications aux étapes précédentes. les dernières modifications de l'instruction Select seront perdues. Le fait de copier-coller l'instruction Select depuis la fenêtre Résultats ne collera pas la syntaxe de commande nécessaire. Sélectionnez Coller dans l'éditeur de syntaxe pour coller la syntaxe complète GET DATA dans une fenêtre de syntaxe.39 Fichiers de données Figure 3-11 Boîte de dialogue Définir variables Résultats La boîte de dialogue Résultats affiche l'instruction SQL Select nécessaire à votre requête. „ „ Vous pouvez enregistrer la requête pour une future utilisation grâce à l'option Enregistrer la requête dans le fichier.

Figure 3-12 Boîte de dialogue Résultats Assistant de texte L'Assistant de texte permet de lire des fichiers de données texte formatés de différentes façons „ „ „ „ Fichiers délimités par des tabulations Fichiers délimités par des espaces Fichiers délimités par des virgules Fichiers de format fixe .40 Chapitre 3 Mettre données en cache localement : Un cache de données est une copie complète du fichier de données. enregistrée dans un espace disque temporaire. La création d'un cache du fichier de données peut améliorer les performances.

étape 1 Figure 3-13 Assistant de texte .41 Fichiers de données Dans le cas des fichiers délimités. Lire des fichiers de données texte E A partir du menu. Assistant de texte . sélectionnez : Fichier Lire les données du texte E Sélectionnez le fichier texte dans la boîte de dialogue d'ouverture. vous pouvez choisir d'autres caractères en guise de séparateurs entre les valeurs et spécifier plusieurs séparateurs.étape 1 . E Suivez les étapes de l'Assistant de texte pour définir le mode de lecture du fichier de données.

Disposition de vos variables : Pour lire correctement vos données.étape 2 Figure 3-14 Assistant de texte . La disposition des variables définit la méthode utilisée pour différencier les variables entre elles. l'assistant de texte doit déterminer où finit la valeur d'une variable et où commence la valeur de la variable suivante. Par exemple. Dans une base de données. Vous pouvez appliquer un format prédéfini (précédemment enregistré dans l'Assistant de texte) ou suivre les étapes de l'Assistant de texte pour spécifier la façon dont les données doivent être lues. Assistant de texte . chaque élément d'un questionnaire est une variable. une variable est similaire à un champ. .étape 2 Cette étape offre des informations sur les variables.42 Chapitre 3 Le fichier texte est affiché dans une fenêtre d'aperçu.

„ Largeur fixe : Pour chaque observation dans le fichier de données. C'est la position des colonnes qui détermine la variable lue par l'Assistant. vous pouvez utiliser ces étiquettes comme noms de variable. Les variables sont enregistrées dans le même ordre pour chacune des observations. dans la plupart des fichiers de données texte générés par des programmes informatiques.43 Fichiers de données „ Délimité : Les variables sont séparées à l'aide d'espaces. de virgules. Aucun séparateur n'est requis entre les variables. les valeurs de données peuvent sembler se chevaucher sans même être séparées par des espaces. sur le même enregistrement (ligne). chaque variable est enregistrée dans la même position de la colonne. Les noms de variable sont-ils inclus dans la partie supérieure de votre fichier ? Si la première ligne du fichier de données contient des étiquettes descriptives pour chaque variable. . Les valeurs qui ne sont pas conformes aux règles de dénomination de variable sont converties en noms de variable valides. de tabulations ou d'autres caractères. En fait. mais pas nécessairement dans les mêmes positions de colonnes.

une observation est similaire à un enregistrement. La première observation commence à la ligne : Indique la première ligne du fichier de données contenant des valeurs de données. Représentation de vos observations : Contrôle la façon dont l'assistant de texte détermine où finit chaque observation et où commence la suivante.étape 3 : fichiers délimités Figure 3-15 Assistant de texte . Par exemple. elles ne seront pas considérées comme la première ligne du fichier. Dans une base de données.étape 3 : fichiers délimités Cette étape offre des informations sur les observations.44 Chapitre 3 Assistant de texte . Si les lignes supérieures du fichier de données contiennent des étiquettes descriptives ou tout autre type de texte ne correspondant pas à des valeurs de données. chaque répondant pour un questionnaire est un enregistrement. .

. Plus il y a d'observations dans le fichier de données. L'Assistant de texte détermine la fin de chaque observation en fonction du nombre de valeurs lues. Combien d'observations souhaitez-vous importer ? Vous pouvez importer toutes les observations du fichier de données. en outre. plus le pourcentage des observations sélectionnées sera proche de la valeur indiquée.45 Fichiers de données „ Chaque ligne représente une observation : Chaque ligne ne contient qu'une observation. quel que soit le nombre de lignes. Cette routine générant une décision indépendante pseudo-aléatoire pour chaque observation. Chaque observation doit contenir des valeurs de données (ou des valeurs manquantes indiquées par des séparateurs) pour toutes les variables . les observations peuvent commencer au milieu d'une ligne et se poursuivre sur la ligne suivante. La même ligne peut contenir plusieurs observations . ou encore un échantillon aléatoire d'un pourcentage spécifié. même s'il peut s'agir d'une très longue ligne dans le cas de fichiers de données comportant un grand nombre de variables. Il est assez courant que chaque observation soit contenue sur une seule ligne. le nombre de variables pour chaque observation est déterminé par la ligne comportant le plus grand nombre de valeurs. les n premières observations (n étant un nombre que vous avez défini). dans le cas contraire. le fichier de données ne sera pas lu correctement. „ Un nombre spécifique de variables représente une observation : Le nombre spécifié de variables pour chaque observation indique à l'Assistant de texte où terminer la lecture d'une observation et où commencer la lecture de la suivante. Si les lignes ne contiennent pas toutes le même nombre de valeurs. Les observations contenant moins de valeurs recevront alors des valeurs manquantes pour les variables supplémentaires. le pourcentage d'observations sélectionnées ne peut qu'approcher le pourcentage spécifié.

étape 3 : fichiers de largeur fixe Cette étape offre des informations sur les observations.étape 3 : fichiers de largeur fixe Figure 3-16 Assistant de texte . une observation est similaire à un enregistrement. chaque répondant pour un questionnaire est un enregistrement. La première observation commence à la ligne ? Indique la première ligne du fichier de données contenant des valeurs de données. Si les lignes supérieures du fichier de données contiennent des étiquettes descriptives ou tout autre type de texte ne correspondant pas à des valeurs de données. Dans une base de données. elles ne seront pas considérées comme la première ligne du fichier. Combien de lignes représente une observation ? Contrôle la façon dont l'assistant de texte détermine où finit chaque observation et où commence la suivante. Chaque variable est définie par son numéro de ligne dans l'observation et par sa position de .46 Chapitre 3 Assistant de texte . Par exemple.

Assistant de texte . Combien d'observations souhaitez-vous importer ? Vous pouvez importer toutes les observations du fichier de données. plus le pourcentage des observations sélectionnées sera proche de la valeur indiquée. ou encore un échantillon aléatoire d'un pourcentage spécifié. le pourcentage d'observations sélectionnées ne peut qu'approcher le pourcentage spécifié.étape 4 : fichiers délimités Cette étape présente la meilleure méthode déterminée par l'Assistant de texte sur la façon de lire le fichier de données et vous permet de modifier cette méthode. Plus il y a d'observations dans le fichier de données. les n premières observations (n étant un nombre que vous avez défini). Cette routine générant une décision indépendante pseudo-aléatoire pour chaque observation.47 Fichiers de données colonne. .étape 4 : fichiers délimités Figure 3-17 Assistant de texte . Vous devez spécifier le nombre de lignes de chaque observation pour que vos données soient lues correctement.

Les fichiers de données au format CSV exportés à partir d'Excel utilisent le guillemet («) comme qualificateur de texte. de points-virgules. Qu'est-ce qu'un qualificateur de texte ? Il s'agit de caractères utilisés pour délimiter les valeurs contenant des caractères séparateur. les valeurs contenant des virgules ne seront lues correctement que si un qualificateur de texte délimite la valeur .48 Chapitre 3 Quels séparateurs s'affichent entre les variables ? Indique les caractères ou les symboles utilisés pour séparer les valeurs de données. les virgules de la valeur ne sont pas considérées comme des séparateurs de valeurs. de tabulations ou d'autres caractères. Vous pouvez sélectionner n'importe quelle combinaison d'espaces. Le qualificateur de texte apparaît au début et à la fin de la valeur. ainsi. Plusieurs séparateurs consécutifs non séparés par des valeurs de données sont considérés comme des valeurs manquantes. Par exemple. et délimite ainsi la valeur entière. si la virgule est un séparateur. . de virgules.

il peut s'avérer difficile de déterminer l'endroit où commence chaque variable. Si chaque observation utilise plusieurs lignes. sélectionnez chaque ligne dans la liste déroulante et modifiez les lignes de délimitation des variables en conséquence. déplacez et supprimez les lignes de délimitation des variables à votre convenance pour séparer les variables. De tels fichiers de données sont généralement associés à .49 Fichiers de données Assistant de texte .étape 4 : fichiers de largeur fixe Figure 3-18 Assistant de texte . Insérez. Les lignes verticales présentées dans la fenêtre d'aperçu indiquent les positions que l'Assistant de texte estime correspondre au début de chaque variable dans le fichier.étape 4 : fichiers de largeur fixe Cette étape présente la meilleure méthode déterminée par l'Assistant de texte sur la façon de lire le fichier de données et vous permet de modifier cette méthode. Remarque : Dans le cas de fichiers de données générés par ordinateur et présentant un flux continu de valeurs de données non séparées par des espaces ni par d'autres caractéristiques distinctives.

Assistant de texte . Sélectionnez une variable dans la fenêtre d'aperçu. .étape 5 Figure 3-19 Assistant de texte . l'assistant de texte modifiera automatiquement les noms de variable qui ne sont pas conformes aux règles de dénomination de variable. Nom de la variable : Vous pouvez remplacer les noms de variables par défaut par vos propres noms de variable.étape 5 Cette étape définit le nom de variable et le format de données utilisés par l'Assistant de texte pour lire chaque variable et détermine les variables qui seront incluses dans le fichier de données final. puis entrez un nom de variable.50 Chapitre 3 un fichier de définitions de données ou à toute autre description écrite définissant la position de ligne et de colonne de chaque variable. Si vous choisissez des noms de variable provenant du fichier de données.

et dans divers autres formats de date et d'heure. en option. ou bien ils peuvent être énoncés en entier. Dollar : Les valeurs valides sont des nombres précédés. par un signe dollar et. des virgules comme séparateurs de milliers. Les mois peuvent être représentés par des chiffres. appuyez sur le bouton de la souris tout en maintenant la touche Maj enfoncée . Dans le cas des fichiers de largeur fixe. Virgule : Les valeurs valides correspondent aux nombres utilisant un point comme indicateur décimal et des virgules comme séparateurs de milliers. jj.mm. aaaa/mm/jj. des chiffres romains.51 Fichiers de données Format des données : Sélectionnez une variable dans la fenêtre d'aperçu. le nombre de caractères des valeurs de chaîne est défini par le positionnement des lignes de délimitation des variables effectué à l'étape 4. l'Assistant de texte détermine que ce nombre de caractères correspond à celui de la valeur de chaîne la plus longue pour la ou les variables sélectionnées. puis sélectionnez un format dans la liste déroulante. Par défaut. vous pouvez spécifier le nombre de caractères de la valeur (le nombre maximal étant de 255). Sélectionnez un format de date dans la liste. mm/jj/aaaa. des abréviations à trois lettres. et un indicateur de décimale. appuyez sur le bouton de la souris tout en maintenant la touche Ctrl enfoncée. hh:mm:ss. Chaîne : Les valeurs valides incluent pratiquement tous les caractères du clavier avec des blancs imbriqués. Point : Les valeurs valides correspondent aux nombres utilisant une virgule comme indicateur décimal et des points comme séparateurs de milliers. Numérique : Les valeurs valides incluent les nombres. Assistant de texte : options de formatage Les options de formatage pour la lecture des variables au moyen de l'Assistant de texte sont les suivantes : Ne pas importer : Cette option permet d'omettre la ou les variables sélectionnées dans le fichier de données importé. également en option. pour sélectionner plusieurs variables non contiguës. Pour sélectionner plusieurs variables contiguës. . Dans le cas des fichiers délimités. un signe plus ou moins en début.aaaa. Date/Heure : Les valeurs valides correspondent aux dates exprimées dans les formats traditionnels jj-mm-aaaa.

Vous pouvez enregistrer vos sélections dans un fichier pour les appliquer lors de l'importation de fichiers de données texte similaires.52 Chapitre 3 Remarque : les valeurs comportant des caractères incorrects pour le format sélectionné seront traitées comme des valeurs manquantes.étape 6 Figure 3-20 Assistant de texte . Assistant de texte . Vous pouvez alors personnaliser et/ou enregistrer cette syntaxe afin de l'utiliser dans d'autres sessions ou d'autres tâches de production.étape 6 Il s'agit de la dernière étape de l'Assistant de texte. Les valeurs contenant l'un des séparateurs spécifiés seront considérées comme des valeurs multiples. . Il vous est également possible de coller la syntaxe générée par l'Assistant de texte dans une fenêtre de syntaxe.

. choisissez Fichier de travail. Enregistrement des fichiers de données Toute modification effectuée dans un fichier de données ne dure que le temps de la session en cours. choisissez : Fichier externe. puis sélectionnez le fichier de données. ou tout autre fichier de données SPSS. E Pour les autres fichiers de données. dont : „ „ „ Le nom des variables Le format des variables Les étiquettes descriptives de variables et de valeurs. Ces informations sont enregistrées dans la partie dictionnaire du fichier de données de SPSS. La création d'un cache du fichier de données peut améliorer les performances. Les informations sur le fichier de données sont affichées dans le Viewer. à moins que vous n'enregistriez ces modifications de façon explicite. Il contient également toutes les informations sur la définition des variables. Informations sur les fichiers Un fichier de données SPSS contient bien plus que des données brutes. L'éditeur de données permet de voir les informations de la définition des variables. enregistrée dans un espace disque temporaire. Pour obtenir des informations sur un fichier de données E A partir des menus de la fenêtre de l'éditeur de données.53 Fichiers de données Mettre données en cache localement : Un cache de données est une copie complète du fichier de données. sélectionnez : Fichier Afficher des informations sur un fichier de données E Pour le fichier de données en cours d'utilisation. Vous pouvez également afficher des informations de dictionnaire complètes pour le fichier de travail.

E A partir du menu. Concernant l'exportation vers Excel 97 et les versions ultérieures. Types de variable Le tableau suivant indique la concordance des types de variable entre les données SPSS d'origine et les données exportées dans Excel. telles que les valeurs manquantes et les étiquettes de variable. Enregistrement de fichiers de données au format Excel Vous pouvez enregistrer vos données dans un des trois formats Microsoft Excel. Si vos données excèdent ces limites. une option permet d'inclure les étiquettes de valeurs au lieu des valeurs. et écrase les versions précédentes du fichier. Les fichiers Excel 4. Ces contraintes sont les suivantes : „ „ „ „ Les informations sur les variables. Cependant. Du fait que tous les fichiers Excel sont limités à 256 colonnes de données.0 et Excel 5. ne sont pas comprises dans les fichiers Excel exportés. L'application Excel ne peut pas ouvrir de fichier créé dans une version plus récente. Excel 2000 peut facilement lire un document Excel 5. Par exemple.0 ne peut pas ouvrir un document Excel 2000. Les fichiers Excel 97–2000 autorisent 65 536 enregistrements. Excel 5. .0/95 sont limités à 16 384 enregistrements. Le format de fichier Excel induit des contraintes qui n'existent pas dans SPSS. ou lignes de données.0. un message d'avertissement apparaît et les données sont tronquées à la taille maximale autorisée par Excel. Le choix du format dépend de la version d'Excel qui sera utilisée pour ouvrir les données. les 256 premières variables sont comprises dans le fichier exporté.54 Chapitre 3 Pour enregistrer des fichiers de données modifiés E Faites en sorte que l'éditeur de données devienne la fenêtre active (cliquez n'importe où dans la fenêtre pour la rendre active). sélectionnez : Fichier Enregistrer Le fichier de données modifié est enregistré.

0. proc format library = library . le fichier de syntaxe généré contient : libname library 'd:\spss\' . j-mmm-aaaa hh:mm:ss Général Enregistrement de fichiers de données au format SAS Vos données reçoivent divers traitements spéciaux quand elles sont enregistrées en tant que fichier SAS.. SAS n'autorise qu'une seule valeur manquante par défaut. Ces traitements sont les suivants : „ Certains caractères autorisés dans les noms de variable SPSS ne sont pas valides dans SAS..00. value ORIGIN /* Pays d'origine */ .##0.55 Fichiers de données Type de variable SPSS Numérique Virgule Dollar Date Heure Chaîne Format de données Excel 0. Par conséquent. Par exemple. Lors de l'exportation des données.00. #.. alors que SPSS en autorise un grand nombre.##0. comme @. ces caractères interdits sont remplacés par un trait de soulignement... Les étiquettes de variable SPSS contenant plus de 40 caractères sont tronquées quand elles sont exportées vers un fichier SAS v6.sav sont exportées. # et $. „ „ „ Enregistrement des étiquettes de valeurs Vous pouvez choisir d'enregistrer les valeurs et les étiquettes de valeurs associées à votre fichier de données dans un fichier de syntaxe SAS..00. les étiquettes de variable SPSS sont associées aux étiquettes de variable SAS.. lorsque les étiquettes de valeurs du fichier de donnéesvoitures.##0_). Quand elles existent. S'il n'existe aucune étiquette de variable dans les données SPSS. toutes les valeurs manquantes par défaut de SPSS sont associées à une seule de ces valeurs dans le fichier SAS. $#. le nom de variable est associé à l'étiquette de variable SAS. #..00..

56 Chapitre 3 1 = 'Américaine' 2 = 'Européenne' 3 = 'Japonaise' . modify cars... value FILTER__ /* cylrec = 1 | cylrec = 2 (FILTER) */ 0 = 'Non sélectionnés' 1 = 'Sélectionnés' . ORIGIN ORIGIN. format format format quit. Type de variable SPSS Numérique Virgule Points Notation scientifique Type de variable SAS Numérique Numérique Numérique Numérique Format de données SAS 12 12 12 12 . value CYLINDER /* Nombre de cylindres */ 3 = '3 cylindres' 4 = '4 cylindres' 5 = '5 cylindres' 6 = '6 cylindres' 8 = '8 cylindres' .. FILTER__ FILTER__. Cette fonctionnalité n'est pas prise en charge par le fichier de transfert SAS. Types de variable Le tableau suivant indique la concordance des types de variable entre les données SPSS d'origine et les données exportées dans SAS. proc datasets library = library . CYLINDER CYLINDER.

Pour enregistrer les étiquettes de valeurs à la place des valeurs de données au format Excel 97 : E Dans la boîte de dialogue Enregistrer les données sous..sas. dans tableur dans la boîte de dialogue Enregistrer Données sous. Pour écrire des noms de variable sur la première ligne d'un fichier de données de format feuille de calcul ou délimité par des tabulations : E Cliquez sur Ecrire nom de var. . Pour enregistrer les étiquettes de valeurs dans un fichier de syntaxe SAS (cette option n'est active que si un type de fichier SAS est sélectionné) : E Dans la boîte de dialogue Enregistrer les données sous...57 Fichiers de données Type de variable SPSS Date Date (Heure) Dollar Devise personnalisée Chaîne Type de variable SAS Numérique Numérique Numérique Numérique Caractère Format de données SAS (date) par exemple... cliquez sur Enregistrer les étiquettes de valeurs lorsqu'elles sont définies à la place des valeurs de données. sélectionnez : Fichier Enregistrer sous. E A partir du menu. E Sélectionnez un type de fichier de la liste proposée. MMJJAA10. cliquez sur Enregistrer les étiquettes de valeurs dans un fichier . Time18 12 12 $8 Pour enregistrer des fichiers de données sous des formats différents E Faites en sorte que l'éditeur de données devienne la fenêtre active (cliquez n'importe où dans la fenêtre pour la rendre active). E Entrez un nom de fichier pour le nouveau fichier de données.

sav) : Format SPSS. SPSS portable (*. des versions uniques de noms de variable à huit octets sont utilisées. les noms longs originaux des variables sont perdus si vous enregistrez le fichier de données. Les fichiers de données enregistrés dans le format SPSS ne peuvent être lus avec les versions du logiciel antérieures à la version 7. les valeurs manquantes par défaut supplémentaires seront réalignées sur la première valeur manquante par défaut. mais n'incluent pas les vecteurs multiréponses définis ni les données entrées pour l'information de Windows.0 ou supérieure. qui utilise le format d'écriture par défaut pour toutes les variables.x.58 Chapitre 3 Enregistrement de données : Types de fichier de données Vous pouvez enregistrer des données sous les formats suivants : SPSS (*. SPSS/PC+ (*. Les noms de variable sont limités à huit octets et sont automatiquement convertis en noms à huit octets uniques si nécessaire.x ou 11. Excel 2. .1. seules les 500 premières seront sauvegardées.1 (*.xls) : Fichier de type tableur Microsoft Excel 2.xls) : Fichier de type feuille de calcul Microsoft Excel 97/2000/XP. En ce qui concerne les variables ayant plus d'une valeur manquante par défaut définie. Lorsque vous utilisez des fichiers de données ayant des noms de plus de huit octets sous SPSS 10.0 peuvent être lus par SPSS 7. Macintosh. UNIX). Les fichiers de données enregistrés au format SPSS 7.por) : Fichier SPSS portable qui peut être lu par d'autres versions de SPSS sur d'autres systèmes d'exploitation (par exemple. Si le fichier de données contient plus de 500 variables. les noms de variables originaux sont conservés pour la version 12.5. SPSS 7. Excel versions 97 et ultérieures (*. Toutefois.dat) : Fichiers texte ASCII avec valeurs séparées par des tabulations. Le nombre maximum de variables est de 256 et le nombre maximum de lignes est de 16 384.0 pour Windows.0 (*.sys) : Format SPSS/PC+. Il n'y a pas de tabulations ni d'espaces entre les champs de variables. Tabulé (*.0 et par les versions SPSS pour Windows antérieures. ASCII fixe (*. Dans les versions SPSS antérieures à la version 10.sav) : Format SPSS 7.dat) : Fichier ASCII texte en format fixe. Le nombre maximum de variables est de 256 et le nombre maximum de lignes est de 65 536.

0. dBASE II (*.0 (*. Vous pouvez enregistrer un nombre maximum de 256 variables.dbf) : Format dBASE III. version 3.0 (*. SAS v7+ pour UNIX (*. . HP.wk3) : Fichier tableur Lotus 1-2-3. version 2. SYLK (*. 1-2-3 Version 1.dbf) : Format dBASE IV. SAS v6 pour Alpha/OSF (*.59 Fichiers de données 1-2-3 Version 3.dbf) : Format dBASE II. dBASE IV (*. Vous pouvez enregistrer un nombre maximum de 256 variables.ssd01) : SAS v8 pour UNIX.wks) : Fichier tableur Lotus 1-2-3. format de nom de fichier long.ssd04) : Format de fichier SAS v6 pour Alpha/OSF (DEC UNIX).sd2) : Format de fichier SAS v6 pour Windows/OS2. SAS v6 pour Windows (*.sd7) : SAS version 7-8 pour Windows. SAS transfert (*. 1-2-3 Version 2.0. SAS v7+ extension courte Windows (*.sas7bdat) : SAS version 7-8 pour Windows.wk1) : Fichier tableur Lotus 1-2-3. dBASE III (*.ssd01) : Format de fichier SAS v6 pour UNIX (Sun. IBM).0 (*. format de nom de fichier court. Vous pouvez enregistrer un nombre maximum de 256 variables. SAS v7+ extension longue Windows (*. SAS v6 pour UNIX (*. Vous pouvez enregistrer un nombre maximum de 256 variables.xpt) : Fichier de transfert SAS. version 1A.slk) : Format de lien symbolique pour fichiers de type tableur Microsoft Excel et Multiplan.

E Sélectionnez SPSS (*.. la boîte de dialogue Enregistrer les données en tant que variables vous permet de sélectionner les variables à enregistrer dans le nouveau fichier de données. .sav) dans la liste des types de fichier. E Cliquez sur Variables. E Sélectionnez les variables à enregistrer. Par défaut. E A partir du menu.60 Chapitre 3 Enregistrement de sous-ensembles de variables Figure 3-21 Boîte de dialogue Enregistrer les données en tant que variables Pour les données enregistrées au format SPSS. sélectionnez : Fichier Enregistrer sous. ou cliquez sur Supprimer tout puis sélectionnez les variables à enregistrer. Pour enregistrer un sous-groupe de variables E Faites en sorte que l'éditeur de données devienne la fenêtre active (cliquez n'importe où dans la fenêtre pour la rendre active).. Désélectionnez les variables à ne pas enregistrer. toutes les variables sont enregistrées.

et certaines opérations requièrent toujours un espace disque suffisant pour pouvoir effectuer au moins une copie intégrale du fichier de données. les données d'origine sont ainsi protégées. sélectionnez : Fichier Marquer le fichier comme étant en lecture seule Si vous apportez d'importantes modifications aux données. Protection des données d'origine Pour éviter de modifier/supprimer vos données d'origine par accident. vous pouvez uniquement l'enregistrer sous un autre nom .61 Fichiers de données Enregistrement de fichier : Options Vous pouvez écrire des noms de variables dans la première ligne des fichiers de type tableur et des fichiers tabulés. puis que vous essayez d'enregistrer le fichier de données. Les procédures qui modifient les données nécessitent un certain volume d'espace disque temporaire afin de conserver une trace de ces modifications. Dans le cas de la plupart des procédures d'analyse et de création de diagrammes. vous pouvez paramétrer les fichiers en lecture seule. Vous pouvez redonner au fichier l'attribut de lecture/écriture en sélectionnant Marquer le fichier comme étant en lecture/écriture dans le menu Fichier. Fichier actif virtuel Le fichier actif virtuel vous permet de travailler avec des fichiers de données volumineux sans nécessiter d'importants volumes d'espace disque temporaire. E A partir des menus de l'éditeur de données. . la source de données d'origine est lue chaque fois que vous exécutez une procédure différente.

Explorer). Fréquences. exécution de procédures créant ou modifiant des variables (par exemple. fusion d'un fichier de données SPSS avec un tableau de base de données . Tableaux croisés. . lecture de tableaux de base de données avec l'assistant de base de données . exécution de procédures lisant les données (par exemple. fusion de deux fichiers de données SPSS ou plus . enregistrement de prévisions dans la Régression linéaire). Les opérations créant une copie intégrale du fichier de données dans un espace disque temporaire sont les suivantes : „ lecture de fichiers Excel . recodage de variables existantes .62 Chapitre 3 Figure 3-22 Espace disque temporaire requis Les opérations ne nécessitant pas d'espace disque temporaire sont les suivantes : „ „ „ „ „ lecture de fichiers de données SPSS . Les opérations créant une ou plusieurs colonnes de données dans un espace disque temporaire sont les suivantes : „ „ „ calcul de nouvelles variables .

l'interface de boîtes de dialogue de ces procédures triera donc automatiquement le fichier de données. Toutefois. (La syntaxe de commande n'est pas disponible dans la version Student. Dans le cas de tableaux de données lus dans une base de données. Dans le cas de fichiers de données volumineux provenant d'une source externe. Dans sa syntaxe. Par défaut. cette commande nécessitent des données triées . Lecture des données avec la commande GET TRANSLATE ou DATA LIST Utilisation de la fonctionnalité Données de mémoire cache ou de la commande CACHE Ouverture depuis SPSS d'autres applications lisant le fichier de données (par exemple.) Opérations créant une copie intégrale du fichier de données par défaut : „ „ Lecture de bases de données avec l'Assistant de base de données Lecture de fichiers texte avec l'Assistant de texte Les Assistants de base de données et de texte proposent un paramètre facultatif permettant de mettre automatiquement des données en mémoire cache. Création d'un cache de données Bien que le fichier actif virtuel contribue à réduire considérablement le volume d'espace disque temporaire requis. la requête SQL qui consulte les informations de la base doit être réexécutée . cette option est sélectionnée. Pour désactiver cette option. Remarque : La commande GET DATA assure des fonctionnalités comparables à celles de la commande DATA LIST mais sans créer de copie intégrale du fichier de données dans un espace disque temporaire. désélectionnez la case Mettre données en cache localement. Trier les observations. aboutissant ainsi à la création d'une copie complète de ce fichier.63 Fichiers de données „ „ „ „ exécution de procédures triant les données (par exemple. la commande SPLIT FILE ne trie pas le fichier de données et n'en crée donc pas de copie. l'absence d'une copie temporaire du fichier « actif » signifie que la source de données d'origine doit être lue de nouveau pour chaque procédure. pour pouvoir fonctionner correctement. Scinder fichier) . DecisionTime). la création d'une copie temporaire des données peut améliorer les performances de lecture. AnswerTree.

Le cache de données est une copie temporaire de la totalité des données.64 Chapitre 3 pour toute commande ou procédure nécessitant la lecture des données. ce qui généralement ne devrait pas s'avérer nécessaire. Remarque : Par défaut. l'Assistant de base de données crée automatiquement un cache de données. lorsque vous exécuterez une procédure statistique). E Cliquez sur OK ou sur Cacher maintenant. Ceci étant le cas de quasiment toutes les procédures d'analyse statistique et de création de diagrammes. C'est l'option que vous choisirez le plus souvent puisque cette opération ne nécessite pas de passage de données supplémentaire. le cache de données n'est pas créé automatiquement.. vous pouvez éliminer de nombreuses requêtes SQL et réduire ainsi les temps de traitement en créant un cache de données du fichier actif. (La syntaxe de commande n'est pas disponible dans la version Student. L'option Cacher maintenant crée un cache de données immédiatement. la consultation du contenu des données dans l'éditeur de données s'avérera bien plus rapide si vous placez les données dans un cache. la requête SQL est donc réexécutée pour chaque nouvelle procédure que vous lancez. Toutefois. sélectionnez : Fichier Données de mémoire cache.) Pour créer un cache de données E A partir du menu. ouvert une autre source de données ou créé un cache des données. L'option OK créera un cache de données à la prochaine lecture des données (par exemple. Si l'ordinateur sur lequel vous effectuez l'analyse (qu'il s'agisse de votre ordinateur local ou d'un serveur distant) dispose d'un volume d'espace disque suffisant. ce qui risque d'entraîner un allongement considérable des temps de traitement si vous devez exécuter un grand nombre de procédures. „ . si vous utilisez la commande GET FILE dans une syntaxe afin de lire une base de données. Pour les sources de données volumineuses.. L'option Cacher maintenant est surtout utile pour deux raisons : „ Une source de données est « verrouillée » et ne peut être mise à jour tant que vous n'avez pas fermé la session.

sélectionnez : Fichier Nouveau Syntaxe E Dans la fenêtre de syntaxe.65 Fichiers de données Pour mettre automatiquement des données en mémoire cache Vous pouvez paramétrer la commande SET pour qu'elle crée automatiquement un cache de données dès que vous avez apporté un certain nombre de modifications dans le fichier de données actif. sélectionnez : Exécuter Tous Remarque : Vous devez définir le paramètre de cache pour chaque session. . entrez SET CACHE n. A chaque nouvelle session. Par défaut. le fichier de données actif est automatiquement mis en mémoire cache après 20 modifications. la valeur est paramétrée par défaut sur 20. La valeur n correspond au nombre de modifications apportées au fichier de données actif avant sa mise en mémoire cache. E A partir du menu. E Dans le menu de la fenêtre de syntaxe.

.

Toute tâche longue à effectuer en mode d'analyse locale serait ainsi mieux adaptée à une analyse distribuée. une utilisation appropriée du mode d'analyse distribuée permet de réduire considérablement les temps de traitement. Remarque : L'analyse distribuée n'est disponible que si vous disposez à la fois d'une version locale du programme et d'un accès à une version serveur du même logiciel installé sur un serveur distant. telles que la lecture et la transformation de données ainsi que le calcul de nouvelles variables et de statistiques. Elle n'a aucun effet sur les tâches associées à la modification de résultats. Les serveurs distants utilisés pour l'analyse distribuée se révélant généralement plus puissants et plus rapides que votre ordinateur local. L'analyse distribuée n'affecte que les tâches impliquant des données. 67 .Chapitre Mode d'analyse distribuée 4 Le mode d'analyse distribuée vous permet d'utiliser un autre ordinateur local que le vôtre (ou de bureau) pour les tâches sollicitant la mémoire de façon intensive. des tâches sollicitant la mémoire de façon intensive. contenant notamment des données provenant de bases de données . L'analyse distribuée effectuée à l'aide d'un serveur distant peut s'avérer utile si votre travail met en œuvre : „ „ des fichiers de données volumineux. telles que la manipulation de tableaux pivotants ou la modification de diagrammes.

. les autres diagrammes mettant en œuvre des données récapitulatives ou agrégées seront traités de façon adéquate en mode distribué puisque l'opération consistant à agréger les données est effectuée sur le serveur. En revanche. Diagrammes : Les diagrammes conçus pour les observations. cette nécessité risque d'entraîner un ralentissement des performances en mode distribué puisque les données doivent être envoyées par le serveur distant à votre ordinateur local. vous ne pourrez accéder à la base de données qu'en mode distribué. tels que les diagrammes de dispersion. Si le logiciel d'accès à la base de données requise n'est disponible que sur le serveur ou que votre administrateur réseau ne vous permet pas de télécharger des tableaux de données de grande taille. Tâches rapides : Les tâches s'exécutant rapidement en mode local le feront presque toujours plus lentement en mode distribué du fait des sollicitations système inhérentes à l'architecture client-serveur. ou encore des diagrammes simples ou en nombre réduit) offriront des performances optimales si elles sont exécutées en mode distribué.68 Chapitre 4 Comparaison de l'analyse distribuée par rapport à l'analyse locale Voici quelques recommandations destinées à vous permettre de choisir entre le mode d'analyse locale et celui d'analyse distribuée : Accès aux bases de données : Il est possible que les tâches effectuant des requêtes dans des bases de données s'exécutent plus rapidement en mode distribué si le serveur dispose d'un accès prioritaire à ces bases de données ou qu'il s'exécute sur le même poste que le moteur de base de données. des tableaux pivotants en petit nombre ou peu volumineux. nécessitent la présence de données brutes sur votre ordinateur local. les diagrammes de résidus de régression ou les diagrammes séquentiels. Rapport entre calculs et résultats : Les commandes effectuant un grand nombre de calculs et produisant peu de résultats (par exemple. Dans le cas de fichiers de données ou de tableaux de base de données volumineux. Diagrammes interactifs : La possibilité (disponible en option) d'enregistrer des données brutes avec des diagrammes interactifs pouvant entraîner le transfert d'importantes quantités de données entre le serveur distant et votre ordinateur local. Le gain de performances obtenu dépend dans une large mesure de la puissance de calcul du serveur distant. le temps requis pour l'enregistrement de vos résultats risque d'en être considérablement allongé. de brefs résultats en format texte.

Connexion au serveur SPSS La boîte de dialogue Connexion au serveur vous permet de sélectionner l'ordinateur qui traite les commandes et exécute les procédures. Les serveurs distants nécessitent généralement un ID utilisateur ainsi qu'un mot de passe. Résultats texte : Plus la quantité de texte générée est importante. . Pour plus d'informations sur la connexion.69 Mode d'analyse distribuée Tableaux pivotants : La création de tableaux pivotants de grande taille peut s'avérer plus longue en mode distribué. et parfois même un nom de domaine. tels que ceux disponibles dans la procédure Récapituler. ou en supprimer. car ce texte est créé sur le serveur distant. Toutefois. Ceci se vérifie plus particulièrement dans le cas de la procédure Cubes OLAP et des tableaux contenant des données d'observations individuelles. Il peut s'agir de votre ordinateur local ou d'un serveur distant. les résultats en format texte ne sollicitent que faiblement le système et sont transmis rapidement. plus elle sera longue à s'effectuer en mode distribué. puis copié sur votre ordinateur local pour affichage. Figure 4-1 Boîte de dialogue Connexion au serveur Vous pouvez ajouter et modifier des serveurs distants de la liste.

Nom : Un « nom » de serveur peut être un nom alphanumérique affecté à un ordinateur (par exemple. Lorsque vous démarrez une session. 202. ainsi que des informations de connexion supplémentaires. N'utilisez le protocole SSL que si l'administrateur vous le demande. . Description : Entrez une description facultative devant apparaître dans la liste des serveurs. les mots de passe et noms de domaine. Vous pouvez sélectionner un serveur par défaut et enregistrer l'ID utilisateur. Ajout et modification des paramètres de connexion au serveur Utilisez la boîte de dialogue Paramètres de connexion au serveur pour ajouter ou modifier des informations de connexion pour les serveurs distants à utiliser en mode d'analyse distribuée. hqdev001) ou une adresse IP unique attribuée à un ordinateur (par exemple. Numéro de port : Le numéro du port est le port que le logiciel du serveur utilise pour les communications. Figure 4-2 Boîte de dialogue Paramètres de connexion au serveur Contactez l'administrateur système pour obtenir la liste des serveurs disponibles et des numéros de port associés aux serveurs. vous êtes automatiquement connecté au serveur par défaut. contactez l'administrateur système. le nom de domaine et le mot de passe associés à un serveur.456.78).123. les ID utilisateur.70 Chapitre 4 les serveurs disponibles.

E Entrez votre ID utilisateur. E Cliquez sur Ajouter pour ouvrir la boîte de dialogue Paramètres de connexion au serveur. changement ou ajout de serveurs E A partir du menu. Sélection. sélectionnez : Fichier Changer serveur.. Pour ajouter un serveur : E Demandez les informations de connexion du serveur à l'administrateur. le nom de domaine et le mot de passe fournis par l'administrateur. Pour sélectionner un serveur par défaut : E Dans la liste des serveurs. vous êtes automatiquement connecté au serveur par défaut. consultez l'administrateur. E Entrez l'ID utilisateur.. cochez la case située en regard du serveur à utiliser. Pour qu'il soit activé. nom de domaine et mot de passe (le cas échéant). le protocole SSL doit être configuré sur votre ordinateur et sur le serveur. Remarque : Lorsque vous changez de serveur au cours d'une session. Le système vous demande d'enregistrer vos modifications avant la fermeture des fenêtres. . Pour utiliser un autre serveur : E Sélectionnez un serveur dans la liste.71 Mode d'analyse distribuée Connecter avec Secure Socket Layer : Le protocole SSL (Secure Sockets Layer) code les demandes d'analyse distribuée envoyées au serveur SPSS distant. toutes les fenêtres ouvertes sont automatiquement fermées. Avant d'utiliser le protocole SSL. Remarque : Lorsque vous démarrez une session.

puis cliquez sur OK. Pour modifier un serveur : E Demandez les informations de connexion révisées à l'administrateur. Ouverture de fichiers de données à partir d'un serveur distant Figure 4-3 Boîte de dialogue Ouvrir fichier distant En mode d'analyse distribuée. Le nom du serveur utilisé est indiqué dans la zone supérieure de la boîte de dialogue. . E Entrez les modifications et cliquez sur OK. „ La liste des fichiers.72 Chapitre 4 E Entrez les informations de connexion et les paramètres facultatifs. dossiers et lecteurs disponibles dépend des données accessibles sur le serveur distant. E Cliquez sur Edition pour ouvrir la boîte de dialogue Paramètres de connexion au serveur. la boîte de dialogue Ouvrir fichier distant remplace la boîte de dialogue Ouvrir fichier.

.. démarrez plusieurs sessions. Pour ouvrir des fichiers de données à partir d'un serveur distant E Si vous n'êtes pas encore connecté au serveur distant. vous n'aurez probablement pas accès aux fichiers de données locaux en mode d'analyse distribuée. Le fichier de données courant est automatiquement fermé quand un nouveau fichier de données est ouvert. vous n'aurez accès aux fichiers de données de votre ordinateur local que si vous définissez le lecteur correspondant comme un lecteur partagé et les dossiers contenant vos fichiers de données comme des dossiers partagés. E Selon le type de fichier de données à ouvrir. faites-le maintenant. même s'ils se trouvent dans des dossiers partagés. Si vous souhaitez ouvrir plusieurs fichiers de données simultanément. ..73 Mode d'analyse distribuée „ En mode d'analyse distribuée. „ Vous ne pouvez ouvrir qu'un seul fichier de données à la fois. Si le système d'exploitation du serveur est différent du vôtre (Windows et UNIX par exemple). ou Fichier Ouvrir la base de données ou Fichier Lire les données du texte. sélectionnez les options de menu suivantes : Fichier Ouvrir Données..

La liste des dossiers et lecteurs disponibles dépend des données accessibles sur le serveur distant.74 Chapitre 4 Enregistrement de fichiers de données à partir d'un serveur distant Figure 4-4 Boîte de dialogue Enregistrer fichier distant En mode d'analyse distribuée. même s'ils se trouvent dans des dossiers partagés. Si le système d'exploitation du serveur est différent du vôtre (Windows et UNIX par exemple). Vous n'aurez accès aux dossiers de votre ordinateur local que si vous définissez le lecteur correspondant comme un lecteur partagé et les dossiers comme des dossiers partagés. . vous n'aurez probablement pas accès aux fichiers de données locaux en mode d'analyse distribuée. Pour enregistrer des fichiers de données à partir d'un serveur distant E Activez la fenêtre de l'éditeur de données. la boîte de dialogue Enregistrer fichier distant remplace la boîte de dialogue Enregistrer fichier standard. Le nom du serveur utilisé est indiqué dans la zone supérieure de la boîte de dialogue. Les droits d'accès relatifs aux dossiers partagés doivent inclure la possibilité d'écrire dans les dossiers si vous souhaitez enregistrer les fichiers de données dans un dossier local.

Bien que vous puissiez obtenir des noms de dossiers familiers tels que Program Files et des lecteurs portant la lettre C. l'affichage des fichiers de données. l'affichage des fichiers de données. Vous pouvez afficher tous les fichiers de données et dossiers de votre ordinateur. il ne s'agit pas des dossiers et lecteurs de votre ordinateur. Mode d'analyse distribuée : Lorsque vous utilisez un autre ordinateur comme « serveur distant » pour exécuter les commandes et procédures.) Accès aux fichiers de données en mode d'analyse locale ou distribuée Mode : L'affichage des fichiers de données. dossiers (répertoires) et lecteurs de votre ordinateur local et du réseau dépend de l'ordinateur que vous utilisez pour traiter les commandes et exécuter les procédures (qui ne correspond pas obligatoirement à l'ordinateur que vous avez en face de vous). .75 Mode d'analyse distribuée E A partir du menu.. mais des dossiers et lecteurs du serveur distant.. sélectionnez : Fichier Enregistrer (ou Enregistrer sous. ainsi que tous les fichiers et dossiers stockés sur les lecteurs réseau que vous obtenez en temps normal. dossiers et lecteurs dans la boîte de dialogue d'accès aux fichiers (permettant d'ouvrir les fichiers de données) est le même que celui fourni dans d'autres applications ou dans l'Explorateur de Windows. dossiers et lecteurs correspond à celui obtenu du point de vue du serveur distant. Mode d'analyse locale : Lorsque vous utilisez votre ordinateur local comme « serveur ».

En mode distribué. vous n'aurez probablement pas accès aux fichiers de données locaux en mode d'analyse distribuée. même s'ils se trouvent dans des dossiers partagés. En mode local. Vous pouvez accéder aux fichiers de données situés sur d'autres disques réseau en mode d'analyse locale ou en mode d'analyse distribuée. Pour savoir si vous utilisez le mode local ou le mode distribué. Si le titre de la boîte de dialogue contient le terme Distant (comme dans Ouvrir fichier distant) ou . vous accédez à d'autres disques à partir de votre ordinateur local. L'utilisation du mode d'analyse distribuée n'équivaut pas à accéder aux fichiers de données stockés sur un autre ordinateur de votre réseau. vous accédez à d'autres disques réseau depuis le serveur distant.76 Chapitre 4 Figure 4-5 Affichages local et distant En mode d'analyse distribuée. vous n'aurez accès aux fichiers de données de votre ordinateur local que si vous définissez le lecteur correspondant comme un lecteur partagé et les dossiers contenant vos fichiers de données comme des dossiers partagés. examinez la barre de titre de la boîte de dialogue permettant d'accéder aux fichiers de données. Si le système d'exploitation du serveur est différent du vôtre (Windows et UNIX par exemple).

l'affichage local est toujours utilisé. puis sur Nom de partage. Disponibilité des procédures en mode d'analyse distribuée En mode d'analyse distribuée. Ouvrir base de données et Appliquer le dictionnaire des données). Pour tous les autres types de fichier (tels que les fichiers Viewer. Bien que cette dernière situation paraisse peu probable. cliquez sur le dossier (répertoire) ou le lecteur à partager. Pour définir des droits d'accès de partage pour un lecteur ou un dossier E Dans Poste de travail. Dans ce cas. . vous utilisez le mode d'analyse distribuée. le passage de l'utilisation de votre ordinateur local à celle d'un serveur distant entraînera la suppression des procédures concernées des menus ainsi que des erreurs dans les fichiers de commande correspondants. cliquez sur Propriétés. les fichiers de syntaxe et les fichiers scripts). E Dans le menu Fichier. Enregistrer sous. Pour plus d'informations sur le partage de lecteurs et de dossiers. Vous devrez rétablir le mode local pour restaurer toutes les procédures affectées. il peut arriver que certains éléments optionnels soient installés sur votre poste local et ne soient pas disponibles sur le serveur distant. consultez l'aide de votre système d'exploitation. E Cliquez sur l'onglet Partage.77 Mode d'analyse distribuée que le libellé Serveur distant : [nom_de_serveur] apparaît dans la zone supérieure de la boîte de dialogue. et vice versa. Remarque : Ceci ne concerne que les boîtes de dialogue permettant d'accéder aux fichiers de données (telles que Ouvrir données. Vous ne pouvez pas utiliser de procédures installées sur le serveur mais non installées sur votre version locale. seules les procédures installées à la fois sur votre version locale et sur la version du serveur distant sont disponibles.

Même si vous utilisez des spécifications de chemins UNC.sav ne désigne pas un répertoire et un fichier de votre disque C. L'élément nom_partage désigne le dossier (répertoire) de l'ordinateur défini comme dossier de partage. cela signifie qu'une spécification de chemin telle que c:\Mes_documents\Mes_données. les fichiers de données de votre ordinateur local sont inclus dans le traitement. Concrètement. L'élément chemin correspond aux sous-dossiers (sous-répertoires) du dossier partagé. vous pouvez utiliser des noms de chemin UNC (Universal Naming Convention = convention de dénomination universelle) pour spécifier l'emplacement des fichiers de données dans vos fichiers de commande.sav'.125. Par exemple : GET FILE='\\hqdev001\public\juillet\ventes. vous pouvez utiliser son adresse IP. et non par rapport à votre ordinateur local.53\public\juillet\ventes. comme dans l'exemple suivant : GET FILE='\\204. Avec la version serveur Windows NT de SPSS. Si aucun nom n'a été attribué à l'ordinateur. L'élément nom_fichier est le nom du fichier de données.125.sav'. Lorsque vous utilisez le mode d'analyse distribuée. Si le répertoire et/ou le fichier n'existent pas sur le serveur distant. vos fichiers de commande seront soumis à des erreurs. Une spécification de chemin UNC prend généralement la forme suivante : \\nom_serveur\nom_partage\chemin\nom_fichier „ „ „ „ L'élément nom_serveur est le nom de l'ordinateur contenant le fichier de données. comme dans l'exemple suivant : GET FILE='c:\Mes_documents\Mes_données.sav'.78 Chapitre 4 Utilisation des spécifications de chemins UNC Avec la version serveur Windows NT de SPSS. les spécifications de chemins relatifs pour des fichiers de données sont relatives par rapport au serveur utilisé en mode d'analyse distribuée. . mais un répertoire et un fichier du disque dur du serveur distant. vous ne pouvez accéder qu'aux fichiers de données installés sur des lecteurs et des dossiers partagés.

vous devez indiquer un chemin d'accès absolu.sav'.79 Mode d'analyse distribuée Serveurs UNIX : Sur les plateformes UNIX. à savoir : GET FILE='/bin/data/spss/ventes. si le fichier de données se trouve dans le répertoire /bin/spss/data et que le répertoire actif est également /bin/spss/data. Les chemins relatifs ne sont pas admis. . commençant à la racine du serveur.sav' n'est pas valide. la commande GET FILE='ventes. Pour tous les répertoires. Par exemple. il n'existe aucun équivalent à la dénomination UNC. Vous devez indiquer l'intégralité du chemin d'accès.

.

le type des données (par exemple. L'éditeur de données permet d'afficher les données de deux façons : „ „ Affichage Données : Affiche les valeurs réelles des données ou les étiquettes de valeurs définies. vous pouvez ajouter.Chapitre Editeur de données 5 L'éditeur de données fournit une méthode pratique. le niveau de mesure (nominale. à savoir les étiquettes de valeurs et de variable définies. ordinale ou échelle) et les valeurs manquantes définies par l'utilisateur. chaîne. permettant de créer et de modifier des fichiers de données SPSS. date ou valeur numérique). 81 . La fenêtre de l'éditeur de données s'ouvre automatiquement lorsque vous lancez une session SPSS. Dans les deux affichages. Affichage des variables : Affiche les informations de définition des variables. semblable à celle d'un tableur. modifier et supprimer les informations contenues dans le fichier de données.

Vous pouvez entrer des données dans n'importe quelle cellule. Les cellules ne contiennent que des valeurs de données. SPSS agrandit le rectangle des données pour inclure toutes les lignes et/ou colonnes nécessaires entre cette cellule et les limites du fichier. A la différence des tableurs. Chaque cellule contient une seule valeur pour une variable et pour une observation. En ce qui concerne les variables numériques. Les cellules contiennent des valeurs.82 Chapitre 5 Affichage des données Figure 5-1 Affichage des données Un grand nombre de fonctions de l'Affichage des données sont similaires à celles que proposent les tableurs. La taille du fichier de données est déterminée par le nombre d'observations et de variables. Le fichier de données est rectangulaire. La cellule est l'intersection de l'observation et de la variable. Chaque ligne représente une observation. chaque élément ou élément d'un questionnaire est une variable. Il n'y a pas de cellule « vide » à l'intérieur des limites du fichier de données. les cellules de l'éditeur de données ne peuvent pas contenir de formules. Chaque colonne représente une variable ou une caractéristique étant mesurée. Les colonnes sont des variables. Par exemple. Si vous entrez des données dans une cellule en dehors des limites du fichier de données défini. chaque répondant d'un questionnaire est considéré comme étant une observation. Par exemple. Il y a toutefois des différences importantes : „ Les lignes sont des observations. les „ „ „ .

Affichage des variables Figure 5-2 Affichage des variables L'Affichage des variables présente les descriptions des attributs de chaque variable du fichier de données. Les valeurs manquantes définies par l'utilisateur .83 Editeur de données cellules à blanc sont converties en valeurs manquantes par défaut. En ce qui concerne les variables chaîne. Dans l'Affichage des variables : „ „ Les lignes sont des variables. à savoir : „ „ „ „ „ „ Le nom de la variable Le type de données Le nombre de chiffres ou de caractères Le nombre de décimales Les étiquettes descriptives de variables et de valeurs. Les colonnes sont des attributs de variable. Vous pouvez ajouter ou supprimer des variables et modifier les attributs de ces dernières. un blanc est considéré comme une valeur valide.

84 Chapitre 5 „ „ La largeur des colonnes Le niveau de mesure Tous ces attributs sont enregistrés lorsque vous sauvegardez le fichier de données. 1 = Féminin. Vous pouvez définir les propriétés des variables dans l'Affichage des variables. L'option Définir les propriétés de variable (également disponible dans le menu Données de la fenêtre de l'éditeur de données) permet d'analyser vos données et de répertorier toutes les valeurs de données uniques pour les variables sélectionnées et d'identifier les valeurs non étiquetées. et fournit une fonction d'étiquetage automatique. Les autres caractères peuvent être . E Double-cliquez sur un nom de variable en haut de la colonne de l'Affichage des données ou cliquez sur l'onglet Affichage des variables. E Sélectionnez les attributs à définir ou modifier. E Pour définir de nouvelles variables. Ceci est particulièrement utile pour les variables qualitatives qui utilisent des codes numériques pour représenter les modalités. entrez un nom de variable dans une ligne vierge. 0 = Masculin. „ Pour afficher ou définir des attributs de variable E Activez la fenêtre de l'éditeur de données. Vous pouvez également utiliser des variables du fichier de travail comme modèles pour d'autres variables de ce même fichier. Noms de variable Les règles suivantes s'appliquent pour les noms des variables : „ Le nom doit commencer par une lettre. L'option Copier des propriétés de données est disponible dans le menu Données de la fenêtre de l'éditeur de données. mais vous disposez également de deux autres méthodes pour ce faire : „ L'assistant Copier des propriétés de données permet d'utiliser un fichier de données SPSS externe comme modèle pour définir les propriétés de fichier et de variable dans le fichier de travail. Par exemple.

chinois et coréen par exemple). Les noms de variables peuvent être définis par n'importe quelle combinaison de majuscules et de minuscules. arabe et thaï par exemple) et à 32 caractères dans les langues sur deux octets (japonais. TO. SPSS essaie d'insérer les sauts de ligne au niveau des traits de soulignement. Chaque nom de variable doit être unique . Les variables nominales et ordinales sont toutes deux traitées comme qualitatives. aucune duplication n'est admise. ou les symboles @. Lorsque des noms longs occupent plusieurs lignes au niveau du résultat. !. espagnol. LT. GE. OR. grec. Soixante-quatre octets correspondent à 64 caractères dans les langues sur un octet (anglais. La casse est respectée pour des raisons d'affichage. italien. Les mots-clés réservés ne peuvent pas être utilisés pour les noms de variables : Les mots-clés réservés sont les suivants : ALL. n'importe quel chiffre. „ „ „ „ „ Niveau de mesure des variables Vous pouvez spécifier un niveau de mesure d'échelle (données numériques sur un intervalle ou une échelle de rapport). La spécification de mesure n'est à utiliser que pour : „ Procédures Tableaux personnalisés et procédures de diagramme qui identifient les variables comme variables d'échelle ou variables qualitatives. AND. hébreu. _ ou $. NOT. un point.85 Editeur de données n'importe quelle lettre. russe. ?. BY. „ . Les noms de variable se terminant par un blanc souligné sont à éviter (pour éviter des conflits avec les variables créées automatiquement par certaines procédures). LE. „ „ „ Les noms de variable ne peuvent pas se terminer par un point. '. français. Les espaces et les caractères spéciaux ne peuvent pas être utilisés (par exemple. (l'option Tableaux personnalisés n'est disponible que pour les composants de l'option complémentaire Tableaux. et *).) Les fichiers de données au format SPSS utilisés avec l'Arbre de réponse. La longueur du nom ne doit pas excéder 64 octets. WITH. des virgules et des passages de minuscule à majuscule. allemand. #. EQ. GT. ordinal ou nominal Les données nominales et ordinales peuvent être des chaînes de caractères (alphanumériques) ou numériques. NE.

3 = élevé). Les variables nominales peuvent être des valeurs chaîne (alphanumériques) ou des valeurs numériques représentant des modalités distinctes (par exemple. ce qui ne correspond pas à l'ordre correct. . Elevé. Nominal : Les valeurs de données représentent les modalités sans ordre intrinsèque (par exemple. il est recommandé d'utiliser les codes numériques pour représenter les données ordinales. l'ordre alphabétique des valeurs chaîne est supposé refléter l'ordre des modalités. 2 = Féminin). 2 = moyen. moyen. tout à fait d'accord. âge ou revenu). Moyen. pas du tout d'accord). Faible ou Moyen. modalité d'emploi ou service d'entreprise). plutôt d'accord. Les variables ordinales peuvent être des valeurs chaîne (alphanumériques) ou des valeurs numériques représentant des modalités distinctes (par exemple. 1 = Masculin. En règle générale. faible. 1 = faible. élevé . l'ordre des modalités est interprété comme Elevé. Ordinal : Les valeurs de données représentent les modalités dans un ordre intrinsèque (par exemple. Remarque : Pour les variables chaîne ordinales. Par exemple. plutôt pas d'accord. pour une variable chaîne comportant des valeurs Faible. Les variables d'échelle doivent être numériques.86 Chapitre 5 Vous pouvez sélectionner l'un des trois niveaux de mesure suivants : Echelle : Les valeurs de données sont des valeurs numériques sur une échelle d'intervalles ou une échelle de rapport (par exemple.

modifiez les options de diagramme interactif (dans le menu Edition. Les variables sous forme de chaîne de caractères ainsi que les variables numériques avec des étiquettes de valeurs définies sont définies comme ordinales. Les variables numériques sans étiquettes de valeurs définies mais inférieures à un nombre spécifié de valeurs uniques sont définies comme ordinales. Le nombre par défaut de valeurs uniques est 24. Pour modifier la valeur spécifiée.87 Editeur de données Figure 5-3 Variables d'échelle et qualitatives dans une procédure de diagramme Pour les fichiers de données au format SPSS créés avec les anciennes versions de produits SPSS. . choisissez Options. onglet Interactif). les règles suivantes s'appliquent : „ „ „ „ Les variables sous forme de chaîne de caractères (alphanumériques) sont définies comme nominales. Les variables numériques sans étiquettes de valeurs définies mais supérieures à un nombre spécifié de valeurs uniques sont définies comme variables d'échelle.

Pour certains types de données. il vous suffit de sélectionner un format dans une liste déroulante contenant des exemples. Le contenu de la boîte de dialogue Type de variable dépend du type de données sélectionné. Pour d'autres types de données. Par défaut. le point servant de séparateur décimal. Virgule : Variable numérique dont les valeurs sont affichées avec des virgules toutes les trois positions. Vous pouvez utiliser l'option Type de variable pour changer le type des données. Figure 5-4 Boîte de dialogue Type de variable Les types de données disponibles sont les suivants : Numérique : Variable dont les valeurs sont des nombres. toute nouvelle variable est numérique. Point : Variable numérique dont les valeurs sont affichées avec des points toutes les trois positions. la virgule servant de séparateur décimal.88 Chapitre 5 Type de variable L'option Type de variable permet de définir le type de données pour chaque variable. L'éditeur de données accepte les valeurs numériques pour les variables de virgule avec ou sans virgule ou sous forme de notation scientifique. L'éditeur de données accepte les valeurs numériques au format standard ou sous forme de notation scientifique. L'éditeur de données accepte les valeurs numériques pour les variables de point avec ou sans point ou sous forme de notation scientifique. . il y a des zones de texte où sont indiqués la longueur et le nombre de décimales. Les valeurs sont affichées en format numérique standard.

La valeur du siècle pour les années à 2 chiffres est déterminée par les paramètres Options (accessibles depuis le menu Edition. 1. L'éditeur de données accepte des valeurs numériques pour les variables de notation scientifique avec ou sans exposant. Symbole monétaire : Variable numérique dont les valeurs sont affichées dans l'un des formats monétaires personnalisés que vous avez définis dans l'onglet Devise de la boîte de dialogue Options. onglet Données).89 Editeur de données Notation scientifique : Variable numérique dont les valeurs sont affichées avec un E intégré et un exposant de puissance dix avec signe. et la valeur entière est enregistrée.23E2. L'Affichage des données n'affiche que le nombre de décimales défini et arrondit les valeurs comportant plus de décimales. Voici quelques règles générales : „ Pour les formats Numérique. Chaîne : Variable dont les valeurs ne sont pas numériques et ne sont donc pas utilisées pour les calculs. Options. des virgules ou des espaces. .23+2. Ces variables peuvent contenir n'importe quel caractère. la valeur complète est utilisée dans tous les calculs. ou seulement d'un signe. des points. Par exemple. E Sélectionnez le type de données dans la boîte de dialogue Type de variable. L'exposant peut être précédé d'un E ou d'un D avec ou sans signe. 1. Pour définir le type de variable E Cliquez sur le bouton de la cellule Type de la variable à définir. Les majuscules et les minuscules sont différenciées. les valeurs affichées dans l'Affichage des données peuvent différer des valeurs réelles entrées et enregistrées en interne. comme séparateur. 1. des barres obliques.23D2. dans la limite de la longueur définie. Vous pouvez entrer des dates avec. Date : Variable numérique dont les valeurs sont affichées dans l'un des formats de date ou d'heure possibles. Toutefois. Virgule et Point. Sélectionnez un format dans la liste. Egalement appelées variables alphanumériques. 123. vous pouvez entrer des valeurs avec n'importe quel nombre de positions décimales (maximum 16). Les caractères de symbole monétaire définis ne sont pas utilisables lors de la saisie de données mais sont affichés dans l'éditeur de données.23E+2 et même 1. des traits d'union. Formats d'entrée/d'affichage Selon le format.

90 Chapitre 5 „ Pour les variables chaîne. „ „ Etiquettes des variables Vous pouvez définir des étiquettes descriptives des variables contenant jusqu'à 256 caractères (128 caractères dans les langues sur deux octets). Les dates de format général sous la forme jj/mm/aa et mm/jj/aa sont affichées avec des barres obliques comme séparateurs et des nombres pour le mois. choisissez Options. vous pouvez entrer des nombres. vous pouvez utiliser les deux points. De façon interne. et elles peuvent comporter des espaces et des caractères réservés. . des virgules ou des points comme séparateurs entre les jours. vous pouvez utiliser des barres obliques. une valeur de 'Non' est enregistrée en tant que 'Non' et n'est pas équivalente à ' Non'. Pour les formats de dates. les minutes et les secondes. Pour les mois. des points ou des espaces comme séparateurs entre les heures. E Double-cliquez sur un nom de variable en haut de la colonne de l'Affichage des données ou cliquez sur l'onglet Affichage des variables. E Entrez l'étiquette de variable descriptive dans la cellule Etiquette de la variable. les temps sont enregistrés comme étant le nombre de secondes depuis le 14 octobre 1582. De manière interne. Les temps sont affichés avec des deux points comme séparateurs. toutes les valeurs sont cadrées à droite au maximum de la longueur. les dates sont enregistrées sous la forme d'un nombre de secondes à partir du 14 octobre 1582. onglet Données). des abréviations à trois lettres ou le nom des mois en clair. des espaces. les mois et les années. Pour une variable chaîne d'une longueur de 4. contrairement aux noms de variables. Pour les formats de temps. des tirets. Pour spécifier des étiquettes de variable E Activez la fenêtre de l'éditeur de données. Les dates de format général sous la forme jj-mmm-aa sont affichées avec des tirets servant de séparateurs et des abréviations à trois lettres pour le mois. La plage de siècles pour les dates avec des années à deux chiffres est déterminée à partir des paramètres Options (dans le menu Edition.

„ „ Les étiquettes de valeur peuvent comporter jusqu'à 60 caractères. Insertion de sauts de ligne dans les étiquettes Les étiquettes de variable ou de valeur ont un retour à la ligne automatique dans les tableaux pivotants et les diagrammes si la cellule ou la zone n'est pas assez large pour afficher l'étiquette sur une seule ligne . Ceci se révèle particulièrement utile si votre fichier de données utilise des codes numériques pour représenter des modalités non numériques (par exemple. Vous pouvez aussi créer des étiquettes de variable ou de valeur qui . Figure 5-5 Boîte de dialogue Etiquettes de valeurs Pour spécifier des étiquettes de valeur E Cliquez sur le bouton de la cellule Valeurs de la variable à définir. vous pouvez également modifier les résultats pour insérer des sauts de ligne manuellement si vous voulez que le saut de ligne se fasse ailleurs.91 Editeur de données Etiquettes de valeurs Vous pouvez affecter des étiquettes descriptives de valeur pour chaque valeur d'une variable. les codes 1 et 2 pour homme et femme). E Pour chaque valeur. entrez la valeur et une étiquette. Les étiquettes de valeur ne sont pas disponibles pour les variables chaîne longues (variables chaîne de plus de 8 caractères). E Cliquez sur Ajouter pour entrer l'étiquette de valeur.

sélectionnez la cellule Valeurs de la variable dans la zone Affichage des variables de l'éditeur de données. vous pouvez vouloir faire la distinction entre les données manquantes parce qu'une personne interrogée a refusé de répondre et les données manquantes parce que la question ne s'appliquait pas au répondant. E Pour les étiquettes de valeur. cliquez sur le bouton qui apparaît dans la cellule. sélectionnez la cellule Etiquette de la variable dans la zone Affichage des variables de l'éditeur de données. il est reconnu comme un caractère de saut de ligne. . Les valeurs des données définies comme valeurs utilisateur manquantes sont repérées par un indicateur en vue d'un traitement spécial et sont exclues de la plupart des calculs.92 Chapitre 5 effectueront toujours un retour à la ligne en des points définis et qui comporteront plusieurs lignes : E Pour les étiquettes de variable. E Dans l'étiquette. puis sélectionnez l'étiquette que vous souhaitez modifier dans la boîte de dialogue Etiquettes de valeur. Par exemple. Valeurs manquantes L'option Valeurs manquantes permet de définir les valeurs de données spécifiées comme valeurs manquantes spécifiées par l'utilisateur. Le « \n » ne s'affiche pas dans les tableaux pivotants ou les diagrammes . Il est souvent utile de savoir la raison pour laquelle une information est manquante. saisissez \n à l'endroit où vous voulez insérer un retour à la ligne.

E Entrez les valeurs ou l'intervalle de valeurs représentant les valeurs manquantes.93 Editeur de données Figure 5-6 Boîte de dialogue Valeurs manquantes „ „ Vous pouvez entrer jusqu'à trois valeurs manquantes de votre choix. (variables chaîne de plus de 8 caractères). Pour définir des valeurs nulles ou vides comme manquantes pour une variable chaîne. un intervalle de valeurs manquantes ou un intervalle plus une valeur de votre choix. Les intervalles ne peuvent être spécifiés que pour des valeurs numériques. entrez un seul espace dans l'un des champs pour Valeurs manquantes discrètes. y compris les valeurs nulles ou vides. . Pour définir les valeurs manquantes E Cliquez sur le bouton de la cellule Manquante de la variable à définir. „ Vous ne pouvez pas définir de valeur manquante pour des variables chaîne longues Valeurs manquantes pour des variables de chaîne : Toutes les valeurs de chaîne. sont considérées comme des valeurs valides à moins que vous ne les définissiez comme manquantes.

. sont considérées comme des valeurs valides à moins que vous ne les définissiez comme manquantes. Si la largeur réelle et la largeur définie d'une valeur sont plus larges que la colonne. Modifier la largeur de la colonne ne change pas la largeur définie d'une variable. entrez un seul espace dans l'un des champs pour Valeurs manquantes discrètes. Application d'attributs de définition de variable à plusieurs variables Lorsque vous avez défini les attributs de définition d'une variable. y compris les valeurs nulles ou vides. L'alignement par défaut est « droite » pour les variables numériques et « gauche » pour les variables chaîne. L'application d'attributs de définition de variable s'effectue au moyen des opérations Copier et Coller de base.94 Chapitre 5 Toutes les valeurs de chaîne. Vous pouvez : „ „ „ Copier un seul attribut (par exemple. des astérisques (*) apparaissent dans l'Affichage des données. Copier tous les attributs d'une variable et les coller dans d'autres variables. les étiquettes de valeurs) et le coller dans la ou les mêmes cellules d'attribut d'une ou de plusieurs variables. Alignement de variable L'alignement contrôle l'affichage des valeurs des données et/ou des étiquettes de valeurs dans l'Affichage des données. Pour définir des valeurs nulles ou vides comme manquantes pour une variable chaîne. Ce paramètre affecte uniquement l'Affichage des données. Largeur des colonnes Vous pouvez spécifier le nombre de caractères définissant la largeur des colonnes. vous pouvez copier des attributs et les appliquer à une ou à plusieurs variables. Les formats de colonnes affectent seulement l'affichage des valeurs dans l'éditeur de données. Créer plusieurs variables avec tous les attributs de la copie d'une variable. Vous pouvez également modifier la largeur des colonnes dans l'Affichage des données en cliquant sur les bords des colonnes et en les faisant glisser.

sélectionnez : Edition Copier E Sélectionnez le numéro de ligne de la variable à laquelle vous souhaitez appliquer les attributs. E A partir du menu. de nouvelles variables sont créées avec des valeurs d'attribut par défaut pour tous les attributs. Vous pouvez sélectionner plusieurs variables cible. procédez comme suit : E Dans l'Affichage des variables. sélectionnez : Edition Copier E Sélectionnez la ou les cellules d'attribut auxquelles vous souhaitez appliquer l'attribut. Vous pouvez sélectionner plusieurs variables cible. Pour appliquer tous les attributs d'une variable définie. E A partir du menu. sélectionnez le numéro de ligne de la variable présentant les attributs à utiliser. La totalité de la ligne est mise en surbrillance. sélectionnez : Edition Coller . procédez comme suit : E Dans l'Affichage des variables. sélectionnez la cellule d'attribut à appliquer à d'autres variables. E A partir du menu. à l'exception de celui que vous avez sélectionné. E A partir du menu.95 Editeur de données Application d'attributs de définition de variable à d'autres variables Pour appliquer certains attributs d'une variable définie. sélectionnez : Edition Coller Si vous collez l'attribut dans des lignes vierges.

Saisie de données Vous pouvez entrer des données directement dans l'éditeur de données au niveau de l'Affichage des données. E Entrez un préfixe et un numéro de départ pour les nouvelles variables. la valeur est affichée dans l'éditeur de cellules en haut de l'éditeur de données. cliquez sur le numéro de ligne de la variable présentant les attributs à utiliser pour la nouvelle variable. E A partir du menu. Vous pouvez entrer des données dans n'importe quel ordre. La totalité de la ligne est mise en surbrillance.. „ „ La cellule active est mise en surbrillance. sélectionnez : Edition Coller les variables. . E Entrez le nombre de variables à créer. E A partir du menu. Le nom de variable et le numéro de ligne de la cellule active sont affichés dans le coin supérieur gauche de l'éditeur de données. sélectionnez : Edition Copier E Cliquez sur le numéro de la ligne vide qui se trouve sous la dernière variable définie dans le fichier de données.. pour des zones sélectionnées ou des cellules individuelles.96 Chapitre 5 Création de plusieurs nouvelles variables avec les mêmes attributs E Dans l'Affichage des variables. Vous pouvez entrer des données par observation ou par variable. Les noms des nouvelles variables seront composés du préfixe spécifié et d'un numéro séquentiel commençant par le numéro spécifié. „ Lorsque vous sélectionnez une cellule et lorsque vous entrez une valeur de données.

La valeur est affichée dans l'éditeur de cellules en haut de l'éditeur de données. Pour entrer autre chose que des données numériques simples. vous devez d'abord définir le type de variable. . E Entrez la valeur des données. E Appuyez sur Entrée ou sélectionnez une autre cellule pour enregistrer la valeur. l'éditeur de données crée automatiquement une nouvelle variable et affecte un nom de variable. Figure 5-7 Fichier de travail dans l'Affichage des données Pour entrer des données numériques E Sélectionnez une cellule dans l'Affichage des données. Si vous entrez une valeur dans une colonne vide.97 Editeur de données „ „ Les valeurs de données ne sont pas enregistrées tant que vous n'avez pas appuyé sur Entrée ou que vous n'avez pas sélectionné une autre cellule.

E Sélectionnez une étiquette de valeur dans la liste déroulante. E Double-cliquez sur le numéro de ligne ou cliquez sur l'onglet Affichage des données. Pour utiliser des étiquettes de valeur pour l'entrée de données E Si les étiquettes de valeurs n'apparaissent pas dans l'Affichage des données. l'éditeur de données émet un signal sonore et n'accepte pas le caractère. E Sélectionnez le type de données dans la boîte de dialogue Type de variable. E Cliquez sur OK. La valeur est saisie et l'étiquette de valeur est affichée dans la cellule. entrez les données dans la colonne. . Restrictions concernant la valeur de données dans l'éditeur de données Le type et la largeur de la variable définie déterminent le type de valeur que vous pouvez entrer dans la cellule de l'Affichage des données. choisissez dans les menus : Affichage Etiquettes de valeurs E Cliquez sur la cellule dans laquelle vous souhaitez entrer la valeur. E Pour la variable que vous venez de définir. „ Si vous tapez un caractère qui n'est pas autorisé par le type défini de la variable.98 Chapitre 5 Pour entrer des données non numériques E Double-cliquez sur un nom de variable en haut de la colonne de l'Affichage des données ou cliquez sur l'onglet Affichage des variables. E Cliquez sur le bouton de la cellule Type de la variable. Remarque : cela ne fonctionne que si vous avez défini des étiquettes de valeurs pour la variable.

Couper. double-cliquez sur la cellule. Pour afficher la valeur dans la cellule. Ajouter et supprimer des variables. copier et coller des valeurs de données. (Remarque : changer la largeur de la colonne n'affecte pas la largeur de la variable). Changer l'ordre des variables. Pour les variables numériques. Pour remplacer ou modifier les valeurs de données Pour supprimer l'ancienne valeur et pour entrer une nouvelle valeur : E Dans l'Affichage des données. Ajouter et supprimer des observations. La valeur de la cellule est affichée dans l'éditeur de cellules. E Appuyez sur Entrée (ou déplacez-vous sur une autre cellule) pour enregistrer la nouvelle valeur.99 Editeur de données „ „ Pour les variables chaîne. les caractères dépassant la largeur définie ne sont pas autorisés. Modification de données Avec l'éditeur de données. vous pouvez modifier les valeurs des données dans l'Affichage des données de plusieurs manières. des nombres entiers dépassant la valeur définie peuvent être entrés mais l'éditeur de données affichera dans la cellule une notation scientifique ou des astérisques pour indiquer que la valeur dépasse la largeur définie. E Modifiez la valeur directement dans la cellule ou dans l'éditeur de cellules. Vous pouvez: „ „ „ „ „ Changer les valeurs des données. changez la largeur définie de la variable. .

Etant donné que les dates sont enregistrées en interne . Déplacer ou copier les valeurs d'une seule observation (ligne) dans plusieurs observations. Numérique. Si aucune conversion n'est possible. SPSS essaye de convertir la valeur. Par exemple.100 Chapitre 5 Couper. Dollar. Par exemple. Dollar. Numérique ou date en caractères : Les formats numériques (par exemple. le signe Dollar qui est affiché devient partie intégrante de la valeur de caractères. Conversion de données de valeurs collées dans l'éditeur de données Si les types définis de variables des cellules source et cible ne sont pas les mêmes. pour une variable dont le format est exprimé en dollars. Déplacer ou copier les valeurs d'une seule variable (colonne) dans plusieurs variables. Déplacer ou copier un groupe de valeurs de cellule dans un autre groupe de cellules. Point ou Virgule) et les formats de date sont convertis en caractères s'ils sont collés dans une cellule de variables chaîne. Numérique. mais elle est convertie en valeur manquante par défaut si le type de format de la cellule est de type mois-jour-année. Point ou Virgule). la valeur manquante par défaut est insérée dans la cellule cible. Valeurs de caractères en numérique ou de date : Les valeurs de chaînes qui contiennent des caractères acceptables pour le format numérique ou de date de la cellule cible sont converties dans la valeur équivalente numérique ou de date. Les valeurs qui excèdent la largeur définie de la variable chaîne sont tronquées. Date en numérique : Les valeurs de dates et de temps sont converties en un nombre de secondes si la cellule cible est d'un format numérique (par exemple. Vous pouvez: „ „ „ „ „ Déplacer ou copier la valeur d'une seule cellule dans une autre cellule. Déplacer ou copier la valeur d'une seule cellule dans un groupe de cellules. La valeur d'une chaîne est la valeur numérique telle qu'elle est affichée dans la cellule. une valeur de caractères de 25/12/91 est convertie en date valide si le type de format de la cellule cible est un des formats jour-mois-année. copier et coller des valeurs de données Vous pouvez couper. copier et coller des valeurs individuelles de cellules ou des groupes de valeurs dans l'éditeur de données.

la date du 10/29/91 a une valeur de conversion numérique de 12. S'il y a quelques lignes blanches entre la nouvelle observation et les observations existantes. En ce qui concerne les dates.908. les valeurs numériques inférieures à 86. le fait de convertir des dates en valeurs numériques peut résulter en des nombres très importants. Par exemple. Vous pouvez également insérer de nouvelles observations entre des observations existantes Pour insérer de nouvelles observations entre des observations existantes E Dans l'Affichage des données.101 Editeur de données comme le nombre de secondes depuis le 14 octobre 1582.400 sont converties dans la valeur manquante par défaut. Insérer de nouvelles observations Le fait d'entrer des données dans une cellule sur une ligne blanche crée automatiquement une nouvelle observation. sélectionnez : Données Insérer les observations Une nouvelle ligne est insérée pour cette observation et toutes les variables reçoivent la valeur manquante par défaut. les lignes blanches deviennent également des nouvelles observations avec des valeurs manquantes par défaut pour toutes les variables. L'éditeur de données insère la valeur manquante par défaut pour toutes les autres variables de cette observation. Numérique en date ou temps : Les valeurs numériques sont converties en dates ou temps si la valeur représente un nombre de secondes pouvant produire une date ou un temps valides.600. sélectionnez n'importe quelle cellule pour l'observation (ligne) située sous de la position où vous souhaitez insérer la nouvelle observation. Insérer de nouvelles variables La saisie de données dans une colonne vide de l'Affichage des données ou dans une ligne vide de l'Affichage des variables crée automatiquement une nouvelle variable portant un nom par défaut (préfixe var et numéro séquentiel) et un type de format de . E A partir du menu.073.

déposez-la sur la colonne située à droite de son emplacement de destination. ces colonnes ou lignes deviennent également de nouvelles variables avec une valeur manquante par défaut pour toutes les observations. . S'il existe des colonnes vides dans l'Affichage des données ou des lignes vides dans l'Affichage des variables entre la nouvelle variable et les variables existantes. déposez-la sur la ligne de variables située sous l'endroit où vous voulez la placer. Pour déplacer des variables E Pour sélectionner la variable. Pour insérer de nouvelles variables entre des variables existantes E Sélectionnez n'importe quelle cellule de la variable située à droite (pour l'Affichage des données) ou sous (pour l'Affichage des variables) de l'endroit où vous souhaitez insérer la nouvelle variable.102 Chapitre 5 données par défaut (numérique). Vous pouvez également insérer des nouvelles variables entre les variables existantes. L'éditeur de données insère la valeur manquante par défaut pour toutes les observations concernées par la nouvelle variable. Dans l'Affichage des variables. cliquez sur son nom dans l'Affichage des données ou sur son numéro de ligne dans l'Affichage des variables. dans l'Affichage des données. E Faites glisser la variable jusqu'à son nouvel emplacement. E Pour placer la variable entre deux autres. sélectionnez : Données Insérer une variable Une nouvelle variable est insérée avec la valeur manquante par défaut pour toutes les observations. E A partir du menu.

sélectionnez : Données Aller à l'observation. dans ce cas. Les règles de conversion sont les mêmes que celles pour coller des valeurs de données à une variable de type de format différent. l'éditeur de données tentera de convertir les valeurs existantes dans le nouveau type. ..103 Editeur de données Pour modifier le type de données Vous pouvez à tout moment modifier le type de données d'une variable via la boîte de dialogue Type de variable dans l'Affichage des variables . E A partir du menu. E Entrez le numéro de ligne de l'observation de l'éditeur de données. Si aucune conversion n'est possible. Aller à l'observation Aller à l'observation va au numéro d'observation (ligne) spécifié dans l'éditeur de données. la valeur manquante par défaut est affectée. Figure 5-8 Boîte de dialogue Aller à l'observation Pour rechercher une observation dans l'éditeur de données E Activez la fenêtre de l'éditeur de données. SPSS affiche une boîte d'alerte et vous demande si vous voulez poursuivre le changement ou si vous désirez l'annuler.. Si le changement du format des données peut avoir pour conséquence la perte des spécifications de la valeur manquante par défaut ou d'étiquettes de valeurs.

Cette option n'est disponible que dans l'Affichage des données. . Figure 5-9 Observations filtrées dans l'éditeur de données Options d'affichage de l'éditeur de données Le menu Affichage propose plusieurs options d'affichage pour l'éditeur de données : Polices : Contrôle les caractéristiques de la police pour l'affichage des données. Quadrillage : Permet de basculer l'affichage du quadrillage. Etiquette de valeur : Permet de basculer entre les valeurs de données actuelles et les étiquettes de valeurs descriptives définies par l'utilisateur.104 Chapitre 5 Etat de la sélection de l'observation dans l'éditeur de données Si vous avez sélectionné un sous-ensemble d'observations mais si vous n'avez pas écarté les observations non sélectionnées. celles-ci sont identifiées dans l'éditeur de données par une ligne verticale dans le numéro de ligne.

Dans l'Affichage des données. sélectionnez : Fichier Imprimer. .105 Editeur de données Impression de l'éditeur de données Un fichier de données s'imprime tel qu'il apparaît à l'écran. les données sont imprimées. Dans le cas contraire.. Pour imprimer le contenu de l'éditeur de données E Activez la fenêtre de l'éditeur de données. Dans l'Affichage des variables. Les étiquettes de valeurs sont imprimées si elles apparaissent dans l'Affichage des données. „ Les informations de l'affichage en cours sont imprimées. E Cliquez sur l'onglet correspondant à l'affichage que vous souhaitez imprimer. E A partir du menu.. ce sont les informations de définition des données qui sont imprimées. ce sont les valeurs de données réelles qui sont imprimées. Le quadrillage n'est imprimé que s'il apparaît dans l'affichage sélectionné. „ „ Utilisez le menu Affichage dans la fenêtre de l'éditeur de données pour afficher ou masquer le quadrillage et pour activer/désactiver l'affichage des valeurs de données et des étiquettes de valeurs.

.

et les exclure des analyses ou les supprimer du fichier de données. des diagrammes et des analyses sans effectuer aucune autre tâche préliminaire. Créer des variables avec différentes modalités qui représentent des intervalles de valeurs provenant de variables comportant un grand nombre de valeurs possibles. Cependant.Chapitre Préparation des données 6 Une fois que vous avez ouvert le fichier de données ou saisi les données dans l'éditeur de données. Attribution de niveaux de mesure (nominal. Identification des codes de valeurs manquantes (par exemple. par exemple : „ „ „ Affecter des propriétés de variable qui décrivent les données et déterminent le traitement devant être appliqué à certaines valeurs. comme : „ „ „ Définition d'étiquettes de valeurs descriptives pour les codes numériques (par exemple. ordinal ou échelle). il existe des fonctions de préparation des données supplémentaires qui peuvent vous être utiles. 107 . vous pouvez créer des tableaux. Identifier les observations pouvant contenir des informations redondantes. 0 = homme et 1 = femme). Propriétés de variable Les données simplement saisies dans l'éditeur de données dans l'affichage des données ou lues dans SPSS à partir d'un format de fichier externe (une feuille de calcul Excel ou un fichier texte par exemple) ne sont pas dotées de certaines propriétés de variable que vous pourriez trouver très utiles. 99 = Sans objet).

. Permet de copier des étiquettes de valeurs définies d'une autre variable vers la variable sélectionnée ou de la variable sélectionnée vers plusieurs autres variables.108 Chapitre 6 Toutes ces propriétés de variable (ainsi que d'autres) peuvent être affectées dans la vue Variable de l'éditeur de données. sélectionnez : Données Définir les propriétés de variables. Ceci est particulièrement utile si vous utilisez fréquemment des fichiers de données au format externe ayant un contenu similaire (comme des rapports mensuels au format Excel). . „ Définition des propriétés de variable L'option Définir les propriétés de variable vous aide dans le processus de création d'étiquettes de valeurs descriptives pour les variables qualitatives (nominales ou ordinales). saisissez 0 dans le nombre d'observations à analyser. Plusieurs utilitaires peuvent également vous aider dans ce processus : „ L'option Définir les propriétés de variable peut vous aider à définir les étiquettes de valeurs descriptives et les valeurs manquantes. Identifie les valeurs non étiquetées et possède une fonction d'« étiquetage automatique ».. Remarque : Pour utiliser l'option Définir les propriétés de variable sans analyse préalable des observations. Définir les propriétés de variable : „ „ „ Analyse les valeurs réelles des données et répertorie toutes les valeurs de données uniques pour chaque variable sélectionnée. Ceci est particulièrement utile pour les données qualitatives dotées de codes numériques utilisés pour les valeurs de modalités. Pour définir les propriétés de variable E A partir du menu. L'option Copier des propriétés de données permet d'utiliser un fichier de données au format SPSS existant comme modèle pour les propriétés de fichier et de variable dans le fichier de données en cours.

Ceci est particulièrement utile pour les fichiers de données comportant un grand nombre d'observations. E Spécifier une limite supérieure pour le nombre de valeurs uniques à afficher. Remarque : Les variables chaîne longues (variables chaîne d'une largeur définie de plus de huit caractères) ne sont pas affichées dans la liste de variables. ou définir ou modifier d'autres propriétés de variables. telles que les valeurs manquantes ou les étiquettes de variable descriptives. des . E Spécifier le nombre d'observations à analyser afin de générer la liste de valeurs uniques. pour lesquelles une analyse complète du fichier de données prendrait beaucoup de temps. Les variables chaîne longues ne peuvent pas avoir d'étiquettes de valeurs définies ou de modalités de valeurs manquantes.109 Préparation des données Figure 6-1 Boîte de dialogue initiale permettant de sélectionner les variables à définir E Sélectionnez les variables numériques ou les variables chaîne courtes pour lesquelles vous voulez créer des étiquettes de valeurs. Cette opération est particulièrement utile pour éviter de répertorier des centaines.

E Cliquez sur OK pour appliquer les étiquettes de valeurs et les autres propriétés de variable. E Cliquez sur Poursuivre pour ouvrir la boîte de dialogue principale de la fonction Définir les propriétés de variable. E Sélectionnez une variable pour laquelle vous voulez créer des étiquettes de valeurs. vous pouvez saisir les valeurs dans la colonne Valeur. E Si vous souhaitez créer des étiquettes de valeurs pour des valeurs qui ne sont pas affichées. ou définir ou modifier d'autres propriétés de variable.110 Chapitre 6 milliers. voire des millions de valeurs pour les variables d'échelle (intervalle continu. E Répétez l'opération pour chaque variable répertoriée pour laquelle vous voulez créer des étiquettes de valeurs. E Saisissez le texte de l'étiquette pour toutes les valeurs non étiquetées affichées dans la grille Etiquette de valeur. rapport). sous la dernière valeur analysée. .

. boîte de dialogue principale La boîte de dialogue principale de la fonction Définir les propriétés de variable donne l'information suivante concernant les variables analysées : Liste des variables analysées : Pour chaque variable analysée.111 Préparation des données Définition des étiquettes de valeurs et des autres propriétés de variable Figure 6-2 Définir les propriétés de variable. Vous pouvez également faire un tri par nom de variable ou par niveau de mesure en cliquant sur le titre de colonne correspondant dans la liste des variables analysées. une coche dans la colonne Sans étiquette indique que la variable contient des valeurs qui ne possèdent pas d'étiquette de valeur. Pour trier la liste de variables dans le but d'afficher en tête de liste toutes les variables non étiquetées : E Cliquez sur le titre de colonne Sans étiquette sous la liste des variables analysées.

si vous analysez seulement les 100 premières observations du fichier de données. par défaut. page 92. Valeur : Valeurs uniques pour chaque variable sélectionnée. la grille Etiquette de valeur est d'abord vide. „ Manquant : Valeurs représentant les données manquantes. le bouton Suggérer du niveau de mesure est désactivé. Remarque : Dans la boîte de dialogue initiale. la liste pourrait afficher beaucoup moins de valeurs uniques qu'il n'en existe dans les données. Vous pouvez modifier la désignation des valeurs manquantes de la modalité en cochant la case. la liste reflétera uniquement les valeurs uniques présentes dans ces observations. Si la case est cochée. reportez-vous à « Valeurs manquantes » dans Chapitre 5 . il peut être important d'affecter le niveau de mesure correct. 90-99). Dans cette colonne. . Cette liste de valeurs uniques se fonde sur le nombre d'observations analysées. En outre. Toutefois. Si le fichier de données a déjà été trié par la variable à laquelle vous voulez affecter des étiquettes de valeurs. si vous indiquez 0 comme nombre d'observations à analyser. de nombreuses variables normalement qualitatives peuvent être initialement affichées en tant que variables d'échelle. la modalité est définie en tant que modalité manquante spécifiée par l'utilisateur. Dans l'éditeur de données. Niveau de mesure : Comme les étiquettes de valeurs sont particulièrement utiles pour les variables qualitatives (nominales et ordinales). Par conséquent. vous pouvez utiliser l'option d'affichage des variables pour modifier les modalités de valeurs manquantes de la variable possédant des plages de valeurs manquantes.112 Chapitre 6 Grille d'étiquettes de valeurs „ „ Etiquette : Affiche toute étiquette de valeur définie. et comme certaines procédures traitent les variables qualitatives et d'échelle différemment. Par exemple. „ Effectif : Nombre d'occurrences de chaque valeur dans les observations analysées. Si une variable possède déjà une plage de valeurs définies comme manquantes par l'utilisateur (par exemple. cliquez sur Suggérer. le niveau de mesure d'échelle est affecté à toutes les nouvelles variables numériques. En cas de doute sur le niveau de mesure à affecter à une variable. sauf pour les étiquettes de valeurs et/ou les modalités de valeurs manquantes définies pour la variable sélectionnée. vous ne pouvez ni ajouter ni supprimer des modalités de valeurs manquantes pour cette variable avec la fonction Définir les propriétés de variable. vous pouvez ajouter ou modifier des étiquettes. „ Modifié : Indique que vous avez ajouté ou modifié une étiquette de valeur. Pour plus d'informations.

cliquez sur Etiquettes automatiques. dont les décimales et/ou les indicateurs de regroupement) et le nombre de décimales.) Pour un format numérique personnalisé.113 Préparation des données Copier les propriétés : Vous pouvez copier les étiquettes de variable ou les autres propriétés de variable à partir d'une autre variable vers la variable sélectionnée. Un astérisque est affiché dans la colonne Valeur si la largeur indiquée est inférieure soit à celle des valeurs analysées. Etiquette de variable et Format d'affichage Vous pouvez modifier l'étiquette de variable descriptive et le format d'affichage. la largeur (nombre maximal de chiffres. mm/jj/aa. Par exemple. vous ne pouvez modifier que l'étiquette de variable. aaaajjj. etc. Valeurs non étiquetées : Pour créer automatiquement des étiquettes pour les valeurs non étiquetées. Un point (. page 623. Pour les variables chaîne. Pour plus d'informations. „ „ „ Vous ne pouvez pas modifier le type fondamental de la variable (chaîne ou numérique). vous pouvez sélectionner un format de date spécifique (tel que jj-mm-aaaa. une valeur numérique interne de moins de 86 400 n'est pas valide pour une variable format de date. vous pouvez changer le type numérique (nombres.) est affiché si les valeurs analysées ou les valeurs affichées (pour les étiquettes de valeurs définies déjà existantes ou pour les modalités de valeurs manquantes) ne sont pas valides pour le type de format d'affichage sélectionné. dates. Pour ce qui est du format numérique de date. soit à celle des valeurs affichées. ou à partir de la variable sélectionnée vers une ou plusieurs autres variables. reportez-vous à « Options monétaires (devises) » dans Chapitre 43 . Concernant les variables numériques. vous pouvez sélectionner un des cinq formats de devise personnalisés (de CCA à CCE). dans le cas des étiquettes de valeurs définies déjà existantes ou des modalités de valeurs manquantes. „ „ „ „ . mais pas le format d'affichage. dollars ou autre devise).

l'explication du niveau de mesure suggéré peut indiquer que la suggestion est due. . Figure 6-3 Boîte de dialogue Suggestion d'un niveau de mesure Remarque : Les valeurs définies comme étant manquantes ne sont pas comprises dans l'évaluation pour le niveau de mesure. au fait que la variable ne contient pas de valeurs négatives. elle peut en contenir. mais elles sont déjà définies comme manquantes. la variable en cours est évaluée en fonction des observations analysées et des étiquettes de valeurs définies. alors qu'en réalité. et un niveau de mesure est suggéré dans la boîte de dialogue de suggestion d'un niveau de mesure qui apparaît. Par exemple. en partie.114 Chapitre 6 Affectation du niveau de mesure Quand vous cliquez sur Suggérer pour le niveau de mesure dans la boîte de dialogue principale Définir les propriétés de variable. E Cliquez sur Poursuivre pour accepter le niveau de mesure suggéré ou sur Annuler pour ne pas modifier le niveau de mesure. La zone Explication propose une brève description des critères utilisés pour déterminer le niveau de mesure suggéré.

„ Les étiquettes de valeurs existantes et les modalités de valeurs manquantes des variables cible ne sont pas remplacées. ou E Sélectionnez une ou plusieurs variables qui doivent recevoir les étiquettes de valeurs et les autres propriétés de variable. Toutes les variables analysées correspondant au type de la variable courante (numérique ou chaîne) sont alors affichées. la largeur définie doit également correspondre. E Cliquez sur Copier pour copier les étiquettes de valeurs et le niveau de mesure.115 Préparation des données Copie de propriétés de variable La boîte de dialogue Appliquer des étiquettes et un niveau apparaissent lorsque vous cliquez sur A partir d'une autre variable ou sur Vers d'autres variables dans la boîte de dialogue principale Définir les propriétés de variable. Figure 6-4 Boîte de dialogue Appliquer les étiquettes et le niveau E Sélectionnez une seule variable dont vous allez copier les étiquettes de valeurs et les autres propriétés de variable (sauf l'étiquette de variable). Dans le cas des variables chaîne. .

le format d'impression et d'écriture. „ „ „ Lors de la copie de propriétés de données. Il n'est pas possible d'utiliser un fichier de travail vierge comme fichier de données source. le niveau de mesure. les vecteurs multiréponses. les étiquettes de variable. celui-ci doit contenir au moins une variable. Le niveau de mesure des variables destination est toujours remplacé. . Si la variable source ou cible possède un intervalle défini de valeurs manquantes. „ „ Copie des propriétés de données L'assistant Copier des propriétés de données permet d'utiliser un fichier de données SPSS externe comme modèle pour définir les propriétés de fichier et de variable dans le fichier de travail. Les propriétés de variable comprennent les étiquettes de valeurs. Les propriétés de fichier comprennent les documents. les règles générales suivantes sont appliquées : „ „ Si vous utilisez un fichier de données externe en tant que fichier source. celui-ci doit être au format SPSS. Copier des propriétés de variable à partir d'un fichier de données externe vers les variables concordantes dans le fichier de travail. Copier des propriétés de variable à partir d'une variable d'un fichier de données externe ou du fichier de travail vers plusieurs variables du fichier de travail. Vous pouvez : „ Copier des propriétés à partir d'un fichier de données externe vers le fichier de travail. les valeurs manquantes. Vous pouvez également utiliser des variables du fichier de travail comme modèles pour d'autres variables de ce même fichier. les groupes de variables et la pondération.116 Chapitre 6 „ Les étiquettes de valeurs et les modalités de valeurs manquantes des valeurs qui ne sont pas encore définies pour les variables cible sont ajoutées au groupe d'étiquettes de valeurs et de modalités de valeurs manquantes des variables cible. les étiquettes de fichier. Si vous utilisez le fichier de travail comme fichier source. Créer des variables dans le fichier de travail à partir de variables d'un fichier externe. l'alignement et la largeur des colonnes (dans l'éditeur de données). les définitions de valeurs manquantes ne sont pas copiées.

. dates et devises). sélectionnez : Données Copie des propriétés de données. Remarque : L'option Copier des propriétés de données remplace l'option d'application du dictionnaire de données. auparavant disponible dans le menu Fichier. Pour copier des propriétés de données E A partir des menus de la fenêtre de l'éditeur de données.. Figure 6-5 Assistant Copier des propriétés de données : Etape 1 . Les propriétés de variable ne sont copiées à partir de la variable source que sur des variables d'un type correspondant : chaîne (alphanumérique) ou numérique (nombres.117 Préparation des données „ „ Les propriétés non définies (vides) du fichier de données source ne remplacent pas les propriétés définies dans le fichier de travail.

E Suivez les instructions de l'assistant Copier des propriétés de données étape par étape. vous pouvez spécifier les variables source contenant les propriétés de variable à copier et les variables cible qui doivent recevoir ces propriétés.118 Chapitre 6 E Sélectionnez le fichier de données possédant les propriétés de fichier et/ou de variable à copier. Les variables sont concordantes si le type (chaîne ou numérique) et le nom . Il peut s'agir d'un fichier de données externe au format SPSS ou du fichier de travail. Figure 6-6 Assistant Copier des propriétés de données : Etape 2 Application des propriétés provenant de variables du fichier source à des variables concordantes du fichier de travail : Les propriétés de variable sont copiées à partir d'une ou de plusieurs variables source sur les variables concordantes dans le fichier de travail. Sélection des variables source et cible Dans cette étape.

Seules des variables de même type (numérique ou chaîne) que la variable choisie dans la liste source sont affichées dans la liste du fichier de travail. . les documents. les nouvelles variables sont créées dans le fichier de travail avec les noms et propriétés de variable du fichier source. Application des propriétés d'une variable source unique sur des variables de même type d'un fichier de travail : Les propriétés d'une variable de la liste source peuvent être appliquées à une ou à plusieurs variables de la liste du fichier de travail. Cette option n'est pas disponible si le fichier de travail ne contient pas de variables. Par défaut. Aucune propriété de variable n'est appliquée. Cette option n'est pas disponible si le fichier de travail est également le fichier source. la longueur définie doit également être la même. seules les variables concordantes sont affichées dans les deux listes de variables. En ce qui concerne les variables chaîne. Choix des propriétés de variable à copier Vous pouvez copier des propriétés de variable à partir des variables source vers les variables cible. Remarque : Il n'est pas possible de créer de nouvelles variables dans le fichier de travail avec cette option. Dans le cas des variables de chaîne. sans sélection de variable : Seules les propriétés du fichier (par exemple. seules les chaînes de même longueur que la variable source sont affichées. Les propriétés non définies (vides) des variables source ne remplacent pas les propriétés définies des variables cible. Si le fichier de travail ne contient pas de variables (dans le cas d'un fichier vierge). Si vous sélectionnez des variables source qui n'existent pas dans le fichier de travail (d'après le nom de variable). Application des propriétés d'un ensemble de données uniquement. toutes les variables du fichier de données source sont affichées et les nouvelles variables fondées sur les variables source concernées sont créées automatiquement dans le fichier de travail. les étiquettes de fichier et la pondération) sont appliquées au fichier de travail. „ Création de variables concordantes dans le fichier de travail si celles-ci n'existent pas : Permet de mettre à jour la liste source afin d'afficher toutes les variables dans le fichier de données source.119 Préparation des données de la variable sont les mêmes.

„ „ L'option Remplacer supprime les étiquettes de valeurs définies dans la variable cible et les remplace par les étiquettes de valeurs définies de la variable source.120 Chapitre 6 Figure 6-7 Assistant Copier des propriétés de données : Etape 3 Etiquette de valeur : Les étiquettes de valeurs sont des étiquettes descriptives associées à des valeurs de données. Les étiquettes de valeurs sont souvent utilisées quand des valeurs de données numériques représentent des modalités non numériques (par exemple. l'étiquette de valeur de la variable cible reste inchangée. les codes 1 et 2 pour Homme et Femme). 98 pour Ne se prononce pas et 99 pour Sans objet). Valeurs manquantes : Les valeurs manquantes représentent des données manquantes (par exemple. Vous pouvez remplacer ou fusionner les étiquettes de valeurs dans les variables cible. Si la même valeur possède une étiquette définie dans les deux variables source et cible. Ces valeurs possèdent également des étiquettes de valeurs définies qui décrivent ce que . L'option Fusionner fusionne les étiquettes de valeurs définies de la variable source avec toute étiquette de valeur définie existante de la variable cible.

121 Préparation des données représentent les codes de la valeur manquante. Avant de copier des propriétés d'une seule variable source sur plusieurs variables cible. plusieurs éléments sont à prendre en compte.) . Cette option est ignorée pour les variables chaîne. Alignement : Cette option n'affecte que l'alignement (gauche. Largeur des colonnes dans l'éditeur de données : Cette option n'affecte que la largeur des colonnes de l'affichage des données dans l'éditeur de données. la largeur (nombre total de caractères affichés. Copie des propriétés d'ensembles de données (propriétés de fichier) Vous pouvez appliquer des propriétés choisies d'un ensemble de données global à partir du fichier de données source vers le fichier de travail. les niveaux nominal et ordinal sont tous deux considérés comme qualitatifs. cette option contrôle le type numérique (nombres. Pour les procédures qui font une distinction entre différents niveaux de mesure. Formats : Concernant les variables numériques. centré) de l'affichage des données de l'éditeur de données. et l'indicateur décimal) et le nombre de décimales affichées. Les valeurs manquantes définies existant dans la variable cible sont supprimées et remplacées par les valeurs manquantes définies dans la variable source. dates ou devises). dont les caractères de début et de fin. Etiquette de variable : Les étiquettes de variable descriptive peuvent contenir des espaces et des caractères réservés qui ne sont pas autorisés dans les noms de variable. ordinal ou d'échelle. Niveau de mesure : Le niveau de mesure peut être nominal. (Cette option n'est pas disponible si le fichier de travail est le fichier source. droite.

) „ Les vecteurs multiréponses du fichier de données source contenant des variables qui n'existent pas dans le fichier de travail sont ignorés. (Remarque : Les vecteurs multiréponses ne sont actuellement utilisés que par l'option complémentaire Tableaux. à moins que ces variables ne soient créées selon les spécifications de l'étape 2 (sélection des variables source et cible) avec l'assistant Copier des propriétés de données.122 Chapitre 6 Figure 6-8 Assistant Copier des propriétés de données : Etape 4 Vecteurs multiréponses : Applique les définitions de vecteur multiréponses du fichier de données source vers le fichier de travail. L'option Remplacer supprime tous les vecteurs multiréponses du fichier de travail et les remplace par les vecteurs multiréponses du fichier source. L'option Fusionner ajoute les vecteurs multiréponses du fichier de données source à l'ensemble de vecteurs multiréponses du fichier de travail. le vecteur existant dans le fichier de travail reste inchangé. S'il existe dans les deux fichiers un vecteur portant le même nom. „ „ .

Les documents uniques dans le fichier source et qui n'existent pas dans le fichier de travail sont ajoutés à ce fichier. „ Les groupes du fichier de données source contenant des variables qui n'existent pas dans le fichier de travail sont ignorés à moins que ces variables ne soient créées selon les spécifications de l'étape 2 (sélection des variables source et cible) avec l'assistant Copier des propriétés de données. „ „ L'option Remplacer supprime tous les documents existants du fichier de travail et les remplace par les documents du fichier source. L'option Fusionner combine les documents des fichiers source et de travail. L'option Fusionner ajoute les groupes de variables du fichier de données source à l'ensemble des groupes de variables du fichier de travail. . Tous les documents sont ensuite triés par date. S'il existe dans les deux fichiers un vecteur portant le même nom. Spécification de pondération : Pondère les observations à l'aide de la variable de pondération actuelle s'il existe une variable concordante dans le fichier de travail. „ „ Documents : Remarques ajoutées au fichier de données via la commande DOCUMENT.123 Préparation des données Groupes de variables : Les groupes de variables permettent de contrôler la liste des variables affichées dans les boîtes de dialogue. Etiquette de fichier : Etiquette descriptive appliquée à un fichier de données via la commande FILE LABEL. Les groupes de variables sont définis à l'aide de l'option Définir les vecteurs du menu Utilitaires. le vecteur existant dans le fichier de travail reste inchangé. L'option Remplacer supprime tous les groupes de variables existant dans le fichier de travail et les remplace par les groupes de variables du fichier source. Cette opération remplace toute pondération en cours dans le fichier de travail.

124 Chapitre 6 Résultats Figure 6-9 Assistant Copier des propriétés de données : Etape 5 La dernière étape de l'assistant Copier des propriétés de données fournit des informations sur le nombre de variables dont les propriétés seront copiées à partir du fichier de données source. Vous pouvez également choisir de coller la syntaxe de commande générée dans une fenêtre de syntaxe et de l'enregistrer pour un usage ultérieur. . Identification des observations dupliquées Vos données peuvent comprendre des observations « dupliquées » pour les raisons suivantes : „ La même observation est saisie plusieurs fois par erreur. le nombre de nouvelles variables qui seront créées et le nombre de propriétés d'ensembles de données (propriétés de fichier) qui seront copiées.

125 Préparation des données „ Plusieurs observations partagent la même valeur d'ID principal. E Filtrer automatiquement les observations dupliquées afin qu'elles ne soient pas incluses dans les rapports. mais les valeurs des variables autres que celles qui identifient l'observation sont différentes (par exemple. vous pouvez : E Sélectionner des variables pour trier les observations dans des groupes définis par les variables des observations concordantes sélectionnées. E Sélectionnez des options dans la zone Variables à créer. l'ordre utilisé est celui d'origine du fichier. L'ordre de tri défini par ces variables détermine la « première » et la « dernière » observation de chaque groupe. plusieurs achats effectués par la même personne ou la même société pour des produits différents ou à des heures différentes). Pour identifier et repérer les observations dupliquées : E A partir du menu. E Sélectionnez les variables qui identifient les observations concordantes.. Sinon. „ L'identification des observations dupliquées vous permet de définir la variable duplicate suivant vos besoins et de contrôler la détermination automatique des observations principales par rapport aux observations dupliquées. sélectionnez : Données Identifier les observations dupliquées. les membres d'une famille qui vivent tous dans la même maison). . Sinon.. les graphiques ou le calcul des statistiques. mais ont des valeurs d'ID secondaire différentes (par exemple. Plusieurs observations représentent la même observation.

Si vous sélectionnez plusieurs variables de tri. „ „ Pour chaque variable de tri. si la première variable de tri sélectionnée est date et que la deuxième est quantité. les observations sont triées pour chaque variable au sein des modalités de la variable précédente dans la liste. Par exemple. vous pouvez effectuer le tri dans l'ordre croissant ou décroissant.126 Chapitre 6 Figure 6-10 Boîte de dialogue Identifier les observations dupliquées Définir les observations concordantes par : Les observations sont considérées comme étant dupliquées lorsque leurs valeurs concordent avec toutes les variables sélectionnées. Pour identifier uniquement les observations dont la concordance est égale à 100 %. Vous pouvez sélectionner d'autres variables de tri qui détermineront l'ordre des observations dans chaque groupe concordant. . sélectionnez toutes les variables. les observations sont triées en fonction de la quantité correspondant à chaque date. Trier les groupes concordants par : Les observations sont automatiquement triées par les variables qui définissent les observations concordantes.

L'ordre de tri détermine la « première » et la « dernière » observation de chaque groupe concordant. la date la plus récente devient la dernière date du groupe. Vous pouvez utiliser la variable indicatrice en tant que variable de filtre pour exclure les observations dupliquées non principales des rapports et des analyses sans les supprimer du fichier de données. Si vous n'indiquez aucune variable de tri. utilisez les boutons fléchés Haut et Bas situés à droite de la liste. De cette façon. „ Effectif séquentiel des observations concordantes de chaque groupe : Crée une variable dont la valeur séquentielle est comprise entre 1 et n pour les observations de chaque groupe concordant.127 Préparation des données „ „ Pour modifier l'ordre de tri des variables. à l'exception de la plus récente. Par exemple. pour la variable indicatrice principale. Indicateur d'observations principales : Crée une variable dont la valeur est 1 pour toutes les observations uniques et pour l'observation identifiée comme étant l'observation principale de chaque groupe d'observations concordantes. „ En fonction de l'ordre de tri déterminé dans le groupe concordant. Déplacer les observations concordantes vers le haut : Trie le fichier de données afin que tous les groupes d'observations concordantes se trouvent au début de ce fichier. qui détermine la valeur de la variable indicatrice principale facultative. Afficher les fréquences pour les variables créées : Tableaux de fréquences indiquant le nombre d'observations pour chaque valeur des variables créées. Le contrôle visuel des observations concordantes est ainsi facilité dans l'éditeur de données. dans chaque groupe concordant. et 0 pour les observations dupliquées non principales de chaque groupe. Par exemple. La séquence est basée sur l'ordre en cours des observations dans chaque groupe. vous pouvez trier les observations du groupe dans l'ordre croissant à partir d'une variable de date. c'est-à-dire l'ordre d'origine du fichier ou celui déterminé par les variables de tri indiquées. pour filtrer toutes les observations. l'observation principale peut être la dernière ou la première observation de ce groupe. l'ordre d'origine du fichier détermine celui des observations dans chaque groupe. le tableau indique le nombre d'observations dont la valeur est 0 pour cette variable (ce qui indique le nombre d'observations dupliquées) .

Valeurs manquantes : Pour les variables numériques.128 Chapitre 6 et le nombre d'observations dont la valeur est 1 pour cette variable (c'est-à-dire le nombre d'observations uniques et principales). vous pouvez fusionner une échelle d'évaluation allant jusqu'à neuf pour obtenir trois modalités qui représenteraient les niveaux faible. L'outil visuel de regroupement en bandes vous permet d'effectuer les opérations suivantes : „ Créer des variables qualitatives à partir de variables d'échelle continues. vous pouvez effectuer les opérations suivantes : E Sélectionner l'échelle numérique et/ou les variables ordinales pour lesquelles créer des variables qualitatives (en bandes). Outil visuel de regroupement en bandes L'outil visuel de regroupement en bandes est conçu pour vous aider lors de la création de variables basées sur le regroupement des valeurs contiguës de variables dans un nombre distinct de modalités. la valeur manquante par défaut est traitée comme toute autre valeur. Pour les variables chaîne. „ Dans la première étape de l'outil visuel de regroupement en bandes. . Fusionner un grand nombre de modalités ordinales en un jeu de modalités plus petit. Par exemple. les observations ne disposant d'aucune valeur pour une variable d'identificateur sont traitées comme si elles disposaient de valeurs concordantes pour cette variable. vous pouvez utiliser la variable d'échelle Revenu pour créer une variable qualitative contenant les tranches de revenus. Les observations disposant de la valeur manquante par défaut pour une variable d'identificateur sont traitées comme si elles disposaient de valeurs concordantes pour cette variable. moyen et élevé. Par exemple.

Pour plus d'informations. page 85. En effet. évitez si possible de procéder à cette opération car elle risque d'avoir une incidence sur la distribution des valeurs utilisées dans les calculs effectués ultérieurement dans l'outil visuel de regroupement en bandes. Vous pouvez modifier le niveau de mesure défini d'une variable dans la vue Variable de l'éditeur de données. l'outil considère que les valeurs de données représentent un ordre logique qui peut servir à regrouper les valeurs de manière significative. Remarque : Les variables chaîne et les variables numériques nominales ne sont pas affichées dans la liste des variables source. reportez-vous à « Niveau de mesure des variables » dans Chapitre 5 .129 Préparation des données Figure 6-11 Première boîte de dialogue permettant de sélectionner les variables à regrouper en bandes Vous pouvez également limiter le nombre d'observations à analyser. L'outil visuel de regroupement en bandes requiert l'utilisation de variables numériques qui sont mesurées sur une échelle ou au niveau ordinal. . Pour les fichiers de données contenant un grand nombre d'observations. même si la limitation du nombre d'observations analysées peut permettre de gagner du temps.

page 84. . page 131. E Sélectionnez une variable dans la zone Liste des variables analysées. sélectionnez : Transformer Outil visuel de regroupement en bandes : E Sélectionner l'échelle numérique et/ou les variables ordinales pour lesquelles créer des variables qualitatives (en bandes). reportez-vous à « Regroupement de variables en bandes » . Pour plus d'informations. E Cliquez sur OK. E Définissez les critères de regroupement en bandes de la nouvelle variable. reportez-vous à « Noms de variable » dans Chapitre 5 . Pour plus d'informations. Les noms de variable doivent être uniques et conformes aux règles de dénomination de variables SPSS.130 Chapitre 6 Pour regrouper les variables en bandes E A partir des menus de la fenêtre de l'éditeur de données. E Entrez le nom de la nouvelle variable regroupée en bandes.

Toutes les observations analysées dont la variable sélectionnée ne présente aucune valeur manquante par défaut ou utilisateur sont utilisées pour générer la distribution des valeurs servant aux calculs effectués dans l'outil visuel de regroupement en bandes. . cliquez sur les titres de colonne. y compris l'histogramme affiché dans la boîte de dialogue principale et les divisions basées sur les centiles ou les écarts types. par étiquette de variable ou par nom.131 Préparation des données Regroupement de variables en bandes Figure 6-12 Boîte de dialogue principale de l'outil visuel de regroupement en bandes La boîte de dialogue principale de l'outil visuel de regroupement en bandes fournit les informations suivantes concernant les variables analysées : Liste des variables analysées : Affiche les variables sélectionnées dans la première boîte de dialogue. Vous pouvez trier la liste par niveau de mesure (échelle ou ordinal). Observations analysées : Indique le nombre d'observations analysées. Pour ce faire.

„ Nom : Vous devez entrer le nom de la nouvelle variable. suivi de la mention (Regroupé en bandes). basée sur les observations analysées. qui seront utilisés comme base pour les nouvelles variables regroupées en bandes. L'étiquette de variable par défaut est l'étiquette (si disponible) ou le nom de la variable source. puis les déplacer vers différents emplacements de l'histogramme. Vous pouvez cliquer sur les lignes de division. Pour plus d'informations. Pour plus d'informations. Minimum et Maximum : Valeurs minimales et maximales de la variable sélectionnée. sans changer les intervalles de bandes. Les noms de variable doivent être uniques et conformes aux règles de dénomination de variables SPSS. page 139. „ Etiquette : Vous pouvez entrer une étiquette de variable descriptive contenant jusqu'à 255 caractères. vous risquez de ne pas obtenir une distribution .132 Chapitre 6 Valeurs manquantes : Indique le nombre d'observations analysées contenant des valeurs manquantes par défaut et spécifiées par l'utilisateur. Vous pouvez supprimer les bandes en faisant glisser les lignes de division hors de l'histogramme. reportez-vous à « Valeurs manquantes utilisateur dans l'outil visuel de regroupement en bandes » . Variable regroupée en bandes : Nom et étiquette facultative de la nouvelle variable regroupée en bandes. Valeurs non manquantes : L'histogramme affiche la distribution des valeurs non manquantes pour la variable sélectionnée. Les valeurs manquantes ne sont incluses dans aucune modalité regroupée en bandes. et les valeurs minimales et maximales sont basés sur les valeurs analysées. „ Une fois que vous avez défini les bandes de la nouvelle variable. reportez-vous à « Noms de variable » dans Chapitre 5 . „ „ Remarque : L'histogramme (affichant les valeurs non manquantes). basées sur les observations analysées et n'incluant pas de valeurs définies en tant que valeurs manquantes spécifiées par l'utilisateur. page 84. Si vous n'incluez pas toutes les observations dans l'analyse. Variable actuelle : Nom et étiquette (si disponible) de la variable sélectionnée. les lignes verticales de l'histogramme apparaissent afin d'indiquer les divisions définissant ces bandes.

Vous pouvez entrer les étiquettes de valeur ou utiliser l'option Créer des étiquettes pour les créer automatiquement. la valeur par défaut manquante de la nouvelle variable est attribuée à toutes les observations dont les valeurs sont supérieures à celle de la dernière division spécifiée. aucune information sur la distribution des valeurs n'est disponible. en fonction de la définition des extrema supérieurs). Grille : Affiche les valeurs qui définissent les extrema supérieurs de chaque bande et les étiquettes de valeur facultatives de chaque bande.133 Préparation des données précise et représentative. Vous pouvez entrer des valeurs ou utiliser l'option Créer des divisions pour créer automatiquement des bandes en fonction des critères sélectionnés. Cette bande contient alors toutes les valeurs non manquantes situées au-dessus des autres divisions. les étiquettes décrivant les valeurs peuvent se révéler très utiles. E Dans le menu contextuel. . E Dans le menu contextuel. sélectionnez Supprimer la ligne. surtout si le fichier de données a été trié par la variable sélectionnée. Pour supprimer toutes les étiquettes ou toutes les bandes définies : E Cliquez avec le bouton droit n'importe où dans la grille. Etant donné que les valeurs de la nouvelle variable sont des valeurs entières séquentielles comprises entre 1 et n. „ Valeur : Valeurs qui définissent les extrema supérieurs de chaque bande. Si vous n'analysez pas d'observations. sélectionnez Supprimer toutes les étiquettes ou Supprimer toutes les divisions. „ Etiquettes : Etiquettes descriptives facultatives pour les valeurs de la nouvelle variable regroupée en bandes. Par défaut. une division dont la valeur est ELEVE est automatiquement incluse. La bande définie par la division la moins élevée inclut toutes les valeurs non manquantes inférieures ou égales à cette valeur (ou simplement inférieures à cette valeur. Remarque : Si vous supprimez la bande ELEVE. Pour supprimer une bande de la grille : E Cliquez avec le bouton droit de la souris sur la cellule Valeur ou Etiquette de la bande.

Copier les bandes : Vous pouvez copier les spécifications de regroupement à partir d'une variable vers la variable sélectionnée ou à partir de la variable sélectionnée vers d'autres variables. Pour plus d'informations. En effet. la première bande inclut uniquement les observations dont les valeurs sont inférieures à 25. 50 et 75. Créer des divisions : Génère automatiquement des modalités regroupées en bandes pour les intervalles de longueur identique. les intervalles avec le même nombre d'observations ou les intervalles basés sur les écarts types. . Par exemple. „ Inclus (<=) : Les observations contenant la valeur spécifiée dans la cellule Valeur sont incluses dans la modalité regroupée en bandes.134 Chapitre 6 Extrema supérieurs : Contrôle le traitement des valeurs des extrema supérieurs saisies dans la colonne Valeur de la grille. si vous spécifiez les valeurs 25. Elles sont incluses dans la bande suivante. les observations dont la valeur est 25 seront placées dans la première bande. page 135. Cette option n'est disponible que si vous analysez au moins une observation. les observations dont la valeur est 25 seront placées dans la seconde bande. „ Exclu (<) : Les observations contenant la valeur spécifiée dans la cellule Valeur ne sont pas incluses dans la modalité regroupée en bandes. 50 et 75. Créer des étiquettes : Génère des étiquettes descriptives pour les valeurs entières séquentielles de la nouvelle variable regroupée en bandes. Inversez l'échelle pour que ces valeurs deviennent des entiers séquentiels décroissants compris entre n et 1. reportez-vous à « Copie de modalités regroupées en bandes » . Pour plus d'informations. reportez-vous à « Génération automatique de modalités regroupées en bandes » . En effet. page 137. Inverser l'échelle : Par défaut. si vous spécifiez les valeurs 25. Par exemple. basées sur les valeurs se trouvant dans la grille et le traitement des extrema supérieurs (inclus ou exclus). les valeurs de la nouvelle variable regroupée en bandes sont des valeurs entières séquentielles croissantes comprise entre 1 et n. cette bande inclut les observations dont les valeurs sont inférieures ou égales à 25.

135 Préparation des données Génération automatique de modalités regroupées en bandes La boîte de dialogue Créer des divisions vous permet de générer automatiquement les modalités regroupées en bandes en fonction des critères sélectionnés. E Sélectionnez les critères de génération des divisions. qui définira les modalités regroupées en bandes. E Cliquez sur Appliquer. E Cliquez sur Créer des divisions. sélectionnez une variable en cliquant dessus. Figure 6-13 Boîte de dialogue Créer des divisions . Pour utiliser la boîte de dialogue Créer des divisions : E Dans la zone Liste des variables analysées.

la valeur 33. Si la variable source comporte peu de valeurs distinctes ou de nombreuses observations ayant la même valeur. Intervalles de longueur identique : Génère des modalités regroupées en bandes de longueur identique (par exemple. plus 1. Centiles égaux fondés sur les observations analysées : Génère des modalités regroupées en bandes avec un nombre d'observations identique dans chaque bande (à l'aide de l'algorithme empirique pour les centiles). Par exemple. 21–30. Par exemple. chacune contenant 25 % des observations. en fonction de l'un des critères suivants : „ Nombre de divisions : Le nombre de modalités regroupées en bandes correspond au nombre de divisions. la valeur 10 regroupe les données d'âge en années par intervalles de 10 ans. etc.) en fonction de deux des trois critères suivants : „ Emplacement de la première division : Valeur qui définit la limite supérieure de la modalité regroupée en bandes la moins élevée (par exemple. Divisions au niveau de la moyenne et des écarts types sélectionnés. 11–20. plus 1. trois divisions génèrent quatre bandes de centiles (quartiles). „ Nombre de divisions : Le nombre de modalités regroupées en bandes correspond au nombre de divisions. Par exemple. „ Largeur (%) : Longueur de chaque intervalle.3 générerait trois modalités regroupées en bandes (deux divisions).3 % des observations. vous risquez d'obtenir un nombre de bandes inférieur à celui requis. fondées sur les observations analysées : Génère des modalités regroupées en bandes basées sur les valeurs de la moyenne et de l'écart type de la distribution de la variable. la valeur 10 indique un intervalle comprenant toutes les valeurs jusqu'à 10). exprimée en pourcentage du nombre total des observations.136 Chapitre 6 Remarque : La boîte de dialogue Créer des divisions n'est disponible que si vous avez analysé des observations. chacune contenant 33. 9 divisions génèrent 10 modalités regroupées en bandes. . 1–10. „ Largeur : Longueur de chaque intervalle. Par exemple.

un intervalle de salaires négatif). si vous sélectionnez les trois. certaines bandes définies risquent de se retrouver hors de l'intervalle de données réel. deux modalités regroupées en bandes sont créées. 95 %. en particulier si le fichier de données est trié par variable source. voire hors de l'intervalle des valeurs possibles (par exemple. . et deux bandes pour les observations supérieures ou inférieures à la moyenne de plus de trois écarts types. si vous limitez l'analyse aux 100 premières observations d'un fichier de données contenant 1 000 observations et que ce fichier de données est trié dans l'ordre croissant de l'âge des répondants. Dans une distribution normale. mais plutôt trois bandes contenant chacune 3. Si vous limitez le nombre d'observations analysées. Par exemple. la moyenne étant utilisée comme division entre les bandes. Remarque : Les calculs de centiles et d'écarts types reposent sur les observations analysées. les bandes obtenues risquent de ne pas contenir la proportion d'observations souhaitée.137 Préparation des données „ Si vous ne sélectionnez pas les intervalles d'écarts types. Par exemple. Si la création de modalités regroupées en bandes est basée sur les écarts types. dans deux écarts types et 99 % dans trois écarts types. vous n'obtiendrez pas quatre bandes d'âge en centiles contenant 25 % des observations. deux et/ou trois écarts types. huit modalités regroupées en bandes sont créées : six bandes dans un intervalle d'écarts types.3 % des observations et une quatrième en contenant 90 %. 68 % des observations sont comprises dans un écart type de la moyenne. „ Vous pouvez sélectionner n'importe quelle combinaison d'intervalles d'écarts types en utilisant un. Copie de modalités regroupées en bandes Si vous souhaitez créer des modalités regroupées en bandes pour plusieurs variables. vous pouvez copier les spécifications du regroupement à partir d'une variable vers la variable sélectionnée ou à partir de la variable sélectionnée vers plusieurs variables.

ou E Dans la zone Liste des variables analysées.138 Chapitre 6 Figure 6-14 Copie de bandes à partir de ou vers la variable actuelle Pour copier les spécifications de regroupement en bandes : E Définissez des modalités regroupées en bandes pour une variable au moins (ne cliquez pas sur OK ni sur Coller). E Cliquez sur Vers d'autres variables. . E Dans la zone Liste des variables analysées. cliquez sur la variable vers laquelle copier les modalités regroupées en bandes concernées. E Cliquez sur Copier. E Sélectionnez les variables pour lesquelles créer des variables ayant les mêmes modalités regroupées en bandes. E Cliquez sur A partir d'une autre variable. cliquez sur une variable pour laquelle vous avez défini des modalités regroupées en bandes.

cette dernière est utilisée comme étiquette pour la valeur recodée de la nouvelle variable. Remarque : Une fois que vous avez cliqué sur OK dans la boîte de dialogue principale de l'outil visuel de regroupement en bandes pour créer les variables regroupées en bandes (ou que vous avez fermé cette boîte de dialogue d'une autre manière). Si vous avez spécifié des étiquettes de valeur pour la variable à partir de laquelle vous copiez les spécifications de regroupement. la valeur 106 de la nouvelle variable vient remplacer la valeur 1 de la variable source pour toutes les observations. les valeurs manquantes utilisateur correspondantes de la nouvelle variable sont des nombres négatifs. Si la valeur manquante utilisateur de la variable source comporte une étiquette de valeur définie. Valeurs manquantes utilisateur dans l'outil visuel de regroupement en bandes Les valeurs définies comme valeurs manquantes spécifiées par l'utilisateur (valeurs identifiées comme codes pour les données manquantes) pour la variable source ne sont pas incluses dans les modalités regroupées en bandes de la nouvelle variable. ces étiquettes sont également copiées.139 Préparation des données E Sélectionnez la variable avec les modalités regroupées en bandes définies à copier. vous ne pouvez pas utiliser cet outil pour copier les modalités regroupées en bandes vers d'autres variables. Les valeurs manquantes utilisateur des variables source sont copiées en tant que telles pour la nouvelle variable. Cette valeur devient alors la nouvelle valeur manquante spécifiée par l'utilisateur. Toutes les étiquettes de valeur définies pour les codes de valeur manquante sont également copiées. Si un code de valeur manquante est en conflit avec l'une des valeurs de modalité regroupée en bandes pour la nouvelle variable. E Cliquez sur Copier. Par exemple. . le code de la valeur manquante de cette nouvelle variable est modifié : 100 est ajouté à la valeur la plus élevée de la modalité regroupée en bandes. si la valeur 1 est définie comme valeur manquante utilisateur de la variable source et que la nouvelle variable comporte six modalités regroupées en bandes. Remarque : Si la variable source comporte un intervalle défini de valeurs manquantes utilisateur sous la forme LO-n (n étant un nombre positif).

.

vos données brutes conviennent parfaitement pour le type d'analyse que vous désirez effectuer. Vous pouvez utiliser plus de 70 fonctions intégrées. et toute relation entre les variables est soit linéaire soit orthogonale.Chapitre Transformations de données 7 Dans une situation idéale. „ „ Vous pouvez calculer les valeurs de variables numériques ou sous forme de chaîne de caractères (alphanumérique). ou des transformations de données peuvent s'avérer nécessaires pour déterminer la véritable relation entre les variables. comme la création de nouvelles variables basées sur des équations complexes et des instructions conditionnelles. vous pouvez aussi spécifier le type et l'étiquette. comme la fusion de modalités pour une analyse. statistiques. de distribution. „ „ 141 . Malheureusement. et de chaîne. dont des fonctions arithmétiques. Dans le cas de nouvelles variables. SPSS vous permet d'effectuer des transformations de données simples. L'analyse préliminaire peut révéler des schémas de codage peu pratiques ou des erreurs de codage. c'est rarement le cas. Vous pouvez calculer les valeurs de manière sélective pour des sous-ensembles de données en fonction de conditions logiques. Calcul de variables Calculer la variable calcule les valeurs d'une variable en fonction des transformations numériques d'autres variables. ou des tâches plus évoluées. Vous pouvez créer de nouvelles variables ou remplacer les valeurs de variables existantes.

Il peut s'agir d'une variable existante ou d'une nouvelle variable à ajouter au fichier de travail. soit les saisir directement depuis le clavier. sélectionnez : Transformer Calculer.. vous pouvez soit coller les composants dans le champ Expression.. „ „ Collez les fonctions depuis la liste des fonctions et renseignez les paramètres indiqués par des points d'interrogation. . Les constantes alphanumériques doivent être présentées entre guillemets ou apostrophes. E Pour construire une expression. E Entrez le nom d'une seule variable cible.142 Chapitre 7 Figure 7-1 Boîte de dialogue Calculer la variable Pour calculer des variables E A partir du menu.

.143 Transformations de données „ „ Les constantes numériques doivent être saisies en format américain. Transformations conditionnelles La boîte de dialogue Si. (Expressions conditionnelles) vous permet d'appliquer les transformations de données à des sous-ensembles d'observations sélectionnées. >=. Si le résultat d'une expression conditionnelle est False (faux) ou manquant. „ „ „ „ Si le résultat d'une expression conditionnelle est True (vrai). la transformation n'est pas appliquée à l'observation. False (faux) ou manquant pour chaque observation.. La plupart des expressions conditionnelles utilisent un ou plus des six opérateurs relationnels (<. la transformation est appliquée à l'observation.) servant de séparateur décimal. Une expression conditionnelle renvoie la valeur True (vrai). des fonctions. des opérateurs arithmétiques. . >. Pour les nouvelles variables chaîne. = et ~=) du pavé numérique. le point (. numériques ou non. vous devez aussi sélectionner Type & étiquette pour spécifier le type de données. au moyen d'expressions conditionnelles. <=. des constantes. Ces expressions conditionnelles peuvent comprendre des noms de variable. des variables logiques et des opérateurs relationnels.

Les variables chaîne ne peuvent être utilisées dans des calculs. vous devez spécifier le type de données et sa longueur. Etiquette : Etiquette de variable facultative et descriptive jusqu'à 120 caractères.144 Chapitre 7 Figure 7-2 Boîte de dialogue Calculer la variable : si les observations Calculer la variable : Type et étiquette Par défaut. Pour calculer une nouvelle variable chaîne. Vous pouvez entrer une étiquette ou utiliser les 110 premiers caractères de l'expression de calcul comme étiquette. les nouvelles variables calculées sont numériques. Type : Les variables calculées peuvent être numériques ou alphanumériques. .

y compris : „ „ „ „ „ „ „ Fonctions arithmétiques Fonctions statistiques Fonctions sur chaînes les fonctions date et heure Fonctions de distribution les fonctions de variable aléatoire les fonctions de valeur manquante Recherchez les fonctions dans l'index de l'aide en ligne pour obtenir la liste complète des fonctions. Dans l'expression : (var1+var2+var3)/3 le résultat est manquant s'il manque une valeur dans l'une des trois variables d'une observation.145 Transformations de données Figure 7-3 Boîte de dialogue Calculer la variable : Type et étiquette Fonctions Plusieurs types de fonctions sont prises en charge. Cliquez avec le bouton droit de la souris sur une fonction sélectionnée dans la liste pour en afficher la description. Valeurs manquantes dans les fonctions Les fonctions et les expressions arithmétiques simples traitent les valeurs manquantes de manière différente. .

var2. tapez un point et le nombre minimal après le nom de la fonction. var2. Pour les fonctions statistiques. utilisez cette boîte de dialogue pour réinitialiser le générateur à une valeur spécifique avant chaque analyse utilisant les nombres aléatoires. Pour ce faire. vous pouvez spécifier le nombre minimal d'arguments ne comportant pas de valeurs manquantes. Figure 7-4 Boîte de dialogue Générer des nombres aléatoires Le nombre aléatoire est automatiquement réinitialisé à 2 000 000 chaque fois que vous démarrez une nouvelle session SPSS.146 Chapitre 7 Dans l'expression : MEAN(var1. var3) le résultat ne manque que si les valeurs des trois variables manquent dans l'observation.2(var1. var3) Générer des nombres aléatoires Le générateur fixe à une valeur spécifique le nombre aléatoire utilisé. Le nombre aléatoire change chaque fois qu'un nombre aléatoire est généré pour être utilisé dans des transformations (comme les fonctions UNIFORM et NORMAL). pour vous permettre de reproduire une séquence de nombres aléatoires. un échantillonnage aléatoire ou une pondération d'observation. comme suit : MEAN. Pour répliquer une séquence de nombres aléatoires. .

. E Sélectionnez Définir le générateur à. Figure 7-5 Boîte de dialogue Compter occurrences des valeurs par observation .000. E Entrez un entier positif compris entre 1 et 2. Compter occurrences des valeurs par observation Cette boîte de dialogue crée une variable qui compte les occurrences des mêmes valeurs dans une liste de variables pour chaque observation. une enquête peut comporter une liste de magazines avec des cases à cocher oui/non pour indiquer les magazines lus par chaque répondant.000.147 Transformations de données Pour définir la génération de données aléatoires E A partir du menu.000. sélectionnez : Transformer Générer des nombres aléatoires. Vous pourriez compter le nombre de réponses oui pour chaque répondant et créer une nouvelle variable contenant le nombre total de magazines lus.. Par exemple.

(Expression conditionnelle) pour la définition de sous-ensembles d'observations est la même que celle décrite pour Calculer la variable.. la variable cible est incrémentée plusieurs fois pour cette variable. vous pouvez définir un sous-ensemble d'observations dont il faut compter les occurrences de valeurs. E Sélectionnez deux ou plusieurs variables du même type (numérique ou alphanumérique). sélectionnez : Transformer Compter. Si une observation correspond à plusieurs spécifications pour une variable quelconque. Compter les occurrences des valeurs par observations : Valeurs à compter La valeur de la variable cible (dans la boîte de dialogue principale) est incrémentée d'une unité chaque fois que l'une des variables sélectionnées correspond à une spécification dans la liste Valeurs à compter. E Entrez le nom d'une variable cible. E Cliquez sur Définir les valeurs et spécifiez les valeurs à compter.148 Chapitre 7 Pour compter les occurrences de valeurs par observations E A partir du menu. . et des intervalles. En option. La boîte de dialogue Si.... Les spécifications de valeurs peuvent inclure des valeurs individuelles. Les limites comprennent leurs extrêmes et toute valeur manquante spécifiée figurant dans l'intervalle. des valeurs manquantes ou manquantes par défaut.

elles doivent toutes être du même type. Vous ne pouvez pas recoder ensemble des variables numériques et chaîne. Vous pouvez recoder des variables numériques et chaîne. vous pourriez fusionner des salaires dans des modalités d'intervalles de salaires. Vous pouvez recoder les valeurs à l'intérieur de variables existantes ou créer des variables sur la base des valeurs recodées de variables existantes. . Ceci est particulièrement utile pour fusionner des modalités ou les combiner. Si vous sélectionnez plusieurs variables. Par exemple. Recodage de variables Le recodage dans les mêmes variables réaffecte les valeurs de variables existantes ou fusionne des intervalles de valeurs existantes dans de nouvelles valeurs.149 Transformations de données Figure 7-6 Boîte de dialogue Compter occurrences des valeurs par observation : Valeurs à compter Recodage de valeurs Vous pouvez modifier les valeurs de données en les recodant.

Si vous sélectionnez plusieurs variables. Recodage de variables : Anciennes et nouvelles valeurs Vous pouvez définir les valeurs à recoder dans cette boîte de dialogue.. Toutes les spécifications de valeurs doivent être du même type de données (numérique ou alphanumérique) que les variables sélectionnées dans la boîte de dialogue principale. E Cliquez sur Anciennes et nouvelles valeurs et spécifiez comment recoder les valeurs. E Sélectionnez les variables que vous désirez recoder..150 Chapitre 7 Figure 7-7 Boîte de dialogue Recodage de variables Pour recoder les valeurs d'une variable E A partir du menu. elles doivent être du même type (numérique ou alphanumérique). En option. vous pouvez définir un sous-ensemble d'observations à recoder.. sélectionnez : Transformer Recode Recodage de variables.. La boîte de dialogue Si. . (Expression conditionnelle) pour la définition de sous-ensembles d'observations est la même que celle décrite pour Calculer la variable.

Vous pouvez entrer une valeur ou la valeur manquante par défaut. puisqu'elles acceptent tous les caractères. „ Manquante par défaut ou spécifiée : Observations comportant des valeurs définies comme valeurs manquantes par défaut. Apparaît sous l'intitulé ELSE dans la liste Ancienne-Nouvelle. „ Valeur : Les anciennes valeurs individuelles doivent être recodées par de nouvelles valeurs. Les limites comprennent leurs extrêmes et toute valeur manquante spécifiée figurant dans l'intervalle. lorsqu'un champ numérique est vide ou lorsqu'une valeur résultant d'une commande de transformation n'est pas définie. Non disponible pour les variables de chaîne. Les valeurs manquantes spécifiées comprises dans l'intervalle sont prises en compte. „ Toutes les autres valeurs : Toute autre valeur non incluse dans l'une des spécifications de la liste Ancienne-Nouvelle. comme l'indique le point (.151 Transformations de données Ancienne valeur : Valeurs à recoder. et les observations avec des valeurs manquantes par défaut sont exclues de nombreuses procédures. La valeur doit être du même type de données (numérique ou chaîne) que la variable que vous recodez. Les valeurs manquantes par défaut et les intervalles ne peuvent être sélectionnés pour des variables chaîne. „ Plage : Intervalle de valeurs inclusif. Nouvelle valeur : Valeur unique en laquelle chaque ancienne valeur ou intervalle de valeurs est recodé. „ Manquant par défaut : Valeurs affectées par le programme lorsque certaines valeurs de vos données sont non définies d'après le type de format spécifié. La valeur doit être du même type de données (numérique ou chaîne) que l'ancienne variable. . Les valeurs manquantes par défaut ne sont pas utilisées dans les calculs. Vous pouvez recoder des valeurs uniques. des intervalles de valeurs. car aucun de ces concepts ne s'applique à ce type de variable. Les valeurs manquantes par défaut numériques sont affichées sous forme de points. Non disponible pour les variables de chaîne. ou comportant des valeurs inconnues et auxquelles ont été attribuées des valeurs par défaut.). „ Manquant par défaut : Recode les anciennes valeurs spécifiées en valeurs manquantes par défaut. „ Valeur : Valeur dans laquelle une ou plusieurs valeurs anciennes devront être recodées. et des valeurs manquantes. Les variables chaîne ne peuvent pas comporter de valeurs manquantes par défaut.

. puis toutes les autres valeurs. vous pourriez fusionner les salaires en une nouvelle variable contenant des modalités d'intervalles de salaires. modifier et supprimer des spécifications dans la liste. Vous ne pouvez pas recoder ensemble des variables numériques et chaîne. Si vous sélectionnez plusieurs variables. Par exemple. elles doivent toutes être du même type. pour conserver cet ordre. en fonction de la spécification de l'ancienne valeur.152 Chapitre 7 Ancienne—>Nouvelle : Liste les spécifications qui seront utilisées pour recoder la ou les variables. Vous pouvez recoder des variables numériques en variables chaîne et inversement. Vous pouvez ajouter. selon l'ordre suivant : valeurs uniques. La liste est triée automatiquement. valeurs manquantes. „ „ „ Vous pouvez recoder des variables numériques et chaîne. intervalles. SPSS trie de nouveau la liste automatiquement. Si vous changez une spécification de recodage dans la liste. Figure 7-8 Boîte de dialogue Anciennes et nouvelles valeurs Création de variables Recoder dans des variables différentes (création de variables) réaffecte les valeurs des variables existantes ou fusionne les intervalles de valeurs existantes en de nouvelles valeurs pour une nouvelle variable. si nécessaire.

E Cliquez sur Anciennes et nouvelles valeurs et spécifiez comment recoder les valeurs. elles doivent être du même type (numérique ou alphanumérique). E Entrez un nom de variable de résultat (nouveau) pour chaque nouvelle variable. sélectionnez : Transformer Recode Création de variables. En option. . E Sélectionnez les variables que vous désirez recoder. vous pouvez définir un sous-ensemble d'observations à recoder. Si vous sélectionnez plusieurs variables.153 Transformations de données Figure 7-9 Boîte de dialogue Recoder et créer de nouvelles variables Pour recoder les valeurs d'une variable dans une nouvelle variable E A partir du menu.. puis cliquez sur Remplacer.. Recoder et créer de nouvelles variables : Anciennes et nouvelles valeurs Vous pouvez définir les valeurs à recoder dans cette boîte de dialogue.

La valeur doit être du même type de données (numérique ou chaîne) que l'ancienne variable. des intervalles de valeurs. „ Manquant par défaut : Valeurs affectées par le programme lorsque certaines valeurs de vos données sont non définies d'après le type de format spécifié. Les variables chaîne ne peuvent pas comporter de valeurs manquantes par défaut. Les valeurs manquantes spécifiées comprises dans l'intervalle sont prises en compte. Non disponible pour les variables de chaîne. lorsqu'un champ numérique est vide ou lorsqu'une valeur résultant d'une commande de transformation n'est pas définie. puisqu'elles acceptent tous les caractères. comme l'indique le point (. Nouvelle valeur : Valeur unique en laquelle chaque ancienne valeur ou intervalle de valeurs est recodé.). Apparaît sous l'intitulé ELSE dans la liste Ancienne-Nouvelle. car aucun de ces concepts ne s'applique à ce type de variable. Les nouvelles valeurs peuvent être numériques ou alphanumériques. „ Valeur : Les anciennes valeurs individuelles doivent être recodées par de nouvelles valeurs. „ Manquante par défaut ou spécifiée : Observations comportant des valeurs définies comme valeurs manquantes par défaut. „ Valeur : Valeur dans laquelle une ou plusieurs valeurs anciennes devront être recodées. „ Toutes les autres valeurs : Toute autre valeur non incluse dans l'une des spécifications de la liste Ancienne-Nouvelle. Les valeurs manquantes par défaut et les intervalles ne peuvent être sélectionnés pour des variables chaîne. Vous pouvez recoder des valeurs uniques. et des valeurs manquantes. Les anciennes valeurs doivent être du même type de données (numérique ou alphanumérique) que la variable d'origine. La valeur doit être du même type de données (numérique ou chaîne) que la variable que vous recodez. ou comportant des valeurs inconnues et auxquelles ont été attribuées des valeurs par défaut. Les limites comprennent leurs extrêmes et toute valeur manquante spécifiée figurant dans l'intervalle. „ Plage : Intervalle de valeurs inclusif.154 Chapitre 7 Ancienne valeur : Valeurs à recoder. . Les valeurs manquantes par défaut numériques sont affichées sous forme de points.

La liste est triée automatiquement. SPSS trie de nouveau la liste automatiquement. en fonction de la spécification de l'ancienne valeur. „ Copier les anciennes valeurs : Conserve les anciennes valeurs. Convertir les chaînes numériques en nombres : Convertit les variables de chaîne contenant des chiffres en valeurs numériques. Figure 7-10 Boîte de dialogue Anciennes et nouvelles valeurs . L'ancienne variable peut être numérique ou chaîne. modifier et supprimer des spécifications dans la liste. Vous pouvez ajouter. utilisez cette option pour inclure les anciennes valeurs. Les valeurs manquantes par défaut ne sont pas utilisées dans les calculs. valeurs manquantes. Les chaînes de caractères contenant autre chose que des nombres et des signes (+ ou -) sont considérées comme des valeurs manquantes par défaut. Toute ancienne valeur non spécifiée n'est pas incluse dans la nouvelle variable. Ancienne—>Nouvelle : Liste les spécifications qui seront utilisées pour recoder la ou les variables. et les observations avec ces valeurs se verront affecter la valeur manquante par défaut de la nouvelle variable.155 Transformations de données „ Manquant par défaut : Recode les anciennes valeurs spécifiées en valeurs manquantes par défaut. intervalles. Non disponible pour les variables de chaîne. Variables destination sont des chaînes : Définit la nouvelle variable recodée comme une variable chaîne (alphanumérique). puis toutes les autres valeurs. et les observations avec des valeurs manquantes par défaut sont exclues de nombreuses procédures. Si certaines valeurs n'ont pas besoin d'être recodées. Si vous changez une spécification de recodage dans la liste. si nécessaire. pour conserver cet ordre. selon l'ordre suivant : valeurs uniques.

Les groupes sont définis par combinaison des valeurs des variables de regroupement.. Séparez les rangs en sous-groupes en sélectionnant des variables de regroupement pour la liste Par.. en fonction du nom d'origine de la variable et des mesures sélectionnées. Sinon. Un tableau récapitulatif liste les variables d'origine. si vous sélectionnez sexe et minorité comme variables de regroupement. De nouveaux noms de variables et des étiquettes de variable descriptives sont automatiquement générées par SPSS. Les rangs sont calculés à l'intérieur de chaque groupe. Par exemple. Figure 7-11 Boîte de dialogue Ordonner les observations. des scores normaux et de Savage et des valeurs de centiles pour les variables numériques. les rangs seront calculés pour chaque combinaison de sexe et minorité.156 Chapitre 7 Ordonner les observations Ordonner les observations crée de nouvelles variables contenant des rangs. . les nouvelles variables et les étiquettes de variable. vous pouvez : „ „ Ordonner les observations en ordre croissant ou décroissant.

Ordonner les observations : Types (de rangs) Vous pouvez sélectionner plusieurs méthodes d'ordonnancement. . sélectionnez : Transformer Ordonner les observations. les scores de Savage. La valeur de la nouvelle variable est égale à son rang. Rang en pourcentage : Chaque rang est divisé par le nombre d'observations ayant des valeurs valides et multiplié par 100. de 2 à celles situées entre les 25e et 50e centiles. Vous pouvez aussi créer des ordonnancements basés sur des estimations de la proportion et des scores normaux. et de 4 à celles supérieures au 75e centile.157 Transformations de données Pour ordonner les observations E A partir du menu. les rangs fractionnaires et les centiles. Somme des poids : La valeur de la nouvelle variable est égale à la somme des pondérations d'observation. Score de Savage : La nouvelle variable contient des scores de Savage reposant sur une distribution exponentielle. La nouvelle variable est une constante pour toutes les observations du même groupe. Une variable d'ordonnancement distincte est créée pour chaque méthode. En option.. E Sélectionnez des variables à ordonner. une spécification de 4 fractiles affectera une valeur de 1 aux observations inférieures au 25e centile. de 3 à celles situées entre les 50e et 75e centiles. Par exemple.. Rang : Rang simple. Rang fractionnaire : La valeur de la nouvelle variable est égale au rang divisé par la somme des pondérations des observations non manquantes. chaque groupe contenant à peu près le même nombre d'observations. vous pouvez ordonner les observations en ordre croissant ou décroissant et séparer les rangs en sous-groupes. Les méthodes d'ordonnancement comprennent les rangs simples. Fractiles : Les rangs sont basés sur des groupes de centiles. Vous ne pouvez ordonner que des variables numériques.

où r est le rang et w la somme des pondérations d'observation. de 1 à w. . Van der Waerden : Transformation de Van der Waerden. dans laquelle r est le rang et w la somme des pondérations d'observation. Rankit : Utilise la formule (r-1/2) / w. définie par la formule r/(w+1). „ Blom : Crée une variable d'ordonnancement sur la base des estimations de la proportion. Formule d'estimation d'une proportion : Pour les estimations de la proportion et les scores normaux. dans laquelle w est la somme des pondérations d'observation et r le rang. Tukey. Scores normaux : Ecarts z correspondant à la proportion cumulée estimée. qui utilise la formule (r-3/8) / (w+1/4). Rankit ou Van der Waerden. vous pouvez sélectionner la formule d'estimation d'une proportion : Blom. „ „ „ Tukey : Utilise la formule (r-1/3) / (w+1/3). compris entre 1 et w.158 Chapitre 7 Estimations de la proportion : Estimations de la proportion cumulée de la distribution correspondant à un rang particulier. Figure 7-12 Boîte de dialogue Ordonner les observations : Types Ordonner les observations : Ex aequo Cette boîte de dialogue détermine la méthode d'affectation pour ordonner les observations ayant la même valeur que la variable d'origine. w représentant le nombre d'observations et r le rang.

les cellules vides qui en résultent réduisent les performances et augmentent les besoins en mémoire de nombreuses procédures SPSS. De plus. . certaines procédures ne peuvent utiliser des variables chaîne.159 Transformations de données Figure 7-13 Boîte de dialogue Ordonner les observations : Ex aequo Le tableau suivant montre comment les différentes méthodes affectent des rangs à des valeurs ex aequo. et certaines ont besoin de valeurs entières consécutives pour les niveaux de facteurs. Lorsque les codes de modalité ne sont pas séquentiels. Recoder automatiquement Le recodage automatique convertit les valeurs numériques et les valeurs alphanumériques en entiers consécutifs.

E Pour chaque variable sélectionnée. la valeur manquante la plus faible serait recodée en 11 et la valeur 11 serait une valeur manquante pour la nouvelle variable. la valeur d'origine est utilisée comme étiquette pour la valeur recodée. Par exemple. Les valeurs de chaîne sont recodées dans l'ordre alphabétique. . puis cliquez sur Nouveau nom... entrez un nom pour la nouvelle variable. en conservant leur ordre. sélectionnez : Transformer Recoder automatiquement E Sélectionnez des variables à recoder. Les nouvelles variables créées par le Recodage automatique conservent toute variable définie et les étiquettes de valeurs de l'ancienne variable. Les valeurs manquantes sont recodées en valeurs manquantes supérieures à toutes valeurs non manquantes. Un tableau affiche les anciennes et les nouvelles valeurs et les étiquettes de valeurs.160 Chapitre 7 Figure 7-14 Boîte de dialogue Recoder automatiquement. Pour toute valeur sans étiquette de définition de valeur. Pour recoder des variables numériques ou alphanumériques en nombres entiers consécutifs E A partir du menu. les majuscules précédant leurs équivalents minuscules. si la variable d'origine comporte 10 valeurs non manquantes.

Création de nouvelles variables de séries chronologiques sous forme de fonctions de variables de séries chronologiques existantes. et l'intervalle de temps entre les observations est uniforme. . Figure 7-15 Boîte de dialogue Définir des dates. Définir des dates La définition des dates génère des variables de date pouvant être utilisées pour établir la périodicité d'une série chronologique et pour étiqueter le résultat d'analyses de séries chronologiques.. Les transformations de données de séries chronologiques exigent une structure de fichier de données dans laquelle chaque ligne représente un groupe d'observations à une heure différente. Une série chronologique est obtenue par mesure régulière d'une variable (ou d'un groupe de variables) sur une certaine période.161 Transformations de données Transformation de données pour série chronologique Plusieurs transformations de données utiles pour les analyses de séries chronologiques sont fournies : „ „ „ Génération de variables de date pour établir une périodicité.. et faire la distinction entre les périodes historiques. de validation et de prévision. Remplacement des valeurs manquantes spécifiées et des valeurs manquantes par défaut par des estimations basées sur une méthode parmi plusieurs.

Si des variables de date ont été déjà définies. basées sur l'intervalle de temps. Par exemple. heure_. heure_ et date_. La valeur affichée indique la valeur maximale que vous pouvez entrer. telle que le nombre de mois dans une année ou le nombre de jours de la semaine. Les noms des nouvelles variables se terminent par un trait de soulignement. heures. sont affectées aux observations ultérieures. Sa sélection dans la liste est sans effet. Une variable descriptive chaîne. Une nouvelle variable numérique est créée pour chaque composant utilisé pour définir la date. sélectionnez : Données Définir des dates E Sélectionnez un intervalle de temps dans la liste Les observations sont. seconde_ et date_. Toutes les variables portant les noms suivants sont supprimées : année_. Des valeurs séquentielles. La première observation est : Définit la valeur de la date de départ. date_. Pour définir des dates pour des données de séries chronologiques E A partir du menu. est également créée à partir des composants. si vous avez sélectionné semaines. „ Autres indique la présence de variables de date personnalisées créées avec la syntaxe de commande (par exemple. mois_. quatre nouvelles variables sont créées : semaine_. „ Non daté supprime toutes les variables de date précédemment définies.162 Chapitre 7 Les observations sont : Définit l'intervalle de temps utilisé pour générer des dates. elles sont remplacées lorsque vous définissez de nouvelles variables de date portant le même nom que les variables de date existantes. Périodicité au niveau supérieur : Indique une variation cyclique répétitive. trimestre_. Cet élément reflète simplement l'état actuel du fichier de travail. qui est affectée à la première observation. (Consultez le manuel SPSS Command Syntax Reference pour obtenir des informations sur l'utilisation de la commande DATE pour créer des variables de date personnalisées.) Les variables de date personnalisées ne sont pas disponibles avec la version Student. jours. jour_. une semaine de travail de quatre jours). . minute_. jour_. semaine_.

Variables de date versus variables de format date Les variables de date créées avec Définir les dates ne doivent pas être confondues avec les variables de format date. Ces valeurs transformées sont utiles dans de nombreuses procédures d'analyse de séries chronologiques. le nom de la nouvelle variable serait prix_1. Par défaut. Les variables de format date représentent des dates et/ou des heures affichées selon divers formats de date/heure.163 Transformations de données E Entrez les valeurs définissant la date de départ. définies dans l'affichage des variables de l'éditeur de données. de médianes mobiles. de décalages et de décalage négatif. etc. les noms de nouvelles variables reprennent les six premiers caractères de la variable existante utilisée pour les créer.. Par exemple. Les variables de date sont utilisées pour créer une périodicité pour les données de séries chronologiques. Les nouvelles variables conservent toute étiquette de valeur définie des variables d'origine. qui détermine la date affectée à la première observation. de moyennes mobiles. En interne. Les variables de date sont de simples entiers représentant un nombre de jours. . d'heures. incluent les fonctions de différences. suivis d'un trait de soulignement et d'un numéro séquentiel. Les fonctions disponibles. à partir d'un point de départ spécifié par l'utilisateur. de semaines. la plupart des variables de format date sont stockées sous la forme du nombre de secondes écoulées depuis le 14 octobre 1582. permettant de créer des variables de séries chronologiques. Créer la série chronologique L'option Créer la série chronologique permet de créer des variables sur la base des fonctions de variables numériques de séries chronologiques existantes. pour la variable prix.

. Sinon. . Pour créer des variables chronologiques E A partir du menu.. vous pouvez : „ „ Entrer des noms de variables pour remplacer les noms des nouvelles variables par défaut. sélectionnez : Transformer Créer la série chronologique E Sélectionnez la fonction de séries chronologiques que vous désirez utiliser pour transformer les variables d'origine.164 Chapitre 7 Figure 7-16 Boîte de dialogue Créer la série chronologique. Remplacer la fonction par une variable sélectionnée. E Sélectionnez les variables à partir desquelles vous désirez créer de nouvelles variables de séries chronologiques. Seules des variables numériques peuvent être utilisées.

si l'ordre de différence est 2. L'ordre est le nombre de périodes saisonnières utilisé pour calculer la différence. Le nombre d'observations avec la valeur manquante par défaut au début et à la fin des séries pour un intervalle de n est égal à n/2 pour des valeurs d'intervalles paires et impaires. Par exemple. Le nombre d'observations avec la valeur manquante par défaut au début et à la fin des séries pour un intervalle de n est égal à n/2 pour des valeurs d'intervalles paires et impaires. L'intervalle est basé sur la périodicité actuellement définie. Si l'intervalle est pair. Par exemple. Pour calculer des différences saisonnières. L'intervalle est le nombre de valeurs de séries utilisé pour calculer la moyenne. Médianes mobiles : Médiane d'un intervalle de valeurs de séries entourant et incluant la valeur courante. vous devez disposer de variables de date définies (Menu Données. L'intervalle est le nombre de valeurs de séries précédentes utilisé pour calculer la moyenne. Si l'intervalle est pair.165 Transformations de données Fonctions de transformation de séries chronologiques Différence : Différence non saisonnière entre les valeurs successives dans les séries. Le nombre d'observations avec la valeur manquante par défaut au début des séries est égal à la valeur de l'intervalle. L'ordre est le nombre des valeurs précédentes utilisé pour calculer la différence. la moyenne mobile est calculée en faisant la moyenne de chaque paire de moyennes non centrées. si la périodicité courante est 12 et l'ordre 2. Le nombre d'observations avec la valeur manquante par défaut au début des séries est égal à la périodicité multipliée par l'ordre. le nombre d'observations avec la valeur manquante par défaut au début et à la fin des séries est 2. Par exemple. Définir les dates) qui incluent une composante périodique (telle que les mois de l'année). Moyenne mobile centrée : Moyenne d'un intervalle de valeurs de séries entourant et incluant la valeur courante. si l'intervalle est 5. si l'intervalle . L'intervalle est le nombre de valeurs de séries utilisé pour calculer la médiane. Par exemple. les valeurs manquantes par défaut apparaissent au début des séries. les deux premières observations contiendront la valeur manquante par défaut pour la nouvelle variable. la médiane est calculée en faisant la moyenne de chaque paire de médianes non centrées. Différence saisonnière : Différence entre des valeurs de séries séparées par un intervalle constant. Comme une observation est perdue pour chaque ordre de différence. les 24 premières observations auront la valeur manquante par défaut pour nouvelle variable. Moyenne mobile précédente : Moyenne de l'intervalle de valeurs des séries précédant la valeur courante.

L'ordre est le nombre d'observations après l'observation courante à partir de laquelle la valeur est obtenue. . Décalage négatif : Valeur d'une observation ultérieure. basée sur l'ordre de décalage négatif spécifié. Le nombre d'observations avec la valeur manquante par défaut à la fin des séries est égal à la valeur de l'ordre. centrée par une médiane mobile de 2. L'ordre est le nombre d'observations antérieures à l'observation courante à partir de laquelle la valeur est obtenue. Pour finir. Par défaut. en remplaçant les valeurs manquantes par des estimations calculées selon une méthode. suivis d'un trait de soulignement et d'un numéro séquentiel. le nombre d'observations avec la valeur manquante par défaut au début et à la fin des séries est 2. Le lisseur commence avec une médiane mobile de 4. Somme cumulée : Somme cumulée des valeurs des séries à concurrence de la valeur courante. y compris celle-ci. basée sur l'ordre de décalage spécifié. Décalage positif : Valeur d'une observation précédente. Il relisse ensuite ces valeurs en appliquant une médiane mobile de 5. et il arrive que des mesures de séries ne puissent être calculées si des valeurs manquent dans les séries. le nom de la nouvelle variable serait prix_1. puis une de 3. pour la variable prix. Le remplacement des valeurs manquantes crée des variables de séries chronologiques à partir de variables existantes. Les nouvelles variables conservent toute étiquette de valeur définie des variables d'origine. On parle parfois de lissage T4253H. Tout ce processus est ensuite répété sur les résidus calculés.166 Chapitre 7 est 5. et du hanning (exécution de moyennes pondérées). Par exemple. Lissage : Nouvelles valeurs des séries basées sur un lisseur de données composées. Le nombre d'observations avec la valeur manquante par défaut au début des séries est égal à la valeur de l'ordre. Les résidus sont calculés par soustraction des séries lissées des séries d'origine. les résidus lissés sont calculés par soustraction des valeurs lissées obtenues la première fois par le processus. les noms de nouvelles variables reprennent les six premiers caractères de la variable existante utilisée pour les créer. Remplacer les valeurs manquantes Les observations manquantes peuvent constituer un problème dans le cadre d'analyses.

E Sélectionnez les variables dont vous voulez remplacer les valeurs manquantes. Sinon.167 Transformations de données Figure 7-17 Boîte de dialogue Remplacer les valeurs manquantes... vous pouvez : „ „ Entrer des noms de variables pour remplacer les noms des nouvelles variables par défaut. E Sélectionnez la méthode d'estimation que vous désirez utiliser pour remplacer les valeurs manquantes. sélectionnez : Transformer Remplacer les valeurs manquantes. Changer la méthode d'estimation pour une variable sélectionnée. Pour remplacer les valeurs manquantes par des variables de séries chronologiques E A partir du menu. Méthodes d'estimation pour le remplacement de valeurs manquantes Moyenne de la série : Remplace les valeurs manquantes par la moyenne de toute la série... .

Une régression est effectuée sur la série existante selon une variable d'index d'une échelle de 1 à n. Médiane des points voisins : Remplace les valeurs manquantes par la médiane des valeurs valides qui les entourent. L'intervalle des points voisins est le nombre de valeurs valides au-dessus et au-dessous de la valeur manquante utilisée pour calculer la médiane. Tendance linéaire au point : Remplace les valeurs manquantes par la tendance linéaire de ce point. celle-ci n'est pas remplacée. .168 Chapitre 7 Moyenne des points voisins : Remplace les valeurs manquantes par la moyenne des valeurs valides qui les entourent. La dernière valeur valide avant la valeur manquante et la première valeur valide après la valeur manquante sont utilisées pour l'interpolation. Interpolation linéaire : Remplace les valeurs manquantes au moyen d'une interpolation linéaire. L'intervalle des points voisins est le nombre de valeurs valides au-dessus et au-dessous de la valeur manquante utilisée pour calculer la moyenne. Si la première ou la dernière observation de la série comporte une valeur manquante. Les valeurs manquantes sont remplacées par les prévisions correspondantes.

ou l'inverse. Agréger les données : Vous pouvez modifier l'unité d'analyse en agrégeant des observations en fonction de la valeur d'une ou plusieurs variables de regroupement. trier des données dans un ordre différent. Vous pouvez inverser les lignes et les colonnes et lire les données selon le bon format pour les fichiers qui présentent les informations dans l'autre sens. Vous pouvez. Transposer des observations et des variables : Le format des fichiers de données SPSS lit les lignes comme des observations et les colonnes comme des variables. y compris la possibilité de : Trier les données : Vous pouvez trier les observations en fonction de la valeur de certaines variables. 169 . Fusionner des fichiers : Vous pouvez fusionner des fichiers de données (au moins deux).Chapitre Gestion et transformations de fichiers 8 L'organisation des fichiers de données ne répond pas toujours idéalement à vos besoins. Vous pouvez associer des fichiers disposant des mêmes variables mais présentant des observations différentes. par exemple. Pondérer les données : La pondération des données concerne les analyses fondées sur la valeur d'une variable pondérée. sélectionner des sous-ensembles d'observations ou modifier l'unité d'analyse en regroupant les observations. De nombreuses possibilités de transformation de fichier sont disponibles. Sélectionner des sous-ensembles d'observations : Vous pouvez limiter votre analyse à un sous ensemble d'observations ou effectuer des analyses simultanées sur différents sous ensembles. combiner des fichiers.

170 Chapitre 8 Restructurer les données : Vous pouvez restructurer des données pour créer une observation (un enregistrement) à partir de plusieurs observations ou créer plusieurs observations à partir d'une seule. Trier les observations Cette boîte de dialogue permet de trier les observations (lignes) du fichier en fonction des valeurs d'une ou plusieurs variables de tri. . „ Figure 8-1 Boîte de dialogue Trier les observations Pour trier les observations E A partir du menu. Pour les variables alphanumériques. „ Si vous sélectionnez plusieurs variables de tri. si vous sélectionnez Sexe comme première variable de tri et Culture comme seconde variable de tri.. les observations sont triées pour chaque variable au sein des modalités de la variable précédente dans la liste Tri. la valeur « Oui » précède « oui »dans l'ordre de tri. Par exemple. Par exemple. Vous pouvez trier les observations par ordre croissant ou décroissant.. sélectionnez : Données Trier les observations. les lettres en majuscules précèdent les minuscules dans l'ordre de tri. les observations seront triées en fonction de la culture de chaque individu au sein de chaque modalité de la variable sexe.

„ Pour transposer des variables et des observations E A partir du menu. . Les valeurs manquantes à l'utilisateur sont converties en valeurs manquantes par défaut dans le fichier transposé. vous pouvez l'utiliser comme Variable de nom et employer ses valeurs comme noms de variable dans le fichier transposé. Pour conserver certaines de ces valeurs. S'il s'agit d'une variable numérique. Si le fichier de travail contient un ID (identifiant) ou une variable de nom dont les valeurs sont univoques. SPSS génère automatiquement de nouveaux noms pour les variables et affiche une liste de ces nouveaux noms.171 Gestion et transformations de fichiers E Sélectionnez au moins une variable de tri. suivie de la valeur numérique.. est automatiquement créée. Transposer La transposition permet de créer un nouveau fichier dans lequel les lignes et les colonnes du fichier initial sont inversées pour que les observations (lignes) deviennent des variables (colonnes). modifiez la définition des valeurs manquantes dans l'affichage des variables de l'éditeur de données. et vice versa. E Sélectionnez au moins une variable à transposer en observation. case_lbl. sélectionnez : Données Transposer. les noms de variables commencent par la lettre V. „ „ Une nouvelle variable de type chaîne contenant le nom de variable d'origine.

Figure 8-2 Boîte de dialogue Ajouter des observations . Fusionner des fichiers contenant les mêmes observations mais des variables différentes. Ajouter des observations Ajouter des observations permet de fusionner le fichier de travail actif avec un autre fichier de données SPSS qui contient les mêmes variables mais des observations différentes. Vous pouvez: „ „ Fusionner des fichiers contenant les mêmes variables mais des observations différentes. vous pouvez enregistrer la même information sur des clients de deux secteurs de vente et gérer ces données dans des fichiers séparés pour chaque région.172 Chapitre 8 Fusionner des fichiers de données SPSS vous permet de fusionner des données à partir de deux fichiers et de deux façons différentes. Par exemple.

. E Supprimez les variables que vous ne souhaitez pas faire apparaître dans la liste des variables du nouveau fichier de travail. E A partir du menu. sélectionnez : Données Fusionner des fichiers Ajouter des observations. Les observations de ce fichier apparaissent en premier dans le nouveau fichier fusionné. Par défaut. . Par défaut. Les variables du fichier externe sont identifiées par un signe (+).173 Gestion et transformations de fichiers Variables non communes : Variables à exclure du nouveau fichier fusionné. Des variables alphanumériques de longueur différente. toutes les variables dont le nom et le type correspond sont ajoutées à la liste.. Pour fusionner des fichiers de données avec les mêmes variables mais des observations différentes : E Ouvrez l'un des fichiers de données. Des variables contenant des données numériques dans l'un des fichiers et des données alphanumériques dans l'autre. Les variables du fichier de travail sont identifiées par un astérisque (*). Il est impossible de fusionner des variables numériques avec des variables alphanumériques. Cette variable a une valeur de 0 pour les observations du fichier de travail et une valeur de 1 pour les observations du fichier de données externe. „ „ Vous pouvez supprimer des variables de la liste si vous ne les souhaitez pas dans le fichier fusionné. Vous pouvez créer des paires avec les variables non communes et les inclure dans le nouveau fichier fusionné. La longueur définie pour une variable alphanumérique doit être la même dans les deux fichiers. Les variables non communes incluses dans le fichier fusionné contiendront des données manquantes pour les observations du fichier qui ne les contient pas. la liste contient : „ Des variables sans correspondance dans l'autre fichier. E Sélectionnez le fichier à fusionner avec le fichier ouvert. Indiquer le fichier source dans la variable : Indique le fichier de données source pour chaque observation. „ „ Variables du nouveau fichier actif : Variables à inclure dans le nouveau fichier actif.

Par exemple.) E Cliquez sur Apparier pour déplacer la paire de variables dans la liste Variables du nouveau fichier de travail. E Tout en maintenant la touche Ctrl enfoncée. Sélectionner une paire de variables non communes E Cliquez sur l'une des variables dans la liste Variables non communes.174 Chapitre 8 E Ajouter des paires de variables de la liste des variables non communes qui représentent les mêmes informations mais enregistrées sous des noms différents dans les deux fichiers. cliquez sur l'autre variable dans la liste. (Le nom de variable du fichier de travail est utilisé comme nom de variable dans le fichier fusionné.) Figure 8-3 Sélectionner des paires de variables à l'aide du Ctrl/click . la date de naissance peut être enregistrée sous datenais dans un fichier et né_le dans l'autre. (Appuyez sur la touche Ctrl et cliquez en même temps sur le bouton gauche de la souris.

Renommer des variables vous permet de : „ „ Utiliser le nom de la variable du fichier externe plutôt que celui du fichier de travail pour les paires de variables. „ Si certaines informations du dictionnaire. Par exemple. Ajout d'observations : Informations du dictionnaire Tous les informations du dictionnaire existantes (étiquettes de variable et de valeurs. relatives à une variable. „ Ajouter des variables Ajouter des variables permet de fusionner le fichier de travail avec un fichier de données SPSS externe qui contient les mêmes observations mais pas les mêmes variables. pour inclure à la fois la variable numérique sexe du fichier de travail et la variable alphanumérique sexe du fichier externe. Inclure deux variables portant le même nom mais de type différent ou de longueur différente. formats d'affichage) dans le fichier de travail sont appliquées au fichier fusionné. les informations du dictionnaire du fichier externe s'appliquent. vous souhaitez fusionner un fichier de données contenant les résultats d'un test préalable avec un autre fichier contenant les résultats d'un test final. ne sont pas définies dans le fichier de travail. valeurs manquantes de type utilisateur. „ Les observations doivent être présentées dans le même ordre dans les deux fichiers.175 Gestion et transformations de fichiers Ajout d'observations : Renommer Vous pouvez renommer les variables du fichier de travail ou du fichier externe avant de les déplacer de la liste des variables non communes dans la liste des variables à ajouter au fichier fusionné. vous devez d'abord les renommer. „ Si une ou plusieurs clés d'appariement sont utilisées pour apparier les . toutes les autres étiquettes de valeurs ou les valeurs manquantes de type utilisateur pour cette variable dans le fichier externe sont ignorées. Par exemple. Si le fichier de travail contient des étiquettes de valeurs non définies ou des valeurs manquantes de type utilisateur.

Les variables du fichier de travail sont identifiées par un astérisque (*). les deux fichiers de données doivent présenter ces clés d'appariement par ordre croissant. Variables du nouveau fichier actif : Variables à inclure dans le nouveau fichier actif. SPSS part du principe que ces variables contiennent des informations redondantes. Par défaut. redondants avec les noms du fichier de travail. sont exclus par défaut. En effet. cette liste contient tous les noms de variable du fichier externe qui sont redondants avec ceux du fichier de travail. „ Les noms de variable du second fichier. Indiquer le fichier source dans la variable : Indique le fichier de données source pour chaque observation. vous pouvez le renommer puis l'ajouter à la liste des variables à inclure. Figure 8-4 Boîte de dialogue Ajouter des variables Variables exclues : Variables à exclure du nouveau fichier fusionné.176 Chapitre 8 observations. Les variables du fichier externe sont identifiées par un signe (+). tous les noms de variables uniques dans les deux fichiers sont inclus dans la liste. Cette variable a une valeur de 0 pour les observations du fichier de travail et une valeur de 1 pour les observations du fichier de données externe. Si vous souhaitez inclure une variable exclue avec un nom redondant dans le fichier fusionné. Par défaut. .

Vous pouvez également utiliser ces clés avec des fichiers de consultation de table. utilisez les clés d'appariement pour identifier et correctement apparier les observations des deux fichiers. âge. „ „ Les clés d'appariement doivent avoir le même nom dans les deux fichiers de données. sélectionnez : Données Fusionner des fichiers Ajouter des variables. est un fichier dans lequel les données de chaque observation peuvent s'appliquer à plusieurs observations de l'autre fichier. Les deux fichiers de données doivent présenter les variables par ordre croissant ou décroissant et l'ordre des variables de la liste clés d'appariement doit être le même que l'ordre de tri. Pour fusionner des fichiers avec les mêmes observations mais des variables différentes E Ouvrez l'un des fichiers de données. Par exemple.. vous pouvez utiliser le fichier sur la famille comme fichier de consultation et appliquer les informations générales à chaque membre de la famille dans le fichier fusionné. E Sélectionnez le fichier à fusionner avec le fichier ouvert. Les observations qui n'ont pas de correspondance dans les clés d'appariement sont inclus dans le fichier fusionné mais elles sont fusionnées avec les observations de l'autre fichier. habitat). E A partir du menu. Les observations sans correspondance contiennent des valeurs uniquement pour les variables du fichier duquel elles sont issues. si un des fichiers contient des informations sur les différents membres d'une famille (sexe. Les variables de l'autre fichier contiennent la valeur manquante par défaut. taille. .. niveau scolaire) et l'autre des informations générales sur la famille (revenu global.177 Gestion et transformations de fichiers Clés d'appariement : Si certaines observations dans un fichier n'ont pas de concordance dans l'autre fichier (c'est-à-dire que certaines observations manquent dans un fichier). „ Le fichier externe ou fichier actif est une table codée : Une table codée ou un fichier de consultation de table.

Par exemple. de données de travail et externe. E Ajoutez des variables à la liste des clés d'appariement. Ajouter des variables: Renommer Vous pouvez renommer les variables du fichier de travail ou du fichier externe avant de les déplacer de la liste des variables à inclure dans le fichier fusionné. Les deux fichiers de données doivent présenter les variables par ordre croissant ou décroissant et l'ordre des variables de la liste clés d'appariement doit être le même que l'ordre de tri. E Sélectionnez Apparier les observations sur les clés des fichiers triés.178 Chapitre 8 Sélectionnez des clés d'appariement : E Sélectionnez les variables du fichier externe (+) dans la liste des Variables exclues. Agréger les données Agréger les données permet de combiner les classes d'observations sous forme d'observations récapitulatives et crée un nouveau fichier de données agrégées. Ceci est particulièrement important si vous souhaitez inclure deux variables portant le même nom mais contenant des informations différentes. Les observations sont agrégées en fonction de la valeur d'une ou plusieurs variables de regroupement. . Les clés d'appariement doivent exister dans les deux fichiers. Le nouveau fichier de données contient une observation pour chaque classe. vous pouvez agréger les données de cantons par département et créer un nouveau fichier dans lequel le département est l'unité d'analyse.

Tous les critères d'agrégation sont enregistrés dans le nouveau fichier avec leurs noms et les informations du dictionnaire. SPSS crée les noms des variables d'agrégation à l'aide des premiers caractères de la variable source. Par défaut.179 Gestion et transformations de fichiers Figure 8-5 Boîte de dialogue Agréger les données Critère(s) d'agrégation : Les observations sont regroupées selon les valeurs des critères d'agrégation. Le critères d'agrégation peut être numérique ou alphanumérique. le nom de la fonction d'agrégation et du nom de la variable source entre parenthèses. Chaque combinaison de valeurs du critère d'agrégation définit une classe et génère une observation dans le nouveau fichier agrégé. Le nom de la variable d'agrégation est suivi éventuellement d'une étiquette de variable entre guillemets. Les variables source pour les fonctions d'agrégation doivent être numériques. . suivis d'un tiret de soulignement et d'un numéro séquentiel à deux chiffres. Variable(s) agrégée(s) : Les variables sont utilisées avec des fonctions d'agrégation pour créer les nouvelles variables du fichier agrégé.

E Sélectionnez une fonction d'agrégation pour chaque variable d'agrégation. Le pourcentage ou la proportion des valeurs appartenant ou n'appartenant pas à un intervalle donné.180 Chapitre 8 Vous pouvez également passer outre les noms de variables d'agrégation par défaut. Vous pouvez également créer une variable qui contienne le nombre d'observations dans chaque agrégat.. E Sélectionnez un ou plusieurs critères d'agrégation qui définissent la façon dont les observations sont groupées pour créer des données agrégées. Pour agréger un fichier de données E A partir du menu. Le nombre d'observations (pondérées et non pondérées. Le pourcentage ou la proportion des valeurs inférieures ou supérieures à une valeur donnée. la médiane.. ajouter des étiquettes de variable descriptive et modifier les fonctions utilisées pour calculer la valeur des données agrégées. Les fonctions d'agrégation comprennent : „ „ „ „ Des fonctions récapitulatives. l'écart type et la somme. E Sélectionnez une ou plusieurs variables d'agrégation à inclure dans le nouveau fichier de données. Agrégation de données : fonction d'agrégation Cette boîte de dialogue indique la fonction à utiliser pour calculer la valeur des données agrégées pour les variables sélectionnées dans la liste des variables agrégées de la Boîte de dialogue Agréger des données. . sélectionnez : Données Agréger. manquantes et non manquantes). notamment la moyenne.

reportez-vous à « Noms de variable » dans Chapitre 5 . page 84.181 Gestion et transformations de fichiers Figure 8-6 Boîte de dialogue Fonction d'agrégation Agrégation de données : nom et étiquette de variable SPSS attribue par défaut des noms aux variables agrégées dans le nouveau fichier de données. Cette boîte de dialogue vous permet de changer le nom des variables sélectionnées dans la liste des variables d'agrégation et vous propose une étiquette descriptive des variables. Pour plus d'informations. Figure 8-7 Boîte de dialogue Nom et étiquette de variable .

en fonction des valeurs d'une ou plusieurs variables de regroupement. suivant l'ordre dans lequel les variables sont présentées dans la liste des variables de regroupement. Par exemple. les observations sont regroupées pour chaque variable au sein des modalités de la variable précédente dans la liste des variables de regroupement. Chaque bloc de huit caractères dans une variable alphanumérique longue (plus de 8 caractères) est considéré comme une variable par rapport à la limite de 8 variables de regroupement. Si le fichier de données n'est pas trié.182 Chapitre 8 Scinder un fichier Scinder un fichier vous permet de scinder un fichier de données en plusieurs classes. Les observations doivent être triées en fonction des valeurs des variables de regroupement. si vous sélectionnez sexe comme première variable de regroupement et culture comme seconde. Si vous sélectionnez plusieurs variables de regroupement. sélectionnez Tri suivant les variables de regroupement. les observations seront classées en fonction de l'origine culturelle au sein de chaque modalité de la variable sexe. „ „ Vous pouvez spécifier jusqu'à 8 variables de regroupement. „ Figure 8-8 Boîte de dialogue Scinder un fichier .

un seul d'entre eux est créé et chaque variable du fichier scindé peut être déplacée entre les dimensions du tableau. E Sélectionnez Comparer les groupes ou Séparer résultats par groupes. Séparer résultats par groupes : Tous les résultats de chaque procédure sont affichés séparément pour chaque classe du fichier scindé. Quant aux diagrammes.183 Gestion et transformations de fichiers Comparer les classes : Les classes du fichier scindé sont présentées ensemble pour permettre la comparaison. En ce qui concerne les tableaux pivotants. Vous pouvez également sélectionner un échantillon aléatoire d'observations. sélectionnez : Données Scinder un fichier... Sélectionner des observations Sélectionner les observations propose une série de méthodes pour sélectionner un sous-groupe d'observations en fonction de certains critères qui incluent variables et expressions complexes. Les critères utilisés pour définir un sous groupe comprennent : „ „ „ „ „ „ Plages et valeurs de variables Plages de dates et d'heures Nombres d'observations (lignes) Expressions arithmétiques Expressions logiques Fonctions . Pour scinder un fichier de données pour analyse E A partir du menu. E Sélectionnez une ou plusieurs variables de regroupement. un diagramme distinct est créé pour chaque groupe du fichier scindé et ces diagrammes sont affichés ensemble dans le Viewer.

Si le résultat est faux ou manquant. filter_$. Selon une variable filtre : Utilise comme filtre la variable numérique sélectionnée dans le fichier de données. Les observations sélectionnées ont la valeur 1. les autres 0. Observations exclues : Vous pouvez filtrer ou supprimer les observations qui ne répondent pas à ces critères. l'observation est sélectionnée.184 Chapitre 8 Figure 8-9 Boîte de dialogue Sélectionner des observations Toutes les observations : Désactive le filtrage et utilise toutes les observations. Les observations dont la valeur de la variable filtre est autre que manquante ou nulle sont sélectionnées. Sélectionner les observations crée une variable de filtre. pour indiquer l'état du filtre. Les observations filtrées sont également indiquées par une . Dans un intervalle de temps ou d'observations : Permet de sélectionner des observations à partir d'un intervalle d'observations ou d'un intervalle de date/temps. Si le résultat de l'expression conditionnelle est vrai. l'observation n'est pas sélectionnée. Selon une condition logique : Utilisez une expression conditionnelle pour sélectionner des observations. Les observations filtrées restent dans le fichier de données mais sont exclues de l'analyse. Par échantillonnage aléatoire : Sélectionne un échantillon aléatoire basé sur un pourcentage approximatif ou un nombre exact d'observations.

Les observations supprimées sont retirées du fichier de données et ne peuvent pas être récupérées si vous enregistrez le fichier de données après cette suppression. E Sélectionnez une des méthodes de sélection d'observations.185 Gestion et transformations de fichiers barre oblique à travers le numéro de ligne dans l'éditeur de données. False (faux) ou manquant pour chaque observation. Sélection d'un sous-groupe d'observations E A partir du menu. sélectionnez : Données Sélectionner des observations.. Pour désactiver le filtrage et réintégrer toutes les observations dans vos analyses. sélectionnez Toutes les observations. Figure 8-10 Boîte de dialogue Sélectionner des observations : Si .. E Spécifiez les critères de sélection des observations. Une expression conditionnelle renvoie la valeur True (vrai). Sélectionner observations : Si La boîte de dialogue vous permet de sélectionner des sous-ensembles d'observations à l'aide d'expressions conditionnelles.

Figure 8-11 Boîte de dialogue Sélectionner observations : Echantillon aléatoire Environ : SPSS génère un échantillon aléatoire d'observations dont le nombre correspond approximativement au pourcentage indiqué. le pourcentage d'observations sélectionnées peut seulement approcher le pourcentage spécifié. <=. Si le résultat d'une expression conditionnelle est Faux ou Manquant. = et ~=) du pavé numérique. plus le pourcentage des observations sélectionnées sera proche de la valeur indiquée. . des constantes. des fonctions. >=. L'échantillonnage est réalisé sans remplacement . Comme cette routine génère une décision indépendante pseudo-aléatoire pour chaque observation. >. numériques ou non. La plupart des expressions conditionnelles utilisent un ou plus des six opérateurs relationnels (<. Sélectionner observations : Echantillon aléatoire Cette boîte de dialogue vous permet de sélectionner un échantillon aléatoire à partir d'un pourcentage approximatif ou un nombre précis d'observations.186 Chapitre 8 „ „ „ „ Si le résultat d'une expression conditionnelle est Vrai. l'observation est sélectionnée. l'observation n'est pas sélectionnée. Plus il y a d'observations dans le fichier de données. Ces expressions conditionnelles peuvent comprendre des noms de variable. des opérateurs arithmétiques. des variables logiques et des opérateurs relationnels. vous ne pouvez donc sélectionner une même observation qu'une seule fois.

Ce deuxième nombre doit être inférieur ou égal au nombre total d'observations dans le fichier de données. Définir dates). Les intervalles de dates et de temps sont valables uniquement pour les séries chronologiques disposant de variables de date (menu Données. Vous devez également indiquer le nombre d'observations à partir duquel l'échantillon sera généré. „ „ Les intervalles d'observations sont fondés sur un numéro de ligne. Sélectionner observations : Plage Cette boîte de dialogue vous permet de sélectionner des observations à partir d'un intervalle de numéros d'observation ou d'un intervalle de date ou de temps. l'échantillon contiendra proportionnellement moins d'observations que le nombre demandé. Si ce nombre dépasse le nombre total d'observations dans le fichier de données.187 Gestion et transformations de fichiers Exactement : Nombre d'observations spécifié par l'utilisateur. Figure 8-12 Sélectionnez la boîte de dialogue Intervalle d'observations pour un intervalle d'observations (aucune variable de date définie) . affiché dans l'éditeur de données.

„ Les valeurs de la variable de pondération doivent indiquer le nombre d'observations représentées par des observations uniques de données. une valeur négative ainsi que les variables manquantes pour la variable de pondération sont exclues de l'analyse. „ Vous pouvez utiliser des fractions. et le plus souvent lorsque les observations sont tabulées (tableaux croisés). Pondérer les observations Pondérer les observations permet de pondérer différemment les observations (par réplication simulée) dans le cadre de l'analyse statistique. Elles sont utilisées à leur juste valeur lorsque cela est significatif. „ Les observations avec zéro.188 Chapitre 8 Figure 8-13 Sélectionnez la boîte de dialogue Intervalle d'observations pour les séries chronologiques (variable de date définie). .

celle-ci est effective jusqu'à ce que vous sélectionniez une autre variable de pondération ou que vous désactiviez cette pondération. les informations de pondération sont également enregistrées. Pour plus d'informations. Ces observations sont toujours exclues du diagramme même lorsque la pondération est désactivée depuis ce diagramme. sélectionnez : Données Pondérer les observations E Sélectionnez Pondérer les observations par. Pondération des diagrammes de dispersion et histogrammes : Les diagrammes de dispersion et les histogrammes disposent d'une option d'activation/désactivation de la pondération des observations. Pondération dans des tableaux croisés : Plusieurs options de la procédure Tableaux croisés permettent de gérer la pondération des observations. page 337. ou une valeur manquante pour la variable de pondération. . mais cela n'affecte pas les observations avec des valeurs négatives. Si vous enregistrez un fichier de données pondérées. reportez-vous à « Affichage de cellules (cases) de tableaux croisés » dans Chapitre 16 . Vous pouvez désactiver la pondération à n'importe quel moment. des zéros.189 Gestion et transformations de fichiers Figure 8-14 Boîte de dialogue Pondérer les observations Une fois que vous avez appliqué une variable de pondération. Pour pondérer des observations E A partir du menu. même après l'enregistrement du fichier avec sa pondération.

vous pouvez : „ „ „ „ Créer des variables d'identification qui vous permettent de faire correspondre une valeur du nouveau fichier avec la valeur du fichier d'origine Trier les données avant leur restructuration Définir les options du nouveau fichier Coller la syntaxe de la commande dans une fenêtre de syntaxe . L'Assistant vous permet de : „ „ „ Restructurer les variables sélectionnées en observations Restructurer les observations sélectionnées en variables Transposer toutes les données Restructuration des données E A partir du menu. Sinon.190 Chapitre 8 E Sélectionnez une variable de fréquence. Par exemple. Restructuration des données Utilisez l'Assistant de restructuration des données pour restructurer les données qui sont nécessaires à la procédure SPSS choisie.. Les valeurs de la variable de fréquence servent à la pondération des observations. une observation ayant la valeur 3 dans la table de fréquence représente 3 observations dans le fichier des données pondérées. sélectionnez : Données Restructurer. restructuré. E Sélectionnez le type de restructuration à effectuer.. L'Assistant remplace le fichier actuel par un nouveau fichier. E Sélectionnez les données à restructurer.

.191 Gestion et transformations de fichiers Assistant de restructuration des données : Sélectionner un type Servez-vous de l'Assistant de restructuration des données pour restructurer vos données. sélectionnez le type de restructuration à effectuer. Dans la première boîte de dialogue. Figure 8-15 Assistant de restructuration des données „ Restructurer les variables sélectionnées en observations : Sélectionnez cette option lorsque vos données comportent des groupes de colonnes apparentées que vous souhaitez faire apparaître dans des groupes de lignes du nouveau fichier de données.

192 Chapitre 8

Si vous choisissez cette option, l'Assistant affiche les étapes relatives à l'opération de restructuration des variables en observations.
„

Restructurer les observations sélectionnées en variables : Sélectionnez cette option

lorsque vos données comportent des groupes de lignes apparentées que vous souhaitez faire apparaître dans des groupes de colonnes du nouveau fichier de données. Si vous choisissez cette option, l'Assistant affiche les étapes relatives à l'opération de restructuration des observations en variables.
„

Transposer toutes les données : Choisissez cette option pour transposer vos

données. Dans les nouvelles données, toutes les lignes vont être transformées en colonnes et les colonnes en lignes. La sélection de cette option entraîne la fermeture de l'Assistant de restructuration des données et l'ouverture de la boîte de dialogue Transposer les données.
Choix du mode de restructuration des données

Une variable contient les informations à analyser, comme une mesure ou un résultat. Une observation correspond, par exemple, à un individu. Dans une structure de données simple, chaque variable correspond à une colonne de vos données et chaque observation à une ligne. Supposez que vous mesuriez les résultats obtenus à un test par tous les étudiants d'une classe. Dans ce cas, tous les résultats apparaissent dans une même colonne et une ligne est associée à chaque étudiant. Lors de l'analyse des données, vous êtes souvent amené à analyser la manière dont une variable évolue en fonction de certaines conditions. Ces conditions peuvent correspondre à un traitement expérimental précis, à une population, à un moment en particulier, etc. Dans l'analyse des données, les conditions qui vous intéressent sont souvent appelées facteurs. Lorsque vous analysez des facteurs, vous obtenez une structure de données complexe. Vous pouvez disposer d'informations sur une variable dans plusieurs colonnes de vos données (par exemple, une colonne pour chaque niveau d'un facteur) ou d'informations sur une observation dans plusieurs lignes (par exemple, une ligne pour chaque niveau d'un facteur). L'Assistant de restructuration des données vous aide à restructurer les fichiers dont la structure de données est complexe. Les options que vous sélectionnez dans l'Assistant dépendent de la structure du fichier actuel et de celle du nouveau fichier.

193 Gestion et transformations de fichiers

Organisation des données dans le fichier actuel : Vous pouvez organiser les données actuelles de telle sorte que les facteurs soient enregistrés dans une variable distincte (dans des groupes d'observations) ou avec la variable (dans des groupes de variables).
„

Groupes d'observations : Dans le fichier actuel, les variables et les conditions

sont-elles enregistrées dans des colonnes distinctes ? Par exemple :
var 8 9 3 1 facteur 1 1 2 2

Dans cet exemple, les deux premières lignes constituent un groupe d'observations car elles sont apparentées. Elles contiennent des données relatives au même niveau de facteur. Dans les analyses de données SPSS, le facteur est souvent appelé variable de regroupement lorsque les données sont structurées de cette manière.
„

Groupes de colonnes : Dans le fichier actuel, les variables et les conditions

sont-elles enregistrées dans la même colonne ? Par exemple :
var_1 8 9 var_2 3 1

Dans cet exemple, les deux colonnes constituent un groupe de variables car elles sont apparentées. Elles contiennent des données concernant la même variable (var_1 pour le niveau de facteur 1 et var_2 pour le niveau de facteur 2). Dans les analyses de données SPSS, le facteur est souvent appelé mesure répétée lorsque les données sont structurées de cette manière.
Organisation des données dans le nouveau fichier : La procédure d'analyse des données

détermine généralement l'organisation des données.
„

Procédures nécessitant des groupes d'observations : Vous devez structurer vos

données en groupes d'observations pour procéder à des analyses qui requièrent une variable de regroupement. A titre d'exemple, il est possible de citer le modèle linéaire général pour les composantes univariées, multivariées et de variance, les modèles linéaires généraux, les modèles mixtes, les cubes OLAP, ainsi que le test T ou les tests non paramétriques pour les échantillons indépendants. Si

194 Chapitre 8

vos données actuelles sont structurées en groupes de variables, sélectionnez Restructurer les variables sélectionnées en observations pour procéder à ces analyses.
„

Procédures nécessitant des groupes de variables : Vous devez structurer vos

données en groupes de variables pour procéder à des analyses de mesures répétées. A titre d'exemple, il est possible de citer le modèle linéaire général pour les mesures répétées, l'analyse par la régression de Cox à prédicteurs chronologiques, le test T pour les échantillons appariés ou les tests non paramétriques pour les échantillons apparentés. Si vos données actuelles sont structurées en groupes d'observations, sélectionnez Restructurer les observations sélectionnées en variables pour procéder à ces analyses.

Exemple de restructuration de variables en observations
Dans cet exemple, les résultats d'un test sont enregistrés dans des colonnes distinctes pour chacun des facteurs A et B.
Figure 8-16 Données actuelles utilisées pour la restructuration de variables en observations

Vous voulez réaliser un test t pour des échantillons indépendants. Vous disposez d'un groupe de colonnes comprenant score_a et score_b, mais pas de la variable de regroupement requise par la procédure. Sélectionnez Restructurer les variables sélectionnées en observations dans l'Assistant de restructuration des données, restructurez un groupe de variables dans une nouvelle variable intitulée résultat, puis créez un index appelé groupe. Le nouveau fichier de données est illustré dans la figure suivante.

195 Gestion et transformations de fichiers Figure 8-17 Nouvelles données restructurées utilisées pour la restructuration de variables en observations

Lorsque vous exécutez le test t pour des échantillons indépendants, vous pouvez désormais utiliser l'index groupe en tant que variable de regroupement.

Exemple de restructuration d'observations en variables
Dans cet exemple, les résultats du test sont enregistrés deux fois pour chaque sujet, avant et après le traitement.
Figure 8-18 Données actuelles utilisées pour la restructuration d'observations en variables

Vous voulez réaliser un test t pour des échantillons appariés. Vos données sont structurées en groupes d'observations, mais vous ne disposez pas des mesures répétées des variables appariées requises par la procédure. Sélectionnez Restructurer les observations sélectionnées en variables dans l'Assistant de restructuration des données, utilisez id pour identifier les groupes de lignes dans les données actuelles, et temps pour créer le groupe de variables dans le nouveau fichier.

196 Chapitre 8 Figure 8-19 Nouvelles données restructurées utilisées pour la restructuration d'observations en variables

Pour l'exécution du test t pour échantillons appariés, vous pouvez désormais utiliser ava et apr comme paire de variables.

Assistant de restructuration des données (Restructurer les variables en observations) : Nombre de groupes de variables
Remarque : L'Assistant vous propose cette étape lorsque vous optez pour la restructuration des groupes de variables en lignes. Lors de cette étape, vous déterminez le nombre de groupes de variables du fichier actuel à restructurer dans le nouveau fichier.
Nombre de groupes de variables présents dans le fichier actuel ? Déterminez le nombre de groupes de variables présents dans les données actuelles. Un groupe de colonnes apparentées, appelé groupe de variables, permet d'enregistrer les mesures répétées d'une même variable dans des colonnes distinctes. Supposez que parmi les données dont vous disposez, trois colonnes, l1, l2 et l3, enregistrent la largeur. Dans ce cas, vous avez un groupe de variables. Si trois autres colonnes, h1, h2 et h3, enregistrent la hauteur, vous disposez de deux groupes de variables. Nombre de groupes de variables à créer dans le nouveau fichier? Déterminez le nombre

de groupes de variables à représenter dans le nouveau fichier. Il n'est pas nécessaire de restructurer tous les groupes de variables dans le nouveau fichier.

197 Gestion et transformations de fichiers Figure 8-20 Assistant de restructuration des données : Nombre de groupes de variables

„ „

Une : L'Assistant crée une variable restructurée dans le nouveau fichier à partir

d'un groupe de variables du fichier actuel.
Plusieurs : L'Assistant crée plusieurs variables restructurées dans le nouveau

fichier. Le nombre spécifié est utilisé à l'étape suivante, au cours de laquelle l'Assistant crée automatiquement le nombre de variables indiqué.

Assistant de restructuration des données (Restructurer les variables en observations) : Sélectionnez Variables
Remarque : L'Assistant vous propose cette étape lorsque vous optez pour la restructuration des groupes de variables en lignes.

198 Chapitre 8

A cette étape, décrivez le mode d'utilisation des variables du fichier actuel dans le nouveau fichier. Vous pouvez également créer une variable qui identifie les lignes du nouveau fichier.
Figure 8-21 Assistant de restructuration des données : Sélectionnez Variables

Identification des nouvelles lignes : Vous pouvez créer une variable dans le nouveau fichier de données afin d'identifier la ligne du fichier actuel qui a servi à créer un groupe de nouvelles lignes. L'identificateur peut être un numéro d'observation séquentiel ; il peut également s'agir des valeurs de la variable. Utilisez les contrôles de l'option Identification du groupe d'observations pour définir la variable d'identification dans le nouveau fichier. Cliquez sur une cellule pour modifier le nom de la variable par défaut et attribuer une étiquette descriptive à la variable d'identification.

199 Gestion et transformations de fichiers

Eléments à restructurer dans le nouveau fichier : A l'étape précédente, vous avez

indiqué à l'Assistant le nombre de groupes de variables à restructurer. L'Assistant a créé une variable pour chaque groupe. Les valeurs du groupe de variables apparaîtront dans cette variable, dans le nouveau fichier. Utilisez les contrôles de l'option Variables à transposer pour définir la variable restructurée dans le nouveau fichier.
Pour spécifier une variable structurée
E Placez dans la liste Variables à transposer les variables comprenant le groupe de

variables à transformer. Toutes les variables du groupe doivent être du même type (numérique ou alphanumérique). Vous pouvez inclure une même variable plusieurs fois dans le groupe de variables (au lieu d'être déplacées, les variables sont copiées à partir de la liste des variables source) ; ses valeurs sont répétées dans le nouveau fichier.
Pour spécifier plusieurs variables structurées
E Dans la liste déroulante, sélectionnez la première variable cible à définir. E Placez dans la liste Variables à transposer les variables comprenant le groupe de

variables à transformer. Toutes les variables du groupe doivent être du même type (numérique ou alphanumérique). Vous pouvez inclure la même variable plusieurs fois dans le groupe de variables. (Une variable est copiée au lieu d'être déplacée à partir de la liste des variables source et ses valeurs sont répétées dans le nouveau fichier.)
E Sélectionnez la variable cible suivante à définir et recommencez le processus de

sélection de la variable pour toutes les variables cible disponibles.
„

Bien que vous puissiez inclure plusieurs fois une même variable dans un groupe de variables cible, vous ne pouvez pas l'inclure dans plusieurs groupes de variables cible. Chaque liste de groupes de variables cible doit contenir le même nombre de variables. (Les variables répertoriées plusieurs fois sont comptées.)

„

200 Chapitre 8 „

Le nombre de groupes de variables cible est déterminé par le nombre de groupes de variables que vous avez indiqué à l'étape précédente. Vous pouvez modifier le nom par défaut des variables ici, mais pour modifier le nombre de groupes de variables à restructurer, vous devez retourner à l'étape précédente. source) pour chaque variable cible disponible avant de passer à l'étape suivante.

„ Vous devez définir les groupes de variables (sélectionnez les variables dans la liste

Eléments à copier dans le nouveau fichier Les variables non restructurées peuvent être copiées dans le nouveau fichier. Leurs valeurs seront répercutées dans les nouvelles lignes. Déplacez vers la liste Variable(s) fixe(s) les variables à copier dans le nouveau fichier.

Assistant de restructuration des données (Restructurer les variables en observations) : Créer des variables d'index
Remarque : L'Assistant vous propose cette étape lorsque vous optez pour la restructuration des groupes de variables en lignes. A cette étape, indiquez si vous voulez créer des variables d'index. Un index est une nouvelle variable qui identifie de manière séquentielle un groupe de lignes d'après la variable d'origine à partir de laquelle la nouvelle ligne a été créée.

201 Gestion et transformations de fichiers Figure 8-22 Assistant de restructuration des données : Créer des variables d'index

Nombre de variables d'index à créer dans le nouveau fichier ? Vous pouvez utiliser les

variables d'index en tant que variables de regroupement dans les procédures SPSS. Dans la plupart des cas, une variable d'index suffit. Toutefois, si les groupes de variables de votre fichier actuel font apparaître plusieurs niveaux de facteur, il est recommandé de créer plusieurs index.
„ „

Une : L'Assistant crée une seule variable d'index. Plusieurs : L'Assistant crée plusieurs index. Entrez le nombre d'index à créer.

Le nombre spécifié est utilisé à l'étape suivante, au cours de laquelle l'Assistant crée automatiquement le nombre d'index indiqué.
„

Aucune : Sélectionnez cette option pour ne créer aucune variable d'index dans le

nouveau fichier.

202 Chapitre 8

Exemple d'index unique lors de la restructuration de variables en observations
Parmi les données actuelles figurent un groupe de variables, largeur, et un facteur, temps. La largeur a été mesurée trois fois et enregistrée dans l1, l2 et l3.
Figure 8-23 Données actuelles utilisées pour un index

Vous allez restructurer le groupe de variables en une seule variable, largeur, et créer un index numérique. Les nouvelles données sont illustrées dans le tableau suivant.
Figure 8-24 Nouvelles données restructurées avec un index

La valeur Index débute à 1 et s'incrémente pour chacune des variables du groupe. Elle se réinitialise sur 1 dès qu'une nouvelle ligne est détectée dans le fichier d'origine. Vous pouvez désormais utiliser la valeur index dans les procédures SPSS qui requièrent une variable de regroupement.

Exemple de deux index lors de la restructuration de variables en observations
Lorsqu'un groupe de variables enregistre plusieurs facteurs, vous pouvez créer plusieurs index. Toutefois, vous devez organiser les données utilisées de façon à ce que les niveaux du premier facteur correspondent à un index principal qui inclut les niveaux des facteurs suivants. Les données actuelles comprennent un groupe de variables, largeur et deux facteurs, A et B. Les données sont organisées de telle sorte que les niveaux du facteur B sont inclus dans les niveaux du facteur A.

203 Gestion et transformations de fichiers Figure 8-25 Données actuelles utilisées pour deux index

Vous allez restructurer le groupe de variables en une seule variable, largeur, et créer deux index. Les nouvelles données sont illustrées dans le tableau suivant.
Figure 8-26 Nouvelles données restructurées avec deux index

Assistant de restructuration des données (Restructurer les variables en observations) : Créer une variable d'index
Remarque : L'Assistant vous propose cette étape lorsque vous optez pour la restructuration des groupes de variables en lignes et pour la création d'une variable d'index. A cette étape, indiquez les valeurs à affecter à la variable d'index. Vous pouvez utiliser des nombres séquentiels ou le nom des variables d'un groupe de variables d'origine. Vous pouvez également attribuer un nom et une étiquette à la nouvelle variable d'index.

204 Chapitre 8 Figure 8-27 Assistant de restructuration des données : Créer une variable d'index

Pour plus d'informations, reportez-vous à « Exemple d'index unique lors de la restructuration de variables en observations » , page 202.
„ „

Nombres séquentiels : L'Assistant affecte automatiquement des numéros

séquentiels en tant que valeurs d'index.
Noms des variables : L'Assistant utilise les noms du groupe de variables

sélectionné en tant que valeurs d'index. Choisissez un groupe de variables dans la liste proposée.
„ Noms et étiquettes : Cliquez sur une cellule pour modifier le nom de la variable par

défaut et attribuer une étiquette descriptive à la variable d'index.

205 Gestion et transformations de fichiers

Assistant de restructuration des données (Restructurer les variables en observations) : Créer plusieurs variables d'index
Remarque : L'Assistant vous propose cette étape lorsque vous optez pour la restructuration des groupes de variables en lignes et pour la création de plusieurs variables d'index. A cette étape, indiquez le nombre de niveaux de chaque variable d'index. Vous pouvez également attribuer un nom et une étiquette à la nouvelle variable d'index.
Figure 8-28 Assistant de restructuration des données : Créer plusieurs variables d'index

Pour plus d'informations, reportez-vous à « Exemple de deux index lors de la restructuration de variables en observations » , page 202.

Il va comparer le produit des niveaux créés au nombre de variables figurant dans vos groupes de variables. précisez les options du nouveau fichier restructuré. En cas de facteurs multiples. l'Assistant vérifie le nombre de niveaux que vous créez. Un niveau définit un groupe d'observations ayant été soumis à des conditions identiques. celle du dernier index est la plus rapide. A cette étape. Assistant de restructuration des données (Restructurer les variables en observations) : Options Remarque : L'Assistant vous propose cette étape lorsque vous optez pour la restructuration des groupes de variables en lignes. Les valeurs débutent à 1 et s'incrémentent à chaque niveau. L'incrémentation du premier index est la plus lente . Noms et étiquettes : Cliquez sur une cellule pour modifier le nom de la variable par défaut et attribuer une étiquette descriptive aux variables d'index. Les valeurs des variables d'index multiples sont toujours des nombres séquentiels. . Ils doivent être identiques. vous devez organiser les données actuelles de façon à ce que les niveaux du premier facteur correspondent à un index principal qui inclut les niveaux des facteurs suivants. Niveaux combinés (total) : Vous ne pouvez pas créer plus de niveaux que dans les données actuelles. Nombre de niveaux à créer dans le nouveau fichier ? Entrez le nombre de niveaux pour chaque index. Etant donné que les données restructurées vont contenir une ligne pour chaque combinaison de traitements.206 Chapitre 8 Nombre de niveaux enregistrés dans le fichier actuel ? Déterminez le nombre de niveaux de facteur enregistrés dans les données actuelles.

les variables à copier et une variable d'identification parmi les données actuelles.207 Gestion et transformations de fichiers Figure 8-29 Assistant de restructuration des données : Options Suppression des variables non sélectionnées ? Lors de la phase de sélection des variables (étape 3). Les données des variables sélectionnées vont figurer dans le nouveau fichier. vous avez indiqué les groupes de variables à restructurer. Si d'autres variables figurent dans les données actuelles. Vous pouvez conserver ou supprimer les lignes qui contiennent uniquement des valeurs nulles. vous pouvez les supprimer ou les conserver. . Conservation des données manquantes ? L'Assistant recherche des valeurs nulles dans chacune des nouvelles lignes potentielles. Une valeur nulle est une valeur manquante par défaut ou vide.

décrivez le mode d'utilisation des variables du fichier actuel dans le nouveau fichier. Cliquez sur une cellule pour modifier le nom de la variable par défaut et attribuer une étiquette descriptive à la variable de décompte. Elle contient le nombre de nouvelles lignes générées par une ligne des données actuelles. Une variable de décompte peut s'avérer utile lorsque vous choisissez de supprimer les valeurs nulles du nouveau fichier.208 Chapitre 8 Création d'une variable de décompte ? L'Assistant peut créer une variable de décompte dans le nouveau fichier. . A cette étape. Il est en effet alors possible de créer un nombre de lignes différent pour une ligne précise des données actuelles. Assistant de restructuration des données (Restructurer les observations en variables) : Sélectionnez Variables Remarque : L'Assistant vous propose cette étape lorsque vous optez pour la restructuration des groupes d'observations en colonnes.

Chaque fois que l'Assistant détecte une nouvelle combinaison de valeurs d'identification. dans le même ordre que les variables qui figurent dans la liste Variable(s) de l'identificateur. Vous devez par conséquent trier les observations du fichier actuel sur la base des valeurs des variables d'identification. il crée une ligne. Les variables qui servent à diviser le fichier de données actuel sont automatiquement affectées à l'identification des groupes. . L'Assistant doit pouvoir repérer les variables du fichier actuel qui identifient les groupes d'observations afin d'intégrer chacun d'entre eux dans une ligne du nouveau fichier. En effet. Déplacez vers la liste Variable(s) de l'identificateur les variables qui identifient les groupes d'observations dans le nouveau fichier. Vous pouvez trier le fichier actuel à l'étape suivante.209 Gestion et transformations de fichiers Figure 8-30 Assistant de restructuration des données : Sélectionnez Variables Eléments d'identification des groupes d'observations dans les données actuelles ? Un groupe d'observations est un groupe de lignes apparentées. ces dernières mesurent la même unité d'observation. comme un individu ou une institution.

Déplacez vers la liste Variable(s) d'index les variables qui doivent servir à la création des groupes de variables. Les variables d'index correspondent aux variables incluses dans les données actuelles dont l'Assistant se sert pour créer des colonnes. Les données restructurées contiendront une nouvelle variable pour chacune des valeurs uniques figurant dans ces colonnes. . cette variable apparaît dans plusieurs colonnes. Chaque fois que l'Assistant détecte une nouvelle combinaison de valeurs d'identification. une variable apparaît dans une seule colonne.210 Chapitre 8 Mode de création des groupes de variables dans le nouveau fichier ? Dans les données d'origine. dans le nouveau fichier. Si tel est le cas. les valeurs dans un groupe de variables. il crée une ligne. Assistant de restructuration des données (Restructurer les observations en variables) : Trier Données Remarque : L'Assistant vous propose cette étape lorsque vous optez pour la restructuration des groupes d'observations en colonnes. Vous devez par conséquent trier les données d'après les variables identifiant les groupes d'observations. vous pouvez également opter pour le tri des nouvelles colonnes par index. Dans le nouveau fichier de données. Parmi les possibilités offertes par l'Assistant. Dans le cas contraire. indiquez si vous voulez trier le fichier actuel avant de le restructurer. l'Assistant restructure. A cette étape. l'Assistant copie les valeurs dans le nouveau fichier. Il vérifie pour chaque variable si les valeurs des données varient au sein d'un groupe d'observations. Devenir des autres colonnes ? L'Assistant détermine automatiquement ce que vont devenir les variables qui demeurent dans la liste Fichier actuel.

dans le même ordre que les variables qui figurent dans la liste Variable(s) de l'identificateur présentée à l'étape précédente. Cette option implique un passage . „ Oui : L'Assistant trie automatiquement les données actuelles par variable d'identification.211 Gestion et transformations de fichiers Figure 8-31 Assistant de restructuration des données : Trier Données Organisation des lignes dans le fichier actuel ? Déterminez le mode de tri des données actuelles et les variables qui servent à identifier les groupes de variables (définis à l'étape précédente). Sélectionnez cette option lorsque les données ne sont pas triées par variable d'identification ou lorsque vous avez des doutes à ce propos.

A cette étape. Sélectionnez cette option lorsque vous êtes certain que les données actuelles sont triées sur la base des variables qui identifient les groupes d'observations. . mais elle assure un tri adéquat des lignes dans l'optique de la restructuration. „ Non : L'Assistant ne trie pas les données actuelles.212 Chapitre 8 distinct des données. Assistant de restructuration des données (Restructurer les observations en variables) : Options Remarque : L'Assistant vous propose cette étape lorsque vous optez pour la restructuration des groupes d'observations en colonnes. précisez les options du nouveau fichier restructuré.

Par index : L'Assistant regroupe les variables en fonction des valeurs des variables d'index.213 Gestion et transformations de fichiers Figure 8-32 Assistant de restructuration des données : Options Mode de tri des groupes de variables dans le nouveau fichier „ „ Par variable : L'Assistant regroupe les variables créées à partir d'une variable d'origine.jan .fév h. Exemple : Les variables à restructurer sont l et h.jan l. et l'index est mois : l h mois Le résultat du regroupement par variable est le suivant : l.

Exemple : La variable d'index est produit. Les variables indicatrices signalent la présence ou l'absence d'une valeur pour une observation. Il crée une variable pour chaque valeur unique de la variable d'index. les données restructurées pourraient être utilisées pour obtenir des effectifs des produits achetés par le client.fév Création d'une variable de décompte : L'Assistant peut créer une variable de décompte dans le nouveau fichier. elle a la valeur 0. sinon. Une variable indicatrice a la valeur 1 si l'observation a une valeur .jan l. .214 Chapitre 8 Le résultat du regroupement par index est le suivant : l. Elle enregistre les produits achetés par un client. Les données d'origine sont les suivantes : client 1 1 2 3 produit poussin oeufs oeufs poussin La création d'une variable indicatrice entraîne la création d'une variable pour chaque valeur unique de produit. Les données restructurées sont les suivantes : client 1 2 3 poussin indicateur 1 0 1 oeufs indicateurs 1 1 0 Dans cet exemple. Assistant de restructuration des données : Terminer Il s'agit de la dernière étape de l'Assistant de restructuration de données.jan h. Définissez l'objet de vos spécifications. Elle contient le nombre de lignes des données actuelles qui a permis de créer une ligne dans le nouveau fichier de données. Créer des variables indicatrices : L'assistant peut utiliser les variables d'index pour créer des variables indicatrices dans le nouveau fichier de données.

. Choisissez cette option pour remplacer immédiatement le fichier actuel. les nouvelles données sont également pondérées à moins que la variable qui sert de pondération ne soit restructurée ou supprimée du nouveau fichier. „ Coller la syntaxe : L'assistant colle la syntaxe générée dans une fenêtre de syntaxe. Sélectionnez cette option si vous n'êtes pas prêt à remplacer le fichier actuel.215 Gestion et transformations de fichiers Figure 8-33 Assistant de restructuration des données : Terminer „ Restructurer : L'assistant crée le fichier restructuré. Remarque : Si les données d'origine sont pondérées. lorsque vous voulez modifier sa syntaxe ou lorsque vous souhaitez l'enregistrer en vue d'une utilisation ultérieure.

.

Viewer Les résultats sont affichés dans le Viewer. afficher ou masquer les tableaux et diagrammes sélectionnés . avec la disposition et le formatage appropriés. 217 .Chapitre Utilisation du résultat 9 Lorsque vous lancez une procédure. les résultats sont affichés dans une fenêtre appelée le Viewer. vous pouvez facilement naviguer vers toutes les parties du résultat que vous voulez voir. modifier l'ordre d'affichage des résultats en déplaçant les éléments sélectionnés . déplacer des éléments entre le Viewer et d'autres applications. Vous pouvez également manipuler le résultat et créer un document contenant précisément le résultat voulu. Vous pouvez utiliser le Viewer pour : „ „ „ „ parcourir les résultats . Dans cette fenêtre.

218 Chapitre 9 Figure 9-1 Viewer Le Viewer est divisé en deux panneaux : „ „ Le panneau de gauche du Viewer contient une légende du contenu du résultat. Le panneau droit contient les tableaux statistiques. Pour utiliser le Viewer en mode brouillon : . vous pouvez utiliser le Viewer en mode brouillon. Vous pouvez cliquer et faire glisser le bord droit de la fenêtre de légende pour modifier la largeur de la fenêtre. les diagrammes et les textes. Vous pouvez utiliser les barres de défilement pour parcourir les résultats ou cliquer sur un élément de la ligne de légende pour aller directement au tableau ou diagramme correspondant. Utilisation du Viewer en mode brouillon Si vous préférez les sorties en texte simple plutôt que les tableaux pivotants interactifs.

ou E Cliquez sur l'élément pour le sélectionner. Masquage des tableaux et diagrammes E Double-cliquez sur l'icône Livre dans le panneau de légende du Viewer. E Dans l'onglet Général. Pour plus d'informations. . Affichage et masquage des résultats Dans le Viewer.. sélectionnez : Aide Rubriques E Cliquez sur l'onglet Index dans la fenêtre Rubriques d'aide. vous pouvez sélectionner individuellement des tableaux ou les résultats d'une procédure pour les afficher ou les masquer.219 Utilisation du résultat E A partir du menu de n'importe quelle fenêtre.. E Pour modifier les options de format de sortie du Viewer en mode brouillon. cliquez sur Viewer en mode brouillon comme type de résultat. reportez-vous à « Viewer en mode brouillon » dans Chapitre 10 . E A partir du menu de n'importe quelle fenêtre. cliquez sur l'onglet Viewer en mode Brouillon. Cette option est utile si vous voulez limiter la proportion de résultats visibles dans le panneau de contenu. E Tapez Viewer en mode brouillon et double-cliquez sur l'entrée d'index. sélectionnez : Edition Options. page 251.

Déplacement des résultats dans le Viewer E Cliquez sur un élément du panneau de légende ou de contenu pour le sélectionner. Vous pouvez également déplacer les éléments à l'aide des commandes Couper et Coller après du menu Edition. . Déplacement. L'icône Livre ouvert (Montrer) devient l'icône active. en déplaçant ou en effaçant un élément ou un groupe d'éléments.220 Chapitre 9 E A partir du menu. Pour masquer les résultats d'une procédure E Cliquez sur la boîte à gauche du nom de la procédure dans le panneau de légende. suppression et copie de résultats Vous pouvez réarranger les résultats en copiant. sélectionnez : Affichage Masquer ou E Cliquez sur l'icône Livre fermé (Masquer) dans la barre d'outils Légende. E Relâchez le bouton de la souris lorsque le curseur se trouve sur l'élément situé juste au-dessus de l'emplacement où vous voulez placer les éléments sélectionnés. (Maj-Clic pour sélectionner plusieurs éléments. ou Ctrl-clic pour sélectionner des éléments non contigus) E Utilisez la souris pour cliquer et faire glisser les éléments sélectionnés (maintenir le bouton enfoncé pendant que vous faites glisser les éléments sélectionnés). Cela masque tous les résultats de la procédure et réduit l'affichage de la légende. indiquant que l'élément est désormais masqué.

choisissez Options. E Relâchez le bouton de la souris pour déposer les éléments à l'endroit désiré. ou E A partir du menu. E Maintenez la touche Ctrl enfoncée pour cliquer et faire glisser les éléments sélectionnés (maintenez le bouton de la souris enfoncé pendant que vous faites glisser les éléments sélectionnés). ou Ctrl-clic pour sélectionner des éléments non contigus).221 Utilisation du résultat Pour supprimer des résultats dans le Viewer E Cliquez sur un élément du panneau de légende ou de contenu pour le sélectionner. Vous pouvez modifier l'alignement initial (dans le menu Edition. Vous pouvez également copier les éléments à l'aide des commandes Copier et Coller après du menu Edition ou du menu contextuel. Modification de l'alignement Par défaut. (Maj-Clic pour sélectionner plusieurs éléments. ou vous pouvez modifier l'alignement des éléments sélectionnés à tout moment. E Appuyez sur la touche Supprimer. (Maj-Clic pour sélectionner plusieurs éléments. puis l'onglet Viewer). ou Ctrl-clic pour sélectionner des éléments non contigus). sélectionnez : Edition Supprimer Pour copier des résultats dans le Viewer E Cliquez sur des éléments du panneau de légende ou de contenu pour les sélectionner. . tous les résultats sont initialement alignés à gauche.

pour sélectionner plusieurs éléments. Les éléments centrés et alignés à droite sont identifiés par un symbole situé au-dessus et à gauche des éléments en question. Seul l'alignement des résultats imprimés est affecté par les paramètres d'alignement. Remarque : Tous les résultats sont affichés dans le Viewer avec alignement à gauche. Réduire la ligne de légende masque le résultat de tous les éléments des niveaux réduits.222 Chapitre 9 Modification de l'alignement des résultats E Sélectionnez les éléments à aligner (cliquez sur les éléments dans le panneau de légende ou de contenu . sélectionnez : Format Aligner à gauche Les autres options d'alignement incluent Centrer et Aligner à droite. Vous pouvez utiliser le panneau de légende pour naviguer dans votre résultat et contrôler l'affichage du résultat. . Légende du Viewer Le panneau de légende fournit une table des matières du document Viewer. E A partir du menu. cliquez dessus tout en appuyant sur la touche Maj ou Ctrl). „ „ „ Sélectionner un élément dans le panneau de légende sélectionne et affiche l'élément correspondant dans le panneau de contenu. Déplacer un élément dans le panneau de légende déplace l'élément correspondant dans le panneau de contenu. La plupart des actions dans le panneau de légende ont un effet correspondant sur le panneau de contenu.

223 Utilisation du résultat Figure 9-2 Panneau de légende réduit et résultats masqués Contrôler l'Affichage du Résultat : Pour contrôler l'affichage du résultat. . Réduction et développement de la vue de la ligne de légende E Cliquez sur la boîte à gauche de l'élément de ligne de légende à réduire ou à étendre. vous pouvez : „ „ „ „ Maximiser et Réduire l'affichage de la ligne de légende. Modifier le niveau de ligne de légende pour les éléments sélectionnés. Modifier la taille des éléments dans l'affichage de la ligne de légende. Modifier la police utilisée dans l'affichage de la ligne de légende. ou E Cliquez sur l'élément dans la ligne de légende.

E Cliquez sur la flèche gauche de la barre d'outil de la Ligne de légende pour promouvoir l'élément (le déplacer vers la gauche). Déplacer des éléments peut modifier le niveau de légende des éléments sélectionnés. .224 Chapitre 9 E A partir du menu. E Cliquez sur la flèche droit de la barre d'outil de la Ligne de légende pour rétrograder l'élément (déplacer l'élément vers la droite). sélectionnez : Edition Bordure Développer ou Edition Bordure Réduire Modifier le niveau de légende est particulièrement utile après avoir déplacé des éléments dans un niveau de légende. ou A partir du menu. sélectionnez : Affichage Plier ou Affichage Développer Modification du niveau de légende E Cliquez sur l'élément du panneau de légende pour le sélectionner. et vous pouvez utiliser les boutons de flèche gauche et de flèche droite dans la barre d'outils de la Ligne de légende pour restaurer le niveau d'origine.

vous pouvez ajouter des éléments tels que des titres. Les icônes et les textes associés changent de taille. sélectionnez : Affichage Police de la ligne de légende E Sélectionnez une police. du nouveau texte. sélectionnez : Affichage Taille de la ligne de légende Petit D'autres options incluent Moyen et Grand. E A partir du menu. diagramme ou autre objet qui précédera le titre ou texte. des diagrammes ou des données provenant d'autres applications.225 Utilisation du résultat Pour modifier la taille des éléments dans la légende E A partir du menu. E Cliquez sur le tableau. sélectionnez : Insérer Nouveau titre ou Insérer Nouveau texte E Double-cliquez sur le nouvel objet. Pour modifier la police dans la légende E A partir du menu. Pour ajouter un nouveau titre ou texte Des éléments textes qui ne sont pas liés à un tableau ou un diagramme peuvent être ajoutés au Viewer. . Ajout d'éléments au Viewer Dans le Viewer.

. E A partir du menu.. sélectionnez : Insérer Fichier texte. Pour insérer un diagramme Des graphiques de versions antérieures de SPSS peuvent être insérés dans le Viewer.. double-cliquez dessus. E A partir du menu. Pour modifier le texte. Ajout d'un fichier texte E Dans le panneau de légende ou de contenu du Viewer.226 Chapitre 9 E Entrez le texte souhaité à cet emplacement. E Sélectionnez un fichier diagramme. Après avoir collé le tableau. diagramme ou autre objet qui précédera le texte. cliquez sur le tableau. Pour insérer un diagramme : E Cliquez sur le tableau. vous pouvez imbriquer des tableaux pivotants et des diagrammes interactifs.. vous pouvez l'activer sur place en double-cliquant dessus puis le modifier comme dans le Viewer. Utilisation de résultats dans d'autres applications Les tableaux pivotants et graphiques SPSS peuvent être copiés et collés dans d'autres applications Windows telles que les traitements de texte ou les tableurs. sélectionnez : Insérer Ancien diagramme.. Vous pouvez coller les tableaux pivotants ou les graphiques dans l'un des divers formats suivants : Objet imbriqué : Pour des applications supportant les objets ActiveX. E Sélectionnez un fichier texte. diagramme ou autre objet qui précédera le diagramme.

choisissez : Edition Coller ou Edition Collage spécial. sélectionnez : Edition Copier Copie et collage des résultats dans une autre application E Copiez les résultats dans le Viewer.227 Utilisation du résultat Image (métafichier) : Vous pouvez coller des tableaux pivotants. où l'application ne peut accepter ou transmettre que du texte. RTF (texte enrichi) : Les tableaux pivotants peuvent être collés dans d'autres applications au format RTF. E A partir du menu. et quelquefois édité dans une mesure limitée à l'aide des outils de l'autre application. E Dans les menus de l'application cible. Le format image peut être redimensionné dans l'autre application. des résultats texte et des diagrammes en tant qu'images (métafichiers). Pour copier un tableau ou un diagramme E Sélectionnez le tableau ou diagramme à copier. Texte : Le contenu d'un tableau peut être copié et collé comme texte.. Cette option peut être utile pour les applications telles que le courrier électronique. Bitmap : Les diagrammes peuvent être collés dans d'autres applications en tant que bitmaps. cette procédure colle le tableau pivotant en tant que tableau pouvant être modifié dans une autre application. Dans la plupart des applications. .. Les tableaux pivotants collés comme images conservent toutes leurs caractéristiques de bordures et de polices. BIFF : Le contenu d'un tableau peut être collé dans une feuille de calcul et conserver sa précision numérique.

Chaque application détermine le « meilleur » format à utiliser pour Coller. Collage spécial : Les résultats sont copiés dans le Presse-papiers dans de multiples formats. Pour incorporer un tableau pivotant ou un diagramme interactif dans une autre application : E Dans le Viewer. ce qui collera le tableau pivotant comme un tableau. E Dans la liste. . Coller collera les tableaux pivotants au format RTF. copiez le tableau.) Ceci active l'incorporation ActiveX pour les tableaux pivotants. Coller collera les résultats en tant qu'image (métafichier). (Double-cliquez sur le fichier pour l'exécuter. Incorporation d'un tableau dans une autre application Vous pouvez imbriquer des tableaux pivotants et des diagrammes interactifs dans d'autres applications au format ActiveX.. Les diagrammes sont collés en tant que métafichiers.228 Chapitre 9 Coller : Les sorties sont copiées vers le Presse-papiers dans un certain nombre de formats. Pour les tableurs. E Dans les menus de l'application cible. sélectionnez Objet tableau pivotant SPSSouSPSS Graphics Control Object. Dans beaucoup d'applications. Collage spécial vous permet de sélectionner le format voulu dans la liste des formats disponibles pour l'application cible. Le fichier objs-off.bat situé dans le répertoire d'installation du programme..bat désactive l'incorporation des objets ActiveX. Pour les applications de traitement de texte. choisissez : Edition Collage spécial. Un objet imbriqué peut être activé sur place en double cliquant dessus puis en le modifiant et le faisant pivoter comme dans le Viewer. Coller colle les tableaux pivotants au format BIFF. Si vous avez des applications prenant en charge les objets Active-X : E Exécutez le fichier objs-on.

.. Les autres strates et colonnes masquées ne sont pas disponibles. choisissez : Affichage Collage spécial. L'élément est collé comme métafichier. Les autres strates et colonnes masquées ne sont pas disponibles. choisissez : Edition Collage spécial. Collage d'un tableau pivotant ou d'un diagramme en tant qu'image (métafichier) E Dans le Viewer. . E Dans la liste. E Dans les menus de l'application cible.229 Utilisation du résultat L'application cible doit prendre en charge les objets ActiveX. E Dans la liste. sélectionnez Texte formaté (RTF) ou Texte enrichi. Seule la strate et les colonnes visibles lorsque l'élément a été copié sont disponibles dans le métafichier. Certaines applications qui ne prennent pas en charge ActiveX pourront initialement accepter des tableaux pivotants ActiveX mais faire preuve ensuite d'instabilité. copiez le tableau ou le diagramme.. Vous pouvez copier et coller un seul tableau pivotant à la fois à ce format. copiez le tableau pivotant.. E Dans les menus de l'application cible. sélectionnez Image. Voir la documentation de l'application pour plus d'informations sur la prise en charge de ActiveX. Collage d'un tableau pivotant en tant que tableau (RTF) E Dans le Viewer. Ne vous fiez pas aux objets imbriqués jusqu'à ce que vous ayez testé la stabilité de votre application avec les objets Active-X imbriqués. Le tableau pivotant est collé en tant que tableau. Seule la strate et les colonnes visibles lorsque l'élément a été copié sont collées dans le tableau.

Les deux types de collage placent le nouvel objet à la suite de l'objet actuellement sélectionné dans le Viewer. choisissez : Affichage Collage spécial. choisissez Texte non formaté. E Dans la liste. Collage d'objets dans le Viewer Des objets provenant d'autres applications peuvent être collés dans le Viewer. sélectionnez : Edition Copier les objets E Dans l'application cible. Copie et collage de plusieurs éléments dans une autre application E Sélectionnez les tableaux et/ou graphiques à copier. . Vous pouvez aligner des colonnes en ajustant les marques de tabulation dans l'autre application. Le texte du tableau pivotant non formaté contient des tabulations entre les colonnes.. (Maj-clic ou Ctrl-clic pour sélectionner plusieurs éléments) E A partir du menu. Pour copier et coller dans SPSS (par exemple.. sélectionnez : Edition Coller Remarque : Utiliser Copier les objets pour copier plusieurs éléments du Viewer vers une autre application seulement. E Dans les menus de l'application cible. Vous pouvez utiliser soit Coller après. soit Collage spécial. à partir du menu. entre deux fenêtres du Viewer). utilisez Copier dans le menu Edition. copiez le tableau. Utilisez Collage spécial lorsque vous voulez choisir le format de l'objet à coller.230 Chapitre 9 Collage d'un tableau pivotant en tant que texte E Dans le Viewer.

L'objet sera inséré dans le Viewer à la suite de l'objet actuellement sélectionné. sélectionnez le format de l'objet. sélectionnez : Edition Collage spécial. E Dans la liste. cliquez sur le tableau. Figure 9-3 Boîte de dialogue Collage spécial Collage d'objets d'une autre application dans le Viewer E Copiez l'objet dans l'autre application.. .231 Utilisation du résultat Collage spécial Collage spécial vous permet de sélectionner le format de l'objet copié à coller dans le Viewer. E A partir du menu. E Dans le panneau de légende ou de contenu du Viewer. diagramme ou autre objet qui précédera l'objet à coller.. Les types de fichier possibles pour l'objet dans le Presse-papiers sont listés.

texte. Tous les résultats texte sont exportés en format avec espaces. une ligne est insérée dans le fichier texte pour chaque diagramme. texte. Pour le format document texte. Document résultat : Exporte toute combinaison de tableaux pivotants. pour les formats HTML et texte. TIFF. Graphiques uniquement : Les formats d'exportation disponibles sont les suivants : métafichier Windows (WMF). bitmap Windows (BMP). Pour le format document HTML. indiquant le nom de fichier du diagramme exporté. les tableaux pivotants et le texte sont exportés de la façon suivante : „ „ Fichier HTML (*.txt) : Les tableaux pivotants peuvent être exportés en format tabulé ou avec espaces. „ „ Document Résultat (sans Graphiques) : Exporte les tableaux pivotants et les résultats texte. „ Pour les formats HTML et texte. sélectionnez un format d'exportation de graphiques dans la liste déroulante. les options disponibles sont HTML. les diagrammes sont exportés au format du diagramme sélectionné dans la boîte de dialogue Options. Les diagrammes du Viewer sont ignorés. Fichier texte (*. les diagrammes sont exportés au format métafichier Windows et incorporés dans le document Word. les tableaux sont intégrés par référence. Word/RTF et Excel . Les diagrammes ne sont pas inclus dans les documents Excel. Format d'exportation : Pour les documents de résultat. Les résultats texte sont publiés au format HTML pré-formaté.232 Chapitre 9 Exporter résultats L'option Exporter le résultat enregistre les tableaux pivotants SPSS et les éléments texte au format HTML. . Pour les documents de résultat. PNG ou PICT Macintosh. tous les objets visibles ou seulement les objets sélectionnés. Pour Graphiques Seulement. PostScript encapsulé (EPS).htm) : Les tableaux pivotants sont exportés comme des tableaux HTML. et enregistre les diagrammes sous divers formats communément utilisés par d'autres applications. JPEG. Pour le format Word/RTF. et vous devez exporter les tableaux sous un format adapté pour permettre leur intégration dans des documents HTML. résultat texte et diagrammes. Word/RTF et Excel. Exporter quoi : Vous pouvez exporter tous les objets du Viewer. les diagrammes sont exportés dans le format d'exportation du diagramme sélectionné.

couleurs d'arrière-plan.doc) : Les tableaux pivotants sont exportés comme des tableaux Word avec tous les attributs de formatage (bordures de cellule. XML et SPSS. avec tous les attributs de formatage (bordures de cellule. couleurs d'arrière-plan. sélectionnez : Fichier Exporter. reportez-vous à « Système de gestion des résultats » dans Chapitre 47 . E A partir du menu. Pour plus d'informations. etc..xls) : Les lignes.). „ Fichier Word/RTF (*. colonnes et cellules Excel. avec le contenu de toute la ligne dans une seule cellule. styles de police. Le résultat texte est exporté avec tous les attributs de police. Exportation des résultats E Activez la fenêtre du Viewer (cliquez n'importe où dans la fenêtre). styles de police.. Le résultat texte dans SPSS apparaît toujours dans une police à espacement fixe et est exporté avec les mêmes attributs de police.233 Utilisation du résultat „ Fichier Excel (*. Une police à espacement fixe est nécessaire pour le bon alignement des résultats texte séparés par des espaces. tels que les fichiers texte et les fichiers de données au format HTML. . colonnes et cellules des tableaux pivotants sont exportées comme des lignes. page 689. E Entrez un nom de fichier (ou un préfixe pour les graphiques) et sélectionnez un format d'exportation. Chaque ligne du résultat texte est une ligne dans le fichier Excel. Système de gestion des résultats : Vous pouvez également exporter automatiquement tous les résultats ou tous les types de résultat définis par l'utilisateur. Le résultat texte est exporté en tant que fichier RTF.). etc.

234 Chapitre 9 Figure 9-4 Boîte de dialogue Exporter résultats .

Word/RTF et Excel. .235 Utilisation du résultat Figure 9-5 Résultat exporté en format HTML Options HTML. et les options d'exportation des diagrammes pour les documents HTML. Word/RTF et Excel Cette boîte de dialogue contrôle l'inclusion de notes de bas de page et de légendes pour les documents exportés aux formats HTML.

Pour Excel. Options texte Options texte contrôle les options de format des tableaux pivotants. E Sélectionnez Fichier HTML. des éléments textes et des graphiques ainsi que l'insertion de notes de bas de page et de légendes pour les documents exportés en format texte. E Cliquez sur Options. Pour le format Word/RTF. sélectionnez : Fichier Exporter. les diagrammes sont exclus.236 Chapitre 9 Format Image : Contrôle le format d'exportation des diagrammes et les paramètres facultatifs.. Fichier Word/RTF ou Fichier Excel comme format d'exportation.. Word/RTF et Excel E Activez la fenêtre du Viewer (cliquez n'importe où dans la fenêtre). E A partir du menu. Définition des options d'exportation HTML. tous les diagrammes sont exportés au format métafichier (WMF) Windows. comme la taille pour les documents HTML. .

son contenu et un caractère de tabulation sont imprimés. Séparateurs de cellules : Pour les sorties de tableaux pivotants avec espaces. Format Image : Contrôle le format d'exportation des graphiques et les paramètres facultatifs. Pour le format tabulé. Si une cellule est vide. Tous les résultats texte sont exportés en format avec espaces. par défaut tous les sauts de lignes sont supprimés et chaque colonne est fixée à la largeur de la plus longue étiquette ou valeur de la colonne. Formatage de cellule : Pour les tableaux pivotants avec espaces. comme la taille. . Pour limiter la largeur des colonnes et insérer des sauts de ligne dans les longues étiquettes. si une cellule n'est pas vide. Tous les résultats avec espaces nécessitent une police à point fixe (espacement unique) pour un alignement correct. vous pouvez spécifier les caractères utilisés pour créer les bordures de cellules.237 Utilisation du résultat Figure 9-6 Boîte de dialogue Options texte Les tableaux pivotants peuvent être exportés en format tabulé ou avec espaces. Ce réglage n'affecte que les tableaux pivotants. spécifiez un nombre de caractères pour la largeur de la colonne. un caractère de tabulation seul est imprimé.

.. cliquez sur Options. E A partir du menu. Taille du diagramme L'option Taille du diagramme contrôle la taille des diagrammes exportés..238 Chapitre 9 Pour définir les options d'exportation de texte E Activez la fenêtre du Viewer (cliquez n'importe où dans la fenêtre). puis cliquez sur Taille graphique.. sélectionnez : Fichier Exporter. sélectionnez le format d'exportation. E Sélectionnez Fichier texte comme format d'exportation.. E Cliquez sur Options. sélectionnez : Fichier Exporter. E A partir du menu. Figure 9-7 Boîte de dialogue Taille d'export des graphiques Définition de la taille des diagrammes exportés E Activez la fenêtre du Viewer (cliquez n'importe où dans la fenêtre). E Pour les documents de résultat. Les spécifications de pourcentage personnalisées vous permettent de diminuer ou d'augmenter la taille du diagramme exporté jusqu'à 200 pour cent.

10 (le plus foncé) et 6. vous réduisez la taille du fichier (mais également sa qualité). Plus la qualité de l'image est élevée. Espace de couleurs : Cette option fait référence au codage des couleurs dans l'image. Le composant Y détermine le niveau de gris ou luminance. puis cliquez sur Taille graphique. plus le fichier exporté est volumineux. Les lettres de ce sigle identifient les signaux Y. Les composants U et V définissent la chrominance (informations de couleur). puis sa qualité augmente au fur et à mesure de son chargement. L'image apparaît tout d'abord dans une faible résolution. Si vous réduisez les taux d'échantillonnage U et V. Le modèle de couleurs YUV est l'un des modes de codage des couleurs. Correction Gamma : Ajuste l'intensité des couleurs dans le diagramme exporté en modifiant la constante gamma utilisée pour faire correspondre les valeurs d'intensité. Si le paramétrage YUV 4:4:4 n'entraîne aucune perte. les configurations YUV 4:2:2 et YUV 4:1:1 constituent un compromis entre la réduction de la taille du fichier (espace disque) et la baisse de la qualité des couleurs affichées. L'option Espace de couleurs détermine le degré de « perte » des couleurs dans l'image exportée. Sa valeur peut être comprise entre 0.5 (le plus clair). Paramètre de qualité de compression : Contrôle le taux de compression en fonction de la qualité de l'image. U et V.239 Utilisation du résultat E Pour Diagrammes seuls. Cette option permet principalement d'éclaircir ou d'assombrir l'image bitmap. . Encodage progressif : Permet le chargement progressif de l'image. Opérations de couleur : Les opérations suivantes sont disponibles : „ „ Inverser : Chaque pixel est enregistré dans la couleur inverse de sa couleur d'origine. sélectionnez le format d'exportation. Il est couramment utilisé pour la transmission de données au format vidéo numérique ou MPEG. Les ratios correspondent au taux d'échantillonnage de chaque composant. Options d'exportation de diagrammes au format JPEG Profondeur des couleurs : Vous pouvez exporter les graphiques JPEG en mode Couleurs vraies 24 bits ou 256 niveaux de gris.

L'option Profondeur d'écran actuelle correspond au nombre de couleurs affichées sur votre écran. le nombre de couleurs du diagramme est compris entre le nombre de couleurs réellement utilisées et le nombre maximal de couleurs autorisé par la profondeur. „ Opérations de couleur : Les opérations suivantes sont disponibles : „ „ Inverser : Chaque pixel est enregistré dans la couleur inverse de sa couleur d'origine.5 (le plus clair). Utiliser la compression RLE : (BMP uniquement).240 Chapitre 9 Options d'exportation de diagrammes aux formats BMP et PICT Profondeur des couleurs : Détermine le nombre de couleurs du diagramme exporté. Cette option permet principalement d'éclaircir ou d'assombrir l'image bitmap. Par exemple.10 (le plus foncé) et 6. Il s'agit d'une technique de compression sans perte qui est prise en charge par les formats de fichiers Windows standard. blanc et noir) en mode 16 couleurs. Sa valeur peut être comprise entre 0. ce diagramme conserve ses trois couleurs. Correction Gamma : Ajuste l'intensité des couleurs dans le diagramme exporté en modifiant la constante gamma utilisée pour faire correspondre les valeurs d'intensité. Quelle que soit la profondeur de couleur utilisée lors de l'enregistrement d'un diagramme. les couleurs sont converties de manière à reproduire celles du diagramme. si vous enregistrez un diagramme contenant trois couleurs (rouge. Par exemple. „ Lorsque le nombre de couleurs du diagramme est supérieur au nombre prévu pour cette profondeur. L'expression « compression sans perte » signifie que la réduction de la taille des fichiers n'est pas effectuée aux dépens de la qualité de l'image. ce diagramme conserve ses trois couleurs. blanc et noir) en mode 16 couleurs. le nombre de couleurs du diagramme est compris entre le nombre de couleurs réellement utilisées et le nombre maximal de couleurs autorisé par la profondeur. Quelle que soit la profondeur de couleur utilisée lors de l'enregistrement d'un diagramme. Options d'exportation de diagrammes aux formats PNG et TIFF Profondeur des couleurs : Détermine le nombre de couleurs du diagramme exporté. si vous enregistrez un diagramme contenant trois couleurs (rouge. .

Avec l'option YCbCr. la couleur de transparence par défaut est le blanc. Entrez une valeur entière comprise entre 0 et 255 pour chacune des couleurs. „ Opérations de couleur : Les opérations suivantes sont disponibles : „ „ Inverser : Chaque pixel est enregistré dans la couleur inverse de sa couleur d'origine. L'option Profondeur d'écran actuelle correspond au nombre de couleurs affichées sur votre écran. Vous disposez de toutes les profondeurs de couleur en mode RVB. Options d'exportation de diagrammes au format EPS Aperçu de l'image : Permet d'enregistrer l'aperçu d'une image dans l'image EPS.241 Utilisation du résultat „ Lorsque le nombre de couleurs du diagramme est supérieur au nombre prévu pour cette profondeur. De ce fait. Seuls les modes Couleurs vraies 24 et 32 bits sont disponibles avec les couleurs CMJN. Cette option est disponible uniquement pour les exportations en mode Couleurs vraies 32 bits.10 (le plus foncé) et 6. La valeur par défaut de chaque couleur est 255. Transparence : Permet de sélectionner la couleur qui sera transparente dans le diagramme exporté. Si de nombreuses applications ne peuvent pas afficher une image EPS. L'aperçu de l'image peut être au format WMF (plus petit et plus facilement redimensionnable) ou TIFF (plus souple et pris en charge par un plus grand nombre de plateformes). . Vérifiez dans l'application de destination du graphique EPS les formats d'aperçu pris en charge. Un aperçu sert principalement en cas d'insertion d'un fichier EPS dans un autre document. Cette option permet principalement d'éclaircir ou d'assombrir l'image bitmap. Correction Gamma : Ajuste l'intensité des couleurs dans le diagramme exporté en modifiant la constante gamma utilisée pour faire correspondre les valeurs d'intensité.5 (le plus clair). seul le mode Couleurs vraies 24 bits est disponible. Sa valeur peut être comprise entre 0. elles peuvent en revanche afficher l'aperçu enregistré avec l'image. les couleurs sont converties de manière à reproduire celles du diagramme. Format : (TIFF uniquement) Permet de définir l'espace de couleurs et de compresser le diagramme exporté.

notamment les informations de lissage des polices (utiles par exemple pour la mise à l'échelle à de petites tailles). „ Remplacer les polices TrueType en courbes : Transforme les polices TrueType en données de courbe PostScript. La qualité est également amoindrie. Remarque : Toutes les imprimantes PostScript ne disposent pas d'un pilote de niveau 3 pouvant lire les polices Type 42). „ Incorporer en tant que TrueType natif (niveau 3) : Incorpore la plupart des données de police dans le fichier EPS. Cette option s'avère toutefois utile lorsque votre imprimante PostScript ne prend pas en charge les polices Type 42. comme des marques dans des diagrammes de dispersion interactifs. Options d'exportation de diagrammes au format WMF Aldus placeable : Fournit un degré d'indépendance par rapport au périphérique (taille physique identique en cas d'ouverture à 96 ou 120 ppp) . ce format n'est pas pris en charge par certaines applications. mais qu'il vous faut conserver des symboles spéciaux TrueType. Définir des options d'exportation des diagrammes E Activez la fenêtre du Viewer (cliquez n'importe où dans la fenêtre). Par exemple. Remarque : Ce format est déconseillé pour les graphiques interactifs qui utilisent la police SPSS Marker (comme les diagrammes de dispersion) car il n'existe aucun équivalent PostScript significatif aux marques SPSS TrueType. La police PostScript résultante est appelée police Type 42. la police Times New Roman est convertie en Times et Arial est convertie en Helvetica. . Windows standard : Option prise en charge par la plupart des applications pouvant afficher des métafichiers Windows.242 Chapitre 9 Polices TrueType : Permet à l'utilisateur d'indiquer le mode d'enregistrement des polices TrueType dans l'image EPS. Vous ne pouvez plus modifier le texte en tant que tel dans les applications de retouche des graphiques EPS. „ Convertir en polices PostScript : Convertit les polices TrueType en polices PostScript (Type 1) en fonction de la famille de polices.

Figure 9-8 Boîte de dialogue d'impression du Viewer . y compris les éléments masqués. puis cliquez sur Options de diagramme. s'impriment. sélectionnez le format d'exportation. Tous les résultats : Tous les résultats.. sélectionnez : Fichier Exporter. Les éléments masqués (éléments accompagnés d'une icône représentant un livre fermé dans le panneau de ligne de légende ou masqués dans les strates réduites des lignes de légende) ne s'impriment pas.243 Utilisation du résultat E A partir du menu. E Pour les documents de résultat. Impression de documents du Viewer Il existe plusieurs moyens de contrôler les éléments du Viewer à imprimer: Tous les résultats affichés : Seuls s'impriment les éléments affichés dans le panneau de contenu. E Pour Diagrammes seuls. cliquez sur Options.. Sélection : Seuls s'impriment les éléments sélectionnés dans les panneaux de ligne de légende et/ou de contenu. sélectionnez le format d'exportation. puis cliquez sur Options.

244 Chapitre 9 Impression de résultat et de diagrammes E Activez la fenêtre du Viewer (cliquez n'importe où dans la fenêtre). E Cliquez sur OK pour imprimer. E Choisissez les paramètres d'impression voulus. Il est conseillé d'utiliser l'Aperçu avant impression avant d'imprimer un document du Viewer car cela permet de voir les éléments qui ne sont peut être pas visibles en regardant tout simplement le panneau de contenu du Viewer. Aperçu avant impression L'Aperçu avant impression vous montre ce qui va s'imprimer sur chaque page des documents du Viewer. E A partir du menu.. sélectionnez : Fichier Imprimer. notamment : „ „ „ „ „ Les sauts de page Les strates masquées des tableaux pivotants Les ruptures dans les tableaux de grande largeur Les résultats complets des grands tableaux Les en-têtes et pieds de page imprimés sur chaque page ..

Pour avoir un aperçu de tous les résultats. l'aperçu n'affiche que les résultats sélectionnés. sélectionnez : Fichier Aperçu avant impression . Pour afficher un aperçu avant impression E Activez la fenêtre du Viewer (cliquez n'importe où dans la fenêtre). E A partir du menu.245 Utilisation du résultat Figure 9-9 Aperçu avant impression Si des résultats sont sélectionnés dans le Viewer. vérifiez que rien n'est sélectionné dans le Viewer.

La Mise en page affecte uniquement les paramètres des documents du Viewer. Ces paramètres n'ont aucun effet sur l'impression des données de l'éditeur de données ou de la syntaxe d'une fenêtre de syntaxe. .246 Chapitre 9 Mise en page La Mise en page vous permet de contrôler : „ „ „ „ „ La taille et l'orientation du papier Les marges Les en-têtes et pieds de page La numérotation des pages La taille imprimée pour les graphiques Figure 9-10 Boîte de dialogue Mise en page Les paramètres de mise en page sont enregistrés dans le document du Viewer. Pour modifier la mise en page E Activez la fenêtre du Viewer (cliquez n'importe où dans la fenêtre).

sélectionnez : Fichier Mise en page. Vous pouvez également utiliser la barre d'outils qui se trouve au milieu de la boîte de dialogue pour insérer : „ „ „ „ „ La date et l'heure Des numéros de page Le nom du fichier du Viewer Les étiquettes des en-têtes de lignes de légende Les titres et les sous-titres Figure 9-11 Options Mise en page onglet En-tête/pied de page . Vous pouvez saisir le texte à afficher dans les en-têtes et les pieds de page. E Modifiez les paramètres et cliquez sur OK. Mise en page : En-têtes et pieds de page Les en-têtes et pieds de page sont les informations qui s'impriment en haut et en bas de chaque page..247 Utilisation du résultat E A partir du menu..

Les titres et sous-titres de page impriment les titres et sous-titres de la page courante. Le rapport hauteur/largeur du diagramme n'est pas affecté par la taille du diagramme imprimé. Chaque tableau pivotant. ainsi que la numérotation des pages. Les titres et sous-titres sont créés avec les options Insérer titre de page et Insérer sous-titre de page du menu Insérer du Viewer ou avec les commandes TITRE et SOUS-TITRE de la syntaxe de commande. la taille du diagramme ne peut plus augmenter pour occuper plus de hauteur. Commencer page : Numéros de page consécutifs commençant à partir d'un numéro spécifié. Remarque : Les caractéristiques de police des nouveaux titres de page et des sous-titres sont vérifiées dans l'onglet Viewer de la boîte de dialogue Options (Menu Edition). Lorsque les bordures extérieures d'un tableau atteignent les bordures de gauche et de droite de la page. Sélectionnez Aperçu avant impression dans le menu Fichier pour voir comment apparaîtront vos en-têtes et pieds de page sur la page imprimée. l'espace entre les éléments de résultat imprimés. Taille imprimée diagramme : Contrôle la taille du diagramme imprimé par rapport à la taille définie pour la page. ce paramètre est ignoré. Ce paramètre n'affecte pas l'affichage des éléments dans le Viewer.248 Chapitre 9 Les étiquettes d'en-tête des lignes de légende indiquent l'en-tête de ligne de légende de premier. deuxième. Les caractéristiques de police des titres de page et des sous-titres existants peuvent être modifiées en changeant les titres à l'aide du Viewer. La taille globale d'un diagramme imprimé est limitée par sa hauteur et par sa largeur. diagramme et objet de texte constitue un élément distinct. troisième et/ou quatrième niveau pour le premier élément de chaque page. Si vous n'avez indiqué aucun titre ou sous-titre de page. Mise en page : Options Cette boîte de dialogue contrôle la taille du diagramme imprimé. Espace entre items : Contrôle l'espace entre des éléments imprimés. .

Le document enregistré contient les deux panneaux du Viewer (légende et contenu). utilisez Exporter dans le menu Fichier. . Enregistrement d'un document du Viewer E A partir du menu du Viewer. (Non disponible dans la version autonome du SmartViewer). sélectionnez : Fichier Enregistrer E Entrez le nom du document et cliquez sur Enregistrer.249 Utilisation du résultat Figure 9-12 Mise en page onglet Options Enregistrement des résultats Le contenu du Viewer peut être enregistré comme un document du Viewer. Pour enregistrer le résultat dans un format externe (par exemple HTML ou texte).

pour distribuer le Smart Viewer.250 Chapitre 9 Option Publier L'option Enregistrer avec mot de passe vous permet de protéger par mot de passe vos fichiers Viewer. pour distribuer le Smart Viewer. E Entrez de nouveau le mot de passe pour le confirmer et cliquez sur OK. Remarque : Laissez le code OEM vide à moins que vous n'ayez un accord contractuel avec SPSS Inc. Pour enregistrer les fichiers du Viewer avec un mot de passe E A partir du menu du Viewer.. Code OEM : Laissez ce champ vide à moins que vous n'ayez un accord contractuel avec SPSS Inc. Si vous décidez d'affecter un mot de passe. Le code de licence OEM est fourni avec le contrat. le fichier ne peut pas être ouvert sans.. E Entrez un nom de fichier dans la boîte de dialogue Enregistrer sous. Mot de passe : Le mot de passe respecte la casse et peut comporter jusqu'à 16 caractères. E Saisissez le mot de passe. sélectionnez : Fichier Enregistrer avec mot de passe. E Cliquez sur Enregistrer. .

Viewer en mode brouillon 10 Chapitre Le Viewer en mode brouillon fournit des résultats sous forme de « brouillons ». des diagrammes comme images métafichiers (au lieu d'objets diagramme). et coller les résultats texte et les diagrammes dans d'autres applications. et les fonctionnalités interactives des tableaux pivotants et des diagrammes ne sont pas disponibles. Figure 10-1 Fenêtre du Viewer en mode brouillon 251 . Cependant. vous ne pouvez pas modifier les diagrammes. redimensionner les diagrammes. Vous pouvez modifier les résultats texte du Viewer en mode brouillon. avec : „ „ un résultat texte simple (au lieu de tableaux pivotants) .

sélectionnez : Fichier Nouveau Résultat mode brouillon E Pour faire du résultat en mode brouillon le type de résultat par défaut à partir du menu. Si les caractères de cette zone sont désactivés. . Si vous avez ouvert une fenêtre de Viewer ou de Viewer en mode brouillon. la fenêtre désignée est celle qui a été la dernière ouverte ou celle désignée à l'aide de l'outil Fenêtre désignée (le point d'exclamation) dans la barre d'outils.. Contrôle du format du résultat en mode brouillon La sortie qui serait affichée sous forme de tableaux pivotants dans le Viewer est convertie en sortie texte pour le Viewer en mode brouillon. E Sélectionnez Brouillon sous Type de navigateur au démarrage. Options. les caractères verticaux (|) sont utilisés comme séparateurs de colonnes et les tirets (–) comme séparateurs de lignes. L'alignement est contrôlé par des espaces (à la place des tabulations). Vous pouvez contrôler le format du nouveau résultat en mode brouillon en utilisant les options du Viewer en mode brouillon (menu Edition. Remarque : Le nouveau résultat est toujours affiché dans la fenêtre de Viewer désigné. E Cliquez sur l'onglet Général. Les paramètres par défaut pour une sortie de tableaux pivotants convertie sont définis comme suit : „ „ „ „ Chaque colonne est ajustée en fonction de la largeur de l'étiquette de colonne et les étiquettes ne s'étalent pas sur plusieurs lignes. sélectionnez : Affichage Options. Les caractères de la zone de la police SPSS Marker Set sont utilisés comme des séparateurs de lignes et de colonnes.252 Chapitre 10 Pour créer un résultat en mode brouillon E A partir du menu.. onglet Viewer en mode brouillon).

sélectionnez Maximum caractères sous Largeur de colonne.253 Viewer en mode brouillon Figure 10-2 Options du Viewer en mode brouillon Largeur de colonne : Pour réduire la largeur des tableaux contenant des étiquettes longues. . Les étiquettes plus longues que la largeur spécifiée sont adaptées pour s'ajuster à la largeur maximale.

vous pouvez utiliser les paramètres des séparateurs de cellules pour vérifier que les séparateurs de lignes et de colonnes s'affichent dans le nouveau résultat en mode brouillon.254 Chapitre 10 Figure 10-3 Résultat en mode brouillon avant et après le paramétrage de la largeur de colonne maximale Séparateurs de lignes et de colonnes : Comme autre choix de caractères de la boîte pour les bordures de lignes et de colonnes. Vous devez désélectionner la case Afficher les caractères pour indiquer les séparateurs de cellules. . Vous pouvez spécifier différents séparateurs de cellules ou entrer des espaces vides si vous ne voulez utiliser aucun caractère pour repérer les lignes et colonnes.

Si vous sélectionnez les tabulations comme séparateurs de colonnes. Cependant. Si vous souhaitez coller un résultat en mode brouillon dans une autre application. la sortie avec des tabulations de séparation ne s'alignera pas correctement dans le Viewer en mode brouillon. .255 Viewer en mode brouillon Figure 10-4 Résultat en mode brouillon avant et après le paramétrage des séparateurs de cellules Séparer colonnes avec Espaces / Tabulations : Le Viewer en mode brouillon est conçu pour afficher une sortie dans laquelle les séparations sont des espaces dans une police à espacement fixe (non proportionnelle). vous pouvez utiliser la police de votre choix dans l'autre application et définir les tabulations pour aligner le résultat correctement. vous devez utiliser une police à espacement fixe pour aligner correctement les colonnes avec un espace de séparation.

. E Cliquez sur l'onglet Viewer en mode brouillon.256 Chapitre 10 Figure 10-5 Résultat avec des tabulations de séparation dans le Viewer en mode brouillon puis formatée dans un traitement de texte Définition des options du Viewer en mode brouillon E A partir du menu.. sélectionnez : Affichage Options. E Cliquez sur OK ou sur Appliquer. . E Sélectionnez les paramètres souhaités.

sélectionnez : Fichier Imprimer. Attributs de polices Vous pouvez modifier les attributs de polices (police. style) du résultat texte dans le Viewer en mode brouillon. Pour modifier les polices dans le Viewer en mode brouillon E Sélectionnez le texte auquel vous voulez appliquer la modification de police.257 Viewer en mode brouillon Les options d'affichage des résultats dans le Viewer affectent seulement le nouveau résultat produit après modification des paramètres Un résultat déjà affiché dans le Viewer n'est pas affecté par les changements de ces paramètres. Cependant.. E Sélectionnez les attributs de police à appliquer au texte sélectionné.. E Pour imprimer uniquement la partie sélectionnée du résultat en mode brouillon. si vous utilisez les caractères de la boîte pour les bordures de lignes et de colonnes. . comme la taille et le style (par exemple gras. telle que Courier. italique).. d'autres modifications de police. l'alignement approprié de la colonne pour du texte séparé par des espaces nécessite l'utilisation d'une police à espacement fixe (monoespacée). Bordures de lignes et de colonnes : Les bordures de lignes et de colonnes pleines par défaut utilisent la police SPSS Marker Set. taille. sélectionnez : Format Police. De plus. Pour imprimer un résultat en mode brouillon E A partir des menus du Viewer en mode brouillon.. Les caractères de traçage de lignes utilisés pour tracer les bordures ne sont pas pris en charge par d'autres polices. sélectionnez le résultat à imprimer. appliquées à une partie seulement d'un tableau peuvent affecter l'alignement de colonne. E A partir des menus du Viewer en mode brouillon.

sélectionnez : Fichier Imprimer. Polices). Options. onglet Viewer en mode brouillon). comme : „ „ les tableaux longs les tableaux larges produits par la conversion d'une sortie d'un tableau pivotant sans contrôle de largeur de colonne en mode brouillon) sur une imprimante définie en mode Portrait. Il existe plusieurs méthodes permettant d'éviter qu'un résultat trop volumineux soit tronqué : „ „ „ Utilisez une taille de police plus petite (menu Format. Pour les tableaux longs. utilisez les sauts de page (menu Insertion. Nous vous conseillons d'utiliser l'Aperçu avant impression avant d'imprimer réellement un document du Viewer car cela vous permet de visualiser les éléments qui peuvent ne pas avoir été ajustés pour tenir sur une page. Pour visualiser un aperçu avant impression du Viewer en mode brouillon E A partir des menus du Viewer en mode brouillon. Pour une nouvelle sortie. spécifiez une largeur de colonne maximum étroite (menu Edition. „ les résultats texte créées avec l'option de largeur de page Large (options du Viewer Une sortie trop large pour la page est alors tronquée et ne s'imprimera pas sur une autre page. Aperçu avant impression L'Aperçu avant impression vous montre ce qui va s'imprimer sur chaque page pour les documents brouillons... Mise en page). sélectionnez : Fichier Aperçu avant impression . E Choisissez Sélection.258 Chapitre 10 E A partir du menu. Sélectionnez Paysage pour l'orientation de page (menu Fichier. Saut de Page) pour contrôler les endroits où le tableau passe sur une autre page.

Pour enregistrer le résultat en mode brouillon en tant que texte E A partir des menus du Viewer en mode brouillon. sélectionnez : Fichier Exporter. .259 Viewer en mode brouillon Pour enregistrer une sortie du Viewer en mode brouillon E A partir des menus du Viewer en mode brouillon. Les diagrammes ne sont pas inclus.. sélectionnez : Fichier Enregistrer La sortie du Viewer en mode brouillon est enregistrée au format RTF (texte enrichi). Vous pouvez exporter tout le texte ou juste le texte sélectionné Seul le résultat texte (sortie de tableau pivotant convertie et sortie texte) est enregistrée dans les fichiers exportés..

.

colonnes et strates. Manipulation d'un tableau pivotant Les options de manipulation des tableaux pivotants comprennent les éléments suivants : „ „ „ „ „ „ „ Transposer des lignes et des colonnes. Montrer et masquer des cellules. Edition de deux tableaux pivotants ou plus en une fois E Cliquez sur le tableau pivotant avec le bouton de droite. Créer des strates multidimensionnelles. Cela active l'éditeur de tableaux pivotants. Trouver des définitions de termes.Tableaux pivotants 11 Chapitre Beaucoup de résultats sont présentés dans le Viewer sous forme de tableaux pouvant être pivotés de manière interactive. Faire pivoter des étiquettes de lignes et de colonnes. Grouper et séparer des lignes et des colonnes. Déplacer des lignes et des colonnes. Cela signifie que vous pouvez réarranger les lignes. Pour modifier un tableau pivotant E Double-cliquez sur le tableau. 261 .

ce sont des étiquettes de colonne. Avant le déplacement. choisissez : Tableau pivotant Structure pivotante E Déplacez le pointeur de la souris au dessus de chaque icône pour faire apparaître une Note d'aide qui vous indique quelle dimension du tableau cette icône représente. sélectionnez : Objet tableau pivotant SPSS Ouvrir E Répétez l'opération pour chaque tableau pivotant que vous voulez modifier. Pour faire pivoter un tableau à l'aide d'icônes E Activez le tableau pivotant. Chaque tableau pivotant est prêt à être édité dans sa propre fenêtre. E A partir des menus du tableau pivotant.262 Chapitre 11 E A partir du menu contextuel. Figure 11-1 Structure pivotante Cette action modifie la disposition du tableau. . supposez que l'icône représente une variable possédant les modalités Oui et Non et que vous faites glisser l'icône du plateau Ligne vers le plateau Colonne. Par exemple. Oui et Non étaient des étiquettes de ligne. Après le déplacement. E Faites glisser une icône d'une dimension à l'autre.

. Cette action met en surbrillance les étiquettes de dimension dans le tableau pivotant. Pour modifier l'ordre d'affichage L'ordre des icônes de rotation dans un plateau de dimension reflète l'ordre d'affichage des éléments dans le tableau pivotant. E Si la structure pivotante n'est pas déjà activée. à partir des menus du tableau pivotant. Pour modifier l'ordre d'affichage des éléments dans une dimension : E Activez le tableau pivotant. choisissez : Tableau pivotant Structure pivotante E Cliquez sur une icône et maintenez le bouton enfoncé. choisissez : Tableau pivotant Transposer lignes et colonnes Cette action a le même effet que faire glisser toutes les icônes de lignes dans la dimension Colonne et les icônes de colonnes dans la dimension Lignes. Transposition des lignes et des colonnes E A partir des menus du tableau pivotant.263 Tableaux pivotants Pour identifier des dimensions dans un tableau pivotant E Activez le tableau pivotant. à partir des menus du tableau pivotant. choisissez : Tableau pivotant Structure pivotante E Faites glisser les icônes de chaque plateau pour les placer dans l'ordre désiré (de gauche à droite ou de haut en bas). E Si la structure pivotante n'est pas déjà activée.

E A partir du menu. puis créer un nouveau groupe incluant les éléments supplémentaires. Double-cliquez sur l'étiquette de groupe pour modifier le texte de l'étiquette. Pour grouper des lignes ou des colonnes et insérer des étiquettes de groupe E Activez le tableau pivotant. choisissez Insérer Avant ou Permuter. Si l'option Faire glisser pour Copier est activée. E Cliquez sur l'étiquette de la ligne ou colonne que vous voulez déplacer. E Cliquez et faites glisser l'étiquette vers sa nouvelle position. Figure 11-2 Groupes et étiquettes de lignes et de colonnes Etiquette de groupe de colonnes Femmes Etiquette de groupe de lignes Employé de bureau Agent de sécurité Manager 206 10 Hommes 157 27 74 Total 363 27 84 Remarque : Pour ajouter des lignes ou des colonnes à un groupe existant. sélectionnez : Affichage Group Une étiquette de groupe est insérée automatiquement. . E Dans le menu contextuel. Remarque : Assurez-vous que l'option Faire glisser pour Copier du menu Edition n'est pas activée (cochée). vous devez d'abord dissocier les éléments du groupe. E Sélectionnez les étiquettes des lignes ou des colonnes que vous voulez grouper (cliquez et faites glisser ou Maj-Clic pour sélectionner plusieurs étiquettes).264 Chapitre 11 Pour déplacer des lignes et des colonnes dans un tableau pivotant E Activez le tableau pivotant. désactivez-la.

Pour faire pivoter des étiquettes de tableaux pivotants E Activez le tableau pivotant. sélectionnez : Affichage Ungroup Dissocier supprime automatiquement l'étiquette de groupe. E Sélectionnez l'étiquette de groupe (cliquez n'importe où dans l'étiquette) des lignes ou des colonnes que vous voulez dissocier. E A partir du menu.265 Tableaux pivotants Pour dissocier des lignes ou des colonnes et supprimer des étiquettes de groupe E Activez le tableau pivotant. E A partir du menu. sélectionnez : Format Pivoter Etiquettes de colonnes internes ou Pivoter Etiquettes de lignes externes .

Par exemple.266 Chapitre 11 Figure 11-3 Etiquettes de colonnes pivotées Seules les étiquettes des colonnes les plus internes et les étiquettes des lignes les plus externes peuvent être pivotées. vous pouvez obtenir une définition de la moyenne. vous pouvez rétablir la disposition d'origine du tableau pivotant. de colonnes ou de strates entre les dimensions. E A partir du menu Tableau pivotant. Rétablissement des pivots aux valeurs par défaut Après avoir exécuté une ou plusieurs opérations de pivot. Elle n'affecte pas les changements tels que grouper. dissocier ou déplacer des lignes ou des colonnes. si Moyenne apparaît comme une étiquette. choisissez Remettre pivots à leur valeur par défaut. Cette action ne rétablit que les changements résultant d'une rotation des éléments de lignes. Pour rechercher la définition d'une étiquette dans un tableau pivotant Vous pouvez obtenir de l'Aide contextuelle sur les étiquettes de cellules dans les tableaux pivotants. .

L'aide contextuelle n'est pas disponible pour les étiquettes définies par l'utilisateur telles que les noms de variable ou les étiquettes de valeurs. sélectionnez Qu'est-ce que c'est ? Vous devez cliquer avec le bouton droit de la souris sur la cellule d'étiquette elle-même plutôt que sur les cellules de données de la ligne ou de la colonne. E A partir du menu contextuel. . dont seule la strate supérieure est visible. Le tableau peut être imaginé comme un empilement de strates.267 Tableaux pivotants E Cliquez sur une cellule d'étiquette avec le bouton droit de la souris. Utilisation des strates Vous pouvez afficher un tableau bidimensionnel séparé pour chaque modalité ou combinaison de modalités. Pour créer et afficher des strates E Activez le tableau pivotant et sélectionnez Structure pivotante dans le menu Tableau pivotant si vous ne l'avez pas encore fait. E Faites glisser une icône du plateau Ligne ou du plateau Colonne vers le plateau Strate.

268 Chapitre 11 Figure 11-4 Déplacer des modalités dans des strates Chaque icône de strate possède des flèches à gauche et à droite. Le tableau visible est celui de la strate supérieure. Figure 11-5 Modalités en strates séparées Classification minoritaire : oui Classification minoritaire : non Total Catégorie Employé de bureau d'emploi Agent de sécurité Manager Total 194 176 Sexe Homme Femme Total 40 87 47 13 13 4 4 64 40 104 .

ou E Sélectionnez une modalité à partir de la liste déroulante de strates. Figure 11-6 Sélectionnez des strates à partir des listes déroulantes. choisissez : Tableau pivotant Aller à la strate.. . Cette boîte de dialogue est particulièrement utile lorsqu'il existe un grand nombre de strates ou lorsqu'une strate possède de nombreuses modalités. Atteindre la modalité de la strate Aller à Modalité de Strate vous permet de modifier les strates d'un tableau pivotant..269 Tableaux pivotants Pour modifier des strates E Cliquez sur l'une des flèches de l'icône de strate. Pour aller à une strate d'un tableau E A partir des menus du tableau pivotant.

vous pouvez afficher toutes les strates en même temps. choisissez Déplacer Strates vers Colonnes. . Pour déplacer des strates vers des lignes ou des colonnes Si le tableau que vous affichez est empilé en strates dont seule la strate supérieure est visible.270 Chapitre 11 Figure 11-7 Boîte de dialogue Atteindre la modalité de la strate E Sélectionnez une dimension de strate dans la liste Modalité visible. La liste Modalités de Strates affiche toutes les modalités de la dimension sélectionnée. Cette action change la strate et ferme la boîte de dialogue. Il doit y avoir au moins une icône dans le plateau Strate. E Sélectionnez la modalité souhaitée dans la liste Modalités de Strates et cliquez sur OK. soit de gauche à droite (colonnes). choisissez Déplacer Strates vers Lignes. Pour afficher une autre strate sans fermer la boîte de dialogue : E Sélectionnez la modalité et cliquez sur Appliquer. E Dans le menu Tableau pivotant. soit de haut en bas (lignes). ou E Dans le menu Tableau pivotant.

Pour obtenir un affichage de tableau pivotant pour lequel un signet a été défini auparavant E Activez le tableau pivotant. Ligne et Colonne. Signets Les signets vous permettent d'enregistrer différents affichages d'un tableau pivotant. Les signets incluent : „ „ „ le positionnement des éléments dans les dimensions de ligne. Chaque tableau pivotant a son propre jeu de signets. A l'intérieur d'un tableau pivotant. E Faites pivoter le tableau vers l'affichage pour lequel vous voulez définir un signet. mais vous pouvez utiliser des noms de signets en double dans des tableaux pivotants différents. Les noms de signets ne font pas la distinction majuscules-minuscules.271 Tableaux pivotants Vous pouvez également déplacer les strates vers les lignes ou les colonnes en faisant glisser leurs icônes dans la structure pivotante Strate. E A partir du menu. chaque nom de signet doit être unique. colonne et strate l'ordre d'affichage des éléments dans chaque dimension la strate affichée pour chaque élément de strate Pour définir un signet pour un affichage de tableau pivotant E Activez le tableau pivotant. . sélectionnez : Tableau pivotant Signets… E Entrez un nom pour le signet. E Cliquez sur Ajouter.

272 Chapitre 11 E A partir du menu. E Cliquez sur Renommer. sélectionnez : Tableau pivotant Signets… E Cliquez sur le nom du signet dans la liste. E Cliquez sur OK. titres et légendes. . Notes de bas de page. Pour renommer un signet de tableau pivotant E Activez le tableau pivotant. Modalités. y compris la cellule d'étiquette et les cellules de données d'une ligne ou d'une colonne. Montrer ou masquer des cellules Il est possible de masquer de nombreux types de cellules : „ „ „ „ Etiquettes de dimension. Etiquettes de modalité (sans masquer les cellules de données). Pour masquer des lignes et des colonnes dans un tableau E Ctrl-Alt-Clic sur l'étiquette de modalité de la ligne ou de la colonne à masquer. sélectionnez : Tableau pivotant Signets… E Cliquez sur le nom du signet dans la liste. E A partir du menu. E Entrez le nouveau nom de signet. E Cliquez sur Atteindre.

Pour afficher des colonnes et des lignes masquées dans un tableau E Sélectionnez une autre étiquette dans la même dimension que la ligne ou la colonne masquée. Pour masquer ou afficher une étiquette de dimension E Activez le tableau pivotant. choisissez : Affichage Montrer Tout Cette action affiche toutes les cellules masquées du tableau. cliquez sur la modalité Homme. choisissez Masquer modalité. E Dans le menu contextuel. E A partir des menus du tableau pivotant. E Sélectionnez l'étiquette de dimension ou toute étiquette de modalité dans la dimension. choisissez Montrer Toutes les Modalités dans Sexe.273 Tableaux pivotants E A partir des menus du tableau pivotant. si la modalité Femme de la dimension Sexe est masquée. une ligne ou une colonne totalement vide reste masquée). (Si l'option Masquer les Lignes et Colonnes vides est sélectionnée dans les propriétés de ce tableau. ou E A partir des menus du tableau pivotant. . choisissez : Affichage Montrer toutes les modalités dans le nom de la dimension Par exemple. choisissez : Affichage Masquer ou E Cliquez avec le bouton de droite de la souris sur la ligne ou la colonne mise en surbrillance pour afficher le menu contextuel. Par exemple.

274 Chapitre 11 E A partir du menu. Vous pouvez : „ „ „ „ „ „ „ Appliquer un modèle de tableau. E A partir du menu. Pour masquer ou afficher une note de bas de page dans un tableau E Sélectionnez une note de bas de page. . Copier et Coller le résultat dans d'autres applications. E A partir du menu. Ajouter des éléments au Viewer. sélectionnez : Affichage Masquer (ou montrer) Etiquette de dimension. Modifier les propriétés du tableau actuel. Modifier du texte. Modifier les propriétés des cellules dans le tableau. Ajouter des notes de bas de page et des légendes aux tableaux. sélectionnez : Affichage Masquer (ou montrer) Pour afficher ou masquer une légende ou un titre dans un tableau E Sélectionnez une légende ou un titre. sélectionnez : Affichage Masquer (ou montrer) Modification des résultats L'aspect et le contenu de chaque élément texte ou tableau du résultat peuvent être édités.

les propriétés des notes de bas de page. vous pouvez commencer par appliquer le modèle de tableau 9POINT. vous pouvez modifier les formats de cellules pour des cellules individuelles ou des groupes de cellules à l'aide des propriétés de cellule. . Si l'option Comme Affiché est sélectionnée dans la liste de fichiers de modèle de tableau. Avant ou après avoir appliqué un modèle de tableau. Vous pouvez sélectionner l'un des Aspects de tableau prédéfinis ou créer et enregistrer un modèle de tableau personnalisé. La colonne précédemment sélectionnée reste en caractères gras tandis que le reste des caractéristiques du modèle BOXED est appliqué. Les formats de cellule édités demeurent. toutes les cellules modifiées reprennent les propriétés actuelles du tableau. les propriétés des cellules et les bordures. Modèles de tableaux Un modèle de tableau est un ensemble de propriétés définissant l'aspect d'un tableau.. Pour appliquer ou enregistrer un modèle de tableau E Activez un tableau pivotant. Par exemple. E A partir du menu. vous pouvez restaurer pour toutes les cellules les formats définis par le modèle de tableau actuel. Vous pouvez sélectionner un modèle de tableau prédéfini ou créer votre propre modèle de tableau. Cette action restaure toutes les cellules qui ont été éditées.275 Tableaux pivotants Modification de l'aspect des tableaux Vous pouvez modifier l'aspect d'un tableau soit en éditant les propriétés du tableau. En option. sélectionnez : Format Modèles de tableaux. Chaque modèle de tableau comprend un regroupement de propriétés de tableau. Vous modifiez ensuite le modèle de tableau et appliquez l'option BOXED. soit en appliquant un modèle de tableau.. même lorsque vous appliquez un nouveau modèle de tableau. y compris sur l'aspect général. puis sélectionner une colonne de données et utiliser la boîte de dialogue Formats des cellules pour appliquer une police en caractères gras à cette colonne.

E Cliquez sur OK pour appliquer le modèle de tableau au tableau pivotant sélectionné. . Un modèle de tableau modifié n'est pas appliqué à d'autres tableaux utilisant cet Aspect. sauf si vous sélectionnez ces tableaux et appliquez à nouveau le modèle de tableau. Modifier un modèle de tableau n'affecte que le tableau pivotant sélectionné.276 Chapitre 11 Figure 11-8 Boîte de dialogue Aspects de tableau E Sélectionnez un modèle de tableau dans la liste de fichiers. E Modifiez les propriétés de tableau pour obtenir les attributs souhaités et cliquez sur OK. Pour modifier ou créer un Modèle de tableau E Sélectionnez un modèle de tableau dans la liste de fichiers. Pour sélectionner un fichier dans un autre répertoire. E Cliquez sur Enregistrer aspect pour enregistrer le modèle de tableau modifié ou sur Enregistrer sous pour l'enregistrer comme nouveau modèle. cliquez sur Parcourir. E Cliquez sur Modifier modèle.

Les nouvelles propriétés sont appliquées au tableau pivotant sélectionné. choisissez : Format Propriétés du tableau. Pour appliquer de nouvelles propriétés de tableau à un modèle de tableau au lieu du tableau sélectionné seulement. pour les étiquettes de ligne et de colonne et pour les autres zones du tableau. Déterminer des formats spécifiques pour les cellules de données.. A l'aide des onglets de cette boîte de dialogue. E Sélectionnez un onglet (Général. Pour modifier les propriétés d'un tableau pivotant E Activez le tableau pivotant (double-cliquez à un endroit quelconque du tableau). telles que masquer les lignes ou les colonnes vides et ajuster les propriétés d'impression. Formats de cellule. E Cliquez sur OK ou sur Appliquer. Contrôler les propriétés d'impression. Modèle de tableau). Contrôler le format et la position des marques de notes de bas de page.277 Tableaux pivotants Propriétés du tableau La boîte de dialogue Propriétés de tableau vous permet de fixer les propriétés générales d'un tableau et les styles de cellules pour diverses parties d'un tableau ainsi que d'enregistrer un ensemble de propriété en tant que modèle de tableau. E Sélectionnez les options souhaitées. . E A partir des menus du tableau pivotant. Contrôler la largeur et la couleur des lignes formant les bordures de chaque zone du tableau. modifiez le modèle de tableau (menu Format. Bordures ou Impression). vous pouvez : „ „ „ „ „ Contrôler les propriétés générales.. Notes de bas de page.

E Sélectionnez les options souhaitées.278 Chapitre 11 Propriétés de tableau : Général Plusieurs propriétés s'appliquent au tableau dans son ensemble. Elles peuvent se placer dans le coin supérieur gauche ou être emboîtées. (Une ligne ou colonne vide ne possède rien dans aucune des cellules de données) Contrôler l'emplacement des étiquettes de ligne. Vous pouvez : „ „ „ Afficher ou masquer des lignes et des colonnes. Contrôler la largeur maximum et minimum de colonne (exprimée en points). . Figure 11-9 Propriétés de tableau Onglet Général Modification des propriétés générales d'un tableau E Sélectionnez l'onglet Général. E Cliquez sur OK ou sur Appliquer.

.). Figure 11-10 Propriétés de tableau Onglet Notes de bas de page Modification des propriétés des marques des notes de bas de page E Sélectionnez l'onglet Notes de bas de page.. 3.).. . c. 2. soit alphabétique (a. „ „ Le style des marques de notes de bas de page est soit numérique (1. b..279 Tableaux pivotants Propriétés de tableau : Notes de bas de page Les propriétés des marques de notes de bas de page comprennent le style et la position par rapport au texte. Les marques des notes de bas de page peuvent être attachées au texte en indices ou en exposants. E Sélectionnez un format pour les marques des notes de bas de page.

Propriétés de tableau : Formats de cellule Pour le formatage. Par exemple : „ Si vous spécifiez une police en caractères gras pour un format de cellules dans les étiquettes de colonnes. et marges intérieures des cellules. Strates. Les formats de cellule comprennent les éléments suivants : caractéristiques de texte (police. E Cliquez sur OK ou sur Appliquer. ombrage des cellules. Légende et Notes de bas de page. Etiquettes de ligne. Données.280 Chapitre 11 E Sélectionnez une position pour les marques. alignement horizontal et vertical. Etiquettes de colonne. couleur. Cette distinction est importante lorsqu'on fait pivoter un tableau. Figure 11-11 Zones d'un tableau Les formats des cellules sont appliqués aux zones (modalités d'informations). Ce ne sont pas des caractéristiques des cellules individuelles. vous pouvez modifier les formats des cellules associées. couleurs de premier plan et d'arrière-plan. taille. Etiquettes de coin. Pour chaque zone d'un tableau. un tableau est divisé en zones : Titre. style). celles-ci apparaîtront en caractères gras quelles que soient les informations affichées dans la dimension de la colonne—et si vous déplacez .

281 Tableaux pivotants un élément de la dimension de colonne vers une autre dimension. et les étiquettes de colonne ne resteront pas en caractères gras pour d'autres éléments déplacés dans la dimension de colonne. E Sélectionnez une zone dans la liste déroulante ou cliquez sur une zone de l'échantillon. Figure 11-12 Propriétés de tableau Onglet Formats de cellule Modification des formats des cellules E Sélectionnez l'onglet Formats de cellule. il ne conserve pas les caractères gras des étiquettes de colonnes. „ Si vous appliquez les caractères gras sur les étiquettes de colonne simplement en mettant en surbrillance les cellules dans un tableau pivotant actif et en cliquant sur le bouton Gras de la barre d'outils. le contenu de ces cellules demeurera en caractères gras quelle que soit la dimension dans laquelle vous les déplacez. .

Figure 11-13 Propriétés de tableau Onglet Bordures Pour modifier les bordures d'un tableau E Cliquez sur l'onglet Bordures. il n'y aura aucune ligne à l'emplacement sélectionné.282 Chapitre 11 E Sélectionnez des caractéristiques pour la zone. E Cliquez sur OK ou sur Appliquer. . Propriétés de tableau : Bordures Pour chaque emplacement de bordure dans un tableau. Vos sélections se reflètent dans l'échantillon. vous pouvez sélectionner un style et une couleur de ligne. Si vous sélectionnez Aucun comme style.

E Sélectionnez une couleur. pas l'affichage des strates dans le Viewer) Rétrécir un tableau horizontalement ou verticalement pour qu'il tienne dans la page lors de l'impression. et imprimer chaque strate sur une page séparée. E Cliquez sur OK ou sur Appliquer. Les bordures masquées (quadrillage) sont affichées dans le Viewer mais ne sont pas imprimées. Cela peut faciliter des tâches telles que modifier la largeur des colonnes. (Maj-clic pour sélectionner plusieurs noms. vous pouvez afficher les bordures masquées. E A partir du menu. vous pouvez contrôler les propriétés suivantes : „ Imprimer toutes les strates ou seulement la strate supérieure du tableau. Contrôler les lignes veuves et orphelines — le nombre minimal de lignes et de colonnes qui seront contenues dans une section imprimée d'un tableau si le tableau est trop large et/ou trop long pour la taille définie de la page.283 Tableaux pivotants E Sélectionnez un emplacement de bordure. E Activez le tableau pivotant (double-cliquez à un endroit quelconque du tableau). (Remarque : Si un tableau est trop long pour tenir sur le restant de la page actuelle car il y a un autre résultat au-dessus dans la page. soit en cliquant sur une ligne dans la zone d'échantillon. Ctrl-Clic pour sélectionner plusieurs noms non contigus) E Sélectionnez un style de ligne ou Aucun. soit en cliquant sur son nom dans la liste. (Ceci n'affecte que l'impression. Pour afficher des bordures masquées dans un tableau pivotant Pour les tableaux possédant peu de bordures visibles. sélectionnez : Affichage Quadrillage Propriétés de tableau : Impression Pour les tableaux pivotants imprimés. mais qu'il tient dans la longueur de page „ „ .

E Cliquez sur OK ou sur Appliquer. Polices Un modèle de tableau vous permet de spécifier des caractéristiques de police pour différentes zones du tableau. Si aucune option est sélectionnée. . le style et la taille. ces propriétés s'appliquent dans toutes les strates du tableau possédant la même cellule. Vous pouvez également masquer le texte ou le souligner. Si vous spécifiez des propriétés de police dans une cellule. Pour contrôler l'impression d'un tableau pivotant E Cliquez sur l'onglet Impression. Les options de police dans une cellule comprennent le type de police. Vous pouvez également changer la police de toute cellule individuellement.284 Chapitre 11 définie. il est automatiquement imprimé sur une nouvelle page. E Sélectionnez les options d'impressions souhaitées. quel que soit le paramétrage des lignes veuves/orphelines) „ Inclure du texte de suite pour des tableaux qui ne peuvent s'ajuster à une seule page. Vous pouvez afficher du texte de suite au bas de chaque page et en haut de chaque page. le texte de suite de sera pas affiché.

spécifier si vous voulez masquer ou souligner le texte ou sélectionner une couleur et un style d'écriture. En option. un style de police et une taille. vous pouvez sélectionner une police. Largeur des cellules de données Fixer la Largeur des Cellules de Données est utilisé pour fixer une même largeur à toutes les cellules de données.. E A partir des menus du tableau pivotant. choisissez : Format Police.285 Tableaux pivotants Figure 11-14 Boîte de dialogue Police Modification de la police d'une cellule E Activez le tableau pivotant et sélectionnez le texte que vous voulez modifier. ..

.. E Déplacez le pointeur de la souris dans les étiquettes de modalité jusqu'à ce qu'il soit sur la bordure droite de la colonne que vous voulez modifier. E Entrez une valeur pour la largeur des cellules. sélectionnez : Format Largeur des cellules. E Maintenez le bouton de la souris enfoncé pendant que vous faites glisser la bordure vers sa nouvelle position. E A partir du menu. . Modification de la largeur d'une colonne de tableau pivotant E Activez le tableau pivotant (double-cliquez à un endroit quelconque du tableau). Le pointeur se change en flèche à deux pointes.286 Chapitre 11 Figure 11-15 Boîte de dialogue Fixer la Largeur des Cellules de Données Modification de la largeur des cellules de données E Activez le tableau pivotant.

donc. l'alignement. si vous changez les propriétés de tableau.. . sélectionnez : Format Propriétés de la cellule. E A partir du menu. E Faites-la glisser jusqu'à la nouvelle largeur. les marges et de l'ombrage. qu'elles soient masquées ou non.. vous ne modifierez pas les propriétés de cellules appliquées individuellement. Propriétés de la cellule Les propriétés de cellules s'appliquent à une cellule sélectionnée. Modification des propriétés de la cellule E Activez un tableau et sélectionnez une cellule du tableau. E Déplacez le pointeur de la souris à travers les étiquettes de ligne jusqu'à voir apparaître la flèche à deux pointes. Les Propriétés des cellules supplantent les propriétés de tableau . Vous pouvez changer le format des valeurs.287 Tableaux pivotants Figure 11-16 Modifier la largeur d'une colonne Vous pouvez modifier les bordures verticales de modalité et de dimension dans la zone des étiquettes de ligne.

sélectionnez Propriétés de la cellule. les dates.288 Chapitre 11 Propriétés des cellules : Valeur Cet onglet de boîte de dialogue contrôle le format des valeurs d'une cellule. . E Cliquez avec le bouton droit de la souris sur la colonne en surbrillance. les heures ou les monnaies et ajuster le nombre de décimales affichées. E Sélectionnez le nombre de décimales. E A partir du menu contextuel. Figure 11-17 Propriétés des Cellules Onglet Valeur Modification des formats des valeurs dans une cellule E Cliquez sur l'onglet Valeur. Pour modifier le format des valeurs dans une colonne E Ctrl-Alt-clic sur l'étiquette de colonne. E Sélectionnez une modalité et un format. Vous pouvez sélectionner des formats pour les nombres.

Si vous choisissez Mixte. Figure 11-18 Propriétés des Cellules Onglet Alignement . E Sélectionnez le format que vous voulez appliquer à la colonne. date ou texte).289 Tableaux pivotants E Cliquez sur l'onglet Valeur. Propriétés des cellules : Alignement Cet onglet de boîte de dialogue fixe l'alignement vertical et horizontal et la direction du texte pour une cellule. modifier le nombre de décimales affichées et passer de la notation numérique normale à la notation scientifique. le contenu de la cellule est aligné selon son type (nombre. Vous pouvez utiliser cette méthode pour supprimer ou ajouter des symboles pourcentage ou dollar.

E A partir des menus du tableau pivotant. Lorsque vous sélectionnez les propriétés d'alignement des cellules. Propriétés des cellules : Marges Cet onglet de boîte de dialogue spécifie la marge à chaque bord d'une cellule.290 Chapitre 11 Modification de l'alignement dans les cellules E Sélectionnez une cellule dans le tableau. elles s'illustrent dans la zone d'échantillon. choisissez : Format Propriétés de la cellule E Cliquez sur l'onglet Alignement. Figure 11-19 Propriétés des Cellules Onglet Marges Modification des marges dans les cellules E Cliquez sur l'onglet Marges. .

Figure 11-20 Propriétés des cellules onglet Ombrage Modification de l'ombrage des cellules E Cliquez sur l'onglet Ombrage.291 Tableaux pivotants E Sélectionnez la valeur de chacune des quatre marges. Cela n'affecte pas la couleur du texte. Marque de bas de page La Marque de note de bas de page modifie le ou les caractères utilisés pour marquer une note de bas de page. Propriétés des cellules : Ombrage Cet onglet de boîte de dialogue spécifie le pourcentage d'ombrage ou un contour de cellule ainsi que les couleurs de premier plan et d'arrière-plan pour une zone de cellules spécifiée. Le contour de cellule est sélectionné dans la liste Surbrillances. . E Sélectionnez les surbrillances et les couleurs de la cellule.

E A partir des menus du tableau pivotant. sélectionnez : Format Renuméroter notes de bas de page Sélection des lignes et des colonnes dans les tableaux pivotants La flexibilité des tableaux pivotants place certaines contraintes sur la manière dont vous sélectionnez des lignes et des colonnes..292 Chapitre 11 Figure 11-21 Boîte de dialogue Marque de Note de bas de page Modification des caractères des marques des notes de bas de page E Sélectionnez une note de bas de page. E A partir du menu. les notes de bas de page peuvent être désactivées. des colonnes et des strates. . choisissez : Format Marque de note de bas de page. E Entrez un ou deux caractères. Pour renuméroter les notes de bas de page : E Activez le tableau pivotant. et la surbrillance qui indique la ligne ou la colonne sélectionnée peut s'étendre sur des zones non contiguës du tableau. Renumérotation des notes de bas de page Lorsque vous avez fait pivoter un tableau en échangeant des lignes..

Si le tableau contient plusieurs dimensions dans la zone des lignes ou des colonnes. Pour modifier le texte d'une cellule E Activez le tableau pivotant. Ajoutant des légendes et des notes de bas de page. . E A partir du menu. E Appuyez sur la touche Entrée pour enregistrer vos changements ou appuyez sur la touche Echap pour restaurer le contenu précédent de la cellule. sélectionnez : Affichage Sélectionnez Cellules de données et d'étiquettes ou E Ctrl-Alt-clic sur l'étiquette de ligne ou de colonne. Vous pouvez modifier le texte ou ajouter de nouveaux textes. E Editez le texte. la sélection en surbrillance peut s'étendre sur plusieurs cellules non contiguës.293 Tableaux pivotants Pour sélectionner une ligne ou une colonne dans un tableau pivotant E Activez le tableau pivotant (double-cliquez à un endroit quelconque du tableau). E Double-cliquez sur la cellule ou appuyez sur F2. Modification des résultats d'un tableau pivotant Le texte qui s'affiche dans le Viewer peut apparaître dans beaucoup d'éléments. E Cliquez sur une étiquette de ligne ou de colonne. Les tableaux pivotants peuvent être édités en : „ „ Editant du texte dans les cellules du tableau pivotant.

une cellule ou une légende dans le tableau pivotant activé.. vous pouvez soit imprimer toutes les strates. Pour des tableaux pivotants longs ou larges. choisissez : Insérer Note de bas de page. E Sélectionnez les mots Légende du tableau et entrez votre texte par-dessus. choisissez : Insérer Légende Les mots Légende du tableau s'affichent au bas du tableau. soit simplement imprimer la strate supérieure (visible). E Cliquez sur un titre.. E Sélectionnez les mots Note de bas de page et tapez le texte de la note en écrasant le texte présent. vous pouvez automatiquement redimensionner le tableau pour ajuster à la page ou contrôler la position des sauts de tableaux ou des sauts de page. Impression des tableaux pivotants Divers facteurs peuvent affecter l'aspect des diagrammes imprimés à partir de tableaux pivotants et ces facteurs peuvent être contrôlés en modifiant les attributs du tableau pivotant. E A partir des menus du tableau pivotant. „ Pour des tableaux pivotants multidimensionnels (tableaux avec strates). „ Utilisez l'Aperçu avant impression du menu Fichier pour voir à quoi ressembleront les tableaux pivotants imprimés.294 Chapitre 11 Ajout de légendes à un tableau E A partir des menus du tableau pivotant. Ajout d'une note de bas de page à un tableau Une note de bas de page peut être attachée à tout élément d'un tableau. .

E A partir du menu. Vous pouvez aussi imprimer chaque strate d'un tableau pivotant sur une page distincte. . sélectionnez : Format Séparer ici. Vous pouvez: „ „ Contrôler la position à laquelle les lignes et les colonnes sont divisés les grands tableaux Indiquer les lignes et colonnes qui doivent être conservés ensemble lors de la division de tableaux „ Redimensionner les grands tableaux pour les ajuster à la taille définie pour la page Pour spécifier des sauts de ligne et de colonne dans les tableaux pivotants imprimés E Activez le tableau pivotant..295 Tableaux pivotants Pour imprimer les strates masquées d'un tableau pivotant E Activez le tableau pivotant (double-cliquez à un endroit quelconque du tableau).. sélectionnez Imprimer toutes les strates. (Pour les tableaux larges. E A partir du menu. les différentes sections s'impriment sur la même page s'il y a de la place). Contrôle des sauts de tableau pour les tableaux longs et larges Les tableaux pivotants qui sont soit trop larges soit trop longs pour être imprimés dans la taille de page définie sont automatiquement divisés et sont imprimés en plusieurs sections. sélectionnez : Format Propriétés du tableau E Dans l'onglet Impression. E Cliquez sur l'étiquette de colonne à gauche de l'endroit où vous souhaitez insérer le saut ou sur l'étiquette de ligne au-dessus de l'endroit où vous souhaitez insérer le saut.

(Cliquez-glissez ou Maj+cliquez pour sélectionner plusieurs étiquettes de ligne ou de colonne.296 Chapitre 11 Spécification des lignes ou colonnes à conserver ensemble E Activez le tableau pivotant. sélectionnez : Format Insérer Conserver ensemble Pour redimensionner un tableau pivotant afin de l'ajuster à la page E Activez le tableau pivotant. et/ou E Cliquez sur Redimensionner longueur de tableau. E A partir du menu.) E A partir du menu. . sélectionnez : Format Propriétés du tableau E Cliquez sur l'onglet Impression. E Sélectionnez les étiquettes des lignes ou colonnes que vous souhaitez conserver ensemble. E Cliquez sur Redimensionner largeur de tableau.

Cependant. 297 . Pour obtenir une documentation complète sur le langage de commande. Copie de la syntaxe à partir du fichier de résultat. Il est possible d'ouvrir une fenêtre de syntaxe et de taper des commandes. certaines options et commandes ne sont disponibles qu'en utilisant le langage de commande. reportez-vous au manuel SPSS Command Syntax Reference. Un fichier de syntaxe de commande est un fichier texte simple contenant des commandes. Copie de la syntaxe à partir du fichier-journal. mais il est plus simple de laisser SPSS construire le fichier de syntaxe selon l'une des méthodes suivantes : „ „ „ Copie de la syntaxe de commande à partir des boîtes de dialogue. La plupart des commandes sont accessibles depuis les menus et boîtes de dialogue. Celui-ci vous permet d'enregistrer vos travaux dans un fichier de syntaxe afin de vous permettre de relancer votre analyse à une date ultérieure ou de l'exécuter dans une opération automatisée à l'aide du système de production. Dans l'aide en ligne d'une procédure donnée. Il fournit également des fonctionnalités qui ne se trouvent ni dans les menus ni dans les boîtes de dialogue. cliquez sur le lien de syntaxe de commande dans la liste des rubriques apparentées pour accéder au diagramme de syntaxe de la commande correspondante.Utilisation de la syntaxe de commande 12 Chapitre SPSS fournit un puissant langage de commande qui vous permet d'enregistrer et d'automatiser de nombreuses tâches.

Règles de syntaxe de commande N'oubliez pas les règles suivantes lorsque vous modifiez et écrivez la syntaxe de commande : „ „ Chaque commande doit commencer sur une nouvelle ligne et se terminer par un point. des parenthèses. indépendamment des paramètres régionaux définis dans Windows. Vous ne pouvez pas créer de tels noms de variable dans les boîtes de dialogue . Par exemple. Il vous est possible d'ajouter des espaces ou des sauts de ligne à presque tous les points d'insertion d'un espace vide. ou les ajouter entre le nom des variables.298 Chapitre 12 Lors de l'installation de SPSS. Vous pouvez utiliser autant de lignes voulues pour spécifier une commande unique. Pour accéder à la documentation sur la syntaxe: E A partir du menu. Le nom des variables doit être écrit en en toute lettre. La plupart des sous-commandes sont séparées par des barres obliques (/). tels que des barres obliques. sélectionnez : Aide Command Syntax Reference. La barre oblique figurant avant la première sous-commande de la commande est souvent facultative. la documentation complète sur la syntaxe des commandes est automatiquement installée. FREQUENCIES . „ „ „ „ „ La syntaxe de commande respectant la casse. Un point (.) doit être utilisé pour indiquer les décimales. Le texte inclus dans les apostrophes ou les guillemets doit tenir sur une seule ligne. des opérateurs arithmétique. Chaque ligne de la syntaxe de commande ne peut dépasser 80 caractères. Le nom des variables finissant par un point peut engendrer des erreurs dans les commandes créées par les boîtes de dialogue. vous devez donc éviter d'indiquer ces noms. une abréviation de trois lettres peut être utilisée pour spécifier ces commandes.

sont deux choix possibles qui génèrent les mêmes résultats. le format des commandes convient à tout mode de production. vous pouvez construire un fichier de travail vous permettant de relancer l'analyse ultérieurement ou d'exécuter une opération automatisée à l'aide du système de production. vous pouvez exécuter la syntaxe qui a été collée. les règles de syntaxe diffèrent légèrement : „ „ „ Chaque commande doit commencer sur la première colonne d'une nouvelle ligne. Le point à la fin de la commande est optionnel. . et freq var=jobcat gender /percent=25 50 75 /bar. Fichiers de syntaxe Système de production et fichiers INCLUDE : Pour des fichiers de commande exécutés à l'aide du système de production ou de la commande INCLUDE. Dans la fenêtre de syntaxe. Collage d'une syntaxe depuis les boîtes de dialogue E Ouvrez la boîte de dialogue et faites vos sélections. Les lignes suites doivent être en retrait d'un espace au moins. Si vous générez une syntaxe de commande en collant les sélections d'une boîte de dialogue dans une fenêtre de syntaxe.299 Utilisation de la syntaxe de commande VARIABLES=JOBCAT GENDER /PERCENTILES=25 50 75 /BARCHART. la modifier et l'enregistrer dans un fichier de syntaxe. Création d'une syntaxe depuis les boîtes de dialogue La méthode la plus simple pour construire un fichier de syntaxe de commande consiste à effectuer des sélections dans les boîtes de dialogue et à coller la syntaxe dans la fenêtre correspondante. E Cliquez sur Coller. En collant la syntaxe à chaque étape d'une longue analyse.

une nouvelle fenêtre s'ouvre automatiquement pour pouvoir y coller la syntaxe. Utilisation de la syntaxe depuis le fichier de résultat Vous pouvez construire un fichier de syntaxe en copiant la syntaxe depuis le fichier apparaissant dans le Viewer. Chaque commande apparaît donc dans le Viewer accompagné du résultat de l'analyse. Si vous n'avez pas ouvert de fenêtre. Figure 12-1 Syntaxe de commande collée depuis une boîte de dialogue Remarque : Si vous ouvrez une boîte de dialogue à partir des menus d'une fenêtre de script. vous pouvez exécuter la syntaxe qui a été collée. sélectionnez Afficher commandes dans la boîte de dialogue du Viewer avant de lancer l'analyse.300 Chapitre 12 La syntaxe de commande est alors collée dans la fenêtre correspondante. Pour ce faire. Dans la fenêtre de syntaxe. . le code permettant d'exécuter la syntaxe depuis un script est alors collé dans la fenêtre correspondante. la modifier et l'enregistrer dans un fichier de syntaxe.

301 Utilisation de la syntaxe de commande Figure 12-2 Syntaxe de commande dans le fichier Copier la syntaxe depuis le fichier de résultats E Avant de lancer l'analyse. double-cliquez sur un élément du fichier pour le mettre . sélectionnez : Affichage Options.. E Dans l'onglet Viewer. Pour ce faire. à partir du menu. Au cours de l'analyse. sélectionnez : Fichier Nouveau Syntaxe E Dans le Viewer. sélectionnez Afficher commandes. E Ouvrez un fichier de syntaxe précédemment enregistré ou créez-en un nouveau. les commandes des sélections faites dans votre boîte de dialogue sont enregistrées dans le fichier. à partir du menu..

Notez toutefois que les erreurs doivent être résolues pour que l'analyse puisse s'effectuer correctement. Vous pouvez modifier le fichier-journal et l'enregistrer en tant que fichier de syntaxe que vous pouvez utiliser pour relancer une analyse. Enregistrez le fichier-journal modifié sous un autre nom. ou l'exécuter dans une opération automatisée à l'aide du système de production. E A partir du menu du Viewer. Le fichier-journal est un fichier texte pouvant être modifié comme tout autre fichier. à partir du menu. Des messages d'erreur et des avertissements étant également enregistrés dans le fichier-journal avec la syntaxe de commande.302 Chapitre 12 en surbrillance. sélectionnez : Edition Copier E Dans la fenêtre de syntaxe. sélectionnez : Edition Coller Utilisation de la syntaxe dans un fichier-journal Par défaut. commande Options).jnl (configuré dans le menu Edition. toutes les commandes exécutées au cours d'une session sont enregistrées dans un fichier-journal nommé spss. la tentative d'utilisation du même nom de fichier pour les fichiers de syntaxe et journaux peut générer des résultats inattendus. E Cliquez et faites glisser la souris pour sélectionner la syntaxe à copier. . Le fichier-journal étant automatiquement ajouté ou écrasé à chaque session. vous devez modifier les messages d'erreur et les avertissements générés avant d'enregistrer le fichier de syntaxe.

) . sélectionnez à partir du menu : Fichier Ouvrir Autre… E Ouvrez le fichier-journal (par défaut. (Nous vous conseillons d'utiliser un nom avec une extension . C'est l'extension par défaut des fichiers de syntaxe. utilisez Options du menu Edition pour connaître l'emplacement du journal sur votre système. spss. Si vous ne parvenez pas à trouver le fichier.303 Utilisation de la syntaxe de commande Figure 12-3 Edition du fichier-journal Modification de la syntaxe dans un fichier-journal E Pour ouvrir le fichier-journal. Sélectionnez Tous les fichiers (*.jnl se trouve dans le répertoire temp). E Modifiez le fichier afin de supprimer tout message d'erreur ou avertissement indiqué par un signe >.*) dans la liste des types de fichiers ou entrez *. E Enregistrez le fichier-journal modifié sous un autre nom.sps.jnl dans la zone de texte Nom de fichier pour afficher les fichiers-journaux dans la liste.

E Cliquez sur le bouton Exécuter (en forme de triangle) dans la barre d'outils de la fenêtre de l'éditeur de syntaxe. Vous risquez même de ralentir les performances car cette commande lit l'intégralité du fichier de données. Lorsque vous exécutez plusieurs commandes à partir d'une fenêtre de syntaxe. „ Jusqu'à la fin : Exécute toutes les commandes à partir de l'emplacement du curseur jusqu'à la fin du fichier de syntaxe de commande.304 Chapitre 12 Exécuter une syntaxe de commande E Mettez en surbrillance les commandes à exécuter dans la fenêtre de syntaxe. ou E Sélectionnez l'une des options du menu Exécuter. Sélection : Exécute les commandes sélectionnées. . „ „ „ Tout : Exécute toutes les commandes dans la fenêtre de syntaxe. il est inutile de faire appel à plusieurs commandes EXECUTE. Le bouton Exécuter dans la barre d'outils de l'éditeur de syntaxe exécute les commandes sélectionnées ou la commande sélectionnée à l'endroit où le curseur est situé si aucun élément n'est sélectionné. Courant : Exécute la commande à l'endroit où le curseur est situé. Figure 12-4 Barre d'outils Editeur de syntaxe Commandes Execute multiples La syntaxe collée depuis des boîtes de dialogue ou copiée depuis le journal peut contenir des commandes EXECUTE. y compris les commandes partiellement sélectionnées.

à l'exception de la dernière. vous pouvez donc supprimer ces commandes. . vous pouvez généralement supprimer toutes les commandes EXECUTE du fichier de syntaxe. Dans une série de commandes de transformation ne contenant aucune commande EXECUTE ni aucune autre commande lisant les données. les fonctions Décalage positif sont calculées une fois toutes les autres transformations effectuées. aucune commande EXECUTE n'est nécessaire . „ Fonctions Décalage positif Cette exception concerne les commandes de transformation qui contiennent des fonctions Décalage positif. sans tenir compte de l'ordre des commandes. Par exemple : COMPUTE lagvar=LAG(var1) COMPUTE var1=var1*2 et COMPUTE lagvar=LAG(var1) EXECUTE COMPUTE var1=var1*2 génère différents résultats pour la valeur lagvar car la première valeur utilise la valeur transformée var1 alors que la deuxième utilise la valeur d'origine. Si vous n'êtes pas sûr que la dernière commande lise le fichier de données.305 Utilisation de la syntaxe de commande „ Si la dernière commande du fichier de syntaxe lit le fichier de données (comme une procédure statistique ou graphique).

.

moyenne. ou bien classer les modalités en fonction de leurs fréquences.078 $. vous pourriez constater que la moyenne de vente par produit est de 3.1 % d'établissements universitaires et à 9. variance. pourcentages cumulés. Pour obtenir un rapport des fréquences et un diagramme en bâtons. Exemple : Quelle est la répartition de la clientèle d'une société selon le type d'industrie dont elle fait partie ? Le résultat pourrait vous apprendre que votre clientèle est composée à 37. centiles choisis par l'utilisateur. Le rapport de fréquences peut être supprimé lorsqu'une variable a plusieurs valeurs distinctes. quartiles. diagrammes en secteurs et histogrammes. erreur standard de la moyenne. à 28. Dès que vous prenez connaissance de vos données.5 % d'organismes d'état. médiane. la procédure Fréquences peut jouer un rôle. intervalle. 307 . vous pouvez trier les différentes valeurs par ordre croissant ou décroissant. pourcentages. Vous pouvez étiqueter les diagrammes avec des fréquences (par défaut) ou des pourcentages. valeurs minimale et maximale. Diagrammes et statistiques : Effectifs de fréquence.Fréquences 13 Chapitre La procédure Fréquences permet d'obtenir des affichages statistiques et graphiques qui servent à décrire de nombreux types de variables. Pour des données continues et quantitatives.9 % de sociétés commerciales. somme.576 $ avec un écart type de 1. diagrammes en bâtons. mode. à 24. Remarques sur les données de fréquences Données : Utilisez des codes numériques ou alphanumériques courts pour coder les variables qualitatives (mesures de niveau nominal ou ordinal). asymétrie et aplatissement (avec leurs erreurs standard). écart type.4 % du secteur de la santé. comme par exemple les revenus des ventes.

qu'elles répondent ou non au critère de normalité. Echantillon de résultat Figure 13-1 Résultat de fréquences .308 Chapitre 13 Hypothèses : Les tabulations et les pourcentages fournissent une description utile sur les données de n'importe quelle distribution. telles que la moyenne et l'écart type. sont fondées sur la théorie de normalité et sont appropriées pour des variables quantitatives avec une distribution symétrique. Certaines des statistiques récapitulatives facultatives. Les statistiques de base. sont appropriées pour les variables quantitatives. les quartiles et les centiles. particulièrement pour les variables disposant de modalités triées ou non. telles que la médiane.

vous pouvez : „ „ „ Cliquer sur Statistiques pour obtenir des statistiques descriptives pour des variables quantitatives. . Cliquer sur Diagrammes pour obtenir des diagrammes en bâtons. Sinon... Cliquer sur Format pour définir l'ordre de présentation des résultats. sélectionnez : Analyse Statistiques descriptives Fréquences.309 Fréquences Pour obtenir des tableaux de fréquences E A partir du menu. des diagrammes en secteurs ou des histogrammes. Figure 13-2 Boîte de dialogue Fréquences E Sélectionnez une ou plusieurs variables qualitatives ou quantitatives.

Moyenne arithmétique . La médiane est une mesure de tendance centrale et elle n'est pas. Les quartiles (25ième. Médiane : Valeur au-dessus ou au-dessous de laquelle se trouve la moitié des observations . „ „ Moyenne : Mesure de la tendance centrale. à l'inverse de la moyenne. sensible aux valeurs éloignées. . „ Somme : Somme ou total des valeurs. 50e centile. le 95ième centile. pour toutes les observations n'ayant pas de valeur manquante. valeur au-dessus de 95 % des observations). La procédure Fréquences ne rend compte que du plus petit mode. Tendance centrale : Les statistiques décrivant la position de la distribution comprennent la Moyenne. Si vous souhaitez un nombre égal de classes différent de quatre. le Mode et la Somme de toutes les valeurs. somme divisée par le nombre d'observations. Si plusieurs valeurs partagent la plus grande fréquence d'occurrence. la Médiane. chacune d'elles constitue un mode. sélectionnez Partition en n classes égales. la médiane correspond à la moyenne des deux observations du milieu lorsqu'elles sont triées dans l'ordre croissant ou décroissant.310 Chapitre 13 Statistiques des fréquences Figure 13-3 Boîte de dialogue Fréquences : Statistiques Fractiles : Valeurs d'une variable quantitative qui divisent les données triées en classes par centième. Vous pouvez également spécifier des centiles particuliers (par exemple. „ Mode : Valeur qui revient le plus fréquemment. 50ième et 75ième centiles) divisent les observations en quatre classes de taille égale. Si le nombre d'observations est pair.

la valeur de la statistique d'aplatissement est égale à 0. divisée par le nombre d'observations moins un. ES Moyenne : Mesure du taux de variation de la valeur de la moyenne sur des échantillons provenant de la même distribution. Dans le cas d'une distribution normale. La distribution normale est symétrique et a une valeur d'asymétrie égale à zéro. Minimum : Valeur la plus petite d'une variable numérique. „ Ecart type : Mesure de la dispersion des valeurs autour de la moyenne. la variance. 68 % des observations se situent à un écart type de la moyenne et 95 % à deux écarts types. „ Skewness : Mesure de l'asymétrie d'une distribution. Dans une répartition normale. Distribution : L'Asymétrie et l'Aplatissement sont des statistiques qui décrivent la forme et la symétrie de la distribution. „ Kurtosis : Mesure de l'étendue du regroupement des observations autour d'un point central.311 Fréquences Dispersion : Les statistiques mesurant la variance ou la dispersion dans les données. Pour simplifier. Par exemple. La variance se mesure en unités. Cette mesure permet de comparer approximativement la moyenne observée avec une valeur hypothétique (autrement dit. qui sont égales au carré des unités de la variable. si la moyenne d'âge est de 45 avec un écart type égal à 10. comprennent l'écart type. le minimum. Un aplatissement positif indique que les observations sont plus regroupées et présentent des extrémités plus longues que . Une distribution caractérisée par une importante asymétrie positive présente une partie droite plus allongée. une distribution normale verra 95 % des observations se situer entre 25 et 65. égale à la somme des carrés des écarts par rapport à la moyenne. „ „ „ „ Plage : Différence entre la valeur maximale et la valeur minimale d'une variable numérique (maximum–minimum). „ Variance : Mesure de la dispersion des valeurs autour de la moyenne. Une distribution caractérisée par une importante asymétrie négative présente une extrémité gauche plus allongée. Ces statistiques sont présentées avec leurs erreurs standard. vous pouvez conclure que ces deux valeurs sont différentes si le rapport de la différence avec l'erreur standard est inférieur à -2 ou supérieur à +2). Maximum : Plus grande valeur d'une variable numérique. une valeur d'asymétrie deux fois supérieure à l'erreur standard correspond à une absence de symétrie. le maximum et l'erreur standard (ES) de la moyenne. l'intervalle.

Si vous superposez une courbe normale sur l'histogramme. . sélectionnez cette option pour estimer la médiane et les centiles des données originales. les âges des individus trentenaires sont représentés par le code 35). Valeurs sont des centres de classes : Si les valeurs dans vos données représentent des centres de classes (par exemple. Un diagramme en bâtons montre l'effectif de chaque valeur ou de chaque modalité sous la forme d'un bâton distinct. le centre et la dispersion de la distribution. La hauteur de chaque bâton représente l'effectif des valeurs d'une variable quantitative appartenant à l'intervalle. l'axe peut être étiqueté par fréquences ou pourcentages de fréquence. Diagrammes des fréquences Figure 13-4 Boîte de dialogue Fréquences : Diagrammes Type de diagramme : Un diagramme en secteurs montre la participation de chaque partie à l'ensemble. Chaque secteur du diagramme correspond à un groupe défini par une simple variable de regroupement. Un aplatissement négatif signifie que les observations sont moins regroupées et présentent des extrémités plus courtes. Un histogramme montre la forme. Valeurs du diagramme : Dans les diagrammes en bâtons. non regroupées. vous pouvez déterminer si les données sont distribuées normalement. ce qui vous permet de comparer les modalités visuellement. Un histogramme est également constitué de bâtons mais ils sont répartis à intervalles égaux.312 Chapitre 13 dans le cas d'une distribution normale.

si vous demandez un histogramme ou des centiles. par Valeurs croissantes ou Valeurs décroissantes. . Supprimer les tableaux avec plus de n modalités : Cette option évite l'affichage des tableaux ayant plus que le nombre spécifié de valeurs. SPSS part du principe que la variable est quantitative et affiche ses valeurs par ordre croissant. vous pouvez afficher toutes les variables dans un tableau unique (Comparer variables) ou bien afficher un tableau statistique séparé pour chaque variable (Séparer résultats par variables). Variables multiples : Si vous créez des tableaux statistiques pour des variables multiples.313 Fréquences Format des fréquences Figure 13-5 Boîte de dialogue Fréquences: Format Ordre d'affichage : Le tableau de fréquences peut être affiché en fonction des valeurs réelles des données ou de l'effectif (fréquence d'occurrence) de ces valeurs. Cependant.

.

minimum.) rapportés chaque jour pendant plusieurs mois. Les variables peuvent être ordonnées en fonction de la taille de leurs moyennes (en ordre ascendant ou descendant). une entrée pour Bob. Remarques sur les données de Caractéristiques Données : Utilisez des variables numériques après les avoir visualisées graphiquement en cherchant des erreurs d'enregistrement. les listes de données et les analyses. produit domestique brut par personne et pourcentage de la population sachant lire et écrire). ils sont ajoutés aux données dans l'éditeur de données et sont disponibles pour les diagrammes SPSS.Caractéristiques 14 Chapitre La procédure Descriptive affiche les résumés de statistiques univariées pour plusieurs variables en un seul tableau et calcule les valeurs standardisées (scores z). alphabétiquement ou selon l'ordre dans lequel vous avez sélectionné les variables (par défaut). 315 . maximum. variance. intervalle. écart type. Exemple : Si chaque observation dans vos données contient les totaux des ventes quotidiennes pour chacun des membres du personnel commercial (par exemple. les valeurs éloignées et les anomalies de distribution. somme. une pour Brian. et aplatissement et asymétrie avec leurs erreurs standards (ES). La procédure Caractéristiques est très efficace pour les gros fichiers (milliers d'observations). etc. Statistiques : Taille de l'échantillon. Lorsque les scores z sont enregistrés. une transformation en score z place les variables sur une échelle commune pour que la comparaison soit plus facile. erreur standard de la moyenne. une pour Kim. la procédure Caractéristiques peut calculer les ventes quotidiennes moyennes pour chacun des membres du personnel et ordonner les résultats de la moyenne des ventes la plus élevée à la plus basse. Lorsque les variables sont enregistrées avec des unités différentes (par exemple. moyenne.

00 83.0000 52.9000 52.00 45.00 85..00 85.00 Moyenne 59.00 34.2000 56.9000 52.00 73. le calcul des écarts z n'est pas une solution aux données posant des problèmes.00 28.8858 16.. sélectionnez : Analyse Statistiques descriptives Descriptives.6029 21.00 10 10 10 10 10 10 10 23.1305 Ventes de Jean Ventes de Nathalie Ventes de Pierre Ventes de Monique Ventes de Michel Ventes de Karine Ventes de Thomas N valide (observation 10 incomplète) Pour obtenir des statistiques descriptives E A partir du menu.00 23.6623 8.2000 56.00 25.4617 21.1000 50.00 71.8819 16. La distribution des écarts z a la même forme que celle des données d'origine.5000 Ecarttype 14. Echantillon de résultat Figure 14-1 Résultats de la procédure Caractéristiques Statistiques descriptives N Minimum 42.00 Maximum 86. .00 89.316 Chapitre 14 Hypothèses : La plupart des statistiques disponibles (y compris les écarts z) sont basées sur une théorie normale et conviennent pour des variables quantitatives (mesures de niveau d'intervalle ou de rapport) avec distribution symétrique (évitez les variables avec des modalités désordonnées ou des distributions asymétriques).2657 17. Ainsi.

Sinon. .317 Caractéristiques Figure 14-2 Boîte de dialogue Caractéristiques E Sélectionnez une ou plusieurs variables. „ Cliquer sur Options pour les statistiques optionnelles et l'ordre d'affichage. vous pouvez : „ Cliquez sur Enregistrer des valeurs standardisées dans des variables pour enregistrer les écarts z comme nouvelles variables.

l'intervalle. égale à la somme des carrés des écarts par rapport à la moyenne. le minimum. Dans une répartition normale. le maximum. qui sont égales au carré des unités de la variable. „ Plage : Différence entre la valeur maximale et la valeur minimale d'une variable numérique (maximum–minimum). Dispersion : Les statistiques qui mesurent l'étendue ou les variations dans les données comprennent l'écart type. „ Variance : Mesure de la dispersion des valeurs autour de la moyenne.318 Chapitre 14 Options Caractéristiques Figure 14-3 Boîte de dialogue Caractéristiques : Options Moyenne et somme : La moyenne ou moyenne arithmétique s'affiche par défaut. Par exemple. et l'erreur standard (ES) de la moyenne. La variance se mesure en unités. la variance. 68 % des observations se situent à un écart type de la moyenne et 95 % à deux écarts types. . divisée par le nombre d'observations moins un. „ Ecart type : Mesure de la dispersion des valeurs autour de la moyenne. si la moyenne d'âge est de 45 avec un écart type égal à 10. une distribution normale verra 95 % des observations se situer entre 25 et 65.

„ Skewness : Mesure de l'asymétrie d'une distribution. vous pouvez conclure que ces deux valeurs sont différentes si le rapport de la différence avec l'erreur standard est inférieur à -2 ou supérieur à +2). „ Kurtosis : Mesure de l'étendue du regroupement des observations autour d'un point central.319 Caractéristiques „ „ „ Minimum : Valeur la plus petite d'une variable numérique. Cette mesure permet de comparer approximativement la moyenne observée avec une valeur hypothétique (autrement dit. Distribution : L'aplatissement et l'asymétrie sont des statistiques qui caractérisent la forme et la symétrie de la distribution. . les variables s'affichent dans l'ordre dans lequel vous les avez sélectionnées. En option. Une distribution caractérisée par une importante asymétrie positive présente une partie droite plus allongée. vous pouvez afficher les variables alphabétiquement. Pour simplifier. Un aplatissement négatif signifie que les observations sont moins regroupées et présentent des extrémités plus courtes. par moyennes croissantes ou par moyennes décroissantes. Un aplatissement positif indique que les observations sont plus regroupées et présentent des extrémités plus longues que dans le cas d'une distribution normale. Erreur standard de la moyenne : Mesure du taux de variation de la valeur de la moyenne sur des échantillons provenant de la même distribution. Maximum : Plus grande valeur d'une variable numérique. une valeur d'asymétrie deux fois supérieure à l'erreur standard correspond à une absence de symétrie. La distribution normale est symétrique et a une valeur d'asymétrie égale à zéro. Elles sont affichées avec leurs erreurs standards. Ordre d'affichage : Par défaut. la valeur de la statistique d'aplatissement est égale à 0. Dans le cas d'une distribution normale. Une distribution caractérisée par une importante asymétrie négative présente une extrémité gauche plus allongée.

.

les trous dans les données ou d'autres particularités. Les boîtes à moustaches et les diagrammes tige et feuille résument graphiquement la répartition des temps d'apprentissage pour chacun des groupes. variance. les cinq plus grandes et cinq plus petites valeurs. l'identification des valeurs éloignées. Vous pouvez également choisir d'utiliser des tests non paramétriques. Pour chacun des quatre groupes. la vérification d'hypothèses et la caractérisation des différences parmi les sous populations (groupes d'observations). Boîtes à moustaches. intervalle. et la statistique Shapiro-Wilk. minimum. Le filtrage de données peut vous indiquer les valeurs inhabituelles. 321 . Exemple : Examiner la distribution des temps d'apprentissage pour les souris dans un labyrinthe avec quatre programmes de renforcement. le Kolmogorov-Smirnov avec un seuil de signification Lilliefors pour tester la normalité. vous pouvez voir si la répartition des temps est approximativement gaussienne et si les quatre variances sont égales. erreur standard. asymétrie et aplatissement avec leurs erreurs standard. Vous pouvez aussi identifier les observations avec les cinq plus grands et les cinq plus petits temps. diagrammes tige et feuille. L'exploration peut indiquer que vous avez besoin de transformer les données si la technique nécessite une répartition gaussienne. intervalle interquartile. histogrammes. L'exploration des données peut vous aider à déterminer si les techniques statistiques que vous envisagez d'utiliser pour l'analyse de vos données sont appropriées.Explorer 15 Chapitre La procédure Explorer produit des résumés statistiques et des affichages graphiques pour toutes vos observations ou séparément pour des groupes d'observations. médiane. centiles. diagrammes de répartition gaussienne. écart type. maximum. et dispersion/niveaux avec le test de Levene et les transformations. Il existe plusieurs raisons pour utiliser la procédure Explorer : le filtrage de données. la description. intervalle de confiance pour la moyenne (et niveaux de confiance spécifiés). Andrews. M-estimateur de Huber. moyenne tronquée à 5 %. les valeurs extrêmes. Hampel. Tukey. Diagrammes et statistiques : Moyenne.

606 1.219 .900 1.850 .322 Chapitre 15 Remarques sur les Données d'Explorer Données : La procédure d'Explorer peut être utilisée pour les variables quantitatives (Mesures de niveaux d'intervalle ou de rapport).650 .334 4 9.1 4.834 . Ces valeurs peuvent être des chaînes de caractères courtes ou numériques.5 2.116 .889 4.687 -.422 3. de longues chaînes de caractères (15 premiers caractères) ou numériques.5 1.250 -.334 . peut être de courtes chaînes de caractères.357 9.687 -.687 -1.133 2.911 7.7 4.408 4.760 .895 5.900 .104 1.289 8.400 -. La variable d'étiquette par observation.387 3.850 .350 1.5 . Statistique Erreur std.805 4.165 2.893 7.5 9.445 5.210 1.8 10.994 9.663 8.907 6.4 2.197 . utilisée pour étiqueter les valeurs extrêmes dans les boîtes à moustache.050 1.6 2.687 -1.761 2.335 2.3 6.559 .783 1.272 .521 2. Statistique Statistique Statistique Statistique Statistique Statistique Statistique Statistique Statistique Statistique Statistique Erreur std.982 1. Une variable active (utilisée pour répartir les données en groupes d'observations) doit avoir un nombre raisonnable de valeurs distinctes (modalités). 1 2.000 .0 % Limite supérieure Moyenne tronquée à 5 % Médiane Variance Ecart-type Minimum Maximum Plage Intervalle interquartile Asymétrie Kurtosis Statistique Erreur std.0 3. Hypothèses : La distribution de vos données ne doit pas obligatoirement être symétrique ou gaussienne. Echantillon de résultat Figure 15-1 Résultats d'Explorer Descriptifs Temps Planning Moyenne Intervale de confiance Limite inférieure pour la moyenne à 95.334 3 6.334 2 4.913 7.925 -.010 .7 1.

1 2.3 2. 268 8 .00 4.00 6.0 Chaque feuille 1 observation(s) Pour explorer vos données E A partir du menu. 1379 7 . 5 Largeur de tige 1.5 9.00 5..00 3.00 6. . 0133589 3 .00 5.00 1.5 Time Stem-and-Leaf Plot Diagramme Tige et feuille (dans le temps) 7.00 3.5 9. 13589 10 .3 2.00 2 .8 9.0 2.9 9..3 2. sélectionnez : Analyse Statistiques descriptives Explorer. 014577 4 . 05779 6 .323 Explorer Valeurs extrêmes Nombre d'observations Chaîne Temps Plus élevé Valeur Plus bas 1 2 3 4 5 1 2 3 4 5 31 33 39 32 36 2 7 1 11 3 4 4 4 4 4 1 1 1 2 1 10. 568 5 . 012237 9 .

Sinon. les Centiles et les tableaux de fréquences. Cliquez sur Diagrammes pour les histogrammes. . vous pouvez : „ „ „ „ „ Sélectionner une ou plusieurs variables actives. les Valeurs éloignées. Cliquez sur Options pour le traitement des valeurs manquantes.324 Chapitre 15 Figure 15-2 Boîte de dialogue Explorer E Sélectionnez au moins une variable dépendante. les diagrammes de répartition gaussiens avec tests et la dispersion/niveau avec test de Levene. dont les valeurs définiront les groupes d'observations. Sélectionner une variable d'identification pour étiqueter les observations. Cliquer sur Statistiques pour les M-estimateurs.

75ième. L'intervalle du niveau de confiance à 95 % pour la moyenne s'affiche aussi. le maximum. Andrew. Valeurs éloignées : Affiche les cinq plus grandes et cinq plus petites valeurs. Centiles : Affiche les valeurs pour le 5ième. 10ième. l'intervalle. Moyennes pondérées : Estimations de la moyenne et de la médiane de l'échantillon pour estimer une localisation du centre. avec les étiquettes d'observations. 90ième.325 Explorer Statistiques d'Explorer Figure 15-3 Boîte de dialogue Statistiques Explorer Descriptives : Ces mesures de tendance centrale et de dispersion s'affichent par défaut. Vous pouvez spécifier un niveau de confiance différent. L'asymétrie et l'aplatissement s'affichent avec leurs erreurs standard. On y trouve la moyenne. et 95ième centiles. et l'intervalle interquartile. Les mesures de dispersion montrent la dissimilarité des valeurs . . M-estimateur de Huber. la variance. Hampel. Les statistiques descriptives comprennent aussi les mesures de la forme des répartitions. et Tukey apparaissent. Les estimateurs calculés diffèrent selon les pondérations qu'ils appliquent aux observations. on y trouve l'erreur standard. le minimum. 50ième. Les mesures de tendance centrale indiquent la position de la répartition. 25ième. l'écart type. la médiane et la moyenne tronquée à 5 %.

Caractéristique : Le groupe caractéristiques vous permet de choisir les diagrammes tige et feuille et les histogrammes. En cas de pondérations entières ou en l'absence de pondération.326 Chapitre 15 Diagrammes d'Explorer Figure 15-4 Boîte de dialogue Explorer : Diagrammes Boîtes à moustaches : Ces alternatives contrôlent l'affichage de boîtes à moustaches quand vous avez plus d'une variable dépendante. les boîtes à moustache sont données pour chacun des groupes définis par une variable active. . La statistique de Kolmogorov-Smirnov avec un seuil de signification Lilliefors pour le test de normalité s'affiche. les boîtes à moustaches s'affichent côte à côte pour chaque variable dépendante. Cet affichage est particulièrement utile lorsque les différentes variables représentent une seule caractéristique mesurée à des moments différents. Dans un affichage. Niveaux de critère génère un affichage séparé pour chaque variable dépendante. le calcul est effectué lorsque la taille d'échantillon pondérée est comprise entre 3 et 5 000. Graphes de répartition gaussiens avec tests : Affiche les diagrammes de répartition gaussiens et les résidus. la statistique Shapiro-Wilk est calculée lorsque la taille d'échantillon pondérée est comprise entre 3 et 50. Dépendantes génère un affichage séparé pour chaque groupe défini par une variable active. Si des pondérations non entières sont spécifiées. Dans un affichage.

vous devez sélectionner un exposant pour la transformation.327 Explorer Dispersion/niveau avec test de Levene : Contrôle les transformations de données pour les diagrammes de dispersion par niveau. les tests de Levene sont basés sur les données transformées. Un diagramme de dispersion par niveau aide à déterminer l'exposant pour qu'une transformation stabilise (rende plus égales) les variances entre groupes. Pour transformer les données. Transformations de l'exposant d'Explorer Voici les transformations de l'exposant pour les diagrammes de dispersion par niveau. Sans transformation produit des diagrammes de données brutes. Estimation d'exposants produit un diagramme des logs naturels des intervalles interquartile opposés au logs naturels des médianes pour toutes les cellules. les diagrammes de dispersion par niveau ne sont pas produits. en même temps qu'une estimation de la transformation de l'exposant pour arriver à des variances égales dans les cellules. Transformation Exposant vous permet de sélectionner une des alternatives de l'exposant. Racine carrée : La racine carrée de chaque valeur des données est calculée. Cube : Chaque valeur des données est élevée au cube. Il s'agit de la valeur par défaut. Pour tous les diagrammes de dispersion par niveau. la pente de la ligne de régression et les tests de Levene portant sur l'homogénéité de la variance s'affichent. Ceci est équivalent à une transformation avec une puissance de 1. Si aucune variable active n'est sélectionnée. Réciproque : La réciproque de chaque valeur des données est calculée. L'intervalle interquartile et la médiane des données transformées sont dessinés. Si vous sélectionnez une transformation. Carré : Chaque valeur des données est élevée au carré. . en suivant éventuellement les recommandations de l'estimation de l'exposant et de produire les diagrammes des données transformées. Vous avez le choix entre les options suivantes : „ „ „ „ „ „ Log népérien : Transformation par log naturel. 1/racine carrée : La réciproque de la racine carrée est calculée pour chaque valeur des données.

328 Chapitre 15 Options d'Explorer Figure 15-5 Boîte de dialogue Explorer : Options Valeurs manquantes : Contrôle le traitement des valeurs manquantes. Les tableaux de fréquences contiennent les modalités pour les valeurs manquantes. Les valeurs manquantes pour une variable active sont inclues. „ Signaler les valeurs manquantes : Les valeurs manquantes pour les variables actives sont traitées comme une modalité séparée. Il s'agit de la valeur par défaut. „ Exclure toute observation incomplète : Les observations avec des valeurs manquantes pour l'une ou l'autre des variables dépendantes ou actives sont exclues de toutes les analyses. „ Exclure seulement les composantes non valides : Les observations sans valeur manquante pour une variable dans un groupe (cellule) sont inclues dans l'analyse de ce groupe. mais étiquetées comme manquantes. Tout résultat est produit pour cette modalité supplémentaire. L'observation peut avoir des valeurs manquantes pour les variables utilisées dans d'autres groupes. .

Khi-deux du rapport de vraisemblance. routinière ou ennuyeuse). non) face à la vie (est excitante. alors que la majorité des grandes sociétés (plus de 2 500 salariés) rapportent des bénéfices de services bas. r de Pearson. une colonne et une strate de facteur (variable de contrôle). coefficient d'incertitude. vous pourriez apprendre que la majorité des PME (moins de 500 salariés) génèrent des bénéfices de services élevés. odds ratio. rho de Spearman. les résultats d'un tableau à deux entrées pour les femmes sont calculés séparément de ceux des hommes et affichés sous forme de tableaux consécutifs. d de Somer. coefficient êta. Par exemple. Si vous spécifiez une ligne. tau-b de Kendall. estimation de risque relatif. phi. Les statistiques et les mesures d'association de tableaux croisés ne sont calculées que pour les tableaux à deux entrées. La structure du tableau et l'ordre des modalités déterminent quels test ou mesures effectuer. tau-c de Kendall. test d'association linéaire par linéaire. coefficient de contingence. lambdas symétriques et asymétriques. Kappa de Cohen. et statistiques de Cochran et Mantel-Haenszel. gamma. test de McNemar. formation et conseil) que ceux de grandes sociétés ? A partir d'une tabulation croisée.Tableaux croisés 16 Chapitre La procédure de tableaux croisés établit des tableaux à deux entrées ou à entrées multiples et permet 22 tests et mesures d'associations pour les tableaux à deux entrées. si le sexe est un facteur de strate pour un tableau marié (oui. V de Cramer. tau de Goodman et Kruskal. Khi-deux corrigé de Yates. test exact de Fisher. SPSS forme un tableau de statistiques et de mesures pour chaque valeur de la strate de facteur (ou une combinaison de valeurs pour deux variables de contrôle ou plus). Statistiques et mesures d'association : Khi-deux de Pearson. Exemple : Les clients de PME ont-ils plus de probabilités d'être rentables en ventes de services (par exemple. 329 .

ou avec homme et femme. Hypothèses : Des statistiques et des mesures partent du principe de modalités ordonnées (données ordinales) ou de valeurs quantitatives (données d'intervalle ou données de type ratio). utilisez des variables numériques ou des variables sous forme de chaînes de caractères courtes (huit caractères ou moins). pour une variable chaîne comportant des valeurs Faible. les données doivent provenir d'un échantillon aléatoire avec une répartition multinomiale. D'autres sont valides lorsque les variables du tableau ont des modalités désordonnées (données nominales). l'ordre des modalités est interprété comme Elevé. vous pouvez codifier les données avec 1 et 2. . Toutefois. il est recommandé d'utiliser les codes numériques pour représenter les données ordinales. l'ordre alphabétique des valeurs de chaîne est supposé refléter l'ordre réel des modalités. Pour les statistiques basées sur le test Khi-deux (phi. Remarque : Les variables ordinales peuvent être des codes numériques représentant des modalités (par exemple. pour sexe. Par exemple. Faible ou Moyen. 3 = élevé) ou des valeurs de chaîne. Elevé.330 Chapitre 16 Remarques sur les Données pour tableau croisé Données : Pour définir les modalités de chaque variable du tableau. tel que décrit dans la section sur les statistiques. V de Cramer. Par exemple. coefficient de contingence). 1 = faible. 2 = moyen. ce qui ne correspond pas à l'ordre correct. Moyen. En règle générale.

.331 Tableaux croisés Echantillon de résultat Figure 16-1 Résultats de tableau croisé Rentabilité du service * Tabulation croisée de l'entreprise Rentabilité du service Bas Elevé Taille de l'entreprise Tests du Khi-deux Signification asymptotique (bilatérale) Valeur Chi-deux de Pearson Rapport de vraissemblance Association linéaire par linéaire N d'observations valides Pour obtenir des tableaux croisés E A partir du menu.. sélectionnez : Analyse Statistiques descriptives Tableaux croisés. .

Pour créer une autre strate de variables de contrôle. si vous avez une variable de ligne. les pourcentages et les résidus. une variable de colonne. vous pouvez : „ Sélectionner des variables de contrôle. un tableau croisé séparé est produit pour chacune des modalités de variable de strate (variable de contrôle). Par exemple. Sinon. Cliquez sur Format pour contrôler l'ordre des modalités. vous obtenez un tableau à deux entrées pour chacune des modalités de la variable de strate. et une variable de strate avec deux modalités. Les sous-tableaux sont produits pour chaque combinaison de modalités . à deux entrées ou les sous-tableaux. cliquez sur Suivant.332 Chapitre 16 Figure 16-2 Boîte de dialogue Tableaux croisés E Sélectionnez des lignes de variables et des colonnes de variables. Strates de tableaux croisés Si vous sélectionnez des variables de strate. „ Cliquer sur Statistiques pour les tests et les mesures d'association pour les tableaux „ „ Cliquez sur Cellules pour les valeurs observées et théoriques.

. Il y a un regroupement de bâtons pour chaque valeur de la variable que vous avez spécifiée dans Ligne(s). Statistiques de tableaux croisés Figure 16-3 Boîte de dialogue Tableaux croisé : Statistiques Khi-deux : Pour les tableaux avec deux lignes et deux colonnes. elles ne s'appliquent qu'aux sous-tableaux à deux entrées. Si les statistiques et les mesures d'association sont requises.333 Tableaux croisés pour chaque variable de premier niveau avec chaque variable de second niveau et ainsi de suite. Diagrammes en bâtons juxtaposés de tableaux croisés Affichage de diagrammes en bâtons juxtaposés : Un diagramme en bâtons juxtaposés vous permet de résumer vos données pour des groupes d'observations. Il y a un ensemble de bâtons de couleurs ou de motifs différents pour chaque valeur de cette variable. le Khi-deux du rapport de vraisemblance. Si vous spécifiez plus d'une variable dans Colonnes ou Lignes. sélectionnez Khi-deux pour calculer le Khi-deux de Pearson. le test exact de Fisher et le test du Khi-deux de Yates corrigé (correction de continuité). un diagramme en bâtons juxtaposés est produit pour chaque combinaison de deux variables. La variable qui définit les bâtons dans chaque regroupement est la variable que vous avez spécifiée dans Colonne(s).

Lorsque les deux variables du tableau sont quantitatives. La valeur 0 signifie que la variable indépendante ne prévoit pas du tout la variable dépendante.83 indique que la connaissance d'une variable réduit de 83 % l'erreur dans les prévisions de . la valeur 0. Nominal : Pour les données nominales (sans ordre intrinsèque. La valeur maximale possible dépend du nombre de lignes et de colonnes dans le tableau. Corrélations : Pour les tableaux dans lesquels les lignes et les colonnes contiennent des valeurs ordonnées. rho (données numériques seulement). „ Phi et V de Cramer : Mesure d'association calculée à partir du Khi-deux. puis en prenant la racine carrée du résultat. Lorsque les deux variables (facteurs) du tableau sont quantitatives. le test exact de Fisher est calculé lorsqu'un tableau qui ne provient pas de lignes ou de colonnes manquantes dans un tableau plus grand présente une cellule avec une fréquence attendue inférieure à 5. sélectionnez Khi-deux pour calculer le Khi-deux de Pearson et le rapport de vraisemblance du Khi-deux. comme Catholique. et tau de Goodman et Kruskal) et le coefficient d'incertitude. Le V de Cramer est également une mesure d'association basée sur le Khi-deux. et les valeurs proches de 1 indiquant un degré d'association élevé entre les variables. „ Coefficient de contingence : Mesure d'association basée sur le Khi-deux. les corrélations donnent le coefficient de corrélation de Pearson. vous pouvez sélectionner le coefficient Phi et V de Cramér. Protestant. Juif). Le Khi-deux corrigé de Yates est calculé pour tous les autres tableaux 2 × 2. une mesure de l'association linéaire entre les variables.334 Chapitre 16 Pour les tableaux 2 × 2. zéro indiquant l'absence d'association entre les variables de ligne et de colonne. les corrélations donnent le coefficient de corrélation de Spearman. „ Coefficient d'incertitude : Mesure d'association qui indique la réduction proportionnelle de l'erreur lorsque les valeurs d'une variable sont utilisées pour prévoir celles d'une autre. Elle est obtenue en divisant la statistique du Khi-deux par la taille de l'échantillon. Lambda (lambdas symétriques et asymétriques. Pour les tableaux avec n'importe quel nombre de lignes ou de colonnes. „ Lambda : Mesure d'association reflétant la réduction proportionnelle de l'erreur lorsque les valeurs de la variable indépendante sont utilisées pour prévoir la variable dépendante. le Khi-deux donne le test d'association linéaire par linéaire. r. Les valeurs sont toujours comprises entre 0 et 1. Par exemple. le coefficient de contingence. Le Spearman rho est une mesure d'association entre les ordres de rang. La valeur 1 signifie que la variable indépendante prévoit parfaitement la variable dépendante.

les gammas conditionnels apparaissent. Le programme calcule également une version symétrique de cette statistique. les valeurs absolues les plus grandes indiquant les relations les plus fortes. Les valeurs proches d'une valeur absolue de 1 indiquent une relation forte entre les deux variables. Ordinal : Pour les tableaux dont les lignes et les colonnes contiennent des valeurs ordonnées. le tau-b de Kendall et le tau-c de Kendall. Le signe du coefficient indique la direction de la relation et sa valeur absolue indique sa force. Le d de Somer est une extension asymétrique du gamma. Pour prévoir les modalités de colonnes à partir des modalités de lignes. sélectionnez le d de Somers. Cette mesure est située entre -1 et 1. Pour les tableaux d'ordre 3 et les tableaux d'ordre n. et celles proches de zéro indiquent une relation faible ou inexistante entre les variables. sélectionnez Gamma (ordre zéro pour les tableaux à 2 entrées et conditionnel pour les tableaux de 3 à 10 entrées). „ Tau-b de Kendall : Mesure de corrélation non paramétrique pour variables ordinales ou classées qui prend en considération les ex aequo. „ D de Somers : Mesure d'intensité de la relation entre deux variables ordinales. qui s'étend de -1 à 1. Pour les tableaux d'ordre 2. Les valeurs proches de zéro indiquent une relation faible ou inexistante.335 Tableaux croisés l'autre variable. „ Tau-c de Kendall : Mesure d'association non paramétrique pour variables ordinales qui ne prend pas en considération les ex aequo. qui ne diffère de celui-ci que par l'inclusion du nombre de paires non liées à la variable indépendante. les gammas d'ordre 0 (zéro) apparaissent. . Les valeurs peuvent varier de -1 à +1 mais une valeur de -1 ou de +1 ne peut toutefois être obtenue que dans des tableaux carrés. „ Gamma : Mesure d'association symétrique entre deux variables ordinales. Les valeurs proches de 1 indiquent une forte relation entre les deux variables. Les valeurs peuvent varier de -1 à +1 mais une valeur de -1 ou de +1 ne peut toutefois être obtenue que dans des tableaux carrés. les valeurs absolues les plus grandes indiquant les relations les plus fortes. Le signe du coefficient indique la direction de la relation et sa valeur absolue indique sa force. Le programme calcule à la fois des versions symétriques et asymétriques de ce coefficient.

sélectionnez Eta. Il recherche les changements de réponse en utilisant la répartition Khi-deux. Pour les tableaux carrés plus volumineux. et les valeurs proches de 1 indiquant un degré d'association élevé. Kappa : Le Kappa de Cohen mesure la concordance entre deux indicateurs lorsque les deux servent à évaluer le même objet. Ce test est utile pour détecter les changements avant-après dans les réponses dus à une intervention expérimentale dans les plans. le test McNemar-Bowker de symétrie est reporté. le revenu) et une variable indépendante ayant un nombre limité de modalités (par exemple. Remarque alors que les autres statistiques sont calculées strate par strate. Le Kappa n'est disponible que pour les tableaux dans lesquels les deux variables utilisent les mêmes valeurs de modalité et possèdent le même nombre de modalités. . conditionnelle à des modèles covariés définis par une ou plusieurs variables de strate (de contrôle). L'odds ratio peut être utilisé comme estimation du risque relatif dans le cas où la réalisation du facteur est rare. La valeur 1 indique une concordance parfaite. il n'existe aucune association entre le facteur et l'événement. Deux valeurs eta sont calculées L'une traite la variable de ligne comme variable d'intervalle et l'autre traite la variable de colonne comme variable d'intervalle. La valeur 0 indique que la concordance ne dépasse pas celle due au hasard. le sexe). mesure de la force de l'association entre la présence d'un facteur et la réalisation d'un événement. „ Eta : Mesure d'association dont les valeurs sont comprises entre 0 et 1. Statistiques de Cochran et de Mantel-Haenszel : Les statistiques de Cochran et de Mantel-Haenszel peuvent être utilisées pour tester l'indépendance présente entre une variable active dichotomique et une variable de réponse dichotomique. les statistiques de Cochran et de Mantel-Haenszel sont calculées une seule fois pour toutes les strates. Eta convient à une variable dépendante continue mesurée sur une échelle d'intervalle (par exemple. McNemar : Test non paramétrique pour deux variables dichotomiques liées. La variable qualitative doit être codée numériquement. Si l'intervalle de confiance de la statistique inclut une valeur de 1. 0 indiquant l'absence d'association entre les variables de ligne et de colonne.336 Chapitre 16 Données nominales x intervalle : Lorsqu'une variable est qualitative et l'autre quantitative. Risque : Pour les tableaux 2 x 2.

. Chaque cellule du tableau peut contenir toute combinaison d'effectifs. „ Non standardisés : Différence entre une valeur observée et la valeur théorique. Effectif : Nombre d'observations effectivement observées et nombre d'observations attendues si les variables de ligne et de colonne sont indépendantes l'une de l'autre. La valeur théorique correspond au nombre d'observations attendues dans la cellule quand il n'existe pas de relation entre les deux variables. Les pourcentages du nombre total d'observations représentées dans le tableau (une strate) sont également disponibles. de pourcentages et de résidus sélectionnés. Pourcentages : Les pourcentages peuvent s'additionner par ligne ou par colonne. la procédure de Tableaux croisés affiche les fréquences attendues et trois types de résidus (déviations) qui mesurent la différence entre les fréquences observées et les fréquences attendues. Résidus : Les résidus non standardisés donnent la différence entre les valeurs observées et les valeurs théoriques.337 Tableaux croisés Affichage de cellules (cases) de tableaux croisés Figure 16-4 Boîte de dialogue Tableaux croisés : Contenu des cases (cellules) Pour vous aider à découvrir des types dans les données qui contribuent à un test du Khi-deux significatif. Les résidus standardisés et standardisés ajustés sont également disponibles. Un résidu positif indique que la cellule contient plus d'observations que si les variables de ligne et de colonne étaient indépendantes.

. „ Effectifs de cellules tronqués : Les pondérations d'observation sont utilisées telles quelles. mais les pondérations cumulées dans les cellules sont arrondies avant le calcul de toute statistique. Toutefois. les résidus standardisés ont une moyenne de 0 et un écart type de 1. „ Poids des observations arrondis : Les pondérations sont arrondies avant utilisation. „ Poids des observations tronqués : Les pondérations sont tronquées avant utilisation. Vous pouvez tronquer ou arrondir les valeurs avant ou après le calcul des effectifs de cellules. 1. lorsque des statistiques exactes (disponibles uniquement avec l'option Tests exacts) sont demandées. ou utiliser des effectifs de cellules non entiers pour l'affichage des tableaux et les calculs statistiques.338 Chapitre 16 „ Standardisés : Résidu divisé par une estimation de son écart type. les effectifs de cellules peuvent également être des fractions. „ des effectifs de cellules non entiers sont également utilisés. si le fichier de données est pondéré par une variable de pondération avec des fractions (par exemple. Pondérations non entières : En général. Toutefois. Egalement appelés résidus de Pearson. car ils représentent le nombre d'observations figurant dans chaque cellule. Aucun ajustement : Les pondérations d'observation sont utilisées telles quelles . mais les pondérations cumulées dans les cellules sont tronquées avant le calcul de toute statistique. les pondérations cumulées dans les cellules sont tronquées ou arrondies avant le calcul des statistiques du test exact. „ Effectifs de cellules arrondis : Les pondérations d'observation sont utilisées telles quelles. „ Standardisés ajustés : Résidu d'une cellule (valeur observée moins valeur théorique) divisé par une estimation de son erreur standard.25). les effectifs de cellules sont des valeurs entières. Le résidu standardisé qui en résulte est exprimé en écarts par rapport à la moyenne.

339 Tableaux croisés Format de tableau croisé Figure 16-5 Boîte de dialogue Tableaux croisés : Format Vous pouvez arranger les lignes par ordre croissant ou décroissant de valeur de la variable de ligne. .

.

plage. vous pouvez choisir de lister seulement les premières observations n. variance. 341 . pourcentage de la somme dans. médiane. Tous les niveaux de variables de regroupement sont à tabulation croisée. Les valeurs des données dans chaque modalité peuvent être listées ou supprimées. moyenne. Statistiques : Somme. minimum. maximum. erreur standard d'aplatissement. Exemple : Quel est le montant moyen de ventes de produits par région et par secteur de clientèle ? Vous pouvez découvrir que le montant moyen des ventes est légèrement plus élevé dans la région Ouest que dans les autres régions. Les statistiques Récapituler sont affichées pour chaque variable à travers toutes les modalités. Les autres variables doivent pouvoir être classées. avec des sociétés commerciales dans la région Ouest apportant le montant moyen de ventes le plus élevé. Vous pouvez choisir l'ordre dans lequel les statistiques sont affichées. pourcentage de N dans. Le nombre de modalités doit être raisonnablement limité. valeur de la variable pour la dernière modalité de la variable de regroupement. pourcentage de N total. pourcentage de la somme totale. valeur de la variable pour la première modalité de la variable de regroupement. erreur standard pour la moyenne.Récapituler 17 Chapitre La procédure Récapituler calcule les statistiques de sous-groupes pour les variables à l'intérieur des modalités de variables de regroupement. moyennes géométrique et harmonique. asymétrie. nombre d'observations. écart type. médiane groupée. aplatissement. Avec d'importants groupes de données. erreur standard d'asymétrie. Récapituler les commentaires de données Données : Les variables de regroupement sont des variables qualitatives dont les valeurs peuvent être numériques ou alphanumériques.

. Echantillon de résultat Figure 17-1 Récapituler Résultat Résumés d'observations Moyenne des ventes de produit par région et industrie Industrie Région Est Centre Ouest Gouvernement Finance Education Santé Total Obtenir des récapitulatifs des observations E A partir du menu. sélectionnez : Analyse Rapports Récapitulatif des observations. . tels que la moyenne et l'écart type sont basés sur la théorie normale et conviennent aux variables quantitatives ayant une distribution symétrique. Les statistiques robustes telles que la médiane et l'intervalle. conviennent aux variables quantitatives qui confirment ou infirment l'hypothèse de normalité.342 Chapitre 17 Hypothèses : Certains des sous-groupes statistiques optionnels..

le système ne liste que les 100 premières observations de votre fichier. . Par défaut. ou exclure les observations ayant des valeurs manquantes. Sélectionner Afficher les observations afin de répertorier les observations dans chaque sous-groupe. Vous pouvez augmenter ou diminuer la valeur de l'option Limiter les observations aux n premières ou désélectionner cet élément pour répertorier toutes les observations. Cliquer sur Statistiques pour obtenir des statistiques facultatives. ajouter une légende au-dessous du résultat. Sinon. vous pouvez : „ „ „ „ Sélectionner au moins une variable de regroupement afin de diviser vos données en sous-groupes. Cliquer sur Options afin de modifier le titre du résultat.343 Récapituler Figure 17-2 Boîte de dialogue Rapport récapitulatif E Sélectionnez une ou plusieurs variables.

Saisir un caractère. Vous pouvez contrôler les sauts de ligne dans les titres et légendes en tapant \n à tous les endroits où vous voulez insérer un saut de ligne dans le texte. ou un code que vous souhaitez voir apparaître lorsqu'une valeur manque.344 Chapitre 17 Options de Récapituler Figure 17-3 Boîte de Dialogue Options de Rapport récapitulatif SPSS vous permet de modifier le titre de votre résultat ou d'ajouter une légende qui apparaîtra en dessous du tableau de sortie. une phrase. aucun traitement spécial ne s'applique aux observations manquantes dans le résultat. Il est souvent souhaitable de marquer les observations manquantes dans le résultat par un point ou un astérisque. Vous pouvez également choisir d'afficher ou de supprimer les sous-en-têtes des totaux et d'inclure ou d'exclure les observations ayant des valeurs manquantes pour toute variable prise en compte dans toute analyse. sinon. .

minimum. valeur de la variable pour la dernière modalité de la variable de regroupement. médiane groupée. . pourcentage de la somme dans. nombre d'observations. moyenne géométrique. aplatissement. valeur de la variable pour la première modalité de la variable de regroupement. écart type. asymétrie. erreur standard d'aplatissement. pourcentage de N total. L'ordre dans lequel les statistiques apparaissent dans la liste Variables correspond à celui dans lequel elles seront affichées dans le résultat. moyenne. variance. erreur standard d'asymétrie. intervalle. moyenne harmonique. erreur standard pour la moyenne. n représentant le nombre d'observations. pourcentage de N dans. maximum. Première : Affiche la première valeur rencontrée dans le fichier de données.345 Récapituler Récapituler les statistiques Figure 17-4 Boîte de Dialogue Rapport récapitulatif Vous pouvez choisir l'une des statistiques de sous-groupe suivantes pour les variables à l'intérieur de chaque modalité de chacune des variables de regroupement : Somme. Les statistiques récapitulatives sont aussi affichées pour chaque variable à travers toutes les modalités. médiane. pourcentage de somme totale. Moyenne géométrique : Racine nième du produit des valeurs de données.

Plage : Différence entre la valeur maximale et la valeur minimale d'une variable numérique (maximum–minimum).346 Chapitre 17 Médiane de groupes : Médiane calculée pour les données codées en groupes. Moyenne harmonique : Fonction utilisée pour estimer la taille moyenne d'un groupe lorsque la taille des échantillons diffère d'un groupe à l'autre. Un aplatissement positif indique que les observations sont plus regroupées et présentent des extrémités plus longues que dans le cas d'une distribution normale. La moyenne harmonique correspond au nombre total d'échantillons divisé par la somme des réciproques des tailles de l'échantillon. à l'inverse de la moyenne. sensible aux valeurs éloignées. Moyenne : Mesure de la tendance centrale. . Pourcentage de la somme totale : Pourcentage de la somme totale dans chaque modalité. Kurtosis : Mesure de l'étendue du regroupement des observations autour d'un point central. Minimum : Valeur la plus petite d'une variable numérique. Un aplatissement négatif signifie que les observations sont moins regroupées et présentent des extrémités plus courtes. Maximum : Plus grande valeur d'une variable numérique. pour les données d'âge. la médiane de groupes est la médiane calculée à partir des données codées. Par exemple. Pourcentage de N total : Pourcentage du nombre total d'observations dans chaque modalité. Moyenne arithmétique . la médiane correspond à la moyenne des deux observations du milieu lorsqu'elles sont triées dans l'ordre croissant ou décroissant. Dans le cas d'une distribution normale. somme divisée par le nombre d'observations.. etc. la valeur de la statistique d'aplatissement est égale à 0. chaque valeur de la quarantaine est codée 45. Dernière : Affiche la dernière valeur rencontrée dans le fichier de données. si chaque valeur de la trentaine est codée 35. Si le nombre d'observations est pair. N : Nombre d'observations (ou d'enregistrements). 50e centile. Médiane : Valeur au-dessus ou au-dessous de laquelle se trouve la moitié des observations . La médiane est une mesure de tendance centrale et elle n'est pas.

divisée par le nombre d'observations moins un. vous pouvez conclure à une anormalité si ce rapport est inférieur à -2 ou supérieur à +2). une valeur d'aplatissement négative présente des extrémités plus courtes (semblables à celles d'une distribution uniforme sous forme de boîtes). vous pouvez conclure à une anormalité si ce rapport est inférieur à -2 ou supérieur à +2). pour toutes les observations n'ayant pas de valeur manquante. Erreur standard du Skewness : Rapport de l'asymétrie avec son erreur standard pouvant être utilisé comme test de normalité (autrement dit. Une valeur d'asymétrie positive importante indique une extrémité allongée vers la droite . . Une distribution caractérisée par une importante asymétrie positive présente une partie droite plus allongée. Somme : Somme ou total des valeurs. La variance se mesure en unités. une valeur négative extrême produit une extrémité allongée vers la gauche.347 Récapituler Skewness : Mesure de l'asymétrie d'une distribution. Une distribution caractérisée par une importante asymétrie négative présente une extrémité gauche plus allongée. La distribution normale est symétrique et a une valeur d'asymétrie égale à zéro. Variance : Mesure de la dispersion des valeurs autour de la moyenne. Erreur standard du Kurtosis : Rapport de l'aplatissement avec son erreur standard pouvant être utilisé comme test de normalité (autrement dit. égale à la somme des carrés des écarts par rapport à la moyenne. Une valeur d'aplatissement positive importante indique que les extrémités de la distribution sont plus allongées que celles d'une distribution normale . qui sont égales au carré des unités de la variable. Pour simplifier. une valeur d'asymétrie deux fois supérieure à l'erreur standard correspond à une absence de symétrie.

.

asymétrie. conviennent aux variables quantitatives qui confirment ou infirment 349 . moyennes géométrique et harmonique. pourcentage de la somme totale. Vous pouvez également obtenir une analyse à un facteur de la variance. un coefficient êta-carré. ainsi que des tests de linéarité R et R2. Les valeurs des variables qualitatives peuvent être soit numériques. valeur de la variable pour la première modalité de la variable de regroupement. maximum. moyenne. plage. pourcentage de la somme dans. Statistiques : Somme. variance.Moyennes 18 Chapitre La procédure des moyennes calcule les moyennes de sous-groupes et les statistiques univariées correspondantes pour des variables dépendantes au sein des modalités d'une ou de plusieurs variables indépendantes. Les options comportent une analyse de la variance. aplatissement. tels que la moyenne et l'écart type sont basés sur la théorie normale et conviennent aux variables quantitatives ayant une distribution symétrique. minimum. pourcentage de N total. un coefficient êta et des tests de linéarité. pourcentage de N dans. erreur standard d'aplatissement. nombre d'observations. Exemple : Mesurez la quantité moyenne de lipides absorbée par trois différents types d'huile alimentaire et effectuez une analyse à un facteur de la variance pour voir si les moyennes divergent. un coefficient êta. soit des chaînes courtes. Hypothèses : Certains des sous-groupes statistiques optionnels. Remarques sur les données des moyennes Données : Les variables dépendantes sont quantitatives et les variables indépendantes sont qualitatives. écart type. erreur standard d'asymétrie. médiane. erreur standard pour la moyenne. médiane groupée. Les statistiques robustes telles que la médiane et l'intervalle. valeur de la variable pour la dernière modalité de la variable de regroupement.

34 85.00 18 13.000 df Grammes de graisse absorbée * Type d'huile Entre groupes Combiné Dans les groupes Total F 7.00 6 7.22 73. utilisez le test d'homogénéité de la variance de Levene. Echantillon de résultat Figure 18-1 Résultat des moyennes Rapport Grammes de graisse absorbée Type d'huile Huile d'arachide Moyenne N Ecart-type Saindoux Moyenne N Ecart-type Huile de maïs Moyenne N Ecart-type Total Moyenne N Ecart-type 72.00 6 8.000 1530.350 Chapitre 18 l'hypothèse de normalité. L'analyse de la variance part également du principe que les groupes sont issus de populations ayant la même variance.000 102.77 62. disponible dans la procédure ANOVA à un facteur. . à condition que les données de chaque cellule soient symétriques.56 Tableau ANOVA Somme des carrés 1596.005 .824 Sig.000 Carré moyen 2 15 17 798.00 6 13. L'analyse de la variance résiste aux écarts par rapport à la normalité.000 3126. Pour vérifier cette hypothèse.

êta. Chaque strate divise une nouvelle fois l'échantillon.351 Moyennes Pour obtenir des moyennes de sous-groupes E A partir du menu. . E Sinon. sélectionnez : Analyse Comparer les moyennes Moyennes. vous disposez de deux méthodes : „ „ Sélectionnez une ou plusieurs variables indépendantes.. par opposition aux tableaux séparés pour chaque variable indépendante. telles que la table d'analyse de la variance. E Pour sélectionner les variables indépendantes qualitatives. les résultats sont présentés dans un tableau croisé. Des résultats distincts sont présentés pour chaque variable indépendante.. êta-carré. vous pouvez : „ Cliquez sur Options pour obtenir des statistiques facultatives. Si vous avez une variable indépendante dans la strate 1 et une dans la strate 2. R et R2. Sélectionnez une ou plusieurs strates des variables indépendantes. Figure 18-2 Boîte de dialogue Moyennes E Sélectionnez au moins une variable dépendante.

valeur de la variable pour la dernière modalité de la variable de regroupement. Moyenne géométrique : Racine nième du produit des valeurs de données. médiane. variance. asymétrie. maximum. aplatissement. erreur standard d'aplatissement. pourcentage de somme totale. L'ordre dans lequel les statistiques apparaissent dans la liste Cellule Statistiques correspond à celui dans lequel elles seront affichées dans le résultat. Première : Affiche la première valeur rencontrée dans le fichier de données. pourcentage de N total. pourcentage de la somme dans. erreur standard d'asymétrie. nombre d'observations.352 Chapitre 18 Moyennes : Options Figure 18-3 Boîte de dialogue Moyennes : Options Vous pouvez choisir l'une des statistiques de sous-groupe suivantes pour les variables à l'intérieur de chaque modalité de chacune des variables de regroupement : Somme. valeur de la variable pour la première modalité de la variable de regroupement. moyenne géométrique. erreur standard pour la moyenne. . n représentant le nombre d'observations. Vous pouvez changer l'ordre de présentation des statistiques des sous-groupes. intervalle. écart type. moyenne harmonique. moyenne. minimum. pourcentage de N dans. médiane groupée. Les statistiques récapitulatives sont aussi affichées pour chaque variable à travers toutes les modalités.

à l'inverse de la moyenne. Un aplatissement négatif signifie que les observations sont moins regroupées et présentent des extrémités plus courtes. la valeur de la statistique d'aplatissement est égale à 0.353 Moyennes Médiane de groupes : Médiane calculée pour les données codées en groupes. si chaque valeur de la trentaine est codée 35. Dans le cas d'une distribution normale. somme divisée par le nombre d'observations. la médiane correspond à la moyenne des deux observations du milieu lorsqu'elles sont triées dans l'ordre croissant ou décroissant. Dernière : Affiche la dernière valeur rencontrée dans le fichier de données. sensible aux valeurs éloignées. Plage : Différence entre la valeur maximale et la valeur minimale d'une variable numérique (maximum–minimum). 50e centile. Pourcentage de N total : Pourcentage du nombre total d'observations dans chaque modalité. N : Nombre d'observations (ou d'enregistrements). La médiane est une mesure de tendance centrale et elle n'est pas. Par exemple.. la médiane de groupes est la médiane calculée à partir des données codées. Médiane : Valeur au-dessus ou au-dessous de laquelle se trouve la moitié des observations . Maximum : Plus grande valeur d'une variable numérique. pour les données d'âge. Si le nombre d'observations est pair. Minimum : Valeur la plus petite d'une variable numérique. La moyenne harmonique correspond au nombre total d'échantillons divisé par la somme des réciproques des tailles de l'échantillon. Pourcentage de somme totale : Pourcentage de la somme totale dans chaque modalité. etc. Un aplatissement positif indique que les observations sont plus regroupées et présentent des extrémités plus longues que dans le cas d'une distribution normale. Moyenne arithmétique . Kurtosis : Mesure de l'étendue du regroupement des observations autour d'un point central. Moyenne harmonique : Fonction utilisée pour estimer la taille moyenne d'un groupe lorsque la taille des échantillons diffère d'un groupe à l'autre. Moyenne : Mesure de la tendance centrale. . chaque valeur de la quarantaine est codée 45.

Une valeur d'asymétrie positive importante indique une extrémité allongée vers la droite . Variance : Mesure de la dispersion des valeurs autour de la moyenne. une valeur négative extrême produit une extrémité allongée vers la gauche. pour toutes les observations n'ayant pas de valeur manquante. qui sont égales au carré des unités de la variable. Une valeur d'aplatissement positive importante indique que les extrémités de la distribution sont plus allongées que celles d'une distribution normale .354 Chapitre 18 Skewness : Mesure de l'asymétrie d'une distribution. La linéarité n'est pas calculée si la variable indépendante est une chaîne courte. Pour simplifier. Statistiques pour première strate Tableau ANOVA et êta : Affiche un tableau d'analyse unifactorielle de la variance et calcule êta et êta carré (mesures de l'association) pour chaque variable indépendante de la première strate. Une distribution caractérisée par une importante asymétrie négative présente une extrémité gauche plus allongée. Test de linéarité : Calcule la somme des carrés. le R et le R-deux. une valeur d'aplatissement négative présente des extrémités plus courtes (semblables à celles d'une distribution uniforme sous forme de boîtes). Erreur standard du Kurtosis : Rapport de l'aplatissement avec son erreur standard pouvant être utilisé comme test de normalité (autrement dit. . divisée par le nombre d'observations moins un. La distribution normale est symétrique et a une valeur d'asymétrie égale à zéro. les degrés de liberté et le carré moyen associés aux composants linéaires et non linéaires. Somme : Somme ou total des valeurs. une valeur d'asymétrie deux fois supérieure à l'erreur standard correspond à une absence de symétrie. vous pouvez conclure à une anormalité si ce rapport est inférieur à -2 ou supérieur à +2). Une distribution caractérisée par une importante asymétrie positive présente une partie droite plus allongée. La variance se mesure en unités. Erreur standard du Skewness : Rapport de l'asymétrie avec son erreur standard pouvant être utilisé comme test de normalité (autrement dit. vous pouvez conclure à une anormalité si ce rapport est inférieur à -2 ou supérieur à +2). égale à la somme des carrés des écarts par rapport à la moyenne. ainsi que le rapport F.

médiane. médiane groupée. maximum. asymétrie. tels que la moyenne et l'écart type sont basés sur la théorie normale et conviennent aux variables quantitatives ayant une distribution symétrique. Une strate séparée dans le tableau est créée pour chaque modalité de chaque variable de regroupement. Les statistiques robustes telles que 355 . pourcentage des observations totales. Les valeurs des variables qualitatives peuvent être soit numériques.Cubes OLAP 19 Chapitre La procédure de Cubes OLAP (Online Analytical Processing) calcule les totaux. moyenne. variance. aplatissement. pourcentage de somme totale. erreur standard d'asymétrie. Remarques sur les données des cubes OLAP Données : Les variables récapitulatives sont quantitatives (variables continues mesurées sur une échelle d'intervalle ou de rapport) et les variables de regroupement sont qualitatives. soit des chaînes courtes. écart type. Hypothèses : Certains des sous-groupes statistiques optionnels. erreur standard d'aplatissement. erreur standard pour la moyenne. minimum. nombre d'observations. valeur de la variable pour la première modalité de la variable de regroupement. moyenne géométrique et moyenne harmonique. pourcentage des observations totales dans les variables de regroupement. valeur de la variable pour la dernière modalité de la variable de regroupement. intervalle. Exemple : Ventes totales et moyennes pour différentes régions et lignes de produits à l'intérieur de chaque région. les moyennes et autres statistiques univariées pour des variables récapitulatives continues à l'intérieur de modalités d'une ou plusieurs variables de regroupement qualitatives. Statistiques : Somme. pourcentage de la somme totale dans les variables de regroupement.

.038.00 Ecart-type $80.250 $371.814. sélectionnez : Analyse Rapports Cubes OLAP. Echantillon de résultat Figure 19-1 Résultat des cubes OLAP Ventes pour 1996 par division et région Division : total Région : total Somme Moyenne Médiane Ecart-type $145. conviennent aux variables quantitatives qui confirment ou infirment l'hypothèse de normalité.548.674.311 Ventes pour 1996 par division et région Division : produits de consommation Région : est Somme $18..500 $171.356 Chapitre 19 la médiane et l'intervalle.893 $307.600.06 Médiane $273.66 Pour obtenir des cubes OLAP E A partir du menu.100 Moyenne $289..

. Sinon. „ „ . vous pouvez : „ Sélectionner d'autres statistiques récapitulatives (cliquez sur Statistiques. Calculer les différences existant entre des paires de variables et des paires de groupes définies par une variable de regroupement (cliquez sur Différences).357 Cubes OLAP Figure 19-2 Boîte de dialogue Cubes OLAP E Sélectionnez une ou plusieurs variables récapitulatives continues. E Sélectionnez une ou plusieurs variables qualitatives.).. Créer des titres de tableaux personnalisés (cliquez sur Titre). Vous devez sélectionner un ou plusieurs critères de regroupement pour pouvoir sélectionner les statistiques récapitulatives.

Médiane de groupes.. Maximum. Premier (valeur de la variable pour la première modalité de la variable de regroupement). Première : Affiche la première valeur rencontrée dans le fichier de données. Moyenne géométrique et Moyenne harmonique. Vous pouvez changer l'ordre de présentation des statistiques des sous-groupes. Erreur std d'asymétrie. Pourcentage de la somme totale dans les variables de regroupement. L'ordre dans lequel les statistiques apparaissent dans la liste Cellule Statistiques correspond à celui dans lequel elles seront affichées dans le résultat. Moyenne. Médiane. Pourcentage de N (observations) totales. Erreur standard de l'aplatissement. Pourcentage de somme tot. Les statistiques récapitulatives sont aussi affichées pour chaque variable à travers toutes les modalités. Minimum. Ecart type. Variance. Dernier (valeur de la variable pour la dernière modalité de la variable de regroupement).358 Chapitre 19 Cubes OLAP : Statistiques Figure 19-3 Boîte de dialogue Cubes OLAP : Statistiques Vous pouvez choisir l'une des statistiques de sous-groupe suivantes pour les variables récapitulatives à l'intérieur de chaque modalité de chacune des variables de regroupement : Somme. Erreur std de la moyenne. Pourcentage des observations totales dans les variables de regroupement. n représentant le nombre d'observations. Nombre d'observations. Asymétrie. Aplatissement. Moyenne géométrique : Racine nième du produit des valeurs de données. Intervalle. .

359 Cubes OLAP Médiane de groupes : Médiane calculée pour les données codées en groupes. Médiane : Valeur au-dessus ou au-dessous de laquelle se trouve la moitié des observations .. à l'inverse de la moyenne. cette valeur est identique au pourcentage du nombre total d'observations. Maximum : Plus grande valeur d'une variable numérique. N : Nombre d'observations (ou d'enregistrements). La médiane est une mesure de tendance centrale et elle n'est pas. Un aplatissement négatif signifie que les observations sont moins regroupées et présentent des extrémités plus courtes. Moyenne harmonique : Fonction utilisée pour estimer la taille moyenne d'un groupe lorsque la taille des échantillons diffère d'un groupe à l'autre. Un aplatissement positif indique que les observations sont plus regroupées et présentent des extrémités plus longues que dans le cas d'une distribution normale. pour les données d'âge. Moyenne arithmétique . Minimum : Valeur la plus petite d'une variable numérique. si chaque valeur de la trentaine est codée 35. Si vous n'avez qu'un seul critère de regroupement. Si le nombre d'observations est pair. chaque valeur de la quarantaine est codée 45. la médiane correspond à la moyenne des deux observations du milieu lorsqu'elles sont triées dans l'ordre croissant ou décroissant. La moyenne harmonique correspond au nombre total d'échantillons divisé par la somme des réciproques des tailles de l'échantillon. 50e centile. Kurtosis : Mesure de l'étendue du regroupement des observations autour d'un point central. Par exemple. Moyenne : Mesure de la tendance centrale. Dans le cas d'une distribution normale. la valeur de la statistique d'aplatissement est égale à 0. la médiane de groupes est la médiane calculée à partir des données codées. Dernière : Affiche la dernière valeur rencontrée dans le fichier de données. sensible aux valeurs éloignées. Pourcentage de N dans : Pourcentage du nombre d'observations pour le critère de regroupement spécifié dans les modalités des autres critères de regroupement. . somme divisée par le nombre d'observations. etc.

360 Chapitre 19 Pourcentage de la somme dans : Pourcentage de la somme pour le critère de regroupement spécifié dans les modalités des autres critères de regroupement. une valeur négative extrême produit une extrémité allongée vers la gauche. Pourcentage de N total : Pourcentage du nombre total d'observations dans chaque modalité. vous pouvez conclure à une anormalité si ce rapport est inférieur à -2 ou supérieur à +2). . Pourcentage de la somme totale : Pourcentage de la somme totale dans chaque modalité. une valeur d'aplatissement négative présente des extrémités plus courtes (semblables à celles d'une distribution uniforme sous forme de boîtes). Skewness : Mesure de l'asymétrie d'une distribution. Une valeur d'asymétrie positive importante indique une extrémité allongée vers la droite . Une distribution caractérisée par une importante asymétrie positive présente une partie droite plus allongée. Pour simplifier. La distribution normale est symétrique et a une valeur d'asymétrie égale à zéro. Erreur standard du Skewness : Rapport de l'asymétrie avec son erreur standard pouvant être utilisé comme test de normalité (autrement dit. une valeur d'asymétrie deux fois supérieure à l'erreur standard correspond à une absence de symétrie. pour toutes les observations n'ayant pas de valeur manquante. Une valeur d'aplatissement positive importante indique que les extrémités de la distribution sont plus allongées que celles d'une distribution normale . Une distribution caractérisée par une importante asymétrie négative présente une extrémité gauche plus allongée. Erreur standard du Kurtosis : Rapport de l'aplatissement avec son erreur standard pouvant être utilisé comme test de normalité (autrement dit. vous pouvez conclure à une anormalité si ce rapport est inférieur à -2 ou supérieur à +2). Somme : Somme ou total des valeurs. Plage : Différence entre la valeur maximale et la valeur minimale d'une variable numérique (maximum–minimum). Si vous n'avez qu'un seul critère de regroupement. cette valeur est identique au pourcentage de la somme totale.

361 Cubes OLAP Variance : Mesure de la dispersion des valeurs autour de la moyenne. Les différences sont calculées pour toutes les mesures sélectionnées dans la boîte de dialogue Cubes OLAP : Statistiques. divisée par le nombre d'observations moins un. qui sont égales au carré des unités de la variable. Les valeurs des statistiques récapitulatives de la seconde variable (variable moins) de chaque paire sont soustraites des valeurs des statistiques récapitulatives de la première variable de la paire. la valeur de la . Différences entre les variables : Calcule les différences existant entre des paires de variables. Pour les différences de pourcentage. Cubes OLAP : Différences Figure 19-4 Boîte de dialogue Cubes OLAP : Différences Cette boîte de dialogue vous permet de calculer les différences arithmétiques et de pourcentage qui existent entre des variables récapitulatives ou entre des groupes définis par une variable de regroupement. La variance se mesure en unités. égale à la somme des carrés des écarts par rapport à la moyenne.

. Les différences de pourcentage utilisent la valeur de la statistique récapitulative pour la modalité moins en tant que dénominateur. Vous pouvez également contrôler la répartition des titres et légendes sur plusieurs lignes en tapant \n partout où vous souhaitez insérer un saut de ligne dans le texte. Vous devez sélectionner plusieurs variables récapitulatives dans la boîte de dialogue principale avant d'indiquer les différences entre les variables. Les valeurs des statistiques récapitulatives de la seconde modalité (modalité moins) dans chaque paire sont soustraites des valeurs des statistiques récapitulatives de la première modalité de la paire.362 Chapitre 19 caractéristique de la variable moins est utilisée en tant que dénominateur. Différences entre les groupes d'observations : Calcule les différences existant entre les paires de groupes définies par une variable de regroupement. Cubes OLAP : Titre Figure 19-5 Boîte de dialogue Cubes OLAP : Titre SPSS vous permet de modifier le titre de votre sortie ou d'ajouter une légende qui apparaîtra au dessous du tableau de sortie. Vous devez sélectionner au moins une variable de regroupement dans la boîte de dialogue principale avant d'indiquer les différences entre groupes.

Les statistiques descriptives pour chaque groupe et le test de Levene permettant d'obtenir l'égalité des variances sont disponibles ainsi que les valeurs t de variance égale et inégale. et qu'un intervalle de confiance de 95 % pour la différence des moyennes. appariées. Les statistiques descriptives des variables tests sont affichées avec le test t. il faut s'assurer que les différences dans les autres facteurs ne cachent pas ou n'augmentent de différence 363 . Ce test sert aussi pour les plans d'études appariées ou de contrôle d'observation. Une personne n'est pas aléatoirement désignée comme devant être un homme ou une femme. les sujets doivent être attribués de manière aléatoire à deux groupes. Dans de telles situations. Le résultat inclut les statistiques descriptives pour les variables tests. le test t et un intervalle de confiance de 95 %. Test T pour échantillons appariés (test t dépendant) : Permet de comparer la moyenne de deux variables pour un seul groupe. Test T pour échantillons indépendants La procédure du Test T pour échantillons indépendants permet de comparer la moyenne de deux groupes d'observations. pour ce test.Tests T 20 Chapitre Il existe trois types de test t : Test T pour échantillons indépendants (test t pour deux échantillons) : Permet de comparer la moyenne d'une variable de deux groupes d'observations. la corrélation entre elles. Un intervalle de confiance de 95 % pour la différence entre la moyenne de la variable test et la valeur test supposée fait partie du résultat par défaut. Test T pour échantillon unique : Permet de comparer la moyenne d'une variable avec une valeur connue ou supposée. Ceci n'est pas le cas si l'on compare un revenu moyen pour les hommes et les femmes. Idéalement. de manière à ce que toute différence dans la réponse soit due au traitement (ou à un manque de traitement) et non pas à d'autres facteurs. les statistiques descriptives pour les différences.

moyenne. SPSS utilise une variable de regroupement à deux valeurs pour séparer les observations en deux groupes. Pour la différence de la moyenne: moyenne. on a les éléments suivants : taille de l'échantillon. Vous pouvez utiliser également une variable quantitative. Chaque patient est examiné une fois et appartient à un groupe. et les échantillons aléatoires doivent avoir une distribution normale. Exemple : Les patients souffrant d'hypertension se voient assignés de façon aléatoire à un groupe placebo et à un groupe auquel on donne un traitement. Après que les sujets aient suivi le traitement pendant deux mois. Hypothèses : Pour le test t de variance égale. Les différences de revenu moyen peuvent être influencées par des facteurs tels que l'éducation et non par le sexe seul. et les échantillons aléatoires de distribution normale doivent avoir la même variance de population.364 Chapitre 20 significative dans les moyennes. les observations doivent être indépendantes. Les sujets du groupe placebo reçoivent une pilule inactive et les sujets du groupe auquel on donne un traitement reçoivent un nouveau médicament supposé réduire l'hypertension. Pour le test t de variance égale. . et intervalle de confiance (vous pouvez spécifier le niveau de confiance).5) ou alphanumériques (telles que oui et non). Lors de la vérification graphique des distributions. La variable de regroupement peut être numérique (on peut avoir des valeurs telles que 1 et 2. erreur standard. écart type. Tests : Test de Levene sur l'égalité des variances. les observations doivent être indépendantes. ou 6. et erreur standard de la moyenne. le test t pour deux échantillons est utilisé pour comparer la tension artérielle moyenne du groupe placebo à celle du groupe qui suit le traitement. Remarques sur les Données du Test T pour Echantillons Indépendants Données : Les valeurs de la variable quantitative qui vous intéresse se trouvent dans une seule colonne du fichier de données.25 et 12. Le test t pour deux échantillons est assez robuste pour se départir de la normalité. et tests t des variances combinées et séparées pour l'égalité des moyennes. Statistiques : Pour chaque variable. pour séparer les observations en deux groupes en précisant une césure (la césure 21 provoque un groupe dont l'âge est inférieur à 21 ans et un groupe dont l'âge est supérieur à 21 ans). vérifiez qu'elles sont symétriques et n'ont pas de valeurs éloignées. telle que l'âge.

61 Supérieur 40.40 Ecart type 17.64 Obtenir un test t pour échantillons indépendants E A partir du menu. sélectionnez : Analyse Comparer les moyennes Test T pour échantillons indépendants.59 F Tension Artérielle Signification .10 6.90 11..365 Tests T Echantillon de résultat Figure 20-1 Résultat Test T pour échantillons indépendants Statistiques de groupe Moyenne des Erreurs Standard 5.39 4.001 26.134 3.783 17.50 116.001 Différence Différence de des erreurs Moyennes Standard 26.62 Test pour échantillons indépendants Test de Levene sur l'égalité des variances Test-t pour égalité des moyennes Signification (Bilatérale) 18 .04 13.56 40.31 Tension Artérielle Traitement placebo Nouveau_ Médicament N 10 10 Moyenne 142.163 .783 df Hypothèse de variances Égales Hypothèse de variances Inégales ..719 t 3.90 Intervalle de confiance de la moyenne à 95 % Inférieur 11.10 6. .

Un test t distinct est alors calculé pour chaque variable. Définir Groupes Test T pour Echantillons Indépendants Figure 20-3 Boîte de dialogue Définir groupes pour variables numériques .366 Chapitre 20 Figure 20-2 Boîte de Dialogue Test T pour échantillons indépendants E Sélectionnez au moins une variable test quantitative. E Sélectionnez une seule variable de regroupement et cliquez sur Définir groupes pour spécifier deux codes pour les groupes à comparer. Vous pouvez également cliquer sur Options pour contrôler le traitement des données manquantes et le niveau de l'intervalle de confiance.

5 sont valides). par exemple oui et non. 6. entrez une chaîne pour le Groupe 1 et une autre pour le Groupe 2.367 Tests T Pour les critères de regroupement numérique. Les observations avec d'autres chaînes sont exclues de l'analyse. et les observations ayant des valeurs supérieures ou égales à la césure constituent l'autre groupe. Les observations qui ont une autre valeur sont exclues de l'analyse. Figure 20-4 Définir la boîte de dialogue Groupes pour les variables caractères Pour des variables courtes de groupement et de type chaîne. Il n'est pas nécessaire que les nombres soient des entiers (par exemple. „ Césure : Vous avez également la possibilité de saisir un nombre qui sépare les valeurs de la variable de regroupement en deux groupes. définissez les deux groupes du test t en spécifiant deux valeurs ou un point de séparation : „ Utiliser les valeurs spécifiées : Saisissez une valeur pour le Groupe 1 et une autre pour le Groupe 2. Toutes les observations ayant des valeurs inférieures à la césure constituent un groupe. Options Test T pour Echantillons Indépendants Figure 20-5 Boîte de dialogue Test T pour échantillons indépendants : Options .25 et 12.

un traitement est administré.368 Chapitre 20 Intervalle de confiance : Par défaut. Ecart-type et erreur standard de la différence moyenne. Ici. Valeurs manquantes : Quand vous testez plusieurs variables et que des données sont manquantes pour au moins une variable. Elle permet de calculer la différence de valeurs entre les deux variables pour chaque observation et de tester si la moyenne diffère de 0. on a les éléments suivants : Corrélation. Pour chaque paire de variables. des mesures sont prises sur tous les patients au début de l'étude. Dans le cadre d'une étude sur la tension artérielle. puis on procède à une nouvelle mesure. test t et intervalle de confiance pour la différence moyenne (vous pouvez préciser le niveau de confiance). Test T pour échantillons appariés La procédure du Test T pour Echantillons Appariés compare la moyenne de deux variables pour un seul groupe. on a les éléments suivants : moyenne. La taille des échantillons est constante durant les tests. chaque déclaration dans le fichier de données contient la réponse du patient ainsi que celle de son sujet de contrôle apparié. écart type. il s'agit d'une étude appariée ou de contrôle d'observation. un intervalle de confiance de 95 % pour la différence dans les moyennes est affiché. . souvent nommées mesures avant et après. chaque sujet est l'objet de deux mesures. Statistiques : Pour chaque variable. vous pouvez indiquer à SPSS les observations à inclure (ou exclure) : „ Exclure les données manquantes analyse par analyse : Chaque test t utilise toutes les observations qui ont des données valides pour les variables testées. Saisir une valeur comprise entre 1 et 99 pour demander un niveau de confiance différent. et erreur standard de la moyenne. taille d'échantillon. Il existe une alternative à ce test. différence moyenne de moyennes. les patients et les contrôles peuvent être appariés selon l'âge (un patient âgé de 75 ans avec un membre du groupe de contrôle âgé de 75 ans). La taille des échantillons peut varier d'un test à l'autre. Exemple : Dans le cadre d'une étude sur l'hypertension. Par conséquent. „ Exclure toute observation incomplète : Chaque test t utilise seulement les observations qui ont des données valides pour toutes les variables utilisées dans les tests t requis.

10 19.39 Moyenne Paire 1 Après Traitement Avant Traitement 116.214 9 . Dans le cadre d'une étude appariée ou de contrôle d'observation.59 6.04 Moyenne des erreurs Standard 4. Signification (bilatérale) -26..40 142..19 -40. . la réponse pour chaque sujet test et son sujet de contrôle apparié doit être dans la même observation du fichier de données.50 N 10 10 Test d'exemples appariés Différences appariées Intervale de confiance de 95 % de la différence Inférieur Supérieur t df Moyenne Paire 1 Après traitement Avant traitement Ecart-type Moyenne d'erreur std. précisez deux variables quantitatives (niveau d'intervalle de mesure ou niveau de ratio de mesure). sélectionnez : Analyse Comparer les moyennes Test T pour échantillons appariés.62 17.31 5.002 Obtenir un test t pour échantillons appariés E A partir du menu.09 -4. Echantillon de résultat Figure 20-6 Test T pour échantillons appariés Statistiques des échantillons appariés Ecart Type 13.11 -12. Les différences moyennes devraient suivre une distribution normale. Les variances de chaque variable peuvent être égales ou inégales.369 Tests T Commentaires relatifs au test T pour échantillons appariés Données : Pour chaque test apparié. Hypothèses : Les observations pour chaque paire devraient être réalisées dans les mêmes conditions.

Vous pouvez sélectionner d'autres paires de variables. Après avoir sélectionné une paire de variables. Pour retirer une paire de variables de l'analyse.370 Chapitre 20 Figure 20-7 Boîte de dialogue Test T pour échantillons appariés E Sélectionnez une paire de variables. cliquez sur la flèche pour déplacer la paire dans la liste des Variables Appariées. sélectionnez une paire dans la liste des Variables Appariées et cliquez sur la flèche. „ Vous pouvez également cliquer sur Options pour contrôler le traitement des données manquantes et le niveau de l'intervalle de confiance. . La première variable apparaît dans le groupe Choix courants comme Variable 1 et la seconde apparaît comme Variable 2. comme suit : „ Cliquez sur chacune des deux variables.

écart type. La taille des échantillons peut varier d'un test à l'autre. Exemples : Un chercheur souhaite tester si le QI moyen d'un groupe d'étudiants diffère de 100. Un fabricant céréalier prélève un échantillon de boîtes à partir d'une chaîne de production et vérifie si le poids moyen des échantillons diffère de 1. Test T pour échantillon unique La procédure du Test T pour échantillon unique permet de tester si la moyenne d'une seule variable diffère d'une constante spécifiée.371 Tests T Options test T pour échantillons appariés Figure 20-8 Boîte de dialogue Test T pour échantillons appariés Intervalle de confiance : Par défaut. „ Exclure toute observation incomplète :Chaque test t utilise seulement les observations qui ont des données valides pour toutes les paires de variables testées. un intervalle de confiance de 95 % pour la différence dans les moyennes est affiché. Différence moyenne entre chaque valeur de donnée et la valeur test supposée. La taille des échantillons est constante durant les tests. Valeurs manquantes : Quand vous testez plusieurs variables et que des données sont manquantes pour au moins une variable. vous pouvez indiquer à SPSS les observations à inclure (ou exclure) : „ Exclure les observations analyse par analyse : Chaque test t utilise toutes les observations qui ont des données valides pour la paire de variables testées. et erreur standard de la moyenne. le test t vérifie que cette différence est égale à 0 et vérifie également . Saisir une valeur comprise entre 1 et 99 pour demander un niveau de confiance différent. Statistiques : Pour chaque variable test : moyenne.3 livres à l'intervalle de confiance 95 %.

ce test résiste convenablement à la normalité.009 9.005 df 14 . Test pour échantillon unique Valeur de test = 100 Signification Différence (Bilatérale) de moyennes . Commentaires sur les Données du Test T pour échantillon unique Données : Afin de tester les valeurs d'une variable quantitative par rapport à une valeur test supposée. Hypothèses : Ce test suppose que les données sont distribuées normalement .33 Intervalle de confiance de la différence à 95 % Inférieur 2. choisissez une variable quantitative et saisissez une valeur test supposée.372 Chapitre 20 l'intervalle de confiance pour cette différence (vous pouvez préciser le niveau de confiance). cependant.67 Supérieur 15.11 Les lignes et les colonnes ont été transposées.33 12.03 3.99 QI t 3. Echantillon de résultat Figure 20-9 Résultat Test T pour échantillon unique Statistiques pour échantillon unique QI N Moyenne Ecart type Moyenne des erreurs standard 15 109.

Vous pouvez également cliquer sur Options pour contrôler le traitement des données manquantes et le niveau de l'intervalle de confiance.373 Tests T Obtenir un test t pour échantillon unique E A partir du menu. sélectionnez : Analyse Comparer les moyennes Test T pour échantillon unique Figure 20-10 Boîte de dialogue Test T pour échantillon unique E Sélectionnez au moins une variable à tester par rapport à la même valeur supposée. . E Entrez une valeur test numérique à laquelle vous souhaitez comparer chaque moyenne d'échantillon.

. Saisir une valeur comprise entre 1 et 99 pour demander un niveau de confiance différent. vous pouvez indiquer à SPSS les observations à inclure (ou à exclure). „ Exclure toute observation incomplète : Chaque test t utilise seulement les observations qui ont des données valides pour toutes les variables utilisées dans n'importe lequel des tests t requis.374 Chapitre 20 Options Test T pour échantillon unique Figure 20-11 Boîte de Dialogue Options Test T pour échantillon unique Intervalle de confiance : Par défaut. „ Exclure les observations analyse par analyse : Chaque test t utilise toutes les observations qui ont des données valides pour la variable testée. La taille des échantillons est constante durant les tests. un intervalle de confiance de 95 % pour la différence entre la moyenne et la valeur de test supposée est affiché. Valeurs manquantes : Quand vous testez plusieurs variables et que des données manquent pour ou une ou plusieurs de ces variables. La taille des échantillons peut varier d'un test à l'autre.

Il existe deux types de tests pour comparer les moyennes : les contrastes a priori et les tests post hoc. test de Duncan. Déterminer que des différences existent parmi les moyennes ne vous suffit peut-être pas. mais vous pouvez également créer un contraste a priori afin de déterminer si le degré d'absorption de graisse diffère pour les graisses saturées et non saturées. Vous pouvez aussi tester les tendances à travers les modalités. contrastes a priori spécifiés par l'utilisateur et tests d'intervalle et comparaisons multiples post hoc : Bonferroni. test de Tukey. Test de Levene pour l'homogénéité de la variance. écart type. et les tests post hoc sont effectués après l'expérience. Non seulement vous déterminez si la quantité de graisse absorbée dépend du type de graisse utilisée. test C de Dunnett. GT2 de Hochberg. maximum et intervalle de confiance à 95 % pour la moyenne. et saindoux. test d'intervalle de Ryan-Einot-Gabriel-Welsch (R-E-G-W Q).ANOVA à 1 facteur 21 Chapitre La procédure de l'analyse de variance ANOVA à 1 facteur permet d'effectuer une analyse de variance univariée sur une variable quantitative dépendante par une variable critère simple (indépendant). Les contrastes sont des tests définis avant l'expérience. T2 de Tamhane. Exemple : Les beignets absorbent la graisse dans des proportions variées lorsqu'ils sont cuisinés. Sidak. Une expérience est conduite à partir de l'utilisation de trois types de graisse : huile d'arachide. L'analyse de variance sert à tester l'hypothèse d'égalité des moyennes. L'huile d'arachide et l'huile de maïs sont des graisses non saturées. B de Tukey. Student-Newman-Keuls (S-N-K). minimum. Dunnett. et le saindoux une graisse saturée. Gabriel. Statistiques : Pour chaque groupe : nombre d'observations. erreur standard pour la moyenne. Cette technique est une extension du test t pour deux échantillons. 375 . Games-Howell. Scheffé et différence la moins significative. tableau d'analyse de la variance et tests d'égalité des moyennes pour chaque variable dépendante. huile de maïs. Waller-Duncan. T3 de Dunnett. test F de Ryan-Einot-Gabriel-Welsch (R-E-G-W F). Vous voulez éventuellement savoir quelles sont les moyennes qui diffèrent. moyenne.

00 76.00 62.376 Chapitre 21 Remarques sur les Données ANOVA à 1 facteur Données : Les valeurs de la variable active devraient être des nombres entiers.00 73.00 3126. et la variable dépendante devrait être quantitative (niveau d'intervalle de mesures).00 Descriptions Intervale de confiance de 95 % pour la moyenne N Grammes graisse de absorbée Type d'huile Huile d'arachide Saindoux Huile de maïs Total 6 6 6 18 Moyenne 72. L'analyse de la variance supporte les écarts à la normalité. Hypothèses : Chaque groupe est un échantillon aléatoire indépendant extrait d'une population normale.45 3.34 7.00 F 7.56 Erreur std.16 70. bien que les données doivent être symétriques.5 . 5. Pour tester cette hypothèse.005 1530.74 Minimum 56 77 49 49 Maximum 95 97 70 97 Coefficients de contraste Type d'huile Huile d'arachide Contraste 1 -. Les groupes devraient être composés de populations à variance égale.84 53.00 93.00 15 17 102.22 13.63 79.77 8.5 Saindoux 1 Huile de maïs -.00 df 2 Carré moyen 798. Echantillon de résultat Figure 21-1 Résultat ANOVA à 1 facteur ANOVA Somme des carrés Grammes de graisse absorbée Entre groupes Dans les groupes Total 1596.26 Limite supérieure 86.00 85.36 3.00 Ecart-type 13.37 66.824 Signification .20 Limite inférieure 58. utiliser le test d'homogénéité de variance de Levene.17 3.

542 .377 ANOVA à 1 facteur Tests de contraste Valeur de contraste Grammes de graisse absorbée Suppose des variances égales Ne suppose pas des variances égales Contraste Contraste 1 1 18.003 . 5.565 3.534 df1 2 df2 15 Signification .51 t 3.. sélectionnez : Analyse Comparer les moyennes ANOVA à 1 facteur.05 4. ..00 Signification [bilatérale) 15 12.995 df Test d'homogénéité des variances Statistique de Levene Grammes de graisse absorbée . E Sélectionnez une variable active indépendante simple.597 Obtenir une analyse de variance à un facteur E A partir du menu.002 Erreur std. Figure 21-2 Boîte de dialogue ANOVA à 1 facteur E Sélectionnez au moins une variable dépendante.00 18.

0.5 et 0. s'il y a six modalités de variables actives. Chaque nouvelle valeur s'ajoute au bas de la liste des coefficients. Saisissez un coefficient pour chaque groupe (modalité) de la variable active et cliquez sur Ajouter après chaque saisie. Modèle polynomial : Diviser les sommes des carrés inter-groupes en tendances composants. et le dernier coefficient correspond à la valeur la plus élevée. 0. Vous pouvez tester la tendance d'une variable dépendante à travers les niveaux ordonnés de la variable active. vous pourriez tester la tendance linéaire (croissante ou décroissante) des salaires perçus les plus élevés à travers les niveaux ordonnés.378 Chapitre 21 Contrastes ANOVA à 1 facteur Figure 21-3 Boîte de dialogue ANOVA à 1 facteur : Contrastes Vous pouvez diviser les sommes des carrés inter-groupes en tendances composants ou spécifier les contrastes a priori. cliquez sur Suivant. „ Degré : Vous pouvez choisir un polynôme de premier. 0. L'ordre des coefficients est important car il correspond à l'ordre croissant des valeurs de modalité de la variable active.5 mettent en contraste le premier groupe avec les . Par exemple. deuxième. quatrième ou cinquième degré. troisième. Coefficients : Contrastes a priori spécifiés à tester par la statistique t. Le premier coefficient de la liste correspond à la valeur la plus petite de la variable active. Utilisez Suivant et Précédent pour vous déplacer entre les groupes de contrastes. Pour spécifier des groupes de contrastes supplémentaires. Par exemple. 0. les coefficients –1.

Hypothèse de variances égales : Le test de Tukey. Tests Post Hoc ANOVA à 1 facteur Figure 21-4 ANOVA à 1 facteur : Comparaisons multiples a posteriori Lorsque vous avez déterminé qu'il existe des différences parmi les moyennes. Pour la plupart des applications. le R-E-G-W Q (test d'intervalle de . les coefficients devraient s'élever à 0. le GT2 de Hochberg. le R-E-G-W F (F de Ryan-Einot-Gabriel-Welsch). le S-N-K (Student-Newman-Keuls). Les tests d'intervalle identifient les sous-groupes homogènes de moyennes qui ne diffèrent pas les uns des autres. tels que le test B de Tukey.05. Les comparaisons multiples appariées testent la différence entre les moyennes appariées et engendrent une matrice pour laquelle les astérisques indiquent les moyennes de groupes significativement différentes au niveau alpha 0. mais un message d'avertissement s'affiche. le Duncan. les tests d'intervalles post hoc et de comparaisons multiples par paire peuvent déterminer les moyennes qui diffèrent. le test de Gabriel et le test de Scheffé sont des tests de comparaisons multiples et d'intervalle.379 ANOVA à 1 facteur cinquième et sixième groupes. Les groupes qui n'atteignent pas 0 peuvent aussi être utilisés. Il existe d'autres tests d'intervalle.

en utilisant une procédure pas à pas. Fixe le taux d'erreur expérimental au niveau du taux d'erreur de l'ensemble pour toutes des comparaisons par paire. Dunnett. „ Sidak : Test de comparaisons multiples par paire reposant sur la statistique t. S-N-K : Ce test effectue toutes les comparaisons de moyennes par paire. Peut servir à examiner toutes les combinaisons linéaires possibles de moyennes de groupe. La valeur critique est la moyenne de la valeur correspondante du test de Tukey et du test de Student-Newman-Keuls. Le test Sidak ajuste le seuil de signification en fonction des comparaisons multiples et fournit des bornes plus étroites que le test Bonferroni. Gabriel. il compare aussi les moyennes par paire dans les sous-ensembles homogènes. „ B de Tukey : Utilise la distribution des intervalles studentisée pour effectuer des comparaisons de classes deux à deux. Le taux d'erreur n'est pas corrigé dans le cas de comparaisons multiples. Les moyennes sont triées dans l'ordre décroissant et les différences extrêmes sont testées en premier. Lorsque la taille des échantillons est égale. Sidak. et pas seulement des comparaisons par paire. test de différence significative de Tukey. „ Bonferroni : Utilise des tests t pour effectuer des comparaisons par paire entre les moyennes de groupes. Hochberg. à l'aide de la distribution des intervalles de Student. mais contrôle le taux d'erreur global en spécifiant comme taux d'erreur pour chaque test le taux d'erreur empirique divisé par le nombre total de tests. „ „ „ F de R-E-G-W (Ryan-Einot-Gabriel-Welsch) : Procédure multiple descendante de Ryan-Einot-Gabriel-Welsch basée sur un test F. Utilise la distribution d'échantillonnage F. „ LSD : Utilisation de tests t pour effectuer toutes les comparaisons par paire entre des moyennes de groupe. Q de R-E-G-W (Ryan-Einot-Gabriel-Welsch) : Procédure multiple descendante de Ryan-Einot-Gabriel-Welsch basée sur un intervalle de Student. . Le seuil de signification observé est ainsi ajusté en raison des comparaisons multiples réalisées. „ Scheffé : Exécute des comparaisons par paire simultanées pour toutes les paires de moyennes possibles. „ Tukey : Utilise les statistiques des intervalles studentisées pour effectuer des comparaisons de classes deux à deux. Scheffé et LSD (différence la moins significative).380 Chapitre 21 Ryan-Einot-Gabriel-Welsch) et le Waller-Duncan. Les tests de comparaison multiple disponibles sont les suivants : Bonferroni.

mais établit un niveau de protection du taux d'erreur pour l'ensemble des tests. „ „ Waller-Duncan : Test de comparaisons multiples basé sur une statistique t et utilisant une approche bayésienne. Similaire au test de Tukey. Hypothèse de variances inégales : Les tests de comparaison multiple qui ne supposent pas de variances égales sont le T2 de Tamhane. Games-Howell : Test des comparaisons appariées qui peut parfois être souple. à un certain niveau du facteur. Utilise la statistique d'intervalle de Student. Le test de Gabriel offre plus de souplesse lorsque les tailles des cellules divergent beaucoup. L'option >Contrôle permet de tester si la moyenne est supérieure. Dunnett : Test T de comparaisons multiples par paires comparant un ensemble de traitements à une moyenne de contrôle unique. L'option <Contrôle permet de tester si la moyenne est inférieure. Gabriel : Test de comparaison par paire qui utilise le modulus maximum de Student. Games-Howell et le C de Dunnett. plutôt que pour chaque test en particulier.381 ANOVA à 1 facteur „ Duncan : Réalise des comparaisons par paires en suivant un ordre pas à pas identique à celui utilisé dans le test de Student-Newman-Keuls. „ C de Dunnett : Test des comparaisons par paires basé sur l'intervalle de Student. . Ce test est opportun lorsque les variances sont inégales. L'option Bilatéral teste que la moyenne à un certain niveau (hormis la modalité de contrôle) du facteur n'est pas égale à celle de la modalité de contrôle. „ „ GT2 de Hochberg : Test de multiples comparaisons et intervalles appariés utilisant le modulus maximum de Student. Ce test est opportun lorsque les variances sont inégales. Vous pouvez également choisir la première modalité. à celle de la modalité de contrôle. Ce test est opportun lorsque les variances sont inégales. à un certain niveau du facteur. La dernière modalité est la modalité de contrôle par défaut. le T3 de Dunnett. à celle de la modalité de contrôle. Ce test est opportun lorsque les variances sont inégales. „ „ „ T2 de Tamhane : Test des comparaisons appariées basé sur le test T. T3 de Dunnett : Test des comparaisons par paires basé sur le module maximal de Student. Il est plus efficace que le GT2 de Hochberg lorsque les tailles des cellules sont inégales.

l'erreur standard de la moyenne.382 Chapitre 21 Remarque : Il peut vous paraître plus facile d'interpréter le résultat à partir de tests post hoc si vous désactivez l'option Masquer les lignes et les colonnes vides dans la boîte de dialogue Propriétés du tableau (dans le tableau pivotant activé. „ Test d'homogénéité de variance : La procédure calcule la statistique de Levene pour tester l'égalité des variances de groupe. „ Effets fixes et aléatoires : La procédure affiche l'écart type. Ce test ne dépend pas de l'hypothèse de normalité. ainsi que l'erreur standard. l'écart type. le minimum. et les intervalles de confiance à 95 % pour chaque variable dépendante de chaque groupe. Options ANOVA à 1 facteur Figure 21-5 Boîte de dialogue ANOVA à 1 facteur : Options Statistiques : Choisissez une ou plusieurs des options suivantes : „ Caractéristique : La procédure calcule le nombre d'observations. l'intervalle de confiance à 95 % et l'estimation de la variance inter-composants pour le modèle à effets aléatoires. . le maximum. l'erreur standard et l'intervalle de confiance à 95 % pour le modèle à effets fixes. choisissez Propriétés du tableau dans le menu Format). la moyenne.

Si vous n'avez pas spécifié de variables multiples dépendantes. Il est préférable d'utiliser cette statistique (au lieu de la statistique F) lorsque l'hypothèse d'égalité des variances n'est pas satisfaite. Il est préférable d'utiliser cette statistique (au lieu de la statistique F) lorsque l'hypothèse d'égalité des variances n'est pas satisfaite. „ Exclure les observations analyse par analyse : Aucune observation avec valeur manquante n'est utilisée. on n'utilise pas d'observation en dehors de l'intervalle spécifié pour la variable active. „ Exclure toute observation incomplète : Les observations ayant des valeurs manquantes pour la variable active ou pour toute variable dépendante contenue dans la liste dépendante de la boîte de dialogue principale sont exclues de toutes les analyses. Valeurs manquantes : Contrôle le traitement des valeurs manquantes. .383 ANOVA à 1 facteur „ Brown-Forsythe : La procédure calcule la statistique de Brown-Forsythe pour tester l'égalité des moyennes de groupe. que ce soit pour la variable dépendante ou pour la variable active d'une analyse donnée. „ Welch : Calcule la statistique de Welch pour tester l'égalité des moyennes de groupe. cela est sans effet. De même. Diagramme des moyennes : Affiche un diagramme qui représente les moyennes de sous-groupes (les moyennes de chaque groupe définies par les valeurs de la variable active).

.

Les variables actives divisent la population en groupes. les prévisions. 385 . Les résidus. les variables indépendantes (explicatives) sont spécifiées comme covariables. L'analyse GLM – Univarié teste non seulement les hypothèses mais elle produit également des estimations. peut-être pour compenser les différents niveaux de précision des mesures. Pour l'analyse de la régression. la distance de Cook et les valeurs influentes peuvent être enregistrées sous forme de nouvelles variables dans votre fichier de données pour vérifier les hypothèses. Un modèle est équilibré si chaque cellule de ce modèle contient le même nombre d'observations. les effets et les interactions des covariables avec les facteurs peuvent être inclus. lorsqu'un test F global se révèle significatif.Analyse GLM – Univarié 22 Chapitre GLM – Univarié fournit un modèle de régression et une analyse de la variance pour plusieurs variables dépendantes par un ou plusieurs facteurs ou variables. Poids WLS. En outre. Vous pouvez tester les modèles équilibrés comme déséquilibrés. En outre. Cette procédure de régression linéaire généralisée vous permet de tester les hypothèses nulles à propos des effets des autres variables sur la moyenne de différents regroupements de la variable dépendante. Vous pouvez rechercher les interactions entre les facteurs ainsi que les effets des différents facteurs. Vous disposez de contrastes a priori communs pour effectuer les tests d'hypothèse. certains d'entre eux étant aléatoires. Vous permet de spécifier une variable utilisée pour pondérer les observations pour une analyse pondérée (WLS) des moindres carrés. vous pouvez utiliser les tests post hoc pour évaluer les différences entre les moyennes spécifiques. Les moyennes marginales estimées fournissent des estimations des valeurs moyennes estimées pour les cellules dans le modèle et les diagrammes des profils (diagrammes d'interaction) de ces moyennes vous permettent de visualiser plus facilement certaines des relations.

Méthodes : Les sommes des carrés de type I. Le test de Levene pour l'homogénéité de la variance. Il peut s'agir de valeurs numériques ou alphanumériques de 8 caractères au maximum. écart type et effectifs pour toutes les variables dépendantes dans toutes les cellules. l'intervalle multiple de Ryan-Einot-Gabriel-Welsch.386 Chapitre 22 Exemple : Des données sont collectées sur les différents participants au Marathon de Paris sur plusieurs années. Duncan. . II. le nombre de mois d'entraînement. Les facteurs sont qualitatifs. Games-Howell et C de Dunnett. b de Tukey. Les autres facteurs comprennent le temps (froid. résiduels et profils (interaction). L'âge est considéré comme co-variable. Le type III est la valeur par défaut. Scheffé. le nombre de marathons précédemment effectués et le sexe. Dans cette population. T2 de Tamhane. Sidak. Statistiques descriptives : moyenne observée. Gabriel. GT2 de Hochberg. modéré. Bonferroni. Statistiques : Tests d'intervalle post hoc et comparaisons multiples : La différence la moins significative. Remarques sur les données GLM . Les covariables sont des variables quantitatives liées à la variable dépendante. T3 de Dunnett. vous pouvez utiliser les tests d'homogénéité de la variance et les diagrammes de dispersion par niveau. chaud). Student-Newman-Keuls. le test t de Waller Duncan. L'analyse de la variance supporte les écarts à la normalité. bien que les données doivent être symétriques. F multiple de Ryan-Einot-Gabriel-Welsch.Univarié Données : La variable dépendante est quantitative. Hypothèses : Les données forment un échantillon aléatoire d'une population normale ou gaussienne. Diagrammes : Dispersion par niveau. bilatéral). le test de Tukey. Pour vérifier les hypothèses. toutes les variances de cellule sont égales. Le temps effectué par chaque participant est la variable dépendante. Dunnett (unilatéral. Vous pouvez également étudier les résidus et les diagrammes de résidus. III et IV peuvent servir à évaluer les différentes hypothèses. Vous devez trouver que le sexe a un effet significatif et que l'interaction du sexe avec le temps est significatif.

376 6147.513 30.691 10.059 .000 .541 7.064 5.564 5.938 17.Univarié Tests des effets inter-sujets Variable dépendante : SPVOL Somme des carrés de type III Carré moyen Source Modèle corrigé Constante Farine Graisse Précipité Graisse*Précipité df 11 1 3 2 2 4 14 26 25 F 12.708 6.984 6.520 1016.589 2 1 2 3 3 1 2 3 Pour obtenir des tables GLM .001 22.082 . .274 7.023 6. sélectionnez : Analyse Modèle linéaire général Univarié.410 .000 .981 8.387 Analyse GLM – Univarié Echantillon de résultat Figure 22-1 Résultat GLM .897 5.629 7.404 6.233 1 1 2 3 5.641 7.639 2.605 6. .165 Erreur Total Total corrigé 1.200 8.436 7.000 .123 7.891 6.241 .000 6.203 .021 5. Limite inférieure Limite supérieure .499 1.000 .505 6.300 5.118 .239 .241 .636 9.047 1016.835 2.945 6.052 6.240 . R carré = .378 5..981 2.764 7.203 .522 Sig.Univarié E A partir du menu..907 (R carré ajusté = .316 1112.833) Graisse * précipité Variable dépendante : SPVOL Intervale de confiance de 95 % Graisse précipité Moyenne Erreur std.353 6.997 5.301 .583 3.301 .536 5.014 8.960 24.

l'observation est exclue de l'analyse. . E En option. Si la valeur de la variable de pondération est nulle.388 Chapitre 22 Figure 22-2 Boîte de dialogue Univarié E Sélectionnez une variable dépendante. vous pouvez utiliser WLS Weight pour préciser une variable de pondération pour l'analyse des moindres carrés pondérés. négative ou manquante. E Sélectionnez les variables pour Facteur(s) fixé(s). Facteur(s) aléatoire(s) et Covariable(s). en fonction de vos données. Une variable déjà utilisée dans le modèle ne peut pas servir de variable de pondération.

auxquels aucune cellule ne manque. le type III est la méthode le plus fréquemment utilisée. Sélectionnez Autre pour indiquer un sous-ensemble d'interactions ou des interactions variable active/covariable. Dans une analyse univariée. Inclure une constante au modèle : L'ordonnée est généralement incluse dans le modèle. des covariables et toutes les interactions facteur/facteur. Modèle : Le modèle dépend de la nature de vos données. Critères et covariables : Les covariables et facteurs sont énumérés en indiquant (F) pour facteur fixé et (C) pour covariable. (R) indique un facteur aléatoire. vous pouvez exclure la constante. Pour les modèles équilibrés ou non. vous pouvez choisir les effets principaux et les interactions qui présentent un intérêt pour votre analyse. . Vous devez indiquer tous les termes à inclure dans le modèle. Somme des carrés : Méthode de calcul des sommes des carrés. Il ne contient pas de d'interactions de covariable. Après avoir sélectionné Autre. Si vous partez du principe que les données passent par l'origine.389 Analyse GLM – Univarié Modèle GLM Figure 22-3 Boîte de dialogue Modèle univarié Spécifier le modèle : Un modèle factoriel général contient tous les effets principaux des facteurs.

Chaque terme est ajusté uniquement pour le terme qui le précède dans le modèle. Un modèle par imbrication pur dans lequel le premier effet spécifié est imbriqué dans le second et le second spécifié dans le troisième.390 Chapitre 22 Termes construits Pour les facteurs et covariables sélectionnés : Interaction : Crée le terme d'interaction du plus haut niveau de toutes les variables sélectionnées. Le type III est le plus courant et c'est la valeur par défaut. Toutes d'ordre 2 : Crée toutes les interactions d'ordre 2 possibles des variables sélectionnées. Un modèle de régression polynomial dans lequel les termes d'ordre inférieur sont spécifiés avant ceux d'ordre supérieur. et chaque effet de premier ordre spécifié avant ceux de second ordre. Type I : Cette méthode est également appelée décomposition hiérarchique de la somme des carrés. Effets principaux : Crée un terme d'effet principal pour chaque variable sélectionnée. et ainsi de suite. (Cette forme d'imbrication peut être spécifiée par la syntaxe uniquement. Il s'agit de la valeur par défaut. Toutes d'ordre 4 : Crée toutes les interactions d'ordre 4 possibles des variables sélectionnées. Toutes d'ordre 3 : Crée toutes les interactions d'ordre 3 possibles des variables sélectionnées. La somme des carrés de type I est généralement utilisée pour : „ Une analyse de la variance équilibrée dans laquelle tout effet principal est spécifié avant les effets d'interaction de premier ordre. vous pouvez choisir un type de sommes des carrés. Somme des carrés Pour ce modèle. etc. Toutes d'ordre 5 : Crée toutes les interactions d'ordre 5 possibles des variables sélectionnées.) „ „ .

Cette méthode calcule les sommes des carrés d'un effet dans le modèle comme les sommes des carrés ajustée pour tout autre effet qui ne le contient pas et orthogonal à chaque effet qui le contient.) Type III : Valeur par défaut. Un modèle par imbrication pur. Tout modèle de régression. (Cette forme d'imbrication peut être spécifiée par la syntaxe. Si F est inclus dans d'autres effets. Tout modèle qui contient un effet principal uniquement. La méthode des sommes des carrés de type III sert généralement pour : „ „ Tous les modèles énumérés dans les types I et II. Pour chaque effet F dans le modèle. Type IV : Cette méthode est conçue pour une situation dans laquelle il manque des cellules. cette méthode est équivalente à la technique de Yates des carrés moyens pondérés. .391 Analyse GLM – Univarié Type II : Cette méthode calcule les sommes des carrés d'un effet dans le modèle ajusté pour tous les autres effets « appropriés ». Dans le modèle factoriel sans cellule manquante. si F n'est inclus dans aucun autre effet. Les sommes de carrés de type III présentent l'avantage essentiel qu'elles ne varient pas avec les fréquences de cellule tant que la forme générale d'estimabilité reste constante. Tous les modèles équilibrés ou non qui ne contiennent pas de cellules vides. Type IV = Type III = Type II. Un effet approprié est un effet qui correspond à tous les effets qui ne contiennent pas l'effet à étudier. le Type IV distribue les contrastes à effectuer parmi les paramètres dans F sur tous les effets de niveau supérieur de façon équitable. La méthode des sommes des carrés de type II sert généralement pour : „ „ „ „ Une analyse de la variance équilibrée. La méthode des sommes des carrés de type IV sert généralement pour : „ „ Tous les modèles énumérés dans les types I et II. Ce type de somme des carrés est donc souvent considéré comme utile pour les modèles déséquilibrés auxquels aucune cellule ne manque. Tous les modèles équilibrés ou non qui contiennent des cellules vides.

. Pour les contrastes d'écart et simple. répétée et modèle polynomial. SPSS crée une matrice L de telle sorte que les colonnes correspondant au facteur correspondent aux contrastes. Pour les différences de contraste. Contrastes possibles Les contrastes fournis sont écart. Les colonnes restantes sont ajustées de telle sorte que la matrice L puisse être estimée. différence. Le résultat reprend une statistique F pour chaque ensemble de contrastes.392 Chapitre 22 Contrastes GLM Figure 22-4 Boîte de dialogue GLM Univarié : Contrastes Les contrastes servent à tester les différences entre les niveaux d'un facteur. L étant la matrice des coefficients de contraste et B le vecteur de paramètre. Les contrastes représentent des combinaisons linéaires des paramètres. Le test des hypothèses est fondé sur l'hypothèse nulle LB =0. Helmert. Si un contraste est spécifié. simple. le système affiche également les intervalles de confiance simultanés de type Bonferroni fondés sur la distribution t de Student. Vous pouvez spécifier un contraste pour chaque facteur du modèle (dans un modèle de mesures répétées. pour chaque facteur inter-sujets). vous pouvez choisir si la modalité de référence est la première ou la dernière.

Vous pouvez prendre la première ou la dernière modalité en référence.) Helmert : Compare la moyenne de chaque niveau de facteur (hormis le dernier) à la moyenne des niveaux suivants. Les niveaux du facteur peuvent être de n'importe quel ordre.393 Analyse GLM – Univarié Types de contraste Ecart : Compare la moyenne de chaque niveau (hormis une modalité de référence) à la moyenne de tous les niveaux (grande moyenne). Différence : Compare la moyenne de chaque niveau (hormis le premier) à la moyenne des niveaux précédents. . l'effet cubique etc. le second degré l'effet quadratique. etc. Le premier degré de liberté contient l'effet linéaire sur toutes les modalités. Simple : Compare la moyenne de chaque niveau à celle d'un niveau donné. l'effet quadratique. Répété : Compare la moyenne de chaque niveau (hormis le premier) à la moyenne du niveau suivant. Modèle polynomial : Compare l'effet linéaire. (Parfois appelé contrastes d'Helmert inversé. Ce type de contraste est utile lorsqu'il y a un groupe de contrôle. Ces contrastes servent souvent à estimer les tendances polynomiales.

. ce qui signifie que vous rechercher les niveaux d'un seul facteur. Les courbes non parallèles indiquent une interaction. Un diagramme des profils pour un facteur montre si la moyenne marginale estimée est croissante ou décroissante sur les niveaux. Pour les analyses multivariées.394 Chapitre 22 Diagrammes de profils GLM Figure 22-5 Boîte de dialogue GLM – Univarié : Diagrammes des protocoles Les diagrammes des profils (diagrammes d'interaction) sont utiles pour comparer les moyennes marginales dans votre modèle. Chaque niveau dans un troisième facteur peut servir à créer un diagramme distinct. les diagrammes des profils sont créés pour chaque variable dépendante. GLM Multivarié et GLM Mesures répétées sont disponibles uniquement si vous avez l'option Statistiques avancées installée. Tous les facteurs fixés et aléatoire sont disponibles pour les diagrammes. des courbes parallèles indiquent qu'il n'y a pas d'interaction entre les facteurs. Pour au moins deux facteurs. Un diagramme des profils est une courbe dont chaque point indique la moyenne marginale estimée d'une variable dépendante (ajustée pour les covariables) à un niveau du facteur. à la fois les facteurs inter-sujets et intra-sujets peuvent être utilisés dans les diagrammes des profils. Dans une analyse à mesures répétées. Les niveaux d'un second facteur peuvent servir à dessiner des courbes distinctes.

Ces tests servent aux facteurs inter-sujets . des facteurs pour des courbes ou des diagrammes distincts. Les comparaisons sont effectuées sur des valeurs non-ajustées. éventuellement. le diagramme doit être ajouté dans la liste Diagrammes. Comparaisons post hoc GLM Figure 22-7 Boîte de dialogue GLM – Univarié : Comparaisons multiples post hoc pour les moyennes observées Test de comparaison multiple post hoc : Lorsque vous avez déterminé qu'il existe des différences parmi les moyennes. les tests d'intervalles post hoc et de comparaisons multiples par paire peuvent déterminer les moyennes qui diffèrent.395 Analyse GLM – Univarié Figure 22-6 Diagramme non parallèle (gauche) et diagramme parallèle (droite) Après avoir sélectionné des facteurs pour l'axe horizontal pour spécifier un diagramme et.

les tests post hoc sont effectués séparément pour chaque variable dépendante. Ces tests sont plus efficaces que le test d'intervalle multiple de Duncan et Student-Newman-Keuls . Le test de comparaison multiple de Dunnet compare un ensemble de traitements à une simple moyenne de contrôle. à un certain niveau du facteur. Dans GLM . sélectionnez > Contrôle. Pour GLM . Les tests de différence significative de Bonferroni et Tukey servent généralement comme tests de comparaison multiples. l'égalité est testée sur des sous-ensembles de moyennes. Le GT2 de Hochberg est similaire au test de Tukey mais il utilise un modulus maximum selon Student. Si toutes les moyennes ne sont pas égales. Gabriel et Welsch (R-E-G-W) ont développé deux tests d'intervalles multiples descendants. Lorsque vous tester un grand nombre de paire de moyennes. fondé sur la statistique t de Student. pour vérifier si la moyenne est supérieure. Les procédures multiples descendantes test d'abord que toutes les moyennes sont égales. le test de Tukey est plus efficace que celui de Bonferroni. En outre. La dernière modalité est la modalité de contrôle par défaut. Pour tester si la moyenne est inférieure. Vous pouvez également choisir un test unilatéral ou bilatéral. ajuste le niveau de signification observé en fonction du nombre des comparaisons multiples qui sont effectuées. Vous pouvez également choisir la première modalité. Les tests de comparaisons multiples post hoc sont effectués pour la moyenne de tous les niveaux des facteurs intra-sujets. utilisez le test double-face. sélectionnez < Contrôle.396 Chapitre 22 fixés seulement. Le test de Gabriel offre plus de souplesse lorsque les tailles des cellules divergent beaucoup. Le F de R-E-G-W est fondé sur le test F et le Q de R-E-G-W est fondé sur l'intervalle selon Student. à un certain niveau du facteur. Ryan. Le test de Bonferroni.Mesures répétées. Le test de Tukey utilise la statistique d'intervalle selon Student pour effectuer des comparaisons par paire entre les groupes et fixe le taux d'erreur empirique au taux d'erreur du regroupement de toutes les comparaisons par paire. Bonferroni est plus efficace. à celle de la modalité de contrôle. Pour tester que la moyenne à un certain niveau (hormis la modalité de contrôle) du facteur n'est pas égale à celle de la modalité de contrôle. ces tests ne sont pas disponibles s'il n'y a pas de facteurs inter-sujets. Le test de Tukey est généralement plus efficace. Lorsqu'il y a peu de paire. Le test de comparaison par paire de Gabriel utilise également le modulus maximum selon Student. GLM Multivarié et GLM Mesures répétées sont disponibles uniquement si vous avez l'option Statistiques avancées installée.Multivarié. Einot. Il est plus efficace que le GT2 de Hochberg lorsque les tailles des cellules sont inégales. à celle de la modalité de contrôle. Le test t de Sidak ajuste également le niveau de signification et fournit des limites plus strictes que le test de Bonferroni.

F et Q de R-E-G-W et Waller. Ce test d'intervalle utilise la moyenne harmonique de la taille de l'échantillon lorsque les échantillons sont de différentes tailles. Sidak. . Duncan. pas seulement par paire. disponibles dans cette fonction. Tests affichés : Les comparaisons par paire sont proposées pour LSD. Le test t de Waller-Duncan utilise une approche de Bayes. mais ils sont conseillés lorsque les cellules sont de taille inégale. Le niveau de signification du test de Scheffé est conçu pour permettre toutes les combinaisons linéaires possibles des moyennes de groupe à tester. utilisez le T2 de Tamhane (test de comparaisons par paire conservatif fondé sur un test t). le T3 de Dunnett (comparaison par paire fondée sur le modulus maximal selon Student). Ces tests ne sont pas utilisés aussi souvent que les tests évoqués précédemment. C et T3 de Dunnett. Il en résulte que le test de Scheffé est souvent plus strict que les autres tests. Student-Newman-Keuls (S-N-K) et le b de Tukey sont des tests d'intervalle qui classifient les moyennes de groupe et calculent une valeur d'intervalle. Bonferroni. le test de comparaison par pairedeGames-Howell (parfois flexible) ou le C de Dunnett (test de comparaison par paire fondé sur l'intervalle selon Student). le GT2 de Hochberg. T2 et T3 de Tamhane. Le test de Tukey. Des sous-ensembles homogènes pour les tests d'intervalle sont proposés pour S-N-K. ce qui signifie qu'une plus grande différence de moyenne est nécessaire pour être significative. Lorsque les variances sont inégales. Le test de comparaison multiple par paire de différence la moins significative (LSD) est équivalent aux divers tests t individuels entre toutes les paires des groupes. Le test d'intervalle multiple de Duncan. b de Tukey. le test de Gabriel et le test de Scheffé sont à la fois des tests de comparaison multiple et des tests d'intervalle. L'inconvénient de ce test est qu'il n'essaie pas d'ajuster le niveau d'importante observée pour les comparaisons multiples.397 Analyse GLM – Univarié (procédures multiples descendantes). Games et Howell.

Erreur standard : Estimation de l'écart type de la valeur moyenne de la variable dépendante. Pondéré : Valeurs estimées non standardisées pondérées. La plupart de ces variables peuvent servir à étudier les hypothèses relatives aux données. Diagnostics : Mesures permettant d'identifier les observations avec des combinaisons inhabituelles de valeurs pour les variables indépendantes et les observations qui peuvent avoir un impact important sur le modèle. .398 Chapitre 22 Enregistrement GLM Figure 22-8 Boîte de dialogue GLM – Univarié : Enregistrement Vous pouvez enregistrer les prévisions par le modèle. Disponibles uniquement lorsqu'une variable WLS a été préalablement sélectionnée. „ „ „ Non standardisés : Valeur prévue par le modèle pour la variable dépendante. pour les observations ayant la même valeur pour les variables indépendantes. Pour enregistrer les valeurs afin de les utiliser dans une autre session SPSS. Prévisions : Valeurs que le modèle estime pour chaque observation. vous devez enregistrer le fichier de données en cours. les résidus et les mesures associées sous forme de nouvelles variables dans l'éditeur de données.

Il s'agit de la différence entre la valeur de la variable dépendante et la prévision ajustée. une ligne de valeurs de signification pour les statistiques t correspondant aux estimations et une ligne de degrés de liberté résiduels. Si la distance de Cook est élevée.399 Analyse GLM – Univarié „ Distance de Cook : Mesure permettant de savoir de combien les résidus de toutes les observations seraient modifiés si une observation donnée était exclue du calcul des coefficients de régression. „ Supprimées : Résidu d'une observation lorsque celle-ci est exclue du calcul des coefficients de régression. qui varie d'une observation à une autre. Si vous avez choisi une variable de pondération. pour chaque variable dépendante. Vous pouvez utiliser ce fichier de matrice dans les autres procédures qui lisent un fichier de matrice SPSS. Disponibles uniquement lorsqu'une variable WLS a été préalablement sélectionnée. Egalement appelés résidus de Pearson. les résidus standardisés ont une moyenne de 0 et un écart type de 1. Pondéré : Résidus estimés non standardisés pondérés. selon la distance entre les valeurs et la moyenne des variables indépendantes pour chaque observation. il y a les mêmes lignes pour chaque variable dépendante. Enregistrer dans nouveau fichier : Ecrit un fichier de données SPSS qui contient une matrice variance-covariance des estimations dans le modèle. D'autre part. l'exclusion d'une observation changerait substantiellement la valeur des coefficients. Standardisés : Résidu divisé par une estimation de son écart type. Résidus : Un résidu non standardisé correspond à la valeur réelle de la variable dépendante moins la valeur estimée par le modèle. „ „ „ Non standardisés : Différence entre la valeur observée et la valeur prévue par le modèle. divisé par une estimation de son écart type. Les résidus standardisés. „ Studentisés : Résidu. Influence relative de chaque observation sur la qualité d'ajustement du modèle. selon Student et supprimés sont également disponibles. les résidus standardisés pondérés sont disponibles. „ Valeurs influentes : Valeurs influentes non centrées. il y aura une ligne d'estimations. . Pour un modèle multivarié.

si elles existent.Univarié : Options Des statistiques facultatives sont disponibles à partir de cette boîte de dialogue. Ceci n'est valable que si les effets principaux sont sélectionnés dans la liste Afficher les moyennes. „ Comparer les effets principaux : Propose des comparaisons par paire non corrigées des moyennes marginales estimées pour tout effet principal dans le modèle. Ces statistiques sont calculées à l'aide de modèle à effets fixes. „ Ajustement intervalle de confiance : Sélectionnez l'ajustement aux intervalles et à la significativité des intervalles en adoptant l'une des méthodes suivantes : la différence de moindre signification (LSD). Ces moyennes sont ajustées pour les covariables. . l'ajustement Bonferroni ou l'ajustement de Sidak. Moyenne marginale estimée : Sélectionnez les facteurs et les interactions pour lesquels vous souhaitez obtenir des estimations de la moyenne marginale de la population dans les cellules.400 Chapitre 22 Options GLM Figure 22-9 Boîte de dialogue GLM. à la fois pour les facteurs inter-sujets et intra-sujets. Cet élément est disponible uniquement si Comparer les effets principaux est sélectionné.

L'option Estimation d'effet de taille fournit une valeur partielle de Eta carré pour chaque effet et chaque estimation. des tests t. Lorsque vous spécifiez un niveau de signification. Fonction générale estimée vous permet de construire des tests d'hypothèses personnalisés basés sur la fonction générale estimée. . Les lignes de n'importe quelle matrice des coefficients de contraste sont des combinaisons linéaires de la fonction générale estimée. des écarts types et des effectifs pour toutes les variables dépendantes de toutes les cellules. Fonctionnalités supplémentaires de la commande UNIANOVA Le langage de commande SPSS vous permet aussi de : „ Spécifier les effets en cascade dans un modèle (à l'aide de la sous-commande DESIGN). Sélectionnez Puissance observée pour obtenir la puissance du test lorsque l'autre hypothèse est définie sur la base de la valeur observée.401 Analyse GLM – Univarié Afficher : Sélectionnez Statistiques descriptives pour produire des moyennes. La valeur spécifiée est également utilisée pour calculer l'intensité observée pour le test. Les options des diagrammes de dispersion par niveau et de résidus sont utiles pour vérifier les hypothèses sur les données. Ces diagrammes sont utiles pour vérifier l'hypothèse de variance égale. des erreurs standard. Sélectionnez Diagrammes résiduels pour produire un diagramme résiduel observé/estimé/standardisé pour chaque variable dépendante. Sélectionnez Estimation des paramètres pour produire des estimations de paramètres. Sélectionnez Manque d'ajustement pour vérifier si la relation entre la variable dépendante et les variables indépendantes peut être convenablement décrite par le modèle. Sélectionnez Matrice des coefficients de contraste pour obtenir la matrice L. uniquement pour les facteurs inter-sujets. des intervalles de confiance et la puissance observée de chaque test. La statistique d'Eta carré décrit la proportion de la variabilité totale imputable au facteur. L'option des tests d'homogénéité produit le test de Levene d'homogénéité de la variance pour chaque variable dépendante sur toutes les combinaisons de niveaux des facteurs inter-sujets. Niveau de signification : Vous souhaitez peut-être ajuster le niveau de signification utilisé dans les tests post hoc et le niveau de confiance utilisé pour construire des intervalles de confiance. le niveau associé des intervalles de confiance est affiché dans la boîte de dialogue. Ceci n'est pas valable s'il n'y a pas de facteurs.

Pour les contrastes simples ou d'écart. spécifier une modalité de référence intermédiaire (à l'aide de la sous-commande CONTRAST). Spécifier de multiples contrastes (à l'aide de la sous-commande CONTRAST). reportez-vous au manuel SPSS Command Syntax Reference. Construisez une matrice L personnalisée. Construire un fichier de matrice de corrélation (à l'aide de la sous-commande OUTFILE). . Calculer les moyennes marginales estimées pour chaque facteur ou interaction de facteurs parmi les facteurs de la liste (à l'aide de la sous-commande EMMEANS). „ Pour obtenir des renseignements complets sur la syntaxe. Spécifier les critères EPS (à l'aide de la sous-commande CRITERIA). Inclure les valeurs manquantes pour l'utilisateur (à l'aide de la sous-commande MISSING). Attribuer des noms aux variables temporaires (à l'aide de la sous-commande SAVE). Spécifier les mesures pour les contrastes polynomiaux (à l'aide de la sous-commande CONTRAST).402 Chapitre 22 „ „ „ „ „ „ „ „ „ „ „ „ Spécifier les tests d'effets par rapport à une combinaison linéaire d'effets ou une valeur (à l'aide de la sous-commande TEST). MMATRIX et KMATRIX). Spécifier des termes d'erreur pour les comparaisons post hoc (à l'aide de la sous-commande POSTHOC). une matrice M ou une matrice K (à l'aide des sous-commandes LMATRIX. Enregistrer la matrice du plan dans un nouveau fichier de données (à l'aide de la sous-commande OUTFILE). Construire un fichier de type matrice de données qui contient les statistiques provenant de la table ANOVA inter-sujets (à l'aide de la sous-commande OUTFILE).

tau-b de Kendall. moins l'adversaire a marqué de points. Avant de calculer un coefficient de corrélation. mais si la relation n'est pas linéaire. Le coefficient de corrélation de Pearson est une mesure d'association linéaire. Remarques sur les données des corrélations bivariées Données : Utilisez des variables quantitatives symétriques pour le coefficient de corrélation de Pearson. 403 . Statistiques : Pour chaque variable.401) et la corrélation est significative au niveau 0. L'analyse des données de la saison NBA 1994–1995 démontre que le coefficient de corrélation de Pearson (0. on a les éléments suivants : coefficient de corrélation de Pearson. Deux variables peuvent être parfaitement liées. et écart type. Ces variables sont liées négativement (–0. on a les éléments suivants : nombre d'observations avec des valeurs non manquantes. Les corrélations mesurent comment les variables ou les ordres de rang sont liés. produits des écarts et covariance. et des variables quantitatives ou des variables avec des modalités ordonnées pour le rho de Spearman et le tau-b de Kendall. On peut penser que plus on a gagné de matchs dans une saison. moyenne. rho de Spearman.Corrélations bivariées 23 Chapitre La procédure de corrélations bivariées calcule le coefficient de corrélation de Pearson.05. Exemple : Le nombre de matchs de basket-ball remportés par une équipe est-il lié au nombre moyen de points marqués par match ? Un diagramme de dispersion indique qu'il existe une relation linéaire. le coefficient de corrélation de Pearson n'est pas une statistique appropriée pour mesurer leur association.581) est significatif au niveau 0.01. parcourez vos données pour rechercher les valeurs éloignées (qui peuvent provoquer des résultats erronés) et les traces d'une relation linéaire. le rho de Spearman et le tau-b de Kendall avec leurs seuils de signification. Pour chaque paire de variables.

.001 .000 .401* .038 . 27 27 27 27 27 27 27 27 27 Pour obtenir des corrélations bivariées A partir du menu.457* 1.401* . Corrélation à 0.017 .000 Points marqués par match .001 .038 .404 Chapitre 23 Hypothèses : Le coefficient de corrélation de Pearson part du principe que chaque paire de variables est gaussienne bivariée.. Echantillon de résultat Figure 23-1 Résultats des corrélations bivariées Corrélations Correlations Nombre de matchs gagnés Corrélation de Pearson Nombre de matchs gagnés Points marqués par match Points en défense par match Signification (bilatérale) Nombre de matchs gagnés Points marqués par match Points en défense par match N Nombre de matchs gagnés Points marqués par match Points en défense par match **.017 . Corrélation à 0..581** Points en défense par match -.01(bilatérale) :… *. .05(bilatérale) :… 1.581** 1. .457* -.000 . sélectionnez : Analyse Corrélation Bivariée.

. „ Repérer les corrélations significatives : Les coefficients de corrélation significatifs au niveau 0. choisissez le Tau-b de Kendall ou la corrélation de Spearman. La valeur 0 indique l'absence de relation linéaire. choisissez Unilatéral. Si la direction de l'association est connue à l'avance. Les options suivantes sont également disponibles : „ Coefficients de corrélation : Pour des variables quantitatives. Les coefficients de corrélation vont de la valeur –1 (relation négative parfaite) à +1 (relation positive parfaite). choisissez le coefficient de corrélation de Pearson. sélectionnez Bilatéral.405 Corrélations bivariées Figure 23-2 Boîte de dialogue Corrélations bivariées E Sélectionnez plusieurs variables numériques.05 sont identifiés par un seul astérisque et ceux qui sont significatifs au niveau 0. qui mesure l'association entre les ordres de rangs. vous ne pouvez pas. à partir de l'existence d'une corrélation significative.01 sont identifiés par deux astérisques. conclure en l'existence d'une relation de cause à effet. normalement distribuées. Si vos données ne sont pas distribuées normalement ou si elles comportent des modalités ordonnées. „ Test de signification : Vous pouvez choisir des probabilités bilatérales ou unilatérales. Lors de l'interprétation de vos résultats. Sinon.

Le produit des écarts est égal à la somme des produits des variables moyennes corrigées. Valeurs manquantes : Vous pouvez choisir l'un des éléments suivants : „ Exclure seulement les composantes non valides : Les observations avec des valeurs manquantes pour l'une ou les deux variables d'une paire pour un coefficient de corrélation sont exclues de l'analyse. . Etant donné que chaque coefficient est basé sur toutes les observations ayant des codes valides pour cette paire particulière de variables. Le nombre d'observations avec valeurs non manquantes est également affiché. Les valeurs manquantes sont examinées variable par variable quel que soit votre réglage des valeurs manquantes. la quantité maximale d'informations disponibles est utilisée dans chaque calcul. Ceci peut aboutir à un jeu de coefficients basé sur un nombre variable d'observations.406 Chapitre 23 Options de corrélations bivariées Figure 23-3 Boîte de dialogue Corrélations bivariées : Options Statistiques : Pour les corrélations de Pearson. „ Produits des écarts et covariances : Indiqués pour chaque paire de variables. vous pouvez choisir l'une des options suivantes (ou les deux) : „ Moyennes et écarts types : Affichés pour chaque variable. La covariance est une mesure non standardisée de la relation entre deux variables. „ Exclure toute observation incomplète : Les observations avec des valeurs manquantes pour une variable sont exclues de toutes les analyses. égale au produit des écarts divisé par N–1. Ceci est le numérateur du coefficient de corrélation de Pearson.

407 Corrélations bivariées Propriétés supplémentaires des commandes CORRELATIONS et NONPAR CORR Le langage de commande SPSS vous permet aussi de : „ Ecrire une f pour les corrélations de Pearson qui peut être utilisée à la place de données brutes pour obtenir d'autres analyses comme une analyse factorielle (avec la sous-commande MATRIX). . Obtenir des corrélations de chaque variable dans une liste avec chaque variable d'une seconde liste (en utilisant le mot clé WITH avec la sous-commande VARIABLES). „ Pour obtenir des renseignements complets sur la syntaxe. reportez-vous au manuel SPSS Command Syntax Reference.

.

on a les éléments suivants : nombre d'observations avec des valeurs non manquantes. et écart type. Hypothèses : La procédure des Corrélations Partielles suppose que chaque paire de variables présente une corrélation normale. Le financement lié aux soins de santé et les taux d'attaque sont associés de manière positive car le nombre de personnes ayant accès aux soins de santé augmente en même temps que le financement. avec degrés de liberté et seuils de signification.Corrélations partielles 24 Chapitre La procédure des corrélations partielles calcule les coefficients de corrélation partielle qui décrivent le rapport linéaire entre deux variables tout en contrôlant les effets d'une ou plusieurs autres variables. 409 . Deux variables peuvent être parfaitement liées mais. une étude fait état d'une corrélation positive : Lorsque le financement associé aux soins de santé augmente. Exemple : Existe-t-il une relation entre le financement associé aux soins de santé et les taux d'attaque ? Contre toute attente. Cependant. moyenne. Statistiques : Pour chaque variable. si leur rapport n'est pas linéaire. le nombre de maladies déclarées par les docteurs et les hôpitaux augmente également. De ce fait. les taux d'attaque augmentent. Matrices de corrélation partielle et simple. Les corrélations sont des mesures d'association linéaire. le contrôle du taux de visite aux fournisseurs de soins de santé supprime presque la corrélation positive observée. un coefficient de corrélation n'est pas une statistique adaptée pour mesurer leur association. Remarques sur les données des corrélations partielles Données : Utiliser des variables quantitatives et symétriques.

.410 Chapitre 24 Echantillon de résultat Figure 24-1 Résultats de Corrélations Partielles Obtenir des corrélations partielles E A partir du menu. sélectionnez : Analyse Corrélation Partielle...

„ Afficher le seuil exact de signification : La probabilité et les degrés de liberté sont affichés par défaut pour chaque coefficient de corrélation. les coefficients significatifs au seuil 0. Les options suivantes sont également disponibles : „ Test de signification : Vous pouvez choisir des probabilités bilatérales ou unilatérales. Sinon. les coefficients significatifs au seuil de 0. choisissez Unilatéral.411 Corrélations partielles Figure 24-2 Boîte de dialogue Corrélations partielles E Sélectionnez au moins deux variables numériques pour lesquelles vous voulez calculer des corrélations partielles. . Si la direction de l'association est connue à l'avance. Cette configuration affecte aussi bien les matrices de corrélation partielle que simple. Si vous désélectionnez cette option. sélectionnez Bilatéral. et les degrés de liberté sont supprimés. E Sélectionnez une ou plusieurs variables numériques de contrôle.05 sont identifiés par une astérisque.01 par deux astérisques.

La suppression des composantes non valides seulement utilise autant de données que possible. y compris les variables de contrôle. Le nombre d'observations avec valeurs non manquantes est également affiché. les degrés de liberté d'un coefficient partiel donné sont basés sur le plus petit nombre d'observations utilisées dans le calcul de l'une quelconque des corrélations d'ordre zéro. „ Corrélations simples : Une matrice de corrélations simples entre toutes les variables. Lorsque la suppression des composantes non valides seulement est sélectionnée. s'affiche. Le nombre d'observations peut toutefois différer selon les coefficients. „ Exclure seulement les composantes non valides : Pour le calcul des corrélations simples sur lesquelles se basent les corrélations partielles. . une observation ayant des valeurs manquantes pour une composante ou les deux composantes d'une paire de variables ne sera pas utilisée. Valeurs manquantes : Vous avez le choix entre les options suivantes : „ Exclure toute observation incomplète : Les observations ayant des valeurs manquantes pour une variable quelconque. y compris une variable de contrôle.412 Chapitre 24 Options Corrélations partielles Figure 24-3 Boîte de dialogue Corrélations partielles : Options Statistiques : Vous avez le choix entre les deux options suivantes : „ Moyennes et écarts types : Affichés pour chaque variable. sont exclues de tous les calculs.

les mesures sont khi-deux et phi-deux. indice de Sokal et Michener. Pour les données binaires. vous pouvez appliquer une classification hiérarchique ou un positionnement multidimensionnel aux similarités afin d'examiner la structure sous-jacente. il s'agit des mesures suivantes : Russel et Rao. comme l'analyse factorielle. la distance de Manhattan (bloc). Dice. Hamann. Sokal et Sneath 5. Sokal et Sneath 2. la distance de Tchebycheff. Rogers et Tanimoto. 413 . la classification ou le positionnement multidimensionnel. la consommation et la puissance ? En calculant les similarités existant entre des voitures. la distance de Minkowski ou une mesure personnalisée. le carré de la distance Euclidienne. Sokal et Sneath 1. afin de simplifier l'analyse des ensembles de données complexes. Vous pourrez ensuite utiliser ces mesures de similarité ou de dissimilarité avec d'autres procédures. Jaccard. lambda. l'écart de taille. Q de Yule. vous pouvez déterminer les voitures qui sont semblables et celles qui sont différentes.Distances 25 Chapitre Cette procédure permet de calculer de très nombreuses statistiques mesurant les similitudes ou les différences (distances) entre des paires de variables ou d'observations. Exemple : Est-il possible de mesurer les similarités entre des paires de voitures en fonction de certaines caractéristiques. D d'Anderberg. ou la mesure de Lance et Williams. les mesures de similarité sont la corrélation de Pearson ou cosinus. Sokal et Sneath 3. Y de Yule. Statistiques : Pour les données d'intervalle. Sokal et Sneath 4. corrélation phi tétrachorique ou dispersion. Ochiai. la différence de motif. Kulczynski 2. le carré de la distance Euclidienne. la variance. Pour les données d'effectif. Pour les données d'intervalles. Kulczynski 1. Dans l'optique d'une analyse plus formelle. Pour les données binaires. la forme. comme le nombre de cylindres. les mesures de dissimilarité sont la distance Euclidienne. les mesures de dissimilarité sont la distance Euclidienne.

E Sélectionnez une possibilité dans le groupe Calculer les distances pour calculer les proximités existant entre des observations ou des variables.414 Chapitre 25 Pour obtenir des matrices de distance E A partir du menu. . sélectionnez : Analyse Corrélation Indices Figure 25-1 Boîte de dialogue Distances E Sélectionnez au minimum une ou deux variables numériques pour calculer respectivement les distances existant entre des observations ou des variables.

Les méthodes de . ou Lance et Williams. Ces transformations ne s'appliquent pas aux données binaires. Forme. Différence de motif. Ecart de taille. Carré de la distance Euclidienne. par type de données : „ „ „ Intervalle : Distance Euclidienne. Distance de Minkowski ou Autre. sélectionnez l'une des mesures correspondant à ce type de données. effectif ou binaire). Carré de la distance Euclidienne. (Entrez des valeurs dans les champs Présent et Absent pour indiquer les deux valeurs significatives. Les mesures disponibles sont.) Le groupe Transformer les valeurs vous permet de standardiser les valeurs des données pour les observations ou les variables avant le calcul des proximités. Variance. dans la liste déroulante. Binaire : Distance Euclidienne. Distance de Manhattan. Ensuite. Effectifs : Distance du Khi-deux ou Distance du phi-deux.415 Distances Distances : Mesures de dissimilarité Figure 25-2 Boîte de dialogue Indices : Mesures de dissimilarité Dans le groupe Mesure. sélectionnez la possibilité qui correspond au type de vos données (intervalle. Distance de Tchebycheff. Aucune autre valeur ne sera prise en compte dans Distances.

Elles sont appliquées après le calcul de la mesure de distance. Rogers et Tanimoto. Sokal et Sneath 4. Ochiai. Ensuite. Les mesures disponibles sont. Aucune autre valeur ne sera prise en compte dans Distances. Kulczynski 1. Moyenne = 1 et Ecart type = 1. (Entrez des valeurs dans les champs Présent et Absent pour indiquer les deux valeurs significatives. Lambda. Sokal et Sneath 5. Q de Yule. Dice. Entre –1 et 1. par type de données : „ „ Intervalle : Corrélation de Pearson ou Cosinus. dans la liste déroulante. Corrélation phi tétrachorique ou Dispersion. Y de Yule. Binaire : Russel et Rao. Hamann. Les options possibles sont Valeurs absolues.) . sélectionnez l'une des mesures correspondant à ce type de données.416 Chapitre 25 standardisation disponibles sont Centrer-réduire. Le groupe Transformer les mesures vous permet de transformer les valeurs générées par la mesure de distance. Indices : Mesures de similarité Figure 25-3 Boîte de dialogue Indices : Mesures de similarité Dans le groupe Mesure. Indice de Sokal et Michener. et Rééchelonner entre 0 et 1. Sokal et Sneath 3. Jaccard. Entre 0 et 1. Sokal et Sneath 2. D d'Anderberg. Maximum = 1. Kulczynski 2. Sokal et Sneath 1. Inverser le signe. sélectionnez la possibilité qui correspond au type de vos données (intervalle ou binaire).

Maximum = 1. . Les méthodes de standardisation disponibles sont Centrer-réduire. Les options possibles sont Valeurs absolues. Le groupe Transformer les mesures vous permet de transformer les valeurs générées par la mesure de distance. Inverser le signe. Moyenne = 1 ou Ecart type = 1. Ces transformations ne s'appliquent pas aux données binaires. Elles sont appliquées après le calcul de la mesure de distance. et Rééchelonner entre 0 et 1. Entre 0 et 1.417 Distances Le groupe Transformer les valeurs vous permet de standardiser les valeurs des données pour les observations ou les variables avant le calcul des proximités. Entre –1 et 1.

.

intervalles d'estimation et diagnostics des observations. Un bon modèle peut être utilisé pour prévoir combien de matches les équipes vont gagner. Lorsque le nombre de matches gagnés augmente. tableau d'analyse de la variance. Par exemple. histogrammes et diagrammes de répartition gaussiens. vous pouvez modéliser la relation entre ces variables. Exemple : Le nombre de matches gagnés par une équipe de basket-ball au cours d'une saison est-il lié au nombre moyen de points marqués par l'équipe à chaque match ? Un diagramme de dispersion indique que ces variables ont un lien linéaire.Régression linéaire 26 Chapitre La régression linéaire estime les coefficients de l'équation linéaire. mesures et corrélations partielles. Cook. vous pouvez essayer d'estimer les ventes annuelles globales d'un commercial (la variable dépendante) à partir de variables indépendantes telles que l'âge. erreur standard de l'estimation. diagrammes partiels. impliquant une ou plusieurs variables indépendantes. prévisions et résidus. 419 . qui estiment le mieux la valeur de la variable dépendante. et valeurs influentes). matrice variances-covariances. R2. Statistiques : Pour chaque variable. on a les éléments suivants : nombre d'observations valides. facteur d'inflation de la variance. le nombre moyen de points marqués par les adversaires diminue. variation de R2. En plus. R2 ajusté. moyenne et écart type. A l'aide de la régression linéaire. mesures de distances (Mahalanobis. Ces variables ont une relation négative. Le nombre de matches gagnés et le nombre moyen de points marqué par l'équipe adverse ont également un lien linéaire. tolérance. intervalles de confiance à 95 % pour chaque coefficient de régression. différence de prévision. Pour chaque modèle : coefficients de régression. matrice de corrélations. l'éducation et les années d'expérience. R multiple. Diagrammes : dispersion. DfBêta. test de Durbin-Watson.

La relation entre la variable dépendante et chaque variable indépendante doit être linéaire et toutes les observations doivent être indépendantes. Echantillon de résultat Figure 26-1 Résultat de régression linéaire . Les variables qualitatives. la distribution de la variable dépendante doit être normale. doivent être enregistrées sous forme de variables binaires (muettes) ou sous de tout autre type de variables de contraste. La variance de la distribution de la variable dépendante doit être constante pour toutes les valeurs de la variable indépendante. comme la religion. Hypothèses : Pour chaque valeur de la variable indépendante. la zone de résidence. la qualification.420 Chapitre 26 Régression linéaire : Remarques sur les données Données : Les variables dépendantes et indépendantes doivent être quantitatives.

533 465. : (constante) points en défense par match. .898 .000 df 2 24 26 Carré moyen 2040. points marqués par match… 2.467 4546. Variables indép. Variable dépendante : nombre de matchs gagnés .4 Variables Entrées Modèle 1 Points en défense par match. points marqués par match… 2. R carré ajusté de l'estimation . points marqués par 1.40 1.0001 1. Toutes les variables requises entrées. : (constante) points en défense par match.2 match Supprimées R R carré Erreur std.394 F 105. Variables indép.198 Significatif . Variable dépendante : nombre de matchs gagnés 4.266 19.889 4.947 . Méthode : introduction simultanée ANOVA 2 Somme des carrés Modèle 1 Régression Résidus Total 4080.421 Régression linéaire Résumé de modèle 3. 3.

sélectionnez : Analyse Régression Linéaire. . Coefficients standardisés Bêta Variable dépendante : nombre de matchs gagnés Obtenir une analyse de régression linéaire E A partir du menu...422 Chapitre 26 Coefficients non standardisés Modèle (constante) Points marqués par match Points en défense par match Erreur std.

Sélectionner une variable d'identification d'observations pour identifier des points sur les diagrammes. Sélectionnez une variable de pondération WLS numérique pour une analyse des moindres carrés pondérés. . Sinon. Choisir une variable de sélection pour limiter l'analyse à un sous-groupe d'observations ayant une ou des valeurs particulières pour cette variable. E Sélectionnez une ou plusieurs variables indépendantes. vous pouvez : „ „ „ „ Grouper des variables indépendantes en blocs et spécifier différentes méthodes d'entrée pour différents sous-groupes de variables.423 Régression linéaire Figure 26-2 Boîte de dialogue Régression linéaire E Dans la boîte de dialogue Régression linéaire. sélectionnez une variable numérique dépendante.

Les variables déjà comprises dans l'équation de régression sont éliminées si leur probabilité de F devient trop grande. la variable indépendante externe à l'équation et qui présente la plus forte corrélation partielle est considérée ensuite. En utilisant différentes méthodes. Ainsi. La variable ayant la plus petite corrélation partielle avec la variable dépendante est la variable dont l'élimination est étudiée en premier. Si la première variable est introduite dans l'équation. „ Introduction ascendante : Procédure de sélection pas à pas de variables. si cette probabilité est suffisamment faible. puis éliminées une à une. La procédure prend fin quand plus aucune variable de l'équation ne satisfait aux critères d'élimination. Elimination descendante : Procédure de sélection de variables au cours de laquelle toutes les variables sont entrées dans l'équation. Méthodes de sélection des variables de régression linéaire La sélection d'une méthode vous permet de spécifier la manière dont les variables indépendantes sont entrées dans l'analyse. La première variable considérée est celle qui a la plus forte corrélation positive ou négative avec la variable dépendante. négative ou manquante. l'observation est exclue de l'analyse. vous pouvez construire divers modèles de régression à partir du même groupe de variables. „ „ Introduire (régression) : Procédure de sélection de variables au cours de laquelle toutes les variables d'un bloc sont introduites en une seule opération.424 Chapitre 26 WLS : Permet d'obtenir un modèle des moindres carrés pondéré. elle est supprimée. Si la valeur de la variable de pondération est nulle. Une fois la première variable éliminée. dans laquelle les variables sont introduites séquentiellement dans le modèle. Le processus s'arrête lorsqu'aucune variable ne peut plus être introduite ou éliminée. Pas à pas : A chaque étape. Cette variable n'est introduite dans l'équation que si elle satisfait le critère d'introduction. le programme saisit la variable indépendante exclue de l'équation ayant la plus petite probabilité de F. Si elle répond aux critères d'élimination. les observations dont la variance est élevée ont moins d'impact sur l'analyse que celles dont la variance est faible. Les points de données sont pondérés par l'inverse de leur variance. „ „ Eliminer bloc : Procédure de sélection de variables dans laquelle toutes les variables d'un bloc sont supprimées en une seule étape. l'élimination de la variable suivante restant dans l'équation et ayant le plus petit coefficient de corrélation partielle est étudiée. La .

0001. alors seules les observations pour lesquelles la variable sélectionnée a une valeur égale à 5 seront incluses dans l'analyse. Le niveau de tolérance par défaut est 0. et 5 pour la valeur. égale. les valeurs de significativité ne sont généralement pas valables lorsqu'on utilise une méthode progressive (Pas à pas. vous pouvez entrer un bloc de variables dans le modèle de régression en utilisant la sélection pas à pas.425 Régression linéaire procédure s'interrompt lorsqu'il ne reste plus de variables satisfaisant au critère d'introduction. quelle que soit la méthode d'entrée spécifiée. Régression linéaire : Définir la règle Figure 26-3 Boîte de dialogue Régression linéaire : Définir loi Les observations définies par la règle de sélection sont incluses dans l'analyse. Par exemple. Toutes les variables doivent respecter le critère de tolérance pour être entrées dans l'équation. Pour ajouter un second bloc de variables au modèle de régression. si vous sélectionnez une variable. et un second bloc en utilisant la sélection ascendante. Une variable n'est pas entrée si elle fait passer la tolérance d'une autre variable déjà entrée dans le modèle en dessous du seuil de tolérance. Par conséquent. Cependant. Toutes les variables indépendantes sélectionnées sont ajoutées dans un seul modèle de régression. Les valeurs de significativité dans vos résultats sont basées sur l'adéquation à un modèle unique. . Ascendante ou Descendante). Une valeur chaîne est également permise. vous pouvez spécifier différentes méthodes d'entrée pour les sous-groupes de variables. Par exemple. cliquez sur Suivant.

les prévisions ajustées. les observations éloignées et les observations influentes. les résidus standardisés et les résidus supprimés de Student. les prévisions. Après avoir été enregistrés comme variables nouvelles. Les diagrammes suivants sont disponibles : Diagrammes de dispersion : Vous pouvez afficher deux des éléments suivants : la variable dépendante. les résidus standardisés. résidus supprimés (*DRESID). ainsi que les variables prévues et les résidus suivants prévisions standardisées (*ZPRED). résidus standardisés (*ZRESID). prévisions ajustées (*ADJPRED). . Les diagrammes sont également utiles pour détecter les valeurs éloignées. résidus de Student (*SRESID). Affichez les résidus standardisés par rapport aux prévisions standardisées pour vérifier la linéarité et l'égalité des variances. résidus supprimés de Student (*SDRESID). les prévisions standardisées. résidus et autres diagnostics sont disponibles dans l'éditeur de données pour construire des diagrammes avec les variables indépendantes. les résidus supprimés.426 Chapitre 26 Diagrammes de régression linéaire Figure 26-4 Boîte de dialogue Régression linéaire : Graphiques (diagrammes) Les diagrammes peuvent aider à valider les hypothèses de normalité. linéarité et d'égalité des variances. Liste des variables sources : Répertorie la variable dépendante (DEPENDNT).

Au moins deux variables indépendantes doivent être dans l'équation pour produire un diagramme partiel. des statistiques récapitulatives sont affichées pour les prévisions standardisées et les résidus standardisés (*ZPRED et *ZRESID). Si vous demandez des diagrammes. Diagrammes des résidus standardisés : Vous pouvez obtenir des histogrammes des résidus standardisés et des diagrammes de répartition gaussiens en comparant la répartition des résidus standardisés à une répartition gaussienne. Régression linéaire : Enregistrer de nouvelles variables Figure 26-5 Boîte de dialogue Régression linéaire : Enregistrer les nouvelles variables .427 Régression linéaire Générer tous les graphiques partiels : Affiche des diagrammes de dispersion des résidus de chaque variable indépendante et les résidus de la variable dépendante lorsque les deux variables sont régressées séparément par rapport au reste des variables indépendantes.

l'exclusion d'une observation changerait substantiellement la valeur des coefficients. „ Mahalanobis : Mesure de la distance entre les valeurs d'une observation et la moyenne de toutes les observations sur les variables indépendantes. Si la distance de Cook est élevée. Chaque sélection ajoute une ou plusieurs variables à votre fichier de données actif. „ Moyenne : Limites inférieure et supérieure (deux variables) de l'intervalle de prévision de la réponse moyenne prévue. pour les observations ayant la même valeur pour les variables indépendantes. Une distance de Mahalanobis importante identifie une observation qui a des valeurs extrêmes pour des variables indépendantes.428 Chapitre 26 Vous pouvez enregistrer les prévisions. „ Valeurs influentes : Mesures de l'influence d'un point sur l'ajustement de la régression. La valeur influente centrée varie de 0 (aucune influence sur la qualité de l'ajustement) à (N-1)/N. Standardisés : Transformation de chaque prévision en sa forme standardisée. La prévision moyenne est soustraite de la prévision. Les prévisions standardisées ont une moyenne de 0 et un écart type de 1. . Erreur standard prévision moyenne : Erreurs standard des prévisions. „ „ Non standardisés : Valeur prévue par le modèle pour la variable dépendante. „ „ Ajustées : Prévision pour une observation exclue du calcul des coefficients de régression. et la différence est divisée par l'écart type des prévisions. Estimation de l'écart type de la valeur moyenne de la variable dépendante. „ Cook : Mesure permettant de savoir de combien les résidus de toutes les observations seraient modifiés si une observation donnée était exclue du calcul des coefficients de régression. Distances : Mesures permettant d'identifier les observations avec des combinaisons inhabituelles de valeurs pour les variables indépendantes et les observations qui peuvent avoir un impact important sur le modèle. Intervalles de la prévision : Les limites supérieure et inférieure pour les intervalles de la prévision moyenne et individuelle. les résidus et autres statistiques utiles pour les diagnostics. Prévisions : Valeurs prévues par le modèle de régression pour chaque observation.

les résidus standardisés ont une moyenne de 0 et un écart type de 1. Les valeurs DfBêtas et de différence de prévision standardisées sont également disponibles ainsi que le rapport de covariance. Les seuils d'intervalle de confiance typiques sont 90. divisé par une estimation de son écart type. „ DfBêta(s) : La différence de bêta correspond au changement des coefficients de régression qui résulte du retrait d'une observation particulière. Modification du coefficient de régression. résultant de l'exclusion d'une observation donnée. „ „ Non standardisés : Différence entre la valeur observée et la valeur prévue par le modèle. y compris la constante. Vous devez sélectionner Moyenne ou Individuelle avant d'entrer cette valeur. qui varie d'une observation à une autre. Influences individuelles : La modification des coefficients de régression (DfBêta(s)) et des prévisions (différence de prévision) qui résulte de l'exclusion d'une observation particulière.429 Régression linéaire „ „ Individuelle : Limites inférieure et supérieure (deux variables) de l'intervalle de prévision de la variable dépendante pour une observation particulière. N représentant le nombre . Intervalle de confiance : Entrez une valeur comprise entre 1 et 99. divisées par la racine carrée de N. „ Supprimés studentisés : Résidu supprimé d'une observation. selon la distance entre les valeurs et la moyenne des variables indépendantes pour chaque observation. divisé par son erreur standard. „ DfBêta(s) standardisée : Différence standardisée de la valeur bêta. „ Studentisés : Résidu. 95 et 99. La différence entre le résidu supprimé de Student et le résidu de Student associé indique l'impact de l'élimination d'une observation sur sa propre prédiction. Standardisés : Résidu divisé par une estimation de son écart type. Résidus : La valeur réelle de la variable indépendante moins la valeur prévue par l'équation de régression. Une valeur est calculée pour chaque terme du modèle. Egalement appelés résidus de Pearson. „ Supprimées : Résidu d'une observation lorsque celle-ci est exclue du calcul des coefficients de régression.99 pour spécifier le seuil de confiance pour les deux intervalles de la prévision. Il s'agit de la différence entre la valeur de la variable dépendante et la prévision ajustée. Vous pouvez par exemple examiner les observations ayant des valeurs absolues supérieures à 2.

p correspondant au nombre de paramètres du modèle et N. Enregistrer dans nouveau fichier : Enregistre les coefficients de régression dans un fichier que vous spécifiez. SmartScore et les versions ultérieures de WhatIf? pourront utiliser ce fichier. l'observation modifie peu la matrice de covariance. Vous pouvez par exemple examiner les valeurs standardisées dont la valeur absolue est supérieure à 2 fois la racine carrée de p/N. au nombre d'observations. Exporter les informations du modèle dans un fichier XML: Exporte les informations du modèle dans le fichier spécifié. Si le rapport est proche de 1. y compris la constante. Dfprévision standardisée : Différence standardisée de la valeur ajustée. „ „ Différence de prévision : La différence de prévision est le changement de la prévision résultant de l'exclusion d'une observation donnée.430 Chapitre 26 d'observations. Modification de la prévision qui résulte de l'exclusion d'une observation donnée. Une valeur est calculée pour chaque terme du modèle. . „ Rapport de covariance : Rapport entre le déterminant de la matrice de variance-covariance si une observation donnée a été exclue du calcul des coefficients de régression et le déterminant de la matrice de covariance avec toutes les observations incluses.

L'option Matrice de covariance affiche la matrice de variance-covariance des coefficients de régression avec les covariances hors de la diagonale et les variances dans la diagonale.431 Régression linéaire Statistiques de régression linéaire Figure 26-6 Boîte de dialogue Régression linéaire : Statistiques Les statistiques suivantes sont disponibles : Coefficients de régression : L'option Estimations affiche le coefficient de régression B. Qualité de l'ajustement : Les variables entrées et supprimées du modèle sont listées et les statistiques de la qualité de l'ajustement suivantes sont affichées : R multiple. Si la variation du R2 associée à une variable est importante. erreur standard de l'estimation et un tableau d'analyse de variance. l'erreur standard de B. Variation de R-deux : Variation de la statistique du R2 obtenue en ajoutant ou en enlevant une variable indépendante. cela signifie que la variable est une bonne explication de la variable dépendante. L'option Intervalles de confiance affiche les intervalles de confiance à 95 % pour chaque coefficient de régression ou une matrice de covariance. . Une matrice de corrélation est également affichée. la valeur t de B et le niveau de signification bilatéral de t. R2 et R2 ajusté. le coefficient bêta standardisé.

Régression linéaire : Options Figure 26-7 Boîte de dialogue Régression linéaire : Options .432 Chapitre 26 Descriptives : Fournit le nombre d'observations valides. Les valeurs propres de la matrice des produits croisés dimensionnés et non centrés. plus forte est la relation. Tests de colinéarité : La colinéarité (ou multicolinéarité) est la situation indésirable où une variable indépendante est une fonction linéaire d'autres variables indépendantes. les indices de conditionnement et les proportions de décomposition de variance sont affichés ainsi que les facteurs d'inflation de la variance (VIF) et les tolérances pour les variables individuelles. Mesure et corrélations partielles : Affiche les corrélations simples et partielles. Résidus : Affiche le test de Durbin-Watson de corrélation sérielle des résidus et le diagnostic des observations correspondant au critère de sélection (valeurs éloignées de n écarts types). Le signe du coefficient indique la direction de la relation et sa valeur absolue en indique la force : plus la valeur absolue est grande. la moyenne et l'écart type de chaque variable de l'analyse. Les valeurs du coefficient de corrélation varient entre –1 et +1. Une matrice de corrélations avec le seuil de signification unilatéral et le nombre d'observations pour chaque corrélation sont également affichés.

augmentez la valeur du champ Elimination. Pour introduire davantage de variables dans le modèle. Les degrés de liberté sont basés sur le minimum N par paire. Pour introduire davantage de variables dans le modèle. La valeur Entrée doit être supérieure à la valeur Elimination et toutes deux doivent être positives. Pour éliminer davantage de variables du modèle. Inclure terme constant dans l'équation : Par défaut. la variable est éliminée si ce seuil est supérieur à la valeur Elimination. Pour éliminer davantage de variables dans le modèle. . ce qui est rarement utilisé. réduisez la valeur du champ Entrée. „ Remplacer par la moyenne : Toutes les observations sont utilisées pour les calculs. Valeurs manquantes : Vous pouvez choisir l'un des éléments suivants : „ „ Exclure toute observation incomplète : Seules les observations dont les valeurs sont valides pour toutes les variables sont incluses dans les analyses. Par exemple. diminuez la valeur Entrée. La valeur Entrée doit être inférieure à la valeur Elimination et toutes deux doivent être positives.433 Régression linéaire Les options suivantes sont disponibles : Paramètres des méthodes progressives : Ces options sont valables lorsque la méthode de sélection ascendante. R2 ne peut pas être interprété de la manière habituelle. soit en fonction de la valeur F elle-même. réduisez la valeur Elimination. Exclure seulement les composantes non valides : Les observations pour lesquelles les données sont complètes pour la paire de variables corrélées sont utilisées pour calculer le coefficient de corrélation sur lequel l'analyse de régression est basée. „ Choisir la probabilité de F : Une variable est entrée dans le modèle si le seuil de signification de la valeur F est supérieur à la valeur Entrée . Certains résultats de la régression jusqu'à l'origine ne sont pas comparables aux résultats de la régression incluant une constante. descendante ou progressive a été sélectionnée. „ Choisir la valeur de F : Une variable est introduite dans un modèle si sa valeur F est supérieure à la valeur Entrée et elle est éliminée si la valeur F est inférieure à la valeur Elimination. Des variables peuvent être entrées ou supprimées du modèle soit en fonction de la signification (probabilité) de la valeur F. en substituant la moyenne de la variable aux observations manquantes. le modèle de régression inclut un terme constant. Désélectionner cette option force la régression jusqu'à l'origine.

.

cubique. L'analyse des séries chronologiques nécessite une structure de fichier de données 435 . R multiples. Vous pouvez aussi enregistrer les prévisions. la variable dépendante doit être une mesure de séries chronologiques. Modèles : linéaire. Vous pouvez ajuster un modèle linéaire en fonction des données. tableau d'analyse de la variance. Remarques sur les données de l'ajustement de fonctions Données : Les variables dépendantes et indépendantes doivent être quantitatives. Si vous sélectionnez temps à la place d'une variable provenant du fichier de travail comme variable indépendante. erreur standard de la prévision. inverse. vérifier la validité des hypothèses et le bon ajustement au modèle. composé. quadratique. R2. prévisions. les résidus et les intervalles de la prévision comme nouvelles variables. logistique. résidus et intervalles de prévision. Statistiques : Pour chaque modèle : Coefficients de régression. R2 ajusté. Un diagramme de dispersion établit que la relation entre les dommages provoqués par un incendie et la distance jusqu'à la caserne de pompiers est linéaire.Ajustement de fonctions 27 Chapitre La procédure d'ajustement de fonctions produit des statistiques de régression d'ajustement de fonctions et les diagrammes relatifs pour 11 modèles différents de régression d'ajustement de fonctions. de croissance et exponentiel. la procédure Ajustement de fonctions génère une variable temps où la durée entre les observations est uniforme. Si Temps est sélectionné. en S. Exemple : Une compagnie d'assurance contre l'incendie effectue une étude pour établir un lien entre l'importance des dommages lors d'incendies domestiques importants et la distance entre la caserne de pompiers la plus proche et la résidence. logarithmique. de puissance. Un modèle différent est produit pour chaque variable dépendante.

420278 Beta .0000 7.0000 Les nouvelles variables suivantes sont créées : Nom Etiquette Erreur pour DOMMAGES avec DISTANCE de CURVEFIT.960978 T Sig T 12.).76636 69. DOMMAGES Méthode.96098 . Variable dépendante. etc.0000 156.Variables de l'équation -------------------Variable DISTANCE (Constante) B 4.237 .91759 2.76636 5..92348 . la distribution de la variable dépendante doit être normale. Les résidus d'un bon modèle doivent être répartis aléatoirement et doivent être normaux.75098 Carré moyen 841. MOD_1 LINEAIRE .277929 SE B . les hypothèses suivantes doivent être vérifiées.525 .31635 Analyse de la variance : DF Régression Résidus F = 1 13 Somme des carrés 841. et toutes les observations doivent être indépendantes. La relation entre la variable dépendante et la variable indépendante doit être linéaire. LINEAIRE Suppression des observations incomplètes des données manquantes R multiple R carré R carré ajusté Erreur standard .36546 . Hypothèses : Vérifiez vos données graphiquement pour déterminer comment sont reliées les variables indépendantes et dépendantes (de manière linéaire ou exponentielle.392748 1.919331 10.88616 Signification de F = -------------------. pour chaque valeur de la variable indépendante.436 Chapitre 27 dans lequel chaque observation (rangée) représente un ensemble d'observations à des moments différents et où la durée entre les observations est uniforme. Si vous utilisez un modèle linéaire. Echantillon de résultat Figure 27-1 Exemple d'ajustement de fonctions MODELE : MOD_1. La variance de la distribution de la variable dépendante doit être constante pour toutes les valeurs de la variable indépendante..

. .. sélectionnez : Analyse Régression Ajustement de fonctions. Figure 27-2 Boîte de dialogue Ajustement de fonctions E Sélectionnez au moins une variable dépendante.437 Ajustement de fonctions Pour obtenir un ajustement de fonctions E A partir du menu. Un modèle différent est produit pour chaque variable dépendante.

Inverse : Modèle dont l'équation est Y = b0 + (b1 / t). Linéaire : Modèle dont l'équation est Y = b0 + (b1 * t).438 Chapitre 27 E Sélectionnez une variable indépendante (une variable dans le fichier de travail ou Temps). vous pouvez : „ Sélectionner une variable pour étiqueter des observations dans les diagrammes de dispersion. Par exemple. Si vos variables semblent être liées linéairement. Les valeurs de la série sont modélisées comme fonction linéaire du temps. utilisez un modèle exponentiel. vous devrez peut-être utiliser un modèle plus élaboré. Si le diagramme ressemble à une fonction mathématique que vous reconnaissez. Pour chaque point du diagramme de dispersion. Lorsque vos variables ne sont pas liées linéairement. La constante est incluse par défaut. essayez de transformer vos données. Représenter sous forme graphique : Représente graphiquement les valeurs de la variable dépendante et chaque modèle sélectionné face à la variable indépendante. Logarithmique : Modèle dont l'équation est Y = b0 + (b1 * ln(t)). Pour déterminer quel modèle utiliser. „ Afficher le tableau ANOVA : Affiche un tableau récapitulatif de l'analyse de la variance pour chaque modèle sélectionné. utilisez l'outil de sélection de points pour afficher la valeur de la variable avec Etiquette d'observation. Modèles d'ajustement de fonctions Vous pouvez choisir des modèles de régression d'ajustement de fonctions. „ Les options suivantes sont également disponibles : „ „ Inclure terme constant dans l'équation : Evalue un terme constant dans l'équation de régression. Un diagramme séparé est produit pour chaque variable dépendante. Cliquez sur Enregistrer pour enregistrer les prévisions. ajustez vos données en fonction de ce type de modèle. les résidus et les intervalles de prévision comme nouvelles variables. utilisez un modèle de régression linéaire simple. représentez vos données sous forme graphique. si vos données ressemblent à une fonction exponentielle. Sinon. Observez un diagramme de dispersion de vos données. Lorsque la transformation n'améliore pas les choses. .

précisez la valeur de la borne supérieure à utiliser dans l'équation de régression. La valeur doit être un nombre positif supérieur à la plus grande valeur de la variable dépendante. Enregistrement de l'ajustement de fonctions Figure 27-3 Boîte de dialogue Ajustement de fonctions : Enregistrer . En S : Modèle dont l'équation est Y = e**(b0 + (b1/t)) ou ln(Y) = b0 + (b1/t). Cubique : Modèle défini par l'équation Y = b0 + (b1 * t) + (b2 * t**2) + (b3 * t**3). De croissance : Modèle dont l'équation est Y = e**(b0 + (b1 * t)) ou ln(Y) = b0 + (b1 * t). Après avoir sélectionné la logistique. u étant la valeur de la borne supérieure. Exponentielle : Modèle dont l'équation est Y = b0 * (e**(b1 * t)) ou ln(Y) = ln(b0) + (b1 * t). Le modèle quadratique peut être utilisé pour modéliser une série qui « décolle » ou qui s'amortit de manière oscillatoire.439 Ajustement de fonctions Quadratique : Modèle dont l'équation est Y = b0 + (b1 * t) + (b2 * t**2). Composé : Modèle dont l'équation est la suivante Y = b0 * (b1**t) ou ln(Y) = ln(b0) + (ln(b1) * t). Logistique : Modèle dont l'équation est Y = 1 / (1/u + (b0 * (b1**t))) ou ln(1/y-1/u)= ln (b0) + (ln(b1)*t). De puissance : Modèle dont l'équation est Y = b0 * (t**b1) ou ln(Y) = ln(b0) + (b1 * ln(t)).

440 Chapitre 27 Enregistrer les variables : Pour chaque modèle sélectionné. l'heure ou le numéro de l'observation spécifié. à partir des observations de la période d'estimation. Si aucune période d'estimation n'a été définie. vous pouvez enregistrer les prévisions. Les zones de texte disponibles pour la spécification de la fin de la période de prévision dépendent des variables courantes de date définies. vous pouvez spécifier une période de prévision au-delà de la fin de la série chronologique. Les nouveaux noms de variable et les étiquettes descriptives s'affichent dans un tableau dans la fenêtre de résultats. „ Jusqu'à : Prévoit les valeurs jusqu'à la date. La période d'estimation qui s'affiche en bas de la boîte de dialogue est définie avec la boîte de sous dialogue Intervalle de l'option Sélectionner des observations du menu Données. . Utilisez l'option Définir des dates. Calculer une prévision : Si vous sélectionnez Temps à la place d'une variable dans le fichier de travail comme variable indépendante.. dans le menu Données pour créer des variables de date. Ceci peut être utilisé pour prévoir les valeurs au-delà de la dernière observation de la série chronologique. vous pouvez spécifier le numéro de l'observation finale. les résidus (valeur observée de la variable dépendante moins la prévision du modèle) et les intervalles de prévision (limites supérieure et inférieure). Vous avez le choix entre les options suivantes : „ A partir d'une estimation limitée à une période : Prévoit les valeurs pour toutes les observations du fichier. Si aucune variable de date n'est définie. toutes les observations sont utilisées pour prévoir les valeurs.. à partir des observations de la période d'estimation.

L'analyse discriminante vous permet d'estimer les coefficients de la fonction discriminante linéaire. pour plus de deux groupes. et une plus grande proportion de ces habitants vit en ville. Les codes de la variable de regroupement doivent cependant être des nombres entiers. Le chercheur pense que la taille de la population et des informations économiques peuvent aussi être importantes. la fonction est : D = a * climat + b * urbain + c * population + d * Produit National Brut par habitant 441 . mais de groupe d'affectation inconnu. et vous devez spécifier leur valeur minimale et maximale. les habitants des pays des zones tempérées consomment plus de calories par jour que ceux des tropiques. un ensemble de fonctions discriminantes) basée sur les combinaisons linéaires des variables explicatives qui donnent la meilleure discrimination entre groupes. Les fonctions peuvent alors être appliquées aux nouvelles observations avec des mesures de variables explicatives. Exemple : En moyenne. qui ressemble à la partie droite d'une équation de régression linéaire multiple. Un chercheur veut combiner cette information en une fonction pour déterminer comment un individu peut être différencié selon les deux groupes de pays. en utilisant les coefficients a. Les observations dont les valeurs se situent hors des limites sont exclues de l'analyse. La procédure génère une fonction discriminante (ou. c et d. b.Analyse discriminante 28 Chapitre L'analyse discriminante est utile pour les cas où vous voulez construire un modèle de prévision de groupe d'affectation basé sur les caractéristiques observées de chaque observation. Les fonctions sont générées à partir d'un échantillon d'observations pour lesquelles le groupe d'affectation est connu. Ainsi. Remarque : la variable de groupe peut avoir plus de deux valeurs.

lambda de Wilks.442 Chapitre 28 Si ces variables sont utiles pour établir la différence entre les deux zones climatiques. Statistiques : Pour chaque variable. matrice de covariance intra-classe. . Si vous utilisez une méthode de sélection des variables pas à pas. et les matrices de variance-covariance intra-groupes doivent être égales entre groupes. matrice de covariance totale. Pour chaque fonction discriminante canonique : valeur propre. QI élevé contre QI bas). Données : La variable de regroupement doit avoir un nombre limité de modalités distinctes. corrélation canonique. écarts types. matrice de covariance de chaque classe. codifiées sous forme de nombres entiers. Les variables indépendantes nominales doivent être recodées en variables muettes ou de contraste. Les variables explicatives doivent avoir une distribution gaussienne multivariée. Si l'affectation à un groupe est basée sur les valeurs d'une variable continue (par exemple. les valeurs de D seront différentes pour les pays tempérés et les pays tropicaux. ANOVA à un facteur. on a les éléments suivants : moyenne. Pour chaque analyse : Test de Box. coefficients de fonction non standardisés. vous pouvez découvrir que vous n'avez pas forcément besoin d'inclure les quatre variables dans la fonction. Pour chaque pas : probabilités à priori. lambda de Wilks pour chaque fonction canonique. Hypothèses : Les observations doivent être indépendantes. coefficients de fonction de Fisher. On part de l'hypothèse que les groupes d'affectation sont mutuellement exclusifs (c'est-à-dire qu'aucune observation n'est affectée à plus d'un groupe) et collectivement exhaustifs (c'est-à-dire que toutes les observations sont affectées à un groupe). pourcentage de la variance. matrice de corrélation intra-classe. Khi-deux. La procédure est la plus efficace lorsque l'affectation à un groupe est une variable réellement qualitative. vous devez envisager d'utiliser la régression linéaire pour exploiter les informations plus riches données par la variable continue elle-même.

0 Lambda de Wilks Test de fonction(s) 1 Lambda de Wilks .934 Df 4 Sig.499 Khi-deux 31.002 % cumulé 100.790 .488 . .0 Corrélation canonique .000 Matrice de structure Fonction 1 CALORIES LOG_GDP URBAIN (%) LOG_POP .443 Analyse discriminante Echantillon de résultat Figure 28-1 Résultats d'analyse discriminante Valeurs propres % de variance 100.986 .707 Fonction 1 Valeur propre 1.082 .

„ Utiliser la méthode pas à pas : Utilise la méthode pas à pas pour contrôler l'entrée et la suppression de variables. la procédure de recodification automatique du menu Transformer permettra d'en créer un avec des valeurs entières. E Sélectionnez les variables indépendantes (ou explicatives). (Si votre variable de regroupement n'a pas de valeurs entières.. .) E Sélectionnez la méthode de saisie des variables indépendantes.444 Chapitre 28 Obtenir une analyse discriminante E A partir du menu.. Figure 28-2 Boîte de dialogue Analyse discriminante : Classement E Sélectionnez une variable de regroupement à valeur entière et cliquez sur Définir intervalle pour spécifier les modalités à considérer. „ Entrer les variables simultanément : Méthode d'introduction forcée : Toutes les variables indépendantes qui satisfont aux critères de tolérance sont entrées simultanément. En option. vous pouvez sélectionner les observations avec une variable de sélection. sélectionnez : Analyse Classification Analyse discriminante.

choisissez une variable de sélection et cliquez sur Valeur pour entrer un nombre entier comme valeur de sélection. Les observations avec des valeurs hors de cet intervalle ne sont pas utilisées dans l'analyse discriminante mais elles sont classées dans un des groupes existants en fonction des résultats de l'analyse. Les résultats des statistiques et de classification sont générés pour les observations sélectionnées et celles qui ne le sont pas.445 Analyse discriminante Définition d'intervalles pour l'analyse discriminante Figure 28-3 Boîte de dialogue Analyse discriminante : Définir intervalle Spécifiez la valeur minimum et maximum de la valeur de la variable de regroupement pour l'analyse. Seules les observations avec cette valeur pour la variable de sélection sont utilisées pour dériver les fonctions discriminantes. cliquez sur Sélectionner dans la boîte de dialogue principale. Sélection des observations pour l'analyse discriminante Figure 28-4 Boîte de dialogue Analyse discriminante : Enregistrer Pour sélectionner les observations pour votre analyse. Ces résultats fournissent une méthode de classification des nouvelles observations reposant sur des données existantes ou de . Le Minimum et le Maximum doivent être des entiers.

446 Chapitre 28 partitionnement de vos données dans un sous-ensemble de test ou de formation en vue d'effectuer une validation sur le modèle créé. „ Test de Box : Test d'égalité des matrices de covariance des classes. une valeur p non significative indique qu'il n'est pas démontré que les matrices diffèrent. „ ANOVA à 1 facteur : Effectue pour chacune des variables indépendantes une analyse de variance à 1 facteur pour tester l'égalité des moyennes de groupe. Ce test est sensible aux déviations par rapport à la distribution gaussienne multivariée. Statistiques de l'analyse discriminante Figure 28-5 Boîte de dialogue Analyse discriminante: Statistiques Descriptives : Les options disponibles sont Moyennes (y compris écarts types). ainsi que des écarts types des variables indépendantes. „ Moyennes : Affichage du total et de la moyenne de chaque groupe. Pour les échantillons de taille suffisamment importante. Coefficients de la fonction : Les options disponibles sont les coefficients de la classification de Fisher et les coefficients non standardisés. ANOVA à 1 facteur et Test de Box. .

Un groupe de coefficients est obtenu pour chaque groupe et une observation est affectée au groupe qui a le plus grand score discriminant. Cette matrice est obtenue en calculant la moyenne des matrices de covariances distinctes de tous les groupes. la matrice de covariance intra-classe. qui peut différer de la matrice de covariance totale. „ Covariance intra-classe : Affiche une matrice de covariances intra-classe globale. la matrice de covariance de chaque classe et la matrice de covariance totale. „ „ Covariance de chaque classe : Affiche des matrices de covariances distinctes pour chaque groupe. „ Non standardisés : Affiche les coefficients non standardisés de la fonction discriminante.447 Analyse discriminante „ Fisher : Affiche les coefficients de la fonction de classification de Fisher qui peuvent être directement utilisés pour la classification. „ Corrélations intra-classe : Affiche une matrice de corrélations intra-classe globale. Méthode pas à pas de l'analyse discriminante Figure 28-6 Boîte de dialogue Analyse discriminante : Méthode pas à pas . en calculant la moyenne des matrices de covariance distinctes pour tous les groupes avant de calculer les corrélations. Covariance totale : Affiche la matrice de covariance de toutes les observations comme si elles provenaient d'un seul échantillon. Matrices : Les matrices de coefficients pour variables indépendantes disponibles sont la matrice de corrélation intra-classe.

„ Plus petit rapport F : Méthode de sélection des variables en analyse pas à pas. . la variable qui maximise l'augmentation du V de RAO est entrée. la variable est éliminée si ce seuil est supérieur à la valeur Elimination. Critères : Les options disponibles sont Choisir la valeur de F et Choisir la probabilité de F. augmentez la valeur du champ Elimination. Pour éliminer davantage de variables dans le modèle. la variable qui minimise la somme des variations résiduelles entre les groupes est saisie. entrez la valeur minimale que doit avoir une variable pour entrer dans l'analyse. Pour introduire davantage de variables dans le modèle. Entrez des valeurs pour ajouter et supprimer des variables. Une distance de Mahalanobis importante identifie une observation qui a des valeurs extrêmes pour des variables indépendantes. vous pouvez spécifier l'augmentation minimum de V pour entrer une variable.448 Chapitre 28 Méthode : Sélectionnez la statistique à utiliser pour ajouter ou supprimer de nouvelles variables. Avec le V de Rao. Pour éliminer davantage de variables du modèle. Après avoir sélectionné cette option. „ Choisir la probabilité de F : Une variable est entrée dans le modèle si le seuil de signification de la valeur F est supérieur à la valeur Entrée . réduisez la valeur du champ Entrée. La valeur Entrée doit être inférieure à la valeur Elimination et toutes deux doivent être positives. Pour introduire davantage de variables dans le modèle. „ Distance de Mahalanobis : Mesure de la distance entre les valeurs d'une observation et la moyenne de toutes les observations sur les variables indépendantes. Les options possibles sont le lambda de Wilks. le plus petit rapport F et le V de Rao. diminuez la valeur Entrée. „ Variance résiduelle : A chaque étape. fondée sur la maximisation d'un rapport F calculé à partir de la distance de Mahalanobis entre des groupes. Egalement appelée trace de Lawley-Hotelling. „ V de Rao : Mesure des différences entre des moyennes de groupes. „ Lambda de Wilks : Méthode de sélection des variables pour une analyse discriminante pas à pas qui sélectionne les variables à entrer dans l'équation d'après leur capacité à faire baisser le lambda de Wilks. les variables sont entrées dans l'analyse d'après leur capacité à faire baisser le lambda de Wilks. la distance de Mahalanobis. A chaque étape. A chaque étape. la variance résiduelle. „ Choisir la valeur de F : Une variable est introduite dans un modèle si sa valeur F est supérieure à la valeur Entrée et elle est éliminée si la valeur F est inférieure à la valeur Elimination. La valeur Entrée doit être supérieure à la valeur Elimination et toutes deux doivent être positives. réduisez la valeur Elimination.

Cette classification est également appelée « méthode U ». „ Résultats par observation : Les codes du groupe actuel. . „ Classification par élimination : Classement de chaque observation de l'analyse par les fonctions dérivées de l'ensemble des observations autres que cette observation. Analyse discriminante : Classement Figure 28-7 Boîte de dialogue Analyse discriminante : Classement Probabilités à priori : Ces valeurs sont utilisées pour le classement. „ Récapitulatif : Nombre d'observations correctement et incorrectement affectées à chacune des classes sur la base de l'analyse discriminante. Parfois appelés « matrice de confusion ». L'option Test F des distances entre couples affiche une matrice de rapports F appariés pour chaque paire de groupes. Vous pouvez spécifier des probabilités à priori égales pour toutes les classes.449 Analyse discriminante Afficher : L'option Récapitulation des étapes affiche les statistiques de toutes les variables après chaque étape. Afficher : Les options d'affichage disponibles sont les résultats par observation. du groupe prévu. des probabilités a posteriori et des scores discriminants sont affichés pour chaque observation. le récapitulatif et la classification par élimination. Vous pouvez également laisser les effectifs de classes observés dans votre échantillon calculer les probabilités d'affectation à une classe.

La carte n'est pas affichée s'il n'existe qu'une seule fonction discriminante. „ Classe par classe : Crée des diagrammes de dispersion classe par classe pour les deux premières valeurs de fonction discriminante. Utiliser la matrice d'inertie : Vous pouvez choisir de classer les observations en utilisant une matrice de covariance intra-classe ou une matrice de covariance pour chaque classe. mais seulement durant la phase de classification. Les numéros correspondent aux groupes auxquels les observations ont été affectées. Diagrammes : Les options de diagramme disponibles sont toutes classes combinées. S'il n'y a qu'une seule fonction. La moyenne de chaque groupe est indiquée par un astérisque à l'intérieur de ses limites. „ Toutes classes combinées : Crée un diagramme de dispersion de tous les groupes. des histogrammes sont affichés à la place. cette option n'est pas toujours équivalente à la discrimination quadratique. Lorsqu'il n'y a qu'une seule fonction. . „ „ Intra-classe : La matrice de covariances intra-classes globale est utilisée pour classifier les observations. „ Carte des régions d'affectation : Diagramme des limites servant à classifier les observations en fonction de valeurs de fonction. classe par classe. Comme la classification repose sur les fonctions discriminantes et pas sur les variables d'origine. un histogramme est tracé à la place. des valeurs des deux premières fonctions discriminantes.450 Chapitre 28 Remplacer les valeurs manquantes par la moyenne : Sélectionnez cette option pour remplacer la valeur manquante d'une variable indépendante par la moyenne de cette variable. Classe par classe : Les matrices de covariances de chaque groupe sont utilisées pour la classification. et carte des régions d'affectation.

451 Analyse discriminante Enregistrement de l'analyse discriminante Figure 28-8 Boîte de dialogue Analyse discriminante : Enregistrer Vous pouvez ajouter de nouvelles variables à votre fichier de données actif. et probabilités d'affectation à un groupe en fonction des valeurs du facteur discriminant (une variable pour chaque groupe). . Les options disponibles sont classe(s) d'affectation (une seule variable). Vous pouvez également exporter des informations de modèle dans le fichier spécifié. SmartScore et les versions ultérieures de WhatIf? pourront utiliser ce fichier. valeurs du facteur discriminant (une variable pour chaque fonction discriminante dans la solution).

.

en identifiant un petit nombre de facteurs qui expliquent la plupart des variances observées dans le plus grand nombre de variables manifestes. etc. dont directe Oblimin et Promax pour les rotations non orthogonales. qui permettent d'expliquer le patron des corrélations à l'intérieur d'un ensemble de variables observées. Exemple : Quelle est l'attitude sous-jacente qui pousse les personnes à répondre d'une certaine manière aux questions concernant un sondage politique ? L'examen des corrélations parmi les éléments d'un sondage révèle qu'il y a des recouvrements significatifs parmi divers sous-groupes d'éléments. De plus.Analyse factorielle 29 Chapitre L'analyse factorielle essaie d'identifier des variables sous-jacentes. sur la base des facteurs. Les questions sur les impôts ont tendance à être en corrélation. Avec l'analyse factorielle. Il existe trois méthodes pour calculer les facteurs. La procédure d'analyse factorielle offre une très grande flexibilité : „ „ „ Il existe sept méthodes d'extraction de facteur. vous pouvez développer un modèle logistique de régression pour prévoir le comportement de vote. de même que les questions à thèmes militaires. vous pouvez enquêter sur le nombre de facteurs sous-jacents. et. On peut également utiliser l'analyse factorielle pour générer des hypothèses concernant des mécanismes de causalité ou pour afficher des variables pour une analyse ultérieure (par exemple. facteurs que vous pouvez utiliser pour des analyses ultérieures. dans de nombreux cas. Par exemple. vous pouvez identifier le concept représenté par ces facteurs. ou facteurs. L'analyse factorielle est souvent utilisée dans la factorisation. vous pouvez calculer les facteurs pour chaque répondant. pour identifier la colinéarité avant une analyse de régression linéaire). et ces facteurs peuvent être enregistrés en tant que variables pour des analyses ultérieures. L'analyse factorielle est souvent utilisée pour réduire un ensemble de données. Il existe cinq méthodes de rotation. 453 .

Le modèle d'analyse factorielle spécifie que les variables sont déterminées par des facteurs communs (les facteurs estimés par le modèle) et des facteurs uniques (qui ne sont pas corrélés entre les variables observées). les estimations calculées se basent sur l'hypothèse que tous les facteurs uniques ne sont pas en corrélation entre eux ainsi qu'avec les facteurs communs. incluant une matrice de forme après rotation et une matrice de transformation pour des rotations obliques : type et matrices de structure après rotation . les matrices des corrélations reconstituées. valeurs propres et pourcentage de variance expliqué) . Pour chaque analyse factorielle : matrice de corrélation des variables. inverse . . on a les éléments suivants : nombre d'observations valides. et les valeurs propres . incluant les saturations sur les facteurs. incluant l'anti-image . moyenne et écart type. les solutions initiales (qualités de représentation. Remarques sur les données d'analyse factorielle Données : Les variables doivent être quantitatives au niveau de l' intervalle ou du rapport. Les données pour lesquelles la corrélation de Pearson calculée a un sens conviennent pour l'analyse factorielle.454 Chapitre 29 Statistiques : Pour chaque variable. structure avant rotation. Les données qualitatives (comme la religion ou le pays d'origine) ne conviennent pas pour l'analyse factorielle. matrice factorielle de coefficient de facteur et matrice factorielle de facteur de covariance. incluant des seuils de signification. Diagrammes : Diagramme de valeurs propres et carte factorielle du premier. Hypothèses : Les données doivent posséder une distribution gaussienne bivariée pour chaque paire de variables et les observations doivent être indépendantes. mesure d'adéquation d'échantillonnage de Kaiser-Meyer-Olkin et le test de sphéricité de Bartlett . du deuxième et du troisième facteur. la qualité de représentation. déterminant. structure après rotation.

000 LIFEEXPF LITERACY BIRTH_RT FERTILTY URBAN LOG_GDP POP_INCR B_TO_D DEATH_RT LOG_POP BABYMORT 1.000 .583 3.174 .577 8.000 1.875 .313 3.000 1.222 18.000 1.472 24.552 1.686 N Analyse 72 72 72 72 72 72 72 72 72 72 72 35.156 2.604 .504 1.205 62.925 .038 4.375 3.000 1.697 3.825 .949 .943 .625 10.738 .689 .833 Mortalité infantile (nombre de décès sur 1 000 naissances vivantes) Personnes sachant lire (%) Taux de natalité pour 1 000 personnes Fécondité : nombre moyen d'enfants Personnes habitant en ville (%) Log (base 10) de GDP_CAP Croissance démographique (% par année) Rapport entre les naissances et les décès Taux de mortalité pour 1 000 personnes Log (base 10) de Population Ecart.000 1.153 Qualité de représentation Initiale Extraction 1.593 22.132 82.292 1.000 1.000 Méthode d'extraction : Analyse en composantes principales .000 1.000 1.835 .455 Analyse factorielle Echantillon de résultat Figure 29-1 Sortie d'analyse factorielle Statistiques descriptives Moyenne Espérance de vie moyenne des femmes 72.945 . Type 8.953 .608 1.272 32.

549 98.343 .610E-02 9.275 86.840E-03 4.721 Valeurs propres initiales Composante 1 2 3 4 5 6 7 8 9 10 11 Total 6.283 95.579 % de variance 63.985 1.910 2.275 86.557 .629 % de variance 62.281 1.130 6.819 23.461E-03 % de variance 63.870 99.446 5.633 99.721 92.562 3.000 Méthode d'extraction : analyse en composantes principales .456 Chapitre 29 Total des variables explicatives Sommes des carrés chargées Total 6.275 23.275 23.055E-02 % cumulé 63.446 % cumulé 63.361 .721 Sommes des carrés pour la rotation Total 6.218 .960 2.946E-02 4.131E-02 3.183 .775E-02 2.732 99.819 86.237 8.290 99.902 % cumulé 62.959 100.579 .612 .564 97.960 2.

539 -.614 1 .327 . Matrice des transformations des composants Composant 1 2 1 .847 -.853 . .520 2 En composantes principales Méthode de rotation : Varimax avec normalisation de Kaiser.880 -.561 .741 -.469 -.457 Analyse factorielle Matrice pivotée des composants Composant BIRTH_RT FERTILTY LITERACY LIFEEXPF BABYMORT POP_INCR LOG_GDP URBAN DEATH_RT B_TO_D LOG_POP .190 .969 .476 .856 .469 .794 -.982 .827 .982 Méthode d'extraction : Analyse en composantes principales Méthode de rotation : Varimax avec normalisation de Kaiser.226 .190 2 -.931 -.

.5 0.0 .458 Chapitre 29 Component Plot in Rotated Space 1.0 -.5 log (ba se 10) of pop infant mortality (de death rate per 1 000 -1. sélectionnez : Analyse Factorisation Analyse factorielle.0 population increase Component 2 -.0 -1. E Sélectionnez les variables pour l'analyse factorielle.0 birth to death ratio people living in cit averag e female life . .0 Component 1 Obtenir une analyse factorielle E A partir du menu.5 log (ba se 10) of gdp people who re ad (%) fertility: average n birth rate per 100 0..5 1.

. choisissez une variable de sélection. Seules les observations ayant cette valeur pour la variable de sélection sont utilisées dans l'analyse factorielle. puis cliquez sur Valeur pour entrer une valeur de sélection.459 Analyse factorielle Figure 29-2 Boîte de dialogue Analyse factorielle Sélection des observations pour l'analyse factorielle Figure 29-3 Sélectionnez la boîte de dialogue Analyse factorielle Pour sélectionner les observations pour votre analyse.

„ Anti-image : La matrice de corrélation des anti-images contient les opposés des coefficients de corrélation partielle .. les inverses. la matrice de covariance des anti-images contient les opposés des covariances partielles. La mesure d'adéquation d'échantillonnage pour une variable est affichée sur la diagonale de la matrice de corrélation des anti-images. et le pourcentage de variance expliqué. les reproduits. ce qui indiquerait que le modèle de facteur n'est pas adapté.460 Chapitre 29 Caractéristiques d'analyse factorielle Figure 29-4 Boîte de dialogue Analyse Factorielle : Caractéristiques. Les résidus (différence entre les corrélations estimées et observées) sont également affichés. . „ Indice KMO et test de sphéricité de Bartlett : Mesure de l'adéquation de l'échantillonnage de Kaiser-Meyer-Olkin qui teste si les corrélations partielles entre les variables sont faibles. Statistiques : Les statistiques univariées incluent la moyenne. Dans un bon modèle factoriel. l'anti-image et l'indice KMO et le test de sphéricité de Bartlett.. Matrice de corrélation : Les options disponibles sont les coefficients. les valeurs propres. „ Reconstituée : Matrice des corrélations estimée à partir de la solution factorielle. les seuils de signification. l'écart type et le nombre d'observations valides pour chaque variable. la plupart des éléments hors diagonale doivent être petits. Le test de sphéricité de Bartlett teste si la matrice des corrélations est une matrice d'identité. La structure initiale affiche la qualité de représentation initiale. les déterminants.

la Factorisation en axes principaux. les Moindres carrés généralisés. Extraction d'analyse factorielle Figure 29-5 Boîte de dialogue Analyse Factorielle : Extraction Méthode : Vous permet de spécifier la méthode d'extraction de facteur. sélectionnez : Analyse Factorisation Analyse factorielle. Les autres composantes expliquent progressivement des portions plus petites de la variance sans être corrélées les unes aux autres.. les Moindres carrés non pondérés. cliquez sur Caractéristiques. „ Analyse en composantes principales : Méthode d'extraction de facteur utilisée pour former des combinaisons linéaires non corrélées des variables observées. et la Factorisation en projections.. le Maximum de vraisemblance. L'analyse des composantes principales est .461 Analyse factorielle Spécification des statistiques récapitulatives et des coefficients de corrélation E A partir du menu. La première composante principale a une variance maximale. l'Alpha-maximisation. Les méthodes disponibles sont les Composantes principales. E Dans la boîte de dialogue Analyse factorielle.

462 Chapitre 29

utilisée pour obtenir la solution factorielle initiale. Elle peut être utilisée quand la matrice des corrélations est singulière.
„

Méthode des moindres carrés non pondérés : Méthode d'extraction de facteur qui

minimise la somme des carrés des différences entre les matrices de corrélations observées et reconstituées en ignorant les diagonales.
„

Méthode des Moindres carrés généralisés : Méthode d'extraction de facteur qui

minimise la somme des carrés des différences entre les matrices de corrélations observées et reconstituées. Les corrélations sont pondérées par l'inverse de leur unicité, de façon à ce que les variables présentant une forte unicité reçoivent une pondération inférieure à celles présentant une faible unicité.
„

Méthode du maximum de vraisemblance : Méthode d'extraction de facteur qui

fournit les estimations de paramètres les plus susceptibles d'avoir généré la matrice de corrélations observée si l'échantillon est issu d'une distribution gaussienne multivariée. Les corrélations sont pondérées par l'inverse de l'unicité des variables et un algorithme itératif est utilisé.
„

Factorisation en axes principaux : Méthode d'extraction de facteurs à partir de la

matrice des corrélations initiales où les coefficients de corrélation multiple au carré sont placés sur la diagonale comme estimation initiale des qualités de représentation. Ces cartes factorielles sont utilisées pour une nouvelle estimation des qualités de représentation qui remplace alors l'ancienne sur la diagonale. Les itérations se poursuivent jusqu'à ce que les variations des qualités de représentation d'une itération à l'autre satisfassent le critère de convergence de l'extraction.
„

Alpha de Cronbach : Méthode d'extraction de facteur qui considère les variables

dans l'analyse comme un échantillon issu de la population des variables potentielles. Maximise l'alpha de Cronbach des facteurs.
„

Factorisation en projections : Méthode d'extraction de facteur développée par

Guttman et basée sur la théorie d'une image. La partie commune de la variable, appelée image partielle, est définie comme sa régression linéaire sur les autres variables, plutôt qu'une fonction de facteurs hypothétiques.
Analyser : Vous permet de spécifier si l'analyse porte sur une matrice de corrélation ou sur une matrice de covariance.

463 Analyse factorielle „ „

Matrice de corrélation : Utile si les variables de votre analyse sont mesurées

selon des échelles différentes.
Matrice de covariance : Utile lorsque vous souhaitez appliquer l'analyse factorielle

à plusieurs groupes avec des variances différentes pour chaque variable.
Extraire : Vous pouvez retenir tous les facteurs dont les valeurs propres dépassent une valeur spécifique ou retenir un nombre spécifique de facteurs. Afficher : Vous permet de demander la solution factorielle avant rotation et un diagramme des valeurs propres.
„

Structure factorielle sans rotation : Affiche les corrélations factorielles sans

rotation (matrice de projections factorielles), les qualités de représentation et les valeurs propres de la solution factorielle.
„

Diagramme des valeurs propres : Diagramme représentant la variance associée

à chaque facteur. Permet de déterminer le nombre de facteurs à conserver. Généralement, le diagramme montre une coupure franche entre la forte pente des facteurs élevés et la traîne graduelle du reste (valeurs propres).
Maximum des itérations pour converger : Vous permet de spécifier le nombre maximum de pas que l'algorithme peut prendre pour estimer la solution.

Spécification des options de l'extraction
E A partir du menu, sélectionnez : Analyse Factorisation Analyse factorielle... E Dans la boîte de dialogue Analyse factorielle, cliquez sur Extraction.

464 Chapitre 29

Rotation d'analyse factorielle
Figure 29-6 Boîte de dialogue Analyse factorielle : Rotation

Méthode : Vous permet de sélectionner la méthode de rotation des facteurs. Les

méthodes disponibles sont Varimax, Oblimin directe, Quartimax, Equamax ou Promax.
„

Méthode varimax : Méthode de rotation orthogonale qui minimise le nombre de

variables ayant de fortes corrélations sur chaque facteur. Simplifie l'interprétation des facteurs.
„

Critère oblimin direct : Méthode de rotation oblique (non orthogonale). Lorsque

delta est nul (valeur par défaut), les solutions sont les plus obliques. Plus la valeur de delta est négative, moins les facteurs sont obliques. Pour remplacer la valeur nulle par défaut de delta, entrez un nombre inférieur ou égal à 0,8.
„ „

Méthode quartimax : Méthode de rotation qui réduit le nombre de facteurs requis

pour expliquer chaque variable. Simplifie l'interprétation des variables observées.
Equamax : Méthode de rotation qui est une combinaison de la méthode Varimax

(qui simplifie les facteurs) et de la méthode Quartimax (qui simplifie les variables). Le nombre de variables pesant sur un facteur et le nombre de facteurs nécessaires pour expliquer une variable sont minimisés.
„

Rotation Promax : Rotation oblique qui permet aux facteurs d'être corrélés. Peut

être calculée plus rapidement qu'une rotation oblimin directe, aussi est-elle utile pour les vastes ensembles de données.

465 Analyse factorielle

Afficher : Vous permet d'inclure le résultat de la structure après rotation, et également

d'afficher les cartes factorielles sur le premier, le second et le troisième facteur (Cartes factorielles).
„

Structure après rotation : Vous devez sélectionner une méthode de rotation pour

obtenir une structure après rotation. Pour les rotations orthogonales, la matrice de forme après rotation et la matrice de transformation factorielle sont affichées. Pour les rotations obliques, le programme affiche la matrice des projections factorielles, la matrice de structure et la matrice des corrélations de facteurs.
„

Diagramme des Contributions des Facteurs : Diagramme en trois dimensions des

contributions des trois premiers facteurs. Pour une solution à deux facteurs, un diagramme en deux dimensions est affiché. Le diagramme n'est pas affiché si un seul facteur est extrait. Les diagrammes affichent des solutions ayant subi une rotation si cette dernière est demandée.
Maximum des itérations pour converger : Vous permet de spécifier le nombre maximum

de pas que l'algorithme peut utiliser pour réaliser la rotation.

Spécification des options de la rotation
E A partir du menu, sélectionnez : Analyse Factorisation Analyse factorielle... E Dans la boîte de dialogue Analyse factorielle, cliquez sur Rotation.

466 Chapitre 29

Scores d'analyse factorielle
Figure 29-7 Boîte de dialogue Scores de l'Analyse Factorielle

Enregistrer dans des variables : Vous permet de créer une nouvelle variable pour

chaque facteur selon la structure finale. Sélectionnez une des méthodes alternatives suivantes pour calculer les facteurs : Régression, Bartlett, ou Anderson-Rubin.
„ Méthode de régression : Méthode d'estimation des coefficients factoriels. Les écarts

obtenus ont une moyenne de 0 et une variance égale au carré de la corrélation multiple entre les coefficients factoriels estimés et les vraies valeurs du facteur. Les écarts peuvent être corrélés même lorsque les facteurs sont orthogonaux.
„

Facteurs de Bartlett : Méthode d'estimation des coefficients factoriels. Les facteurs

produits ont une moyenne de 0. La somme des carrés des facteurs uniques dans la plage de variables est minimisée.
„

Méthode d'Anderson-Rubin : Méthode d'estimation des coefficients factoriels

; variante de la méthode de Bartlett qui garantit l'orthogonalité des facteurs estimés. Les facteurs obtenus ont une moyenne de 0 et un écart type de 1, et ne sont pas corrélés.
Afficher la matrice des coefficients factoriels : Vous permet de montrer les coefficients

par lesquels les variables sont multipliées pour obtenir les facteurs. Cela permet également de montrer les corrélations entre les facteurs.

467 Analyse factorielle

Spécification des options des facteurs
E A partir du menu, sélectionnez : Analyse Factorisation Analyse factorielle... E Dans la boîte de dialogue Analyse factorielle, cliquez sur Facteurs.

Options d'analyse factorielle
Figure 29-8 Boîte de dialogue des Options de l'Analyse Factorielle

Valeurs manquantes : Vous permet de spécifier comment traiter les valeurs manquantes.

Les options disponibles sont d'exclure toute observation incomplète, d'exclure seulement les composantes non valides ou de les remplacer par la moyenne.
Affichage des projections : Vous permet de contrôler le format des matrices de résultat.

Triez les coefficients par leur taille (option Classement des variables par taille) et supprimez les coefficients dont la valeur absolue est inférieure à la valeur spécifiée (option Supprimer les valeurs absolues inférieures à).

468 Chapitre 29

Spécification des options de l'analyse factorielle
E A partir du menu, sélectionnez : Analyse Factorisation Analyse factorielle... E Dans la boîte de dialogue Analyse factorielle, cliquez sur Options.

Choix d'une procédure de classification

30

Chapitre

Vous pouvez effectuer des analyses de classes à l'aide de la procédure TwoStep, de la classification hiérarchique ou des nuées dynamiques. Chaque procédure utilise un algorithme différent pour la création des classes, et chacune d'elles comporte des options qui ne sont pas disponibles dans les autres procédures.
Classification TwoStep : La procédure Analyse du composant Classe TwoStep est la méthode privilégiée pour de nombreuses applications. Elle offre les fonctionnalités spécifiques suivantes :
„ „ „

Sélection automatique du meilleur nombre de classes, en plus des mesures de sélection parmi des modèles de classe. Possibilité de créer simultanément des modèles de classe sur la base de variables qualitatives et continues. Possibilité d'enregistrer le modèle de classe dans un fichier XML externe, puis de lire ce fichier et de mettre à jour le modèle de classe à l'aide des données les plus récentes.

En outre, la procédure Analyse du composant Classe TwoStep permet d'analyser des fichiers de données volumineux.
Classification hiérarchique : La procédure Classification hiérarchique est limitée à des fichiers de données plus petits (centaines d'objets à classer), mais offre les fonctionnalités spécifiques suivantes :
„

Possibilité de classer des observations ou des variables.

469

470 Chapitre 30 „ „

Possibilité de calculer plusieurs solutions possibles et d'enregistrer des classes d'affectation pour chacune de ces solutions. Plusieurs méthodes de formation de classes, de transformation de variables et de mesure de la dissimilarité entre les classes.

Tant que toutes les variables sont du même type, la procédure Classification hiérarchique peut analyser des variables d'intervalle (continues), d'effectif ou binaires.
Nuées dynamiques : La procédure Nuées dynamiques est limitée aux données

continues et exige que vous indiquiez au préalable le nombre de classes. Elle offre néanmoins les fonctionnalités spécifiques suivantes :
„ „

Possibilité d'enregistrer les distances à partir des centres de classes pour chaque objet. Possibilité de lire les centres de classes initiaux à partir d'un fichier SPSS externe et d'enregistrer les centres de classes finaux dans un fichier de ce type.

En outre, la procédure Nuées dynamiques permet d'analyser des fichiers de données volumineux.

Classification TwoStep

31

Chapitre

La procédure d'analyse TwoStep Cluster est un outil d'exploration conçu pour révéler des groupements naturels (ou classes) au sein d'un ensemble de données. L'algorithme utilisé par cette procédure possède plusieurs fonctionnalités qui le distinguent des techniques de classification standard :
„

Gestion des données qualitatives et continues : En supposant que les variables

soient indépendantes, une distribution jointe multinomiale-normale peut être placée sur des variables qualitatives et continues.
„

Sélection automatique du nombre de classes : En comparant les valeurs d'un critère

de modèle-choix dans différentes solutions de classification, la procédure peut déterminer automatiquement le nombre optimal de classes.
„

Evolutivité : En construisant une arborescence de fonctionnalités de classe (CF)

qui récapitule les enregistrements, l'algorithme TwoStep vous permet d'analyser des fichiers de données volumineux.
Exemple : Les entreprises du domaine des produits de consommation et du commerce de détail utilisent régulièrement des techniques de classification des données qui décrivent les habitudes d'achat, le sexe, l'âge, le niveau de revenu, etc. de leurs clients. Ces sociétés adaptent leurs stratégies de marketing et de développement produit à chaque groupe de consommation afin d'augmenter les ventes et de développer la fidélité à la marque. Statistiques : Cette procédure produit des critères d'information (AIC ou BIC) par nombres de classes dans la solution, fréquences de classe pour la classification finale et statistiques descriptives par classe pour la classification finale. Diagrammes : Cette procédure produit des diagrammes en bâtons pour les fréquences de classe, des diagrammes en secteurs pour les fréquences de classe et des diagrammes d'importance pour les variables.

471

472 Chapitre 31 Figure 31-1 Boîte de dialogue Analyse du composant Classe TwoStep

Mesure de distance : Cette sélection détermine la façon dont la similarité entre deux

classes est calculée.
„

Log-vraisemblance : La mesure de vraisemblance place une distribution de

probabilité sur les variables. Les variables continues sont considérées comme étant distribuées normalement alors que les variables qualitatives sont considérées comme étant multinomiales. Toutes les variables sont considérées comme étant indépendantes.
„

Euclidienne : La mesure euclidienne est la distance « en ligne droite » entre

deux classes. Elle peut être utilisée uniquement lorsque toutes les variables sont continues.
Nombre de classes : Cette sélection vous permet d'indiquer la façon dont le nombre

de classes doit être déterminé.
„

Déterminer automatiquement : Cette procédure déterminera automatiquement

473 Classification TwoStep

le « meilleur » nombre de classes en utilisant le critère défini dans le groupe Critère de classification. Vous pouvez également entrer un entier positif qui définit les nombres maximaux de classes que la procédure doit prendre en compte.
„

Indiquer une valeur fixe : Vous permet d'indiquer le nombre de classes (valeur fixe)

dans la solution. Entrez un entier positif.
Nombre de variables continues : Ce groupe fournit un récapitulatif des spécifications

de standardisation des variables continues qui sont définies dans la boîte de dialogue Options. Pour plus d'informations, reportez-vous à « Options de la procédure d'analyse TwoStep Cluster » , page 475.
Critère de classification : Cette sélection détermine la façon dont l'algorithme de

classification automatique détermine le nombre de classes. Vous pouvez spécifier le critère d'information bayésien (BIC) ou le critère d'information d'Akaike (AIC).

Remarques sur les données de la procédure d'analyse TwoStep Cluster
Données : Cette procédure fonctionne avec des variables continues et qualitatives. Les

observations représentent les objets à classer et les variables représentent les attributs sur lesquels est basée la classification.
Hypothèses : La mesure de la distance de vraisemblance considère que les variables

du modèle de classe sont indépendantes. De plus, chaque variable continue est considérée comme ayant une distribution normale (gaussienne) et chaque variable qualitative comme ayant une distribution multinomiale. Des tests internes empiriques indiquent que la procédure est assez résistante aux violations de l'hypothèse d'indépendance et des hypothèses de distribution, mais vous devez savoir comment ces hypothèses sont vérifiées. Utilisez la procédure Corrélations bivariées pour tester l'indépendance de deux variables continues. Utilisez la procédure Tableaux croisés pour tester l'indépendance de deux variables qualitatives. Utilisez la procédure Moyennes pour tester l'indépendance entre une variable continue et une variable qualitative. Utilisez la procédure Explorer pour tester la normalité d'une variable continue. Utilisez la procédure Test du Khi-deux pour tester si une variable qualitative comporte une distribution multinominale spécifiée.

474 Chapitre 31

Pour effectuer une procédure d'analyse TwoStep Cluster
E

A partir du menu, sélectionnez :
Analyse Classification Classification TwoStep...

E Sélectionnez une ou plusieurs variables qualitatives ou continues.

Sinon, vous pouvez :
„ „ „ „

Ajuster les critères sur lesquels est basée la construction des classes. Sélectionner les paramètres de gestion du bruit, d'affectation de mémoire, de standardisation de variable et d'entrée de modèle de classe. Demander des tableaux et des diagrammes facultatifs. Enregistrer les résultats de modèle dans le fichier de travail ou dans un fichier XML externe.

475 Classification TwoStep

Options de la procédure d'analyse TwoStep Cluster
Figure 31-2 Boîte de dialogue Options de la procédure d'analyse TwoStep Cluster

Traitement des valeurs éloignées : Ce groupe permet de traiter les valeurs éloignées, notamment lors de la classification, si l'arborescence des fonctionnalités de classe (CF) est saturée. L'arborescence CF est saturée si elle ne peut plus accepter d'autres observations dans un noeud feuille et qu'aucun noeud feuille ne peut être divisé.
„

Si vous sélectionnez la gestion du bruit et que l'arborescence CF est saturée, l'arborescence est reconstruite lorsque vous placez des observations de feuilles éclatées dans une feuille « bruit ». Une feuille est éclatée si elle contient un pourcentage inférieur au pourcentage d'observations correspondant à la taille maximale de la feuille. Une fois que l'arborescence est reconstruite, les valeurs

Après la classification finale. Pour gagner du temps et éviter trop de calculs. Si l'étroitesse dépasse le seuil. vous pouvez sélectionner une variable continue déjà standardisée comme variable « Standardisées ». Standardisation de variable : L'algorithme de classification fonctionne avec des variables continues standardisées. la feuille n'est pas divisée. Un numéro d'identification de –1 est affecté à la classe de valeur éloignée et cette dernière n'est pas prise en compte dans le nombre de classes. Si la procédure dépasse cette limite. les valeurs ne pouvant être affectées à une classe deviennent des valeurs éloignées étiquetées. Spécifiez une valeur supérieure ou égale à 4. „ Si vous ne sélectionnez pas la gestion du bruit et que l'arborescence CF est saturée. „ „ Consultez l'administrateur système pour connaître la plus grande valeur que vous pouvez spécifier sur votre système. la feuille est divisée. elle sera reconstruite à l'aide d'un seuil de changement de distance supérieur. Si l'insertion d'une observation dans une feuille de l'arborescence CF provoque une étroitesse inférieure au seuil. Les variables continues non standardisées doivent être laissées comme étant « A standardiser ». . „ Nombre maximum de branches (par noeud feuille) : Nombre maximum de noeuds enfant qu'un noeud feuille peut contenir. Allocation de mémoire : Ce groupe vous permet d'indiquer la quantité de mémoire maximale en mégaoctets (Mo) que l'algorithme de classe doit utiliser. L'algorithme risque de ne pas trouver le nombre correct ou souhaité de classes si cette valeur est trop basse. Options avancées Critères de réglage de l'arborescence CF : Les paramètres d'algorithme de classification suivants s'appliquent de façon spécifique à l'arborescence CF et doivent être modifiés avec le plus grand soin : „ Seuil de modification de distance initiale : Il s'agit du seuil initial utilisé pour construire l'arborescence CF. elle utilisera le disque pour stocker les informations ne pouvant pas être enregistrées en mémoire. les valeurs éloignées sont supprimées. Sinon.476 Chapitre 31 éloignées sont placées dans l'arborescence CF si cela est possible.

Nombre maximal de noeuds possible : Ceci indique le nombre maximal de noeuds de l'arborescence CF pouvant être générés par la procédure. La procédure considère également que les observations utilisées dans la mise à jour du modèle sont issues de la même population d'observations utilisée pour créer le modèle d'origine. Mettre à jour le modèle de classe : Ce groupe vous permet d'importer et de mettre à jour un modèle de classe généré dans une analyse précédente. . Pour plus d'informations. Si votre « nouveau » groupe d'observations ne provient pas de la même population que votre « ancien » groupe. Vous devez sélectionner les noms des variables dans la boîte de dialogue principale dans le même ordre que celui dans lequel ils ont été spécifiés dans l'analyse précédente. En d'autres termes. la profondeur maximale de l'arborescence. b étant le nombre maximal de branches et d. Le fichier d'entrée contient l'arborescence CF au format XML. les moyennes et les variances des variables continues et les niveaux des variables qualitatives sont considérés comme étant identiques dans les deux groupes d'observations. d'après la fonction (bd+1 –1) / ((b –1). Le fichier XML demeure inchangé.477 Classification TwoStep „ „ Profondeur maximum de l'arborescence : Nombre maximum de niveaux que l'arborescence CF peut contenir. reportez-vous à « Résultats de l'analyse TwoStep Cluster » . Remarque : Lorsque vous effectuez une mise à jour d'un modèle de classe. la procédure considère qu'aucune des observations sélectionnées dans le fichier de travail n'a été utilisée pour créer le modèle de classe d'origine. sauf si vous enregistrez les informations du nouveau modèle en utilisant le même nom de fichier. de gestion du bruit. les paramètres de mesure de la distance. Chaque noeud exige au moins 16 octets. exécutez la procédure Analyse du composant Classe TwoStep sur les groupes d'observations combinés pour obtenir de meilleurs résultats. Si vous avez indiqué la mise à jour d'un modèle de classe. les options relatives à la génération de l'arborescence CF spécifiées pour le modèle d'origine sont utilisées. d'affectation de mémoire ou les critères de réglage de l'arborescence CF pour le modèle enregistré sont utilisés et tous les paramètres de ces options dans les boîtes de dialogue sont ignorés. Plus précisément. Le modèle est ensuite mis à jour avec les données du fichier actif. Notez qu'une arborescence CF trop volumineuse risque d'épuiser les ressources du système et d'avoir des effets défavorables sur les performances de la procédure. page 479.

un diagramme en bâtons juxtaposés est produit. indiquant la fréquence de modalité par ID de classe. Pour chaque variable qualitative. Le résultat est trié par ordre d'importance de chaque variable.478 Chapitre 31 Diagrammes de l'analyse TwoStep Cluster Figure 31-3 Boîte de dialogue Diagrammes de l'analyse TwoStep Cluster Dans le graphique de pourcentage de classe : Fait apparaître les graphiques indiquant la variation de classe de chaque variable. „ „ Rang des variables : Cette option détermine si des diagrammes seront créés pour chaque classe (Par classe) ou pour chaque variable (Par variable). Pour chaque variable continue. un diagramme de variation est produit. Diagramme en secteurs de classe : Fait apparaître un diagramme en secteurs indiquant le pourcentage et le nombre d'observations dans chaque classe. indiquant les variations par ID de classe. L'option Khi-deux ou test T de signification indique une statistique Khi-deux de Pearson comme importance . Mesure de l'importance : Cette option vous permet de sélectionner la mesure de l'importance des variables à représenter. Diagramme d'importance des variables : Fait apparaître plusieurs diagrammes différents indiquant l'importance de chaque variable dans chaque classe.

la valeur du niveau de confiance apparaît sous la forme d'une ligne verticale dans les diagrammes d'importance des variables. moins la valeur p pour le test d'égalité des moyennes pour une variable continue et la fréquence théorique avec le groupe global des données pour une variable qualitative. „ Omettre les variables non significatives : Les variables non significatives au niveau de confiance spécifié n'apparaissent pas dans les diagrammes d'importance des variables. „ Niveau de confiance : Cette option vous permet de définir le niveau de confiance pour le test d'égalité de la distribution d'une variable dans une classe par rapport à la distribution globale de la variable. Si les diagrammes sont créés par variable ou si la mesure de la signification est représentée. L'option Signification indique 1. Indiquez un nombre inférieur à 100 et supérieur ou égale à 50.479 Classification TwoStep d'une variable qualitative et une statistique t comme importance d'une variable continue. Résultats de l'analyse TwoStep Cluster Figure 31-4 Boîte de dialogue des résultats de l'analyse du composant Classe TwoStep .

Les statistiques descriptives et les fréquences de classe sont produites pour le modèle de classe final alors que le tableau du critère d'information fait apparaître des résultats pour une plage de solutions de classe. pour différents nombres de classes. les moyennes et les écarts types sont indiqués pour les variables continues par classe. SmartScore et les versions ultérieures de WhatIf? pourront utiliser ce fichier. . „ „ Fréquences de classe : Fait apparaître un tableau indiquant le nombre d'observations dans chaque classe. Dans un tableau. L'autre tableau indique les effectifs des variables qualitatives par classe. Fichiers XML : Le modèle de classe final et l'arborescence CF représentent deux types de fichiers de résultats pouvant être exportés au format XML. „ Exporter le modèle final : Le modèle de classe final est exporté vers le fichier spécifié. Le nom de cette variable est tsc_n. „ Descriptives par classe : Fait apparaître deux tableaux qui décrivent les variables dans chaque classe. Critère d'information (AIC ou BIC) : Fait apparaître un tableau contenant les valeurs d'AIC ou de BIC en fonction du critère choisi dans la boîte de dialogue principale. „ Créer une variable d'appartenance à une classe : Cette variable contient un numéro d'identification de classe pour chaque observation.480 Chapitre 31 Statistiques : Ce groupe fournit des options d'affichage pour les tableaux des résultats de la classification. Si le nombre de classes est fixe. „ Exporter l'arborescence CF : Cette option vous permet d'enregistrer l'état actuel de l'arborescence de classe et de le mettre à jour ultérieurement en utilisant des données plus récentes. n étant un entier positif qui indique l'ordinal de l'opération d'enregistrement du fichier de travail effectuée par cette procédure au cours d'une session. ce paramètre est ignoré et le tableau n'est pas fourni. Fichier de travail : Ce groupe vous permet d'enregistrer des variables dans le fichier de travail. Ce tableau est fourni uniquement lorsque le nombre de classes est déterminé automatiquement.

Exemple : Y a-t-il des classes identifiables de spectacles télévisuels qui attirent des audiences similaires à l'intérieur de chaque classe ? Avec une classification hiérarchique. vous devez envisager de les standardiser (ceci peut être fait automatiquement avec la procédure de la classification hiérarchique). Les mesures de distance ou de similarité sont générées par la procédure Proximities (Proximités). Vous pouvez aussi classer les villes (observations) en groupes homogènes pour permettre la sélection de villes comparables afin de tester diverses stratégies commerciales. une variable est mesurée en dollars et l'autre est mesurée en années). en utilisant un algorithme qui débute avec chaque observation (ou variable) dans une classe séparée et qui combine les classes jusqu'à ce qu'il n'en reste qu'une. L'échelle des variables est un élément important : des différences d'échelle qui peuvent affecter votre (vos) solution(s) en classes hiérarchiques. binaires ou d'effectif. Statistiques : Chaîne des agrégations. Cette méthode peut être utilisée pour identifier des segments à des fins commerciales. Les statistiques s'affichent à chaque étape pour vous aider à choisir la meilleure solution. 481 . Vous pouvez analyser des variables non normées ou vous pouvez choisir parmi un assortiment de transformations standardisées. vous pouvez reclasser les spectacles télévisuels (observations) en classes homogènes basées sur les caractéristiques du spectateur. Diagrammes : arbres hiérarchiques et Stalactites. Remarques sur les données de la classification hiérarchique Données : Les variables peuvent être des données quantitatives.Classification hiérarchique 32 Chapitre Cette procédure tente d'identifier les classes d'observations (ou de variables) relativement homogènes basées sur des caractéristiques sélectionnées. matrice de distances (ou des similarités) et classe d'affectation pour une seule solution ou un ensemble de solutions. Si vos variables sont d'échelles très différentes (par exemple.

370 1.547 . les résultats doivent être considérés comme provisoires tant qu'ils ne sont pas confirmés avec un échantillon indépendant. Parce que la classification hiérarchique est une méthode d'exploration.772 Stage Cluster First Appears Cluster 1 0 0 0 2 3 0 4 0 0 6 10 0 11 13 14 Cluster 2 0 1 0 0 0 0 5 0 0 0 9 0 12 7 8 Next Stage 2 4 5 7 7 10 14 15 11 11 13 13 14 15 0 .274 .112 . Vous devez aussi inclure toutes les variables appropriées dans votre analyse.691 1.484 . L'omission de variables influentes peut aboutir à une solution erronée.185 . Echantillon de résultat Figure 32-1 Résultat de classification hiérarchique Agglomeration Schedule Cluster Combined Cluster 1 Stage 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 11 6 7 6 7 1 6 13 2 1 1 15 1 1 1 Cluster 2 12 11 9 8 10 3 7 14 5 4 2 16 15 6 13 Coefficients .423 .132 .642 4.716 2.227 .438 .023 1.482 Chapitre 32 Hypothèses : Les mesures de distance ou de similarité utilisées doivent convenir aux données analysées (Voir la procédure Proximities (proximités) pour plus de renseignements sur le choix des mesures de distances et de similarité).

Indonesia Austria Canada Denmark Italy Japan Norway Switzerland Bangladesh India Bolivia Paraguay 4 Clusters 1 1 1 1 1 2 2 2 2 2 2 2 3 3 4 4 3 Clusters 1 1 1 1 1 2 2 2 2 2 2 2 3 3 1 1 2 Clusters 1 1 1 1 1 1 1 1 1 1 1 1 2 2 1 1 Vertical Icicle 14:India 14 13:Banglades 13 10:Japan 10 9:Italy 9 7:Canada 7 8:Denmark 8 12:Switzerlan 12 11:Norway 11 6:Austria 6 16:Paraguay 16 15:Bolivia 15 5:Indonesia 5 2:Brazil 2 4:Domincan R 4 3:Chile 3 1:Argentina Case Number of clusters 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 XX XX XX XX XX XX XXX XX XX XX XX XX XX XXX X XX X XX X XX X XX X XX X XX X XX X X X X X X X X X X X X X X X XX XX XX XX XXX XX XX XX XX XX XX XXX X XX XX XX XX XXX XX XX XX XX XX XXX XX XX XX XX XX XXX XX XX XX XX XX XXX XX XX XX XX XX XXX XX XX XX XX XX XXX XX XX XX XX XX XXX XX XX XX X XX XX X X X X X XX X XX X X X X X XX XXX XX XX XXX XX XX XXX XX X X X XXX XX XXX XX XXX X X XX XX XX XX XXX X X XX X X X X X X X X X X X X X X X X X X X X X X X XX XX XXX X X XX XX XXX X X XX X XX X X X X X X X X X X X X X X X X X XXX X X X X X X X X X X XX X XX X XX X XX X X X X X X X X X X X .483 Classification hiérarchique Cluster Membership Label Case 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Argentina Brazil Chile Domincan R.

. Bolivia Paraguay Bangladesh India 0 5 10 15 20 25 +---------+---------+---------+---------+---------+ -+ -+ -+-+ -+ +-----------------------+ -+ I I -+-+ I -+ +---------------------+ -----+---+ I I -----+ +-------+ I I ---+---+ I I I I ---+ +-+ +---------+ I -------+ I I -------------+---+ I -------------+ I ---+---------------------------------------------+ ---+ Num 11 12 6 8 7 9 10 2 5 1 3 4 15 16 13 14 Obtenir une classification hiérarchique E A partir du menu. sélectionnez : Analyse Classification Classification hiérarchique. Figure 32-2 Boîte de dialogue Classification hiérarchique .484 Chapitre 32 * * * * * * H I E R A R C H I C A L * * C L U S T E R A N A L Y S I S * * * * Dendrogram using Average Linkage (Between Groups) Rescaled Distance Cluster Combine C A S E Label Norway Switzerland Austria Denmark Canada Italy Japan Brazil Indonesia Argentina Chile Domincan R..

le Carré de la distance Euclidienne.485 Classification hiérarchique E Si vous classez des observations. la Distance moyenne dans les classes. Vous avez la possibilité de sélectionner une variable d'identification pour étiqueter les observations. et Autre. l'Agrégation suivant le saut minimum. Mesure : Il permet de spécifier la mesure de distance ou de similarité devant être utilisée pour la classification. Si vous classez des variables. la Distance de Manhattan (bloc). Sélectionnez le type de données et la mesure appropriée de distance ou de similarité : „ Intervalle : Les choix possibles sont la Distance Euclidienne. . sélectionnez au moins trois variables numériques. la Médiane et la Méthode de Ward. la Distance de Tchebycheff. la Corrélation de Pearson. le Cosinus. les Barycentres. sélectionnez au moins une variable numérique. Méthode de classification hiérarchique Figure 32-3 Boîte de dialogue Classification hiérarchique : Méthode Méthode d'agrégation : Les choix disponibles sont : la Distance moyenne entre classes. l'Agrégation suivant le diamètre. la Distance de Minkowski.

le Y de Yule. la Dispersion. Ochiai. Rogers et Tanimoto. le Carré de la distance Euclidienne. Kulczynski 1. Hamann. Inverser le signe. Lance et Williams. le D d'Anderberg. le Lambda. Les choix possibles sont Valeurs absolues. Dice.486 Chapitre 32 „ „ Effectifs : Les choix possibles sont la Distance du Khi-deux et la Distance du phi-deux. Russel et Rao. Sokal et Sneath 3. les distances entre les observations ou les classes en cours de combinaison. l'Indice de Sokal et Michener. Binaire : Les choix possibles sont la Distance Euclidienne. Moyenne = 1 ou Ecart type = 1. Sokal et Sneath 5. Sokal et Sneath 4. Sokal et Sneath 1. Elles sont appliquées après le calcul de la mesure de distance. Kulczynski 2. Entre –1 et 1. et le dernier niveau de classe auquel une observation (ou une variable) a rejoint la classe. Transformer les valeurs : Vous permet de standardiser les valeurs des données pour les observations ou les valeurs avant le calcul des proximités (non disponible pour les données binaires). Mesures : Vous permet de transformer les valeurs générées par la mesure de distance. et le Q de Yule. Sokal et Sneath 2. la Différence de motif. l'Ecart de taille. la Corrélation phi tétrachorique. et Rééchelonner entre 0 et 1. Statistiques de la classification hiérarchique Figure 32-4 Boîte de dialogue Classification hiérarchique : Statistiques Chaîne des agrégations : Affiche les observations ou les classes combinées à chaque étape. Maximum = 1. Jaccard. Entre 0 et 1. la Forme. . la Variance. Les méthodes de standardisation disponibles sont Centrer-réduire.

Classe(s) d'affectation : Affiche le groupe auquel chaque observation appartient lors d'une ou plusieurs étapes de la combinaison de classes. Les diagrammes en stalactite affichent des informations sur la façon dont les observations sont regroupées à chaque itération de l'analyse. Diagrammes (graphiques) de classification hiérarchique Figure 32-5 Boîte de dialogue Classification hiérarchique : Graphiques (diagrammes) Arbre hiérarchique : Affiche un arbre hiérarchique. Plusieurs partitions ou Aucune. Les arbres hiérarchiques peuvent être utilisés pour évaluer la cohésion des groupes formés et ils fournissent des renseignements sur le nombre approprié de groupes à conserver. Les options disponibles sont Une seule partition. Orientation vous permet de sélectionner un diagramme vertical ou horizontal. Stalactites : Affiche un diagramme en stalactite. .487 Classification hiérarchique Matrice des distances : Indique les distances ou les similarités entre éléments. incluant toutes les classes ou une classe spécifique.

. Les variables sauvegardées peuvent alors être utilisées pour des analyses ultérieures pour explorer d'autres différences entre groupes..488 Chapitre 32 Enregistrement des nouvelles variables de classification hiérarchique Figure 32-6 Boîte de dialogue Classification hiérarchique : Enregistrer les nouvelles. . Classe(s) d'affectation : Vous permet de sauvegarder les classes d'affectation pour une ou plusieurs ou aucune partition(s).

489 . soit la mise à jour des centres de classe de façon itérative. vous pouvez classer les programmes de télévision (observations) en k groupes homogènes d'après les caractéristiques des téléspectateurs. Exemple : Quels sont les groupes de programmes de télévision identifiables qui attirent des publics similaires au sein de chaque groupe ? Grâce à l'analyse des nuées dynamiques. Vous pouvez enregistrer l'appartenance à une classe. Cette méthode peut être utilisée pour identifier des segments à des fins commerciales. distance au centre de classe. Vous pouvez également demander des statistiques F d'analyse de la variance. L'algorithme vous demande toutefois d'indiquer le nombre de classes. Chaque observation: information de classe. Statistiques : Solution complète : centres de classes initiaux. la taille relative des statistiques fournit des informations sur la contribution de chaque variable à la séparation des groupes. soit la classification seule. Bien que ces statistiques soient opportunistes (la procédure cherche à former des groupes qui diffèrent). Vous pouvez éventuellement indiquer une variable dont les valeurs servent à étiqueter les résultats par observations. les informations de distance et les centres de classes finaux. au moyen d'un algorithme qui peut traiter de grands nombres d'observations.Nuées dynamiques 33 Chapitre Cette procédure cherche à identifier des groupes d'observations relativement homogènes d'après des caractéristiques sélectionnées. tableau ANOVA. Vous pouvez indiquer les centres de classe initiaux si vous connaissez cette information. Vous pouvez aussi classer les villes (observations) en groupes homogènes pour permettre la sélection de villes comparables afin de tester diverses stratégies commerciales. Vous pouvez choisir entre deux méthodes de classement des observations.

93737 4.88601 -1.08033 . Hypothèses : Les distances sont calculées à l'aide de la distance euclidienne simple.24070 .69589 .54314 -1. vos résultats risquent d'être erronés.88983 -1.38422 .65246 3 1.99641 -.65146 .33278 -1. La mise à l'échelle des variables est une considération importantes—si vos variables sont mesurées selon des échelles différentes (une variable est exprimée en dollars par exemple et une autre en années). utilisez la procédure de classification hiérarchique. Si vous souhaitez utiliser une autre distance ou une mesure de similarité.29624 4 .24626 2 -1.52581 -2.69358 -1.88606 -3.51770 3.62725 -.99285 -. vos résultats risquent d'être erronés.490 Chapitre 33 Considérations de données sur la classification en nuées dynamiques Données : Les variables doivent être quantitatives au niveau intervalle ou ratio.74406 .76793 -.16291 1.78455 -.12785 -.31333 .46008 -1.89320 .53091 4. La procédure suppose que vous avez sélectionné le nombre voulu de classes et que vous avez inclus toutes les variables pertinentes.75481 2. Si vous avez choisi un nombre de classes inadéquat ou omis de variables importantes. Echantillon de résultat Figure 33-1 Résultats de l'analyse des nuées dynamiques Centres de classes initiaux Classe ZURBAN ZLIFEEXP ZLITERAC ZPOP_INC ZBABYMOR ZBIRTH_R ZDEATH_R ZLOG_GDP ZB_TO_D ZFERTILT ZLOG_POP 1 -1.63185 1.40082 .42699 . vous pouvez envisager de standardiser vos variables avant d'effectuer l'analyse des nuées dynamiques (cela peut être fait dans la procédure Descriptives).68796 4.89037 .03701 -.55724 . utilisez la procédure de classification hiérarchique.52182 2.22118 -.16813 2.63185 -1.45741 .41517 -1.99370 . Si vos variables sont binaires ou sont des effectifs. Dans ces cas.

249 5.73368 -.199 .45301 .000 .70745 -2.466 .627 5.604 .287 .25622 1.932 .45251 1.000 .924 2.084 .150 .81671 1.84758 -.52607 2.27010 -.000 .12150 .077 .000 2 2.414 .71414 -.10314 -1.94249 -.249 5.80611 .000 .640 2.627 3 5.28417 -.337 .160 .99285 .000 Centres de classes finaux Classe ZURBAN ZLIFEEXP ZLITERAC ZPOP_INC ZBABYMOR ZBIRTH_R ZDEATH_R ZLOG_GDP ZB_TO_D ZFERTILT ZLOG_POP 1 -1.897 4 7.237 .246 2 5.16871 1.080 .62767 .49499 4 .30833 .15939 .471 .167 .51003 .724 .074 .13716 -.000 .34577 3 .185 4 1.31319 .623 .16816 -.071 .000 .52826 -2.343 .000 .12929 -.172 .43210 1.29856 1.000 .83475 2 -.80817 -.19154 -.640 7.87669 -.58745 .22199 Distances entre les centres de classes finaux 1 Classe 1 2 3 4 5.924 3.30863 -.13880 .314 .491 Nuées dynamiques Historique des itérations Changements dans les centres de classes Itération 1 2 3 4 5 6 7 8 9 10 1 1.95175 -.13400 .22286 .77704 -.000 .195 .253 .59747 2.000 .596 .897 3.246 .44640 -.097 3 3.861 .

sélectionnez : Analyse Classification Nuées dynamiques..000 .731 18.210 .621 19.234 92.676 61.428 77.877 df 68 68 68 68 68 68 68 68 68 68 68 F 19.859 117.457 Sig.168 .229 . .541 .000 ..339 30.000 .313 56.492 Chapitre 33 ANOVA Classe Carré Moyen 10.273 4.599 13.000 .464 18.000 . Obtenir une analyse de nuées dynamiques E A partir du menu.219 .628 17.316 18. Les seuils de signification observés ne sont pas corrigés par la suite et ne peuvent donc pas être interprétés en tant que tests de l’hypothèse Selon laquelle les moyennes de classe sont égales.410 18.000 .907 df 3 3 3 3 3 3 3 3 3 3 3 Erreur Carré Moyen .239 .000 .409 19.287 .829 3.682 112. .288 .006 ZURBAN ZLIFEEXP ZLITERAC ZPOP_INC ZBABYMOR ZBIRTH_R ZDEATH_R ZLOG_GDP ZB_TO_D ZFERTILT ZLOG_POP Les tests F ne doivent être utilisés qu'à des fins descriptives car les classes sont choisies pour maximiser les différences entre les observations des différentes classes.614 81.599 16.444 .000 .167 .000 .000 .655 84.

y compris celui utilisé par la commande de classification hiérarchique de SPSS. E Spécifiez le nombre de classes. E Sélectionnez soit la méthode Itérer et classer soit la méthode Classer seulement.493 Nuées dynamiques Figure 33-2 Boîte de dialogue Nuées dynamiques E Sélectionnez les variables à utiliser dans l'analyse. Le nombre de classes doit être au moins de deux et ne doit pas être supérieur au nombre d'observations du fichier de données. . Efficacité de la classification en nuées dynamiques La commande d'analyse des nuées dynamiques est efficace essentiellement parce qu'elle ne calcule pas les distances entre toutes les paires d'observations. comme c'est le cas dans de nombreux algorithmes de classification. Vous avez la possibilité de sélectionner une variable d'identification pour étiqueter les observations.

Pour reproduire l'algorithme utilisé par la commande de classement rapide Quick Cluster dans SPSS avant la version 5. l'itération cesse lorsque une itération complète ne déplace plus aucun des centres d'une distance de plus de deux pour cent de la plus petite distance entre n'importe quels centres initiaux. Critère de convergence : Détermine le moment où l'itération s'arrête.0.02 par exemple. Sélectionnez Ecrire les centres finaux dans Fichier. Il représente une proportion de la distance minimale entre les centres de classes initiaux. les nouveaux centres seront calculés lorsque toutes les observations auront été affectées. . Si le critère est égal à 0. Cliquez sur Centres et Lire les centres initiaux Fichier pour classer tout le fichier en utilisant les centres estimés à partir de l'échantillon. Rétablissez ensuite tout le fichier de données. Itération de la classification en nuées dynamiques Figure 33-3 Boîte de dialogue Nuées dynamiques : Itérer Ces options ne sont disponibles que si vous avez sélectionné la méthode Itérer et classer dans la boîte de dialogue principale. prenez un échantillon d'observations et utilisez la méthode Itérer et classer pour déterminer les centres. Utiliser les nouveaux centres : Vous permet de demander la mise à jour des centres après l'affectation de chaque observation. Maximum des itérations : Limite le nombre des itérations dans l'algorithme des nuées dynamiques. Ce nombre doit être compris entre 1 et 999.494 Chapitre 33 Pour plus d'efficacité. indiquez 1 comme Maximum des itérations. L'itération s'arrête après ce nombre d'itérations même si le critère de convergence n'est pas satisfait. et doit donc être plus grand que 0 mais plus petit que 1. puis sélectionnez la méthode Classer seulement. Si vous ne sélectionnez pas cette option.

Vous pouvez enregistrer des informations sur la solution relatives aux nouvelles variables à utiliser dans les analyses ultérieures : Classe(s) d'affectation : Crée une nouvelle variable indiquant la classe d'affectation finale de chaque observation. Options d'analyses des classes de nuées dynamiques Figure 33-5 Boîte de dialogue Nuées dynamiques : Options Statistiques : Vous pouvez sélectionner les statistiques suivantes : Centres de classes initiaux.. Distance au centre de classe : Crée une nouvelle variable indiquant la distance euclidienne entre chaque nouvelle variable et son centre de classification. et Affectation et distances au centre. Tableau ANOVA.. Les valeurs de la nouvelle variable vont de 1 au nombre de classes.495 Nuées dynamiques Enregistrement des analyses de classes de nuées dynamiques Figure 33-4 Boîte de dialogue Nuées dynamiques : Enregistrer les nouvelles variables. .

incluant les tests F univariés pour chacune des variables de la classification. Affiche également la distance euclidienne entre les centres de classe finaux. „ Tableau ANOVA : Affiche un tableau d'analyse de la variance. Par défaut.496 Chapitre 33 „ Centres de classe initiaux : Première estimation des moyennes des variables de chacune des classes. Les centres de classes initiaux sont utilisés pour une première classification et sont ensuite mis à jour. Exclure seulement les composantes non valides : Affecte des observations aux classes basées sur des distances calculées à partir de toutes les variables n'ayant pas de valeur manquante. . Valeurs manquantes : Les options disponibles sont Exclure toute observation incomplète ou Exclure seulement les composantes non valides. „ „ Exclure toute observation incomplète : Exclut de l'analyse les observations qui ont des valeurs manquantes pour une variable de classe. le nombre d'observations assez espacées sélectionné dans les données est égal au nombre de classes. Les tests F sont uniquement descriptifs et les probabilités qui en résultent ne doivent pas être interprétées. „ Affectations et distances au centre : Affiche pour chaque observation l'affectation de classe finale et la distance euclidienne entre l'observation et le centre de classe utilisé pour classer l'observation. Le tableau ANOVA n'apparaît pas si toutes les observations sont affectées à une seule classe.

le test de Kolmogorov-Smirnov pour deux échantillons. qui peut être normale. et les suites en séquences Wald-Wolfowitz sont disponibles. le test de la médiane et le test de Jonckheere-Terpstra sont disponibles. uniforme ou Poisson. Tests de plusieurs échantillons indépendants : Compare deux groupes d'observations ou plus d'une variable. Tests de deux échantillons liés : Compare les distributions de deux variables. Le test de Kruskal-Wallis. Le test U de Mann-Whitney. Test binomial : Compare la fréquence observée dans chaque modalité d'une variable dichotomique avec les fréquences attendues de la distribution binomiale. Tests de plusieurs échantillons liés : Compare les distributions de deux variables ou plus. Le test de Wilcoxon. le test de réactions extrêmes Moses.Tests non paramétriques 34 Chapitre La procédure de tests non paramétriques propose plusieurs tests qui ne nécessitent pas d'hypothèse concernant la forme de la distribution sous-jacente : Test Khi-deux : Tabule une variable en modalités et calcule une statistique khi-deux basée sur les différences entre les fréquences observées et les fréquences attendues. Tests de deux échantillons indépendants : Compare deux groupes d'observations d'une variable. Suites en séquence : Teste si l'ordre d'occurrence de deux valeurs d'une variable est aléatoire. Le test de Friedman. le test W de Kendall et le test Q de Cochran sont disponibles. Test Kolmogorov-Smirnov pour un échantillon : Compare la fonction de distribution cumulée observée pour une variable avec une distribution théorique spécifiée. le test des signes et le test de McNemar sont disponibles. 497 .

Pour convertir des variables chaînes en variables numériques. oranges. 30 % de bonbons marrons. le maximum. utilisez la procédure Recoder Automatiquement. l'écart type. le minimum. 20 % bonbons oranges. écart type. disponible dans le menu Transformer. 10 % de bonbons verts. maximum. Les fréquences attendues pour chaque modalité doivent être au moins égales à 1. Le nombre et le pourcentage d'observations manquantes et non manquantes. Statistiques : Moyenne. et quartiles. Ce test de qualité de l'ajustement compare les fréquences observées et attendues dans chaque modalité pour vérifier si toutes les modalités contiennent la même proportion de valeurs ou si chaque modalité contient une proportion de valeurs spécifiées par l'utilisateur Exemples : Le test du Khi-deux peut être utilisé pour déterminer si un sac de bonbons contient les mêmes proportions de bonbons bleus. 15 % de bonbons rouges et 15 % de bonbons jaunes. verts. Test du Khi-deux La procédure de test du Khi-deux tabule une variable en modalités et calcule une statistique Khi-deux. les résidus et la statistique khi-deux. Test du Khi-deux : remarques sur les données Données : Utilisez des variables qualitatives numériques ordonnées ou désordonnées (niveau de mesure ordinal ou nominal).20 % des modalités au maximum doivent avoir des fréquences inférieures à 5. le nombre de cas observés et attendus pour chaque modalité. minimum. Vous pouvez aussi tester si le sac de bonbons contient 5 % de bonbons bleus. rouges et jaunes. On part du principe que les données constituent un échantillon aléatoire. .498 Chapitre 34 Les quartiles et la moyenne. Hypothèses : Les tests non paramétriques ne nécessitent pas d'hypothèses sur la forme de la distribution sous-jacente. marrons. et le nombre d'observations sont disponibles pour tous les tests ci-dessus.

8 18.2 7.8 33 9 17 22 26 113 Tests statistiques Couleur du Bonbon Haricot 27.2 Bleu Marron Vert Jaune Orange Rouge Total 18.8 18.8 14.000 Résidu -12.8 18.8 fréquences faibles théoriques… .2 -9.8 Khi-deux df 1 Signification Asymptotique 1.973 5 .8 3.499 Tests non paramétriques Echantillon de résultat Figure 34-1 Résultat de test du Khi-deux Couleur du bonbon haricot N N Observé(e)s Théoriques 6 18.8 18. 0 cellule. 0 % de fréquences faibles. 18.8 -1.

2 -9.8 14..7 fréquences faibles théoriques… Pour obtenir un test Khi-deux E A partir du menu.8 18..8 -1.041 5 . 0 cellule.8 33 9 17 22 26 113 Tests statistiques Couleur du Bonbon Haricot 1.8 3. 0 % de fréquences faibles. .2 7.8 Khi-deux df 1 Signification Asymptotique 1.2 Bleu Marron Vert Jaune Orange Rouge Total 18. sélectionnez : Analyse Tests non paramétriques Khi-deux.500 Chapitre 34 Couleur du bonbon haricot N N Observé(e)s Théoriques 6 18.8 18.959 Résidu -12.8 18. 5.8 18.

celle-ci apparaît au bas de la liste des valeurs. sélectionnez l'option Dans les limites spécifiées. Vous pouvez également cliquer sur Options pour les statistiques descriptives. et indiquez les valeurs entières pour les limites inférieure et supérieure. Pour établir des modalités dans un intervalle spécifique. Effectifs théoriques : Par défaut. Valeurs et intervalles théoriques du test du Khi-deux Intervalle théorique : Par défaut. et les observations à l'extérieur des limites sont exclues. toutes les modalités ont des valeurs théoriques égales. si vous spécifiez une valeur de limite inférieure de 1 et une valeur de limite supérieure de 4. Chaque fois que vous ajoutez une valeur. Les modalités peuvent avoir des proportions attendues définies par l'utilisateur. . Sélectionnez Valeurs. indiquez une valeur supérieure à 0 pour chaque modalité de variable de test et cliquez sur Ajouter. L'ordre des valeurs est important. Chaque variable produit un test distinct. seules les valeurs entières de 1 à 4 sont utilisées pour le test du Khi-deux. les quartiles et le contrôle du traitement des données manquantes. chaque valeur distincte de la variable est définie comme modalité. Par exemple. Des modalités sont établies pour chaque valeur entière comprise dans l'intervalle.501 Tests non paramétriques Figure 34-2 Boîte de dialogue Test du khi-deux E Sélectionnez des variables de test.

le minimum.502 Chapitre 34 Il correspond à l'ordre croissant des valeurs des modalités de la variable de test. „ Exclure toute observation incomplète : Les observations avec des valeurs manquantes pour l'une ou l'autre variable sont exclues de toutes les analyses. . Les éléments de la liste des valeurs sont additionnés et chaque valeur est ensuite divisée par cette somme pour calculer la proportion d'observations attendues dans la modalité correspondante. 4. l'écart type. le maximum. Par exemple. Quartiles : Indique les valeurs correspondant au 25ème. chaque test est effectué séparément selon le nombre des valeurs manquantes. 50ème et 75ème centiles. 4 indique les proportions attendues de 3/16. une liste de valeurs de 3. 5. „ Exclure les observations test par test : Lorsque plusieurs tests sont indiqués. 4/16. Valeurs manquantes : Contrôle le traitement des valeurs manquantes. et le nombre d'observations non manquantes. 5/16 et 4/16. Test du Khi-deux : Options Figure 34-3 Boîte de dialogue Test du Khi-deux : Options Statistiques : Vous pouvez choisir une des statistiques récapitulatives suivantes (ou les deux) : „ „ Caractéristique : Affiche la moyenne. La première valeur de la liste correspond à la valeur de groupe la plus basse de la variable de test et la dernière valeur correspond à la valeur la plus élevée.

0027). disponible dans le menu Transformer. La pièce est probablement truquée. vous pouvez entrer un test de proportion pour le premier groupe. une pièce est lancée 40 fois.5. nombre d'observations avec des valeurs non manquantes et quartiles. Du test binomial. Pour convertir des variables chaînes en variables numériques. Pour obtenir des renseignements complets sur la syntaxe. minimum. Exemple : Quand vous lancez une pièce. le paramètre de probabilité pour les deux groupes est de 0. Pour modifier les probabilités. la probabilité de tomber sur le côté face est de 1/2. Statistiques : Moyenne. Une variable . utilisez la procédure Recoder Automatiquement. et les résultats sont enregistrés (pile ou face). La probabilité pour le second groupe sera de 1 moins la probabilité spécifiée pour le premier groupe. maximum. Tester la même variable avec différentes fréquences attendues ou utiliser différentes plages (avec la sous-commande EXPECTED). Sur la base de cette hypothèse. ou des fréquences attendues pour différentes variables (avec la sous-commande CHISQUARE). il se peut que vous observiez que les 3/4 des lancements sont tombés sur le côté face et que le seuil de signification observé est bas (0. reportez-vous au manuel SPSS Command Syntax Reference. Test binomial La procédure de test binomial compare les fréquences observées des deux modalités d'une variable dichotomique avec les fréquences que l'on peut attendre d'une distribution binomiale avec un paramètre de probabilité spécifié. Test binomial : remarques sur les données Données : Les variables testées doivent être numériques et dichotomiques. écart type. Ces résultats indiquent qu'il est peu probable que la probabilité pour que la pièce tombe sur le côté face soit égale à 1/2.503 Tests non paramétriques Fonctionnalités supplémentaires de la commande NPAR TESTS (test du Khi-deux) Le langage de commande SPSS vous permet aussi de : „ „ Spécifier des valeurs minimale et maximale différentes. Par défaut.

. il faut spécifier une césure. Echantillon de résultat Figure 34-4 Résultat du test binomial Test binomial Signification Asymptotique (Bilatérale) .504 Chapitre 34 dichotomique est une variable qui ne peut prendre que deux valeurs possibles : oui ou non.50 1. sélectionnez : Analyse Tests non paramétriques Binomial. On part du principe que les données constituent un échantillon aléatoire. 0 ou 1.. La césure répartit les observations avec une valeur supérieure à la césure dans un groupe et le reste des observations dans un autre groupe. vrai ou faux..75 .00 Test de Proportion . Si les variables ne sont pas dichotomiques. etc. Basé sur l'approximation Z Pour obtenir un test binomial E A partir du menu. Hypothèses : Les tests non paramétriques ne nécessitent pas d'hypothèses sur la forme de la distribution sous-jacente.0031 Pièce Groupe 1 Groupe 2 Total Modalité Face Pile N 30 10 40 Proportion Observée .25 1.

505 Tests non paramétriques Figure 34-5 Boîte de dialogue Test binomial E Sélectionnez une ou plusieurs variables numériques à tester. Vous pouvez également cliquer sur Options pour les statistiques descriptives. les quartiles et le contrôle du traitement des données manquantes. Test binomial : Options Figure 34-6 Boîte de dialogue Test binomial .

Pour obtenir des renseignements complets sur la syntaxe. l'écart type. et le nombre d'observations non manquantes. Quartiles : Indique les valeurs correspondant au 25ème. Une séquence est une suite d'observations semblables. „ Exclure toute observation incomplète : Les observations avec des valeurs manquantes pour toutes les variables du test sont exclues de toutes les analyses. „ Exclure les observations test par test : Lorsque plusieurs tests sont indiqués. Spécifier différentes césures ou probabilités pour différentes variables (avec la sous-commande BINOMIAL). le minimum. 50ème et 75ème centiles. Valeurs manquantes : Contrôle le traitement des valeurs manquantes. chaque test est effectué séparément selon le nombre des valeurs manquantes. Suites en séquences La procédure Suites en séquences teste si l'ordre d'occurrence de deux valeurs d'une variable est aléatoire. Fonctionnalités supplémentaires de la commande NPAR TESTS (Test binomial) Le langage de commande SPSS vous permet aussi de : „ „ „ Sélectionner des groupes spécifiques (et excluez-en d'autres) lorsqu'une variable comporte plus de deux modalités (avec la sous-commande BINOMIAL). Tester la même variable avec différentes césures ou probabilités (avec la sous-commande EXPECTED). .506 Chapitre 34 Statistiques : Vous pouvez choisir une des statistiques récapitulatives suivantes (ou les deux) : „ „ Caractéristique : Affiche la moyenne. Un échantillon comportant trop ou trop peu de séquences suggère que l'échantillon n'est pas aléatoire. reportez-vous au manuel SPSS Command Syntax Reference. le maximum.

On peut douter que l'échantillon soit aléatoire si toutes les personnes sont du même sexe.234 .00 7 13 20 15 2. Pour convertir des variables chaînes en variables numériques.507 Tests non paramétriques Exemples : Supposons que 20 personnes soient sondées pour déterminer si elles achèteraient un produit donné. Médiane . disponible dans le menu Transformer. Statistiques : Moyenne. Hypothèses : Les tests non paramétriques ne nécessitent pas d'hypothèses sur la forme de la distribution sous-jacente. Utilisez des échantillons à distribution de probabilité continue. Echantillon de résultat Figure 34-7 Résultat de suites en séquences Suites en séquences Valeur de test 1 Observations < Valeur de test Observations >= Valeur de test Total des observations Nombre de séquences Z Signification asymptotique (bilatérale) Sexe 1. minimum. nombre d'observations avec des valeurs non manquantes et quartiles. Le test Suites en séquences peut être utilisé pour déterminer si l'échantillon a été tiré au hasard. écart type. Suites en séquences : Remarques sur les Données Données : Les variables doivent être numériques.025 1. maximum. utilisez la procédure Recoder Automatiquement.

Vous pouvez également cliquer sur Options pour les statistiques descriptives. Les observations dont les valeurs sont inférieures à la césure sont assignées à un groupe. et les observations dont les valeurs sont supérieures à la césure sont assignées à l'autre groupe. Césure des Suites en séquences Césure : Spécifie une césure pour dichotomiser les variables que vous avez choisies. Vous pouvez utiliser soit la moyenne. Figure 34-8 Boîte de dialogue Suites en séquences E Sélectionnez une ou plusieurs variables numériques à tester. les quartiles et le contrôle du traitement des données manquantes.. . sélectionnez : Analyse Tests non paramétriques Séquences.. la médiane ou le mode observés.508 Chapitre 34 Pour obtenir un test de suites E A partir du menu. Un test est réalisé pour chaque césure choisie. soit une valeur spécifiée comme césure.

. 50ème et 75ème centiles. Quartiles : Indique les valeurs correspondant au 25ème. l'écart type. „ Exclure les observations test par test : Lorsque plusieurs tests sont indiqués. chaque test est effectué séparément selon le nombre des valeurs manquantes.509 Tests non paramétriques Options des Suites en séquences Figure 34-9 Boîte de dialogue Suites en séquences : Options Statistiques : Vous pouvez choisir une des statistiques récapitulatives suivantes (ou les deux) : „ „ Caractéristique : Affiche la moyenne. Valeurs manquantes : Contrôle le traitement des valeurs manquantes. Tester la même variable par rapport à différentes césures personnalisées (à l'aide de la sous-commande RUNS). le minimum. Fonctionnalités supplémentaires de la commande NPAR TESTS (Suites en séquences) Le langage de commande SPSS vous permet aussi de : „ „ Spécifier différentes césures pour différentes variables (à l'aide de la sous-commande RUNS). et le nombre d'observations non manquantes. „ Exclure toute observation incomplète : Les observations avec des valeurs manquantes pour l'une ou l'autre variable sont exclues de toutes les analyses. le maximum.

écart type. maximum. Hypothèses : Le test de Kolmogorov-Smirnov part du principe que les paramètres de la distribution à tester sont précisés a priori. Le test de Kolmogorov-Smirnov pour un échantillon permet de tester si une variable comme Revenu. est distribuée normalement. uniforme. par exemple. Exemple : La plupart des tests paramétriques nécessitent des variables distribuées normalement.510 Chapitre 34 Pour obtenir des renseignements complets sur la syntaxe. l'échantillon de moyenne est le paramètre pour la distribution de Poisson et l'échantillon de l'écart type est le paramètre pour la distribution exponentielle. Cette procédure estime les paramètres à partir d'un échantillon. Remarques sur les données du test de Kolmogorov-Smirnov pour un échantillon Données : Utilisez des variables quantitatives (mesure d'intervalle ou de rapport). reportez-vous au manuel SPSS Command Syntax Reference. qui peut être normale. Le test de qualité de l'ajustement contrôle si les observations peuvent avoir été raisonnablement déduites de la distribution spécifiée. minimum. Les valeurs minimum et maximum de l'échantillon définissent l'intervalle de la distribution uniforme. de Poisson ou exponentielle. L'échantillon de moyenne et l'échantillon d'écart type sont les paramètres pour une distribution normale. Le Z de Kolmogorov-Smirnov est calculé à partir de la plus grande différence (en valeur absolue) entre les fonctions de distribution cumulées observées et théoriques. Statistiques : Moyenne. Test Kolmogorov-Smirnov pour un échantillon Le test de Kolmogorov-Smirnov pour un échantillon compare la fonction de distribution cumulée observée d'une variable avec une distribution théorique spécifiée. . nombre d'observations avec des valeurs non manquantes et quartiles.

00 45146..760 . . Distribution à tester normale 2.2 Pour obtenir un test de Kolmogorov-Smirnov pour un échantillon E A partir du menu.164 .40 .170 ..170 -. sélectionnez : Analyse Tests non paramétriques K-S à 1 échantillon.611 N Paramètres gaussiens 1. Calcul à partir de données 56250.511 Tests non paramétriques Echantillon de résultat Figure 34-10 du test de Kolmogorov-Smirnov pour un échantillon Test Kolmogorov-Smirnov pour un échantillon Revenu 20 Moyenne Ecart type Différences les plus extrêmes Absolues Positives Négatives Z de Kolmogorov-Smirnov Signification asymptotique (bilatérale) 1.

Options du test de Kolmogorov-Smirnov pour un échantillon Figure 34-12 Boîte de dialogue K-S pour un échantillon : Options . les quartiles et le contrôle du traitement des données manquantes.512 Chapitre 34 Figure 34-11 Boîte de dialogue Test de Kolmogorov-Smirnov pour un échantillon E Sélectionnez une ou plusieurs variables numériques à tester. Vous pouvez également cliquer sur Options pour les statistiques descriptives. Chaque variable produit un test distinct.

Quartiles : Indique les valeurs correspondant au 25ème. chaque test est effectué séparément selon le nombre des valeurs manquantes. le maximum. Exemple : De nouveaux appareils dentaires qui sont censés être plus confortables. . Pour obtenir des renseignements complets sur la syntaxe. Valeurs manquantes : Contrôle le traitement des valeurs manquantes. 50ème et 75ème centiles. Le test U de Mann-Whitney peut par exemple vous montrer que les sujets portant les nouveaux appareils ne doivent pas les porter aussi longtemps que les sujets utilisant les anciens appareils. le minimum. et le nombre d'observations non manquantes. reportez-vous au manuel SPSS Command Syntax Reference. Fonctions supplémentaires de commandes NPAR TESTS (test de Kolmogorov-Smirnov pour un échantillon) Le langage de commande SPSS vous permet aussi de : „ Spécifier les paramètres de la distribution à tester (avec la sous-commande K-S).513 Tests non paramétriques Statistiques : Vous pouvez choisir une des statistiques récapitulatives suivantes (ou les deux) : „ „ Caractéristique : Affiche la moyenne. „ Exclure toute observation incomplète : Les observations avec des valeurs manquantes pour l'une ou l'autre variable sont exclues de toutes les analyses. l'écart type. 10 enfants sont choisis de façon aléatoire pour porter les anciens appareils et 10 autres pour porter les nouveaux appareils. avoir une apparence plus agréable et provoquer des progrès plus rapides pour le redressage des dents ont été développés. Tests pour deux échantillons indépendants La procédure des tests pour deux échantillons indépendants compare deux groupes d'observations en fonction d'une variable. Pour savoir si les nouveaux appareils doivent être portés aussi longtemps que les anciens. „ Exclure les observations test par test : Lorsque plusieurs tests sont indiqués.

minimum. nombre d'observations avec des valeurs non manquantes et quartiles. Tests pour deux échantillons indépendants : remarques sur les données Données : Utilisez des variables numériques qui peuvent être ordonnées. Z de Kolmogorov-Smirnov. Tests : U de Mann-Whitney. Hypothèses : Utilisez des échantillons indépendants.514 Chapitre 34 Statistiques : Moyenne. réactions extrêmes de Moses.90 Somme des rangs 141. Le test U de Mann-Whitney exige que les deux échantillons testés soient de forme semblable. maximum.00 69. écart type.10 6. suites de Wald-Wolfowitz.00 . Echantillon de résultat Figure 34-13 Résultat pour deux échantillons indépendants Rangs N Temps Type Anciens écoulé en D'appareil Appareils Jours Nouveaux Appareils Total 10 10 20 Rang Moyen 14. aléatoires.

2..005 1.000 -2.515 Tests non paramétriques Tests statistiques 2 Temps écoulé en jours U de Mann-Whitney 14. sélectionnez : Analyse Tests non paramétriques 2 échantillons indépendants.000 W de Wilcoxon Z Signification Asymptotique (Bilatérale) Signification exacte [2*(sig. Unilatérale)] 69.721 . . Critère de regroupement qualitatif numérique : type d'appareil Pour effectuer les tests pour deux échantillons indépendants A partir du menu.007 1 .. Ex æquo non corrigés.

E Sélectionnez une variable de regroupement et cliquez sur Définir groupes. Le nombre d'ex aequo doit être petit par rapport au nombre total d'observations. Le nombre de fois ou un résultat du groupe 1 précède un résultat du groupe 2 et le nombre de fois ou un résultat du groupe 2 .. les rangs doivent être attribués de façon aléatoire entre les deux échantillons. et il leur est attribué un rang moyen en cas d'ex aequo. Le test U de Mann-Whitney est le plus populaire des tests pour deux échantillons indépendants.. pour scinder le fichier en deux groupes ou échantillons. Types de tests pour deux échantillons indépendants Type de test : Quatre tests sont disponibles pour tester si deux échantillons (groupes) proviennent de la même population. Il équivaut au test de Wilcoxon et au test de Kruskal-Wallis pour deux groupes. Les observations des deux groupes sont combinées et ordonnées.516 Chapitre 34 Figure 34-14 Boîte de dialogue Tests pour deux échantillons indépendants E Sélectionnez une ou plusieurs variables numériques. Les tests de Mann-Whitney servent à vérifier que deux échantillons d'une population ont une position équivalente. Si les populations ont une position identique.

Ce test permet d'étudier l'intervalle du groupe de contrôle et de mesurer à quel point les valeurs extrêmes du groupe expérimental influencent l'amplitude lorsque ce test est associé au groupe de contrôle. Il vérifie les réponses extrêmes par rapport à un groupe de contrôle.517 Tests non paramétriques précède un résultat du groupe 1 sont calculés. L'intervalle du groupe de contrôle se calcule en effectuant la différence entre les rangs des valeurs les plus grandes et les plus petites du groupe de contrôle plus 1. Les observations des deux groupes sont combinées et ordonnées. Puisque des valeurs éloignées peuvent occasionnellement et facilement fausser l'intervalle d'amplitude. Définition de deux groupes d'échantillons indépendants Figure 34-15 Boîte de dialogue Tests pour deux échantillons indépendants : Définir groupes . 5 % des observations de contrôle sont filtrées automatiquement à chaque extrémité. La statistique de la somme de rangs de Wilcoxon W. Le test Z de Kolmogorov-Smirnov et les suites en séquences de Wald-Wolfowitz sont des tests plus généraux qui détectent les différences de position et la forme des distributions. W est la somme des rangs du groupe nommé en premier dans la boîte de dialogue Définition des deux groupes d'échantillons indépendants. également affichée. les deux groupes doivent être dispersés de façon aléatoire dans tout le classement. Le groupe de contrôle est défini par la valeur du groupe 1 dans la boîte de dialogue Définition des deux groupes d'échantillons indépendants. Si les deux échantillons ont le même nombre d'observations. on considère que les deux distributions sont différentes. est la somme des rangs du plus petit échantillon. La statistique du U de Mann-Whitney est le plus petit de ces deux nombres. Le test des suites en séquences de Wald-Wolfowitz combine et ordonne les observations des deux groupes. Le test des réactions extrêmes de Moses part du principe que la variable expérimentale influence certains sujets dans une direction et d'autres sujets dans la direction opposée. Lorsque cette différence est significative. Le test Z de Kolmogorov-Smirnov est basé sur la différence absolue maximum entre les fonctions de distribution cumulées observées pour les deux échantillons. Si les deux échantillons proviennent de la même population.

l'écart type.518 Chapitre 34 Pour scinder le fichier en deux groupes ou échantillons. Fonctionnalités supplémentaires de la commande NPAR TESTS (tests pour deux échantillons indépendants) Le langage de commande SPSS vous permet aussi de : „ Spécifier le nombre d'observations devant être filtrées pour le test de Moses (avec la sous-commande MOSES). chaque test est effectué séparément selon le nombre des valeurs manquantes. Les observations avec d'autres valeurs sont exclues de l'analyse. Tests pour deux échantillons indépendants : Options Figure 34-16 Boîte de dialogue Deux échantillons indépendants : Options Statistiques : Vous pouvez choisir une des statistiques récapitulatives suivantes (ou les deux) : „ „ Caractéristique : Indique la moyenne. et le nombre d'observations sans valeurs manquantes. Quartiles : Indique les valeurs correspondant au 25ème. Valeurs manquantes : Contrôle le traitement des valeurs manquantes. 50ème et 75ème centiles. „ Exclure toute observation incomplète : Les observations avec des valeurs manquantes pour l'une ou l'autre variable sont exclues de toutes les analyses. . le maximum. le minimum. indiquez un nombre entier pour le groupe 1 et un autre pour le groupe 2. „ Exclure les observations test par test : Lorsque plusieurs tests sont indiqués.

Tests pour deux échantillons liés La procédure des tests pour deux échantillons liés compare les distributions pour deux variables. vous apprendrez que sept familles perçoivent moins que le prix demandé.519 Tests non paramétriques Pour obtenir des renseignements complets sur la syntaxe. . Signe. qu'une famille perçoit plus que le prix demandé et que deux familles perçoivent le prix demandé. Statistiques : Moyenne. écart type. Homogénéité marginale. McNemar. Hypothèses : Bien qu'aucune distribution particulière ne soit supposée pour les deux variables. Tests : Wilcoxon. maximum. une famille qui vend sa maison perçoit-elle le prix demandé ? En appliquant le test de Wilcoxon aux données de 10 foyers. on part du principe que la distribution de la population des différences liées est symétrique. nombre d'observations avec des valeurs non manquantes et quartiles. Exemple : En général. reportez-vous au manuel SPSS Command Syntax Reference. Tests pour deux échantillons liés : remarques sur les données Données : Utilisez des variables numériques qui peuvent être ordonnées. minimum.

3131 . Prix demandé = Prix de vente 7 1 1 Rangs Moyen 4. Test de Wilcoxon Pour obtenir des tests pour deux échantillons liés A partir du menu.Prix de vente -2.021 1. . Basé sur les rangs positifs 2.520 Chapitre 34 Echantillon de résultat Figure 34-17 Analyse pour deux échantillons liés Rangs N Prix demandé Rangs . sélectionnez : Analyse Tests non paramétriques 2 échantillons liés.50 1..50 2 23 10 Tests statistiques 2 Z Signification Asymptotique (Bilatérale) Prix demandé . Prix demandé < Prix de vente 2. Prix demandé > Prix de vente 3.50 Somme des rangs 34.Prix de vente Négatifs Rangs Positifs Ex aequo Total 1.93 1..

. Si les deux variables sont réparties de la même manière. utilisez le test de Signe ou le test de Wilcoxon. Après avoir sélectionné une paire de variables. Pour supprimer une paire de variables de l'analyse. le nombre de différences positives et le nombre de différences négatives ne diffèrent pas de façon significative. Si vos données sont continues. et classe les différences comme étant positives. Le test qu'il convient d'utiliser dépend du type de données. „ Types de tests pour deux échantillons liés Type de test : Les tests de cette section comparent les distributions pour deux variables liées. Le test de Wilcoxon prend en compte les informations relatives au signe des différences. sélectionnez une paire dans la liste Paire(s) à tester et cliquez sur le bouton fléché. Vous pouvez sélectionner d'autres paires de variables. Le test de signe calcule les différences entre les deux variables pour toutes les observations. cliquez sur le bouton fléché pour déplacer la paire vers la liste Paire(s) à tester. La première variable apparaît dans le groupe Choix courants comme Variable 1 et la seconde apparaît comme Variable 2. négatives ou liées.521 Tests non paramétriques Figure 34-18 Boîte de dialogue Tests pour deux échantillons liés E Sélectionnez des paires de variables de la manière décrite ci-dessous : „ Cliquez sur chacune des deux variables.

50ème et 75ème centiles. . le maximum. l'écart type. Comme le test de Wilcoxon intègre plus de renseignements sur les données. et le nombre d'observations sans valeurs manquantes. le minimum. utilisez le test de McNemar. au cours desquelles la réponse du sujet est provoquée deux fois. Valeurs manquantes : Contrôle le traitement des valeurs manquantes. Il s'agit d'un développement du test de McNemar d'une réponse binaire à une réponse multinomiale. il est plus puissant que le test des signes.522 Chapitre 34 ainsi qu'à l'amplitude des différences entre paires. Quartiles : Indique les valeurs correspondant au 25ème. Il recherche les changements de réponse en utilisant la distribution khi-deux et permet de détecter les changements de réponse dus à une intervention expérimentale dans les plans avant et après. utilisez le test d'Homogénéité marginale. une fois avant qu'un événement spécifié se produise et une fois après qu'un événement spécifié s'est produit. Si vos données sont qualitatives. Ce test est utile pour détecter les changements dans les réponses dues à une intervention expérimentale dans les plans avant et après. Le test d'homogénéité marginale n'est disponible que si vous avez installé les tests exacts SPSS. Tests pour deux échantillons liés : Options Figure 34-19 Boîte de dialogue Tests pour deux échantillons liés : Options Statistiques : Vous pouvez choisir une des statistiques récapitulatives suivantes (ou les deux) : „ „ Caractéristique : Indique la moyenne. Si vos données sont binaires. Le test de McNemar détermine si le taux de réponses initial (avant l'événement) est égal au taux de réponse final (après l'événement). Ce test s'utilise fréquemment lors de situations de mesures répétées.

aléatoires. minimum. „ Exclure toute observation incomplète : Les observations avec des valeurs manquantes pour l'une ou l'autre variable sont exclues de toutes les analyses. Tests : H de Kruskal-Wallis. Hypothèses : Utilisez des échantillons indépendants. vous apprendrez peut-être que les trois marques diffèrent par leur durée de vie moyenne. médiane. Statistiques : Moyenne. nombre d'observations avec des valeurs non manquantes et quartiles. Fonctionnalités supplémentaires de la commande NPAR (Deux échantillons liés) Le langage de commande SPSS vous permet aussi de : „ tester une variable avec toute autre variable d'une liste. chaque test est effectué séparément selon le nombre des valeurs manquantes. maximum. Tests pour plusieurs échantillons indépendants La procédure de Tests pour Plusieurs Echantillons Indépendants compare deux groupes d'observations ou plus sur une variable. Tests pour Plusieurs Echantillons Indépendants : Remarques sur les Données Données : Utilisez des variables numériques qui peuvent être ordonnées. Exemple : Trois marques d'ampoules 100 watts diffèrent-elles par leur durée moyenne de fonctionnement ? A partir de l'analyse de variance d'ordre 1 de Kruskal-Wallis.523 Tests non paramétriques „ Exclure les observations test par test : Lorsque plusieurs tests sont indiqués. Le test du H de Kruskal-Wallis nécessite que les échantillons testés soient de forme similaire. Pour obtenir des renseignements complets sur la syntaxe. reportez-vous au manuel SPSS Command Syntax Reference. écart type. .

80 Khi-deux df Signification Asymptotique 1.524 Chapitre 34 Echantillon de résultat Figure 34-20 Résultat des Tests pour plusieurs échantillons indépendants Rangs Heures Marque Marque A Marque B Marque C Total Tests statistiques 1. sélectionnez : Analyse Tests non paramétriques K échantillons indépendants .2 Heures 25. Critère de regroupement qualitatif numérique : Marque Pour obtenir des tests pour plusieurs échantillons indépendants A partir du menu. Test de Kruskal-Wallis 2.50 5.061 2 .20 25.000 N 10 10 10 30 Rang Moyen 15.

détecte les différences de position et de forme des distributions. est l'équivalent non paramétrique de l'analyse de variance d'ordre 1 et détecte les différences dans la position de la distribution. le test de Jonckheere-Terpstra est plus puissant. extension du test du U de Mann-Whitney. le test de la Médiane et le test de Jonckheere-Terpstra testent tous si plusieurs échantillons indépendants proviennent de la même population. test plus général mais moins puissant. Tests pour Plusieurs Echantillons Indépendants : Types de tests Type de test : Trois tests permettent de déterminer si plusieurs échantillons indépendants proviennent de la même population. les k populations peuvent représenter k températures croissantes.525 Tests non paramétriques Figure 34-21 Boîte de dialogue Tests pour plusieurs échantillons indépendants E Sélectionnez une ou plusieurs variables numériques. Le test du H de Kruskal-Wallis. L'hypothèse selon laquelle différentes températures produisent la même distribution des réponses est . Le test du H de Kruskal-Wallis et le test de la médiane supposent qu'il n'existe aucun classement a priori des k populations à partir desquelles les échantillons sont tirés. Le test H de Kruskal-Wallis. Le test de la médiane. Par exemple. E Sélectionnez une variable de regroupement et cliquez sur Définir intervalle pour spécifier les valeurs entières minimale et maximale pour la variable de regroupement. Lorsqu'il existe un classement naturel a priori (ascendant ou descendant) des k populations.

l'hypothèse alternative est ordonnée . .526 Chapitre 34 testée contre l'hypothèse alternative selon laquelle l'accroissement de température fait augmenter la magnitude de la réponse. Ici. seules les valeurs entières comprises entre 1 et 3 seront utilisées. si vous spécifiez une valeur minimale de 1 et une valeur maximale de 3. le test de Jonckheere-Terpstra est donc le plus approprié. Tests pour Plusieurs Echantillons Indépendants : Définir l'Intervalle Figure 34-22 Boîte de dialogue Plusieurs échantillons indépendants : Définir l'intervalle Pour définir l'intervalle. entrez les valeurs entières minimale et maximale correspondant à la modalité la plus basse et à la plus haute de la variable de regroupement. et les deux valeurs doivent être spécifiées. Par exemple. La valeur minimale doit être inférieure à la valeur maximale. Les observations dont les valeurs se trouvent à l'extérieur des limites sont exclues. Le test de Jonckheere-Terpstra n'est disponible que si vous avez installé les Tests Exacts de SPSS.

et le nombre d'observations sans valeurs manquantes. reportez-vous au manuel SPSS Command Syntax Reference. „ Exclure les observations test par test : Lorsque plusieurs tests sont indiqués. ou bien les deux. Quartiles : Indique les valeurs correspondant au 25ème. le maximum. Valeurs manquantes : Contrôle le traitement des valeurs manquantes. Pour obtenir des renseignements complets sur la syntaxe. . „ „ Caractéristique : Indique la moyenne.527 Tests non paramétriques Options des Tests pour Plusieurs Echantillons Indépendants Figure 34-23 Boîte de dialogue Plusieurs échantillons indépendants : Options Statistiques : Vous pouvez choisir l'une des statistiques récapitulatives suivantes. l'écart type. Fonctionnalités supplémentaires de la commande NPAR TESTS (K échantillons indépendants) Le langage de commande SPSS vous permet aussi de : „ Spécifier une valeur différente de la médiane observée pour le test de la médiane (avec la sous-commande MEDIAN). „ Exclure toute observation incomplète : Les observations avec des valeurs manquantes pour l'une ou l'autre variable sont exclues de toutes les analyses. 50ème et 75ème centiles. le minimum. chaque test est effectué séparément selon le nombre des valeurs manquantes.

Hypothèses : Les tests non paramétriques ne nécessitent pas d'hypothèses sur la forme de la distribution sous-jacente. Tests pour plusieurs échantillons liés de considérations de données Données : Utilisez des variables numériques qui peuvent être ordonnées. Statistiques : Moyenne.528 Chapitre 34 Tests pour plusieurs échantillons liés La procédure de Tests pour Plusieurs Echantillons Liés compare les distributions de deux variables ou plus. aléatoires. Utilisez des échantillons dépendants. un officier de police et un enseignant ? On demande à dix personnes de classer ces quatre métiers par ordre de prestige. un avocat. écart type. minimum. nombre d'observations avec des valeurs non manquantes et quartiles. W de Kendall et Q de Cochran.50 2. Le test de Friedman indique que le public associe effectivement différents niveaux de prestige à ces quatre professions. maximum. Tests : Friedman.50 3. Exemple : Le public associe-t-il différents niveaux de prestige à un docteur.60 Médecin Homme de loi Policier Enseignant .40 2. Echantillon de résultat Figure 34-24 Résultat des Tests pour Plusieurs Echantillons Liés Rangs Rang Moyen 1.

sélectionnez : Analyse Tests non paramétriques K échantillons liés Figure 34-25 Boîte de dialogue Tests pour plusieurs échantillons liés E Sélectionnez deux variables numériques ou plus à tester.012 Pour obtenir des tests pour plusieurs échantillons liés A partir du menu. .529 Tests non paramétriques Tests statistiques N Khi-deux df Signification asymptotique 1.920 3 . Test de Friedman 1 10 10. Tests pour plusieurs échantillons liés de types de tests Type de test : Trois tests sont disponibles pour comparer les distributions de plusieurs variables liées.

la somme des rangs est calculée. Les variables sont mesurées sur le même individu ou sur des individus comparables.530 Chapitre 34 Le testdeFriedman est l'équivalent non paramétrique d'un plan de mesures répétées sur un échantillon ou d'une analyse de variance d'ordre 2 avec une observation par cellule. et le nombre d'observations sans valeurs manquantes. l'écart type. La statistique de test est basée sur ces classements. Chaque observation est un juge ou un indicateur. le maximum. et chaque variable est une personne ou un élément jugé. Le test de Friedman teste l'hypothèse nulle selon laquelle k variables liées proviennent de la même population. reportez-vous au manuel SPSS Command Syntax Reference. C'est une extension du test de McNemar à K échantillons. 50ème et 75ème centiles. Le Q de Cochran teste l'hypothèse nulle selon laquelle plusieurs variables dichotomiques liées ont la même moyenne. Fonctionnalités supplémentaires de la commande NPAR TESTS (K échantillons liés) Pour obtenir des renseignements complets sur la syntaxe. Pour chaque observation. Le test W de Kendall peut être interprété comme le coefficient de concordance. les variables k sont classées de 1 à k. Le W de Kendall se situe entre 0 (pas d'accord) et 1 (accord total). Le Q de Cochran est identique au test de Friedman mais s'applique lorsque toutes les réponses sont binaires. qui est une mesure de l'accord entre les évaluateurs. le minimum. Quartiles : Indique les valeurs correspondant au 25ème. Le test W de Kendall est une standardisation de la statistique de Friedman. Statistiques des tests pour plusieurs échantillons liés Figure 34-26 Boîte de dialogue Statistiques pour Plusieurs Echantillons Liés „ „ Caractéristique : Indique la moyenne. Pour chaque variable. .

sinon c'est le code 0 qui lui est affecté. car le passager peut entourer plus d'une réponse. le numéro de code 1 est affecté à la variable united. vous devez définir des vecteurs multiréponses. TWA. USAir et d'autres). Si le passager entoure United. Il s'agit de la méthode de codage de variables à dichotomie multiple. American Airlines veut savoir si ses passagers utilisent d'autres compagnies aériennes pour couvrir le trajet Chicago-New York et connaître l'importance relative des horaires et du service dans le choix d'une compagnie aérienne. Ceci peut être fait de deux manières. Avant d'utiliser l'une de ces procédures. L'une consiste à définir une variable correspondant à chaque choix possible (par exemple. vous vous apercevrez peut-être que personne n'a emprunté plus de trois compagnies 531 . Une compagnie aérienne est parfois amenée à interroger les passagers d'un trajet donné pour évaluer la concurrence. Exemple : Cet exemple illustre l'utilisation des éléments multiréponses dans une étude de marché. parce qu'une variable SPSS ne peut avoir qu'une valeur pour chaque cas. TWA. United. Cependant. La première question est la suivante : Entourez toutes les compagnies aériennes par lesquelles vous avez effectué au moins un vol dans les six derniers mois parmi American. La procédure Fréquences multiréponses affiche les tableaux de fréquences. où vous devez estimer le nombre maximal de réponses possibles à la question et définir le même nombre de variables. United. En utilisant un échantillon de questionnaires. La procédure des Tableaux croisés multiréponses affiche des tableaux croisés à deux ou trois dimensions. American. Il s'agit d'une question à réponses multiples. Vous devez utiliser plusieurs variables pour mapper les réponses à chaque question. Dans cet exemple. avec des codes correspondant à la compagnie aérienne empruntée.Analyse des réponses multiples 35 Chapitre Deux procédures sont proposées pour l'analyse des vecteurs comportant plusieurs variables dichotomiques ou plusieurs modalités. L'hôtesse distribue à chaque passager un court questionnaire lors de l'embarquement. cette question ne peut pas être codée directement. Ces données sont fictives et ne doivent pas être considérées comme réelles. L'autre méthode permettant de mapper les réponses est la méthode des modalités multiples. USAir et d'autres.

Les deux méthodes de codage sont possibles dans le cadre de cette enquête. Pour modifier un vecteur. vous finissez par vous retrouver avec 14 variables différentes. 5 = delta. sélectionnez-le dans la liste. Pour utiliser des variables dichotomiques. Définition de vecteurs multiréponses La procédure de définition de vecteurs multiréponses regroupe des variables itemaires dans des vecteurs de dichotomies ou de modalités. length et width. Cependant. A chaque vecteur multiréponses doit être attribué un nom unique de 7 caractères maximum. etc. la seconde le code 3. Qui plus est. Chaque variable ayant au moins une occurrence de la valeur comptée devient une modalité du vecteur de dichotomies multiples. Si un passager entoure American et TWA. Chaque vecteur doit avoir un nom unique. jdate. la première variable porte le code 1. Sélectionnez Modalités pour créer un vecteur de modalités multiples ayant le même intervalle de valeurs que les variables qui le composent. Vous pouvez définir jusqu'à 20 vecteurs multiréponses. Si vous utilisez la méthode des dichotomies multiples. et la troisième un code sans valeur. vous pouvez définir trois variables. et la troisième un code sans valeur. Entrez des nombres entiers pour le minimum et le maximum de l'intervalle des modalités du vecteur de modalités multiples. date. Vous pouvez coder vos variables itemaires sous forme de dichotomies ou de modalités. sélectionnez Variables dichotomiques afin de créer un vecteur de dichotomies multiples. time. Un autre passager a peut-être entouré American et ajouté Delta. 10 autres compagnies figurent dans la modalité Autre. codées comme suit : 1 = american. Les modalités vides ne sont pas tabulées. SPSS totalise chaque valeur entière contenue dans l'intervalle pour toutes les variables qui le composent. Ainsi. pour lesquels vous pouvez obtenir des tableaux de fréquences et des tableaux croisés. 4 = usair. La procédure ajoute un signe dollar ($) devant le nom que vous avez attribué. Entrez une valeur entière dans Valeur comptée. d'un autre côté. Vous ne pouvez pas faire référence . 3 = twa. Le nom du vecteur multiréponses doit uniquement être utilisé dans les procédures multiréponses. Les noms réservés suivants ne doivent pas être utilisés : casenum. la seconde le code 5. 2 = united. sélectionnez-le dans la liste des vecteurs multiréponses et cliquez sur Eliminer. vous vous rendrez compte que. la première variable porte le code 1. votre choix dépendra de la répartition des réponses. du fait de la déréglementation des compagnies aériennes.532 Chapitre 35 différentes pour ce trajet. A l'aide de la méthode multiréponses. sysmis. modifiez-en les caractéristiques et cliquez sur Changer. Pour éliminer un vecteur.

Si elles sont codées comme modalités.. E Cliquez sur Ajouter pour ajouter les vecteurs multiréponses à la liste des vecteurs définis. Figure 35-1 Boîte de dialogue Définition des vecteurs multiréponses E Sélectionnez deux ou plusieurs variables. Pour définir des vecteurs de réponses multiples E A partir du menu. vous pouvez entrer une étiquette de variable décrivant le vecteur multiréponses. E Entrez un nom unique pour chaque vecteur multiréponses. E Si vos variables sont codées comme dichotomies. sélectionnez : Analyse Réponses multiples Définir des groupes. Cette étiquette peut comporter jusqu'à 40 caractères. indiquez la valeur que vous souhaitez calculer. . A titre facultatif. définissez leur intervalle.533 Analyse des réponses multiples aux noms des vecteurs multiréponses dans les autres procédures..

les étiquettes des modalités proviennent des étiquettes de valeurs de la première variable du groupe. définissez une étiquette de valeurs pour les modalités manquantes. les noms de modalité apparaissant dans le résultat proviennent d'étiquettes de variable définies pour les variables itemaires du groupe. Si les modalités manquantes de la première variable sont présentes pour d'autres variables du groupe. une observation est considérée manquante pour un vecteur de dichotomies multiples si aucune de ses variables composantes ne contient de valeur comptée. Par défaut. Pour les vecteurs de dichotomies multiples. vous devez combiner les variables dans l'un des deux types de vecteurs multiréponses : vecteur de modalités multiples ou vecteur de dichotomies multiples. une observation est considérée manquante pour un vecteur de modalités multiples si aucune de ses composantes n'a de valeurs valides à l'intérieur de l'intervalle défini. Pour analyser un élément multiréponses. une compagnie aérienne vous demande la compagnie (American Airlines. Exemple : Chaque variable créée à partir d'une question de l'enquête est une variable élémentaire. Par exemple. sont inclus dans les tabulations du groupe si au moins une variable contient la valeur comptée. si dans une enquête. Ceci s'applique seulement aux vecteurs multiréponses définis comme vecteurs de dichotomies. les noms de variables servent d'étiquettes. Si les étiquettes de variable ne sont pas définies. Valeurs manquantes : Les cas de valeurs manquantes sont exclus tableau par tableau. Les cas de valeurs manquantes pour certaines variables. mais pas toutes. „ Exclure toute observation ayant une information incomplète à l'intérieur des modalités : Cela permet d'exclure les observations ayant des valeurs manquantes pour toute variable provenant du tableau croisé du vecteur des modalités multiples. United Airlines ou TWA) que vous avez empruntée au cours des six derniers mois.534 Chapitre 35 Tableaux de fréquences des réponses multiples La procédure Fréquences multiréponses produit des tableaux de fréquences pour les vecteurs multiréponses. Ceci s'applique seulement aux vecteurs multiréponses définis comme des vecteurs de modalités. Vous devez d'abord définir un ou plusieurs vecteurs multiréponses (voir « Définir les vecteurs multiréponses »). si vous utilisez des . Pour les vecteurs de modalités multiples. Par défaut. Vous pouvez donc choisir l'une ou les deux solutions suivantes : „ Exclure les observations ayant une information incomplète à l'intérieur des dichotomies : Ceci permet d'exclure les observations ayant des valeurs manquantes pour toute variable issue du tableau croisé du vecteur de dichotomies multiples.

Hypothèses : Les effectifs et pourcentages représentent une description utile des données de n'importe quelle distribution. chacune des trois variables du vecteur devient une modalité de la variable de regroupement. Les effectifs et les pourcentages correspondant aux trois compagnies aériennes s'affichent dans un tableau de fréquences. Si vous découvrez qu'aucun des répondants n'a mentionné plus de deux compagnies. chacune ayant trois codes. les valeurs sont tabulées et les mêmes codes sont ajoutés dans toutes les variables élémentaires. et le nombre de cas manquants. Gestion des données des fréquences de réponses multiples Données : Utilisez des vecteurs multiréponses. des pourcentages de réponses. Statistiques : Tableaux de fréquences contenant des effectifs. Procédures apparentées : La procédure Définir Vecteurs multiréponses vous permet de définir des vecteurs multiréponses. Les effectifs et les pourcentages correspondant aux trois compagnies aériennes s'affichent dans un tableau de fréquences. des pourcentages de cas. un par compagnie aérienne. Par exemple. 30 réponses pour United représentent la somme des cinq réponses United pour la compagnie aérienne 1 et des 25 réponses United pour la compagnie 2. vous pouvez créer deux variables. . Le vecteur de valeurs résultant est le même que pour chacune des variables itemaires.535 Analyse des réponses multiples variables dichotomiques et avez défini un vecteur de dichotomies multiples. Si vous définissez un vecteur de modalités multiples. le nombre de cas valables.

..536 Chapitre 35 Echantillon de résultat Figure 35-2 Résultat de la méthode des fréquences de réponses multiples Pour obtenir des tableaux de fréquences de réponses multiples E A partir du menu. . Figure 35-3 Boîte de dialogue Fréquences de réponses multiples E Sélectionnez un ou plusieurs vecteurs multiréponses. sélectionnez : Analyse Réponses multiples Fréquences.

par tableaux croisés. colonne. Exemple : Les vecteurs de dichotomies multiples et les vecteurs de modalités multiples peuvent être croisés avec d'autres variables dans cette procédure. et avec les pourcentages ligne. Si les étiquettes de variable ne sont pas définies.537 Analyse des réponses multiples Tableaux croisés des réponses multiples La procédure Tableaux croisés de réponses multiples classe. vous pouvez inverser les éléments lignes et les éléments colonnes ou redéfinir les étiquettes. Statistiques : Tableau croisé avec cellule. Les pourcentages cellule peuvent être basés sur les observations ou les réponses. ligne. colonne. des variables itemaires ou une combinaison. modifier la gestion des valeurs manquantes ou obtenir des tableaux croisés appariés. . avec jusqu'à huit caractères par ligne. Pour les vecteurs de dichotomies multiples. Vous devez d'abord définir un ou plusieurs vecteurs multiréponses (veuillez consulter « Pour Définir des vecteurs multiréponses »). et effectif total. et après les avoir combinées dans un vecteur. les noms de modalité apparaissant dans le résultat proviennent d'étiquettes de variable définies pour les variables itemaires du groupe. vous pouvez croiser les choix de compagnie aérienne déclarés avec la question relative au service ou aux horaires. Vous pouvez également obtenir des pourcentages de cellules basés sur des observations ou des réponses. Si les modalités manquantes de la première variable sont présentes pour d'autres variables du groupe. TWA). Après avoir saisi les données en tant que dichotomies ou modalités multiples. Pour éviter de scinder les mots. les noms de variables servent d'étiquettes. et effectif total. Est-il plus important de privilégier l'horaire ou le service ? Choisissez une seule réponse. voici ce qui leur a été demandé : Parmi les compagnies aériennes suivantes. entourez toutes celles avec lesquelles vous avez voyagé au moins une fois durant les six derniers mois (American. United. SPSS affiche les étiquettes de modalité des colonnes sur trois lignes. des vecteurs multiréponses définis. Dans le cadre d'une enquête menée auprès de passagers de compagnies aériennes. Pour les vecteurs de modalités multiples. les étiquettes des modalités proviennent des étiquettes de valeurs de la première variable du groupe. définissez une étiquette de valeurs pour les modalités manquantes.

Procédures apparentées : La procédure Définir Vecteurs multiréponses vous permet de définir des vecteurs multiréponses.538 Chapitre 35 Remarques sur les Données de Tableaux croisés de réponses multiples Données : Utilisez des vecteurs multiréponses ou des variables qualitatives numériques. Hypothèses : Les effectifs et pourcentages offrent une description utile des données qui suivent tout type de distribution. Echantillon de résultat Figure 35-4 Résultat Tableaux croisés de réponses multiples .

Sinon. Sélectionnez un ou plusieurs éléments pour la liste de strate(s).. sélectionnez : Analyse Réponses multiples Tableaux croisés. vous pouvez obtenir un tableau croisé bilatéral pour chaque modalité de variable de contrôle ou chaque vecteur multiréponses. . E Définissez l'intervalle de chaque variable itemaire.539 Analyse des réponses multiples Pour obtenir des tableaux croisés des réponses multiples E A partir du menu. Figure 35-5 Boîte de dialogue Tableaux Croisés de réponses multiples E Sélectionnez une ou plusieurs variables numériques ou vecteurs multiréponses pour chaque dimension de tableau croisé..

Les valeurs se situant à l'intérieur de l'intervalle inclusif sont supposées être des nombres entiers (les nombres non entiers sont tronqués).540 Chapitre 35 Définir Intervalles Tableaux croisés De réponses multiples Figure 35-6 Définir boîte de dialogue Intervalle Variables Tableaux croisés de réponses multiples Les intervalles des valeurs doivent être définis pour toute variable itemaire de tableaux croisés. Vous pouvez choisir d'afficher les pourcentages lignes. les pourcentages colonnes. Options Tableaux croisés de réponses multiples Figure 35-7 Boîte de dialogue Options Tableaux croisés de réponses multiples Pourcentages de cellule : Les effectifs des cellules sont toujours affichés. Entrez les valeurs entières de modalités minimum et maximum que vous souhaitez tabuler. Les modalités se situant en dehors de l'intervalle sont exclues de l'analyse. . et les pourcentages tableau bilatéral (total).

Si vous sélectionnez cette option. le nombre de réponses est égal au nombre de valeurs comptées à travers les observations. lorsque vous croisez deux vecteurs de modalités multiples. Pour les vecteurs de modalités multiples. Vous pouvez aussi baser les pourcentages cellules sur les réponses. certaines réponses peuvent apparaître plus d'une fois dans un tableau. Valeurs manquantes : Vous avez le choix entre les deux options suivantes : „ Exclure les observations ayant une information incomplète à l'intérieur des dichotomies : Ceci permet d'exclure les observations ayant des valeurs manquantes pour toute variable issue du tableau croisé du vecteur de dichotomies multiples. . Pour les vecteurs de dichotomies multiples. le nombre de réponses correspond au nombre de valeurs comprises dans l'intervalle défini. Ceci s'applique seulement aux vecteurs multiréponses définis comme vecteurs de dichotomies. Par défaut. Par défaut. etc. une observation est considérée manquante pour un vecteur de modalités multiples si aucune de ses composantes n'a de valeurs valides à l'intérieur de l'intervalle défini. „ Exclure toute observation ayant une information incomplète à l'intérieur des modalités : Cela permet d'exclure les observations ayant des valeurs manquantes pour toute variable provenant du tableau croisé du vecteur des modalités multiples. SPSS tabule chaque variable du premier groupe avec chaque variable du second groupe et additionne les effectifs de chaque cellule. Les observations ayant des valeurs manquantes pour certaines. SPSS base les pourcentages cellules sur les réponses plutôt que sur les répondants. Ceci n'est pas possible si vous sélectionnez la fonction qui permet d'apparier les variables entre les vecteurs de modalités multiples. Ceci s'applique seulement aux vecteurs multiréponses définis comme des vecteurs de modalités. les variables sont incluses dans les tableaux croisés du groupe si au moins une variable contient la valeur comptée. On ne peut apparier les vecteurs de dichotomies multiples ou les variables itemaires. Par défaut. Vous pouvez choisir l'option suivante : Apparier les variables entre les vecteurs réponses : Cela permet d'apparier la première variable du premier groupe avec la première variable du second groupe. Par conséquent. une observation est considérée manquante pour un vecteur de dichotomies multiples si aucune de ses variables composantes ne contient de valeur comptée.541 Analyse des réponses multiples Pourcentages basés sur : Vous pouvez baser les pourcentages cellules sur les observations (ou répondants). mais pas toutes.

542 Chapitre 35 Fonctionnalités supplémentaires de la commande MULT RESPONSE Le langage de commande SPSS vous permet aussi de : „ „ Obtenir des tableaux croisés ayant jusqu'à cinq dimensions (avec la sous-commande BY). Modifier les options de formatage du résultat. y compris la suppression des étiquettes de valeurs (avec la sous-commande FORMAT). Pour obtenir des renseignements complets sur la syntaxe. . reportez-vous au manuel SPSS Command Syntax Reference.

avec ou sans statistiques récapitulatives. Vous pourriez générer un tableau de bord fournissant les informations individuelles sur les employés (liste) divisées par magasin et par division (critères d'agrégation). et les statistiques de sous-population à l'aide de la procédure Moyennes. Chacune de ces procédures utilise un format destiné à rendre les informations claires. Les listes d'observations sont également disponibles. l'ancienneté. Tableaux de bord en lignes Tableaux de bord en lignes produit des tableaux de bord dans lesquels différentes statistiques récapitulatives sont disposées en lignes. le magasin et le service où chaque employé travaille.Tableaux de Résultats 36 Chapitre Les listes d'observations et les statistiques descriptives sont des outils de base permettant d'étudier et de présenter des données. avec les statistiques récapitulatives (par exemple. Si vous souhaitez afficher les informations dans un format différent. les procédures Tableaux de bord en lignes et Tableaux de bord en colonnes vous permettent de contrôler la présentation des données. 543 . les effectifs de fréquence et les statistiques descriptives à l'aide de la procédure Fréquences. salaire moyen) pour chaque magasin. division et par division dans chaque magasin. Variables en colonnes : Donne la liste des variables de tableau pour lesquelles vous voulez obtenir des listes d'observations ou des statistiques récapitulatives. et contrôle le format d'affichage des Variables en colonnes. Exemple : Une société possédant une chaîne de magasins conserve des dossiers sur les employés comprenant le salaire. Vous pouvez obtenir les listes d'observations à l'aide de l'éditeur de Données ou de la procédure Récapituler.

Pour les critères d'agrégation multiples. il y aura un groupe séparé pour chaque modalité de chaque critère d'agrégation à l'intérieur des modalités du critère d'agrégation précédent dans la liste. Cette option est particulièrement utile après avoir vu un aperçu du tableau. .544 Chapitre 36 Variables de ventilation : Donne la liste des critères d'agrégation optionnels qui divisent le tableau de bord en groupes et contrôle les statistiques récapitulatives et les formats d'affichage des colonnes de ventilation. Cette option est utile pour avoir un aperçu du format de votre tableau sans traiter le tableau entier. vous pouvez gagner du temps de traitement en sélectionnant cette option. Les critères d'agrégation doivent être des variables qualitatives discrètes qui divisent les observations en un nombre limité de modalités significatives. La liste produite peut être nettement plus longue qu'un tableau de bord. Tableau de bord : Contrôle les caractéristiques globales du tableau de bord. dans une colonne séparée à gauche des Variables en colonnes. le fichier de données doit être trié par valeur des critères d'agrégation avant de générer le tableau de bord. triées. la numérotation des pages et les titres. l'affichage des valeurs manquantes. Afficher les observations : Affiche les valeurs réelles (ou les étiquettes de valeurs) des variables de Variables en colonnes pour chaque observation. y compris les statistiques récapitulatives globales. Les données sont déjà triées : Pour les rapports avec critères d'agrégation. Si votre fichier de données est déjà trié par valeur des critères d'agrégation. Aperçu : N'affiche que la première page du tableau de bord. Les valeurs individuelles de chaque critère d'agrégation apparaissent.

92 4.00 5.900 $10.92 3.00 27.08 4.17 2.83 3.500 3.67 38.690 $10.200 35.00 33.50 30. .50 3.000 $8.000 $10.67 26.975 $18.00 4.17 22.08 2.Annuel __________ _____ _______ ______ ______________ Division dans Age Revêtements de sol 27.000 $10.67 3.67 3.000 $15.00 4.42 Moyenne 31.00 34.00 3.17 42.754 $8.04 Appareils ménagers 21.508 Pour obtenir un rapport récapitulatif : Récapitulatifs en lignes E A partir du menu.000 $7.33 3.25 $10.08 2. sélectionnez le critère d'agrégation dans la liste et cliquez sur Tableau récapitulatif dans le groupe Variables de ventilation pour spécifier les mesures récapitulatives.17 3.08 3.00 44.25 30.520 $19.92 2.75 4.545 Tableaux de Résultats Echantillon de résultat Figure 36-1 Tableau de bord combiné avec listes d'observations et statistiques récapitulatives Ancienneté Ancienneté dans Société Niveau Salaire -.00 3.500 $28. sélectionnez : Analyse Rapports Tableaux de bord en lignes.92 3.00 3.900 $15.00 2.11 3.900 $8.00 5.31 $11..00 3. sélectionnez une ou plusieurs variables pour les critères d'agrégation.92 3.000 $15.33 Moyenne 30.25 4.700 $9.92 2.00 6.33 2.08 23.00 2.335 $10.81 $12.83 3. E Sélectionnez une ou plusieurs variables pour les variables en colonnes.67 2.75 4.54 24.00 2.00 33.00 6.00 3.000 $9.67 2.50 6. E Pour les tableaux triés et affichés par sous-groupe.00 32.67 2.42 5.00 3.00 33.900 $10. E Pour les tableaux avec statistiques récapitulatives de sous-groupe définies par des critères d'agrégation.00 4.50 $8.00 35.300 3.00 36. Une colonne est générée dans le tableau de bord pour chaque variable sélectionnée.08 24..300 $8.

Format colonne de données contrôle le format des Variables en colonnes du côté droit de la page du tableau de bord. Figure 36-2 Boîte de dialogue Tableaux de bord en lignes Format des Colonnes de données/Ventilations des Tableaux de bord Les boîtes de dialogue Format contrôlent les titres et largeurs des colonnes. . cliquez sur Fonction dans le groupe Tableau pour spécifier les mesures récapitulatives. l'alignement du texte et l'affichage des valeurs de données ou des étiquettes de valeurs. Format colonne de ventilation contrôle le format des Colonnes de ventilation du côté gauche.546 Chapitre 36 E Pour les tableaux avec statistiques récapitulatives globales.

Les valeurs de données sont affichées pour toutes les valeurs qui ne possèdent pas d'étiquette de valeur définie. contrôle l'alignement des valeurs de données ou des étiquettes de données dans la colonne. contrôle le titre de la colonne. (Non disponible pour les Variables en colonnes dans les Tableaux de bord en colonnes) . Contenu de la colonne : Pour la variable sélectionnée. Vous pouvez soit indenter le contenu de la colonne d'un nombre de caractères donné. soit centrer le contenu de la colonne. soit des étiquettes de valeurs définies. Utilisez la touche Entrée pour insérer manuellement des sauts de lignes aux endroits où vous voulez ajuster les titres.547 Tableaux de Résultats Figure 36-3 Boîte de dialogue Tableau de bord : Format colonne de données Titre de la colonne : Pour la variable sélectionnée. Les titres longs sont automatiquement ajustés dans la colonne. contrôle l'affichage soit des valeurs de données. Position des valeurs dans la colonne : Pour la variable sélectionnée. L'alignement des valeurs ou des étiquettes n'affecte pas l'alignement des titres de colonnes.

le nombre d'observations (effectif). le pourcentage d'observations situées au-dessus ou en dessous d'une valeur spécifiée. la valeur maximale. Fonctions récapitulatives Finales contrôle les statistiques globales affichées à la fin du tableau de bord. L'option Fonctions récapitulatives contrôle les statistiques de sous-groupe pour chaque modalité définie par les critères d'agrégation. . la valeur minimale. Options de Ventilation de Tableau de Bord Options de Ventilation contrôle l'espacement et la pagination des informations de modalité de ventilation. Figure 36-4 Boîte de dialogue Tableau de bord : Fonction récapitulative Les statistiques récapitulatives disponibles sont la somme des valeurs. la variance et l'asymétrie. le pourcentage d'observations compris à l'intérieur d'un intervalle donné de valeurs.548 Chapitre 36 Fonctions récapitulatives des Tableaux pour/Fonctions récapitulatives Finales Les deux boîtes de dialogue Fonctions récapitulatives contrôlent l'affichage des statistiques récapitulatives pour les agrégats et pour l'ensemble du tableau de bord. l'aplatissement. la moyenne des valeurs. l'écart type.

Lignes à sauter avant fonctions élémentaires : Contrôle le nombre de lignes vides entre les étiquettes ou les données des modalités de ventilation et les statistiques récapitulatives. Cette option est particulièrement utile pour les tableaux de bords combinés incluant des listes d'observations individuelles et des statistiques récapitulatives pour les modalités de ventilation . dans ces tableaux. vous pouvez insérer des espaces entre les listes d'observations et les statistiques récapitulatives. Options du Tableau de bord Options du Tableau de bord contrôle le traitement et l'affichage des valeurs manquantes et la numérotation des pages du tableau de bord.549 Tableaux de Résultats Figure 36-5 Boîte de dialogue Options de Ventilation des Tableaux de bord Gestion des pages : Contrôle l'espacement et la pagination des modalités du critère d'agrégation sélectionné. Vous pouvez spécifier un nombre de lignes vides entre les modalités de ventilation ou commencer chaque modalité de ventilation sur une nouvelle page. .

Présentation du Tableau de bord Présentation du Tableau de bord contrôle la largeur et la longueur de chaque page du tableau de bord. Paginer à partir de : Vous permet de spécifier un numéro pour la première page du tableau de bord.. . Exclure les observations avec des valeurs manquantes : Elimine (du tableau de bord) toute observation avec des valeurs manquantes pour l'une des variables du tableau de bord. Ce symbole ne peut comporter qu'un seul caractère et sert à représenter les valeurs Manquante par défaut et Spécifiée par l'utilisateur. Représentation des valeurs manquantes : Vous permet de spécifier le symbole représentant les valeurs manquantes dans le fichier de données.. l'emplacement du tableau sur la page et l'insertion de lignes vides et d'étiquettes.550 Chapitre 36 Figure 36-6 Boîte de dialogue Tableau de bord : Options colonne de ventilation .

et l'alignement vertical des titres de colonnes. Placer tous les critères d'agrégation dans la première colonne produit un tableau de bord plus étroit. y compris le soulignement des titres. La première ligne des informations de Variables en colonnes peut commencer soit sur la . Si des critères d'agrégation multiples sont spécifiés. Variables de ventilation : Contrôle l'affichage des colonnes de ventilation. Titres et bas de page : Contrôle le nombre de lignes séparant les titres et les pieds de page du corps du tableau de bord.551 Tableaux de Résultats Figure 36-7 Boîte de dialogue Tableau : Présentation Mise en page : Contrôle les marges de page exprimées en lignes (haut et bas) et en caractères (gauche et droite). ils peuvent être affichés en colonnes séparées ou dans la première colonne. Titres des colonnes : Contrôle l'affichage des titres de colonnes. l'espacement entre les titres et le corps du tableau. et reporte l'alignement à l'intérieur des marges. Position var/étiquettes de ventilation : Contrôle l'emplacement des informations de Variables en colonnes (valeurs de données et/ou statistiques récapitulatives) par rapport aux étiquettes de ventilation au début de chaque modalité de ventilation.

Dans les pieds de page. Figure 36-8 Boîte de dialogue Tableau : Titres Si vous insérez des variables dans les titres ou les pieds de page. (Non disponible pour les Tableaux de bord en colonnes) Titres du Tableau de bord Titres du Tableau de bord contrôle le contenu et l'emplacement des titres et pieds de page du tableau de bord. l'étiquette de valeur actuelle ou la valeur de la variable est affichée dans le titre ou le pied de page.552 Chapitre 36 même ligne que l'étiquette de modalité de ventilation. Vous pouvez spécifier jusqu'à dix lignes de titre et jusqu'à dix lignes de pieds de page. avec des composants justifiés à gauche. soit un nombre donné de lignes après cette étiquette. l'étiquette de valeur correspondant à la valeur de la variable à la fin de la page est affichée. Dans les titres. la valeur réelle est affichée. . S'il n'y a aucune étiquette de valeur. l'étiquette de valeur correspondant à la valeur de la variable au début de la page est affichée. centrés et justifiés à droite sur chaque ligne.

Variables de ventilation : Fournit la liste des critères d'agrégation optionnels qui divisent le tableau de bord en groupes et contrôle les formats d'affichage des colonnes de ventilation. y compris l'affichage des valeurs manquantes. Aperçu : N'affiche que la première page du tableau de bord. Vous pourriez générer un tableau de bord fournissant des statistiques récapitulatives sur les salaires (par exemple moyenne. Variables en colonnes : Fournit la liste des variables du tableau de bord pour lesquelles vous voulez des statistiques récapitulatives et contrôle le format d'affichage et les statistiques récapitulatives affichées pour chaque variable. . Les données sont déjà triées : Pour les rapports avec critères d'agrégation. Cette option est utile pour avoir un aperçu du format de votre tableau sans traiter le tableau entier. Exemple : Une société possédant une chaîne de magasins conserve des dossiers sur les employés comprenant le salaire. Tableau de bord : Contrôle les caractéristiques globales du tableau de bord. Si votre fichier de données est déjà trié par valeur des critères d'agrégation.553 Tableaux de Résultats Variables spéciales : Les variables spéciales DATE et PAGE vous permettent d'insérer la date actuelle ou le numéro de page dans l'une des lignes d'un en-tête ou d'un pied de page. le fichier de données doit être trié par valeur des critères d'agrégation avant de générer le tableau de bord. Les critères d'agrégation doivent être des variables qualitatives discrètes qui divisent les observations en un nombre limité de modalités significatives. maximum) pour chaque division. Tableaux de bord en colonnes Tableaux de bord en colonnes produit des tableaux de bord dans lesquels différentes statistiques récapitulatives apparaissent en colonnes séparées. Pour les critères d'agrégation multiples. la numérotation des pages et les titres. minimum. l'ancienneté et le service où chaque employé travaille. vous pouvez gagner du temps de traitement en sélectionnant cette option. il y aura un groupe séparé pour chaque modalité de chaque critère d'agrégation à l'intérieur des modalités du critère d'agrégation précédent dans la liste. vous ne pouvez pas utiliser ces variables dans les titres ou les pieds de page des tableaux. Si votre fichier de données contient des variables nommées DATE ou PAGE. Cette option est particulièrement utile après avoir vu un aperçu du tableau.

11 Meubles Matériel 36.200 $19. E Pour les tableaux triés et affichés par sous-groupe. sélectionnez : Analyse Rapports Tableaux de bord en colonnes E Sélectionnez une ou plusieurs variables pour les variables en colonnes. E Pour modifier la mesure récapitulative d'une variable. sélectionnez une ou plusieurs variables pour les critères d'agrégation.87 $13.255 $8.20 $17. Une variable appelée total est alors placée dans la liste Variables en colonnes.975 $17. E Pour obtenir plus d'une mesure récapitulative pour une variable.554 Chapitre 36 Echantillon de résultat Figure 36-9 Tableau de bord avec statistiques récapitulatives en colonnes Division Moyenne Salaire Salaire Salaire Age moyen annuel annuel annuel Minimum Maximum __________ ________ ________ ________ ________ Revêtements de sol 30.754 $9. la moyenne.050 36. E Pour afficher une colonne contenant la somme. Une colonne est générée dans le tableau de bord pour chaque variable sélectionnée. une fois pour chaque mesure récapitulative que vous souhaitez. sélectionnez la variable dans la liste Variables en colonnes et cliquez sur Fonction. cliquez sur Insérer le total. le rapport ou une autre fonction de colonnes existantes.500 $28.580 $7.508 $7.500 Pour obtenir un rapport récapitulatif : Récapitulatifs en colonnes E A partir du menu.500 $12. sélectionnez la variable dans la liste source et déplacez-la dans la liste Variables en colonnes plusieurs fois. .450 $22.75 $11.300 Appareils ménagers 31.

Figure 36-11 Boîte de dialogue Tableau de bord : Fonction récapitulative .555 Tableaux de Résultats Figure 36-10 Boîte de dialogue Tableaux de bord en colonnes Fonction récapitulative des Colonnes de données Fonctions récapitulatives contrôle les statistiques récapitulatives affichées pour la variable de colonne de données sélectionnée.

la moyenne des colonnes. l'aplatissement et l'asymétrie. la différence entre les valeurs de deux colonnes. la moyenne. Minimum des colonnes : La colonne total représente la somme minimale des colonnes de la liste Variables à récapituler. le pourcentage d'observations situées au-dessus ou en dessous d'une valeur spécifiée. . la variance. Moyenne des colonnes : La colonne total représente la moyenne des colonnes de la liste Variables à récapituler. le maximum. le quotient des valeurs d'une colonne divisées par les valeurs d'une autre colonne et le produit des valeurs de colonnes multipliées. Maximum des colonnes : La colonne total représente la somme maximale des colonnes de la liste Variables à récapituler.556 Chapitre 36 Les statistiques récapitulatives disponibles sont la somme. le nombre d'observations. le minimum. Les statistiques récapitulatives totales sont la somme des colonnes. le pourcentage d'observations à l'intérieur d'un intervalle donné de valeurs. le minimum. le maximum. l'écart type. Fonction élémentaire des Colonnes de Données pour colonne de total Variables à récapituler contrôle les statistiques récapitulatives totales qui récapitulent deux ou plusieurs Variables en colonnes. Figure 36-12 Boîte de dialogue Tableau de bord : Colonnes Somme des colonnes : La colonne total représente la somme des colonnes de la liste Variables à récapituler.

1ère colonne / 2ème colonne : La colonne total représente le quotient des colonnes de la liste Variables à récapituler. Format des Colonnes du Tableau de bord Les options de format des Variables en colonnes et de ventilation pour les Tableaux de bord en colonnes sont identiques à celles décrites pour les Tableaux de bord en lignes. La liste Variables à récapituler doit contenir exactement deux colonnes. La liste Variables à récapituler doit contenir exactement deux colonnes. Figure 36-13 Boîte de dialogue Options de Ventilation des Tableaux de bord . Produit des colonnes : La colonne total représente le produit des colonnes de la liste Variables à récapituler. l'espacement et la pagination des modalités de ventilation.557 Tableaux de Résultats 1ère colonne – 2ème colonne : La colonne total représente la différence des colonnes de la liste Variables à récapituler. La liste Variables à récapituler doit contenir exactement deux colonnes. Tableaux de bord en Colonnes : Options de Ventilation Options de Ventilation contrôle l'affichage des sous-totaux. % 1ère colonne / 2ème colonne : La colonne total représente le pourcentage de la première colonne par rapport à la seconde colonne de la liste Variables à récapituler.

Total général : Affiche et étiquette un total général pour chaque colonne .. l'affichage des valeurs manquantes et la pagination dans les Tableaux de bord en colonnes. Présentation du Tableau de bord en Colonnes Les options de présentation pour les Tableaux de bord en colonnes sont identiques à celles présentées pour les Tableaux de bord en lignes. Gestion des pages : Contrôle l'espacement et la pagination des modalités du critère d'agrégation sélectionné. Exclure les observations avec des valeurs manquantes : Vous pouvez exclure les valeurs manquantes du tableau ou sélectionner un caractère unique indiquant les valeurs manquantes dans le tableau de bord. affiché au bas de la colonne. Vous pouvez spécifier un nombre de lignes vides entre les modalités de ventilation ou commencer chaque modalité de ventilation sur une nouvelle page.. Figure 36-14 Boîte de dialogue Tableau de bord : Options colonne de ventilation . Lignes à sauter avant sous-total : Contrôle le nombre de lignes vides entre les données des modalités de ventilation et les sous-totaux. . Options des Tableaux de bord en Colonnes Options contrôle l'affichage des totaux généraux.558 Chapitre 36 Sous-total : Contrôle l'affichage des sous-totaux pour les modalités de ventilation.

559 Tableaux de Résultats

Fonctionnalités supplémentaires de la commande REPORT
Le langage de commande SPSS vous permet aussi de :
„ „

Afficher différentes fonctions récapitulatives dans les colonnes d'une ligne de fonction unique. Insérer des fonctions récapitulatives dans les Variables en colonnes pour des variables autres que la variable de la colonne de données, ou pour diverses combinaisons (fonctions composites) de fonctions récapitulatives. récapitulatives.

„ Utiliser la Médiane, le Mode, la Fréquence et le Pourcentage comme des fonctions „ „ „

Contrôler plus précisément le format d'affichage des statistiques récapitulatives. Insérer des lignes vides à divers emplacements du tableau de bord. Insérer des lignes vides toutes les n observations dans les listes.

Du fait de la complexité de la syntaxe de la commande REPORT, vous trouverez peut-être utile, lorsque vous construirez un nouveau tableau de bord avec syntaxe, d'approcher le tableau généré à partir des boîtes de dialogue, de copier et coller la syntaxe correspondante, puis de préciser cette syntaxe afin d'obtenir le tableau de bord exact que vous souhaitez. Pour obtenir des renseignements complets sur la syntaxe, reportez-vous au manuel SPSS Command Syntax Reference.

Analyse de fiabilité

37

Chapitre

L'analyse de fiabilité vous permet d'étudier les propriétés des échelles de mesure et des éléments qui les constituent. La procédure d'analyse de fiabilité calcule plusieurs mesures fréquemment utilisées de la fiabilité de l'échelle et propose également des informations sur les relations entre les différents éléments de l'échelle. Les coefficients de corrélation intra-classe peuvent être utilisés pour calculer les estimations de fiabilité inter-coefficients.
Exemple : Mon questionnaire mesure-t-il de façon fidèle la satisfaction de la clientèle

? L'analyse de la fiabilité vous permet de déterminer dans quelle mesure les éléments de votre questionnaire sont liés les uns aux autres et vous procure un indice général de la consistance ou de la cohérence interne de l'échelle dans son ensemble. Elle vous permet enfin d'identifier les éléments qui posent problème et qu'il faudrait exclure de l'échelle.
Statistiques : Descriptions de chaque variable et pour l'échelle, statistiques

récapitulatives sur les éléments, corrélations et covariances entre éléments, prévisions de fiabilité, tableau d'ANOVA, coefficients de corrélation intra-classe, T2 d'Hotelling et test d'additivité de Tukey.
Modèles : Les modèles suivants de fiabilité sont disponibles :
„ „ „

Alpha (Cronbach) : Il s'agit d'un modèle de cohérence interne, fondé sur la

corrélation moyenne entre éléments.
Split-half : Ce modèle fractionne l'échelle en deux et examine la corrélation

entre les deux parties.
Guttman : Ce modèle calcule les limites minimales de Guttman pour une fiabilité

vraie.

561

562 Chapitre 37 „ „

Parallèle : Ce modèle part de l'hypothèse que tous les éléments ont des variances

égales et des variances d'erreur égales en cas de réplication.
Parallèle strict : Ce modèle se fonde sur les mêmes hypothèses que le modèle

parallèle mais envisage également que tous les éléments ont la même moyenne.

Remarques sur les données de l'analyse de fiabilité
Données : Les données peuvent être dichotomiques, ordinales ou constituer des

intervalles, mais elles doivent être codées en numérique.
Hypothèses : Les observations doivent être indépendantes, les erreurs ne doivent pas

être corrélées entre éléments. Chaque paire d'éléments doit avoir une distribution gaussienne bivariée. Les échelles doivent être additives, de sorte que chaque élément est linéairement relié au total.
Procédures apparentées : Si vous souhaitez explorer la dimensionnalité des éléments

de votre échelle (pour voir si plusieurs éléments de base sont nécessaires au modèle des calculs), utilisez Analyse factorielle ou Positionnement multidimensionnel. Pour identifier des groupes homogènes de variables, vous pouvez vous servir de la classification hiérarchique pour classer les variables.

Echantillon de résultat
Figure 37-1 Résultat de fiabilité
Moyenne 1. 2. 3. 4. Aucune Ennui Critiques Collègues .4868 .5022 .5033 .5287 Ecart-type Observations .5001 .5003 .5003 .4995 906.0 906.0 906.0 906.0

563 Analyse de fiabilité

Matrice de corrélation Aucune Aucune Ennui Critiques Collègues 1.0000 .8150 .8128 .7823 Ennui 1.0000 .8256 .8068 Critiques Collègues

1.0000 .8045

1.0000

Coefficients de fiabilité Alpha = .9439

4 items Alpha d'item standardisé = .9439

Obtenir une analyse de fiabilité
E A partir du menu, sélectionnez : Analyse Echelle Analyse de la fiabilité... Figure 37-2 Boîte de dialogue Analyse d'items

E Sélectionnez deux variables (éléments) au moins en tant que composants potentiels

d'une échelle additive.
E Sélectionnez un modèle dans la liste déroulante Modèle.

564 Chapitre 37

Statistiques de l'analyse de fiabilité
Figure 37-3 Boîte de dialogue Analyse d'items : Statistiques

Vous pouvez sélectionner les différentes statistiques décrivant votre échelle et vos éléments. Les statistiques émises par défaut regroupent le nombre d'observations, le nombre d'éléments et les prévisions de fiabilité de la façon suivante :
„ „

Modèles alpha : Coefficient alpha. Pour les données dichotomiques, il s'agit d'un équivalent du coefficient Kuder-Richardson 20 (KR20). Modèles Split-half : Corrélation entre les sous-échelles, fiabilité Split-half de Guttman, fiabilité de Spearman-Brown (longueur égale ou inégale) et coefficient alpha pour chaque moitié. Modèles de Guttman : Coefficients de fiabilité lambda 1 à lambda 6. Modèles parallèle et parallèle strict: test de fiabilité du modèle, estimation de la variance de l'erreur, variance commune et réelle, estimation de la corrélation commune entre éléments, estimation de la fiabilité et estimation de la fiabilité non biaisée.

„ „

565 Analyse de fiabilité

Caractéristiques pour : Produit des statistiques descriptives pour les échelles ou les éléments sur les observations. Les options disponibles sont Item, Echelle et Echelle sans l'item.
„

Echelle sans l'item : Affiche les statistiques récapitulatives en comparant chaque

item à l'échelle composée des autres items. Les statistiques incluent la moyenne et la variance de l'échelle si l'item a été supprimé de l'échelle, la corrélation entre l'item et l'échelle composée des autres items, et l'alpha de Cronbach si l'item a été supprimé de l'échelle.
Principales statistiques : Fournit des statistiques descriptives de la distribution des

éléments sur l'ensemble des éléments dans l'échelle. Les options disponibles sont Moyennes, Variances, Covariances et Corrélations.
„

Moyennes : Statistiques récapitulatives pour les moyennes d'élément. Les

moyennes d'élément minimale, maximale et intermédiaire sont affichées, ainsi que le rapport de la moyenne maximale à la moyenne minimale.
„

Variances : Statistique récapitulative des variances d'élément. Les valeurs de

variance maximale, minimale et moyenne sont affichées, ainsi que la plage et la variance des variances d'élément, et le rapport entre les variances d'élément maximale et minimale.
„

Covariances : Statistiques récapitulatives pour les covariances d'élément. Les

covariances entre éléments minimale, maximale et intermédiaire sont affichées, ainsi que l'intervalle et la variance des covariances entre éléments, et le rapport de la covariance entre éléments maximale à la covariance minimale.
„

Corrélations : Statistiques récapitulatives pour les corrélations d'élément. Les

corrélations entre éléments minimale, maximale et intermédiaire sont affichées, ainsi que l'intervalle et la variance des corrélations entre éléments, et le rapport de la corrélation entre éléments maximale à la corrélation minimale.
Cohérence inter-items : Produit des matrices de corrélations et de covariances entre

éléments.
Tableau ANOVA : Produit des tests de moyennes égales. Les possibilités sont Aucune, Test F, Khi-deux de Friedman ou Khi-deux de Cochran.
„

Test F : Affiche un tableau d'analyse de la variance des mesures répétées.

566 Chapitre 37 „

Khi-deux de Friedman : Affiche le test de Friedman (khi-deux) et le coefficient

de concordance de Kendall. Cette option convient aux données organisées sous forme de rangs. Le test du khi-deux remplace le test F habituel dans le tableau ANOVA.
„

Khi-deux de Cochran : Affiche la valeur Q de Cochran. Cette option est appropriée

pour les données dichotomiques. Le Q de Cochran remplace le test F habituel dans le tableau ANOVA.
T-carré de Hotelling : Produit un test multivarié basé sur l'hypothèse nulle que tous les

éléments sur l'échelle ont la même moyenne.
Test d'additivité de Tukey : Produit un test basé sur l'hypothèse qu'il n'y a pas

d'interaction multiplicative entre les éléments.
Coefficient de corrélation intra-classe : Produit des mesures d'homogénéité ou de

cohérence des valeurs par observation.
„

Modèle : Sélectionnez le modèle de calcul du coefficient de corrélation

intra-classe. Les modèles disponibles sont Mixte à deux facteurs, Aléatoire à deux facteurs, et Aléatoire à un facteur. Sélectionnez le modèle mixte à deux facteurs lorsque les effets de population sont aléatoires et les effets d'item sont fixes, le modèle aléatoire à deux facteurs lorsque les effets de population et les effets d'item sont aléatoires, et le modèle aléatoire à un facteur lorsque les effets de population sont aléatoires.
„ „ „

Type : Sélectionnez le type d'index. Les types disponibles sont Homogénéité et

Cohérence absolue.
Intervalle de confiance : Spécifiez le niveau de l'intervalle de confiance. La valeur

par défaut est 95 %.
Valeur test : Spécifiez la valeur hypothétique du coefficient pour le test

d'hypothèse. Il s'agit de la valeur par rapport à laquelle la valeur observée est comparée. La valeur par défaut est 0.

Fonctionnalités supplémentaires de la commande RELIABILITY
Le langage de commande SPSS vous permet aussi de :
„

Lire et analyser une matrice de corrélation.

567 Analyse de fiabilité „ „

Enregistrer une matrice de corrélation à analyser ultérieurement. Spécifier un fractionnement autre qu'en deux moitiés égales quant au nombre d'éléments pour la méthode Split-half.

Pour obtenir des renseignements complets sur la syntaxe, reportez-vous au manuel SPSS Command Syntax Reference.

Positionnement multidimensionnel

38

Chapitre

Le positionnement multidimensionnel tente de déterminer une structure dans un ensemble de mesures de distance entre objets ou observations. Pour cela, il affecte les observations à des positions particulières dans un espace conceptuel (à deux ou trois dimensions généralement) de telle sorte que les distances entre les points dans l'espace correspondent le mieux possible aux dissimilarités données. Dans la plupart des cas, les dimensions de cet espace conceptuel peuvent être interprétées et utilisées pour mieux comprendre les données. Si vous avez mesuré objectivement les variables, vous pouvez utilisez le positionnement multidimensionnel comme technique de factorisation (le Positionnement multidimensionnel calcule pour vous les distances à partir des données multivariées, le cas échéant). Le positionnement multidimensionnel peut également s'appliquer à des estimations subjectives de dissimilarité entre objets ou concepts. D'autre part, le positionnement multidimensionnel peut gérer les informations de dissimilarité provenant de plusieurs sources, comme c'est le cas lorsqu'il y a plusieurs indicateurs ou plusieurs répondants au questionnaire.
Exemple : Comment les gens perçoivent-ils les relations entre différentes voitures ? Si les données que vous obtenez de vos répondants indiquent des évaluations de similarité entre différentes modèles, le positionnement multidimensionnel peut servir à identifier les dimensions qui décrivent les perceptions des consommateurs. Vous pouvez trouver, par exemple, que le prix et la taille du véhicule définissent un espace à deux dimensions qui tient compte des similarités reportées par les répondants. Statistiques : Pour chaque modèle : matrice des données, positionnement optimisé des données de la matrice, stress S (de Young), stress S (de Kruskal), RSQ, coordonnées des stimuli, stress moyen et RSQ pour chaque stimulus (modèles RMDS). Pour les modèles des différences individuelles : pondérations des sujets et indice de singularité pour chaque sujet. Pour chaque matrice dans les modèles de positionnement multidimensionnel répliqués : stress et RSQ pour chaque stimulus. Diagrammes :

569

570 Chapitre 38

coordonnées des stimulus (à deux ou trois dimensions), diagramme de dispersion des disparités par rapport aux distances.

Remarques sur les données du positionnement multidimensionnel
Données : Si vos données sont dissemblables, toutes les dissemblances doivent être

quantitatives et mesurées avec les mêmes unités et échelles. Si vos données sont multivariées, les variables peuvent être quantitatives, binaires mais peuvent aussi être des données d'effectif. Le positionnement des variables est un enjeu de taille : les différences de positionnement peuvent affecter votre solution. Si vos variables présentent de grandes différences de positionnement (par exemple, si une variable est mesurée en dollar et l'autre en année), vous devez envisager de les standardiser (et cela automatiquement par la procédure de positionnement multidimensionnel).
Hypothèses : La procédure de positionnement multidimensionnel est relativement

indépendante de toute hypothèse de distribution. Assurez-vous que vous avez sélectionné le niveau de mesure approprié (ordinal, intervalle ou rapport) dans les options afin de garantir la justesse des résultats.
Procédures apparentées : Si votre but est la factorisation, vous pouvez également

envisager l'analyse factorielle, plus particulièrement si vos données sont quantitatives. Si vous souhaitez identifier des groupes d'observations similaires, envisagez de compléter votre analyse par positionnement multidimensionnel avec une analyse des nuées dynamiques ou une analyse de la classification hiérarchique.

Obtenir une analyse par positionnement multidimensionnel
E A partir du menu, sélectionnez : Analyse Echelle Positionnement multidimensionnel...

571 Positionnement multidimensionnel Figure 38-1 Boîte de dialogue Positionnement multidimensionnel

E Dans Distances, sélectionnez Données en matrice(s) ou Calculées à partir des données. E Si vos données sont des distances, vous devez sélectionner au moins quatre variables numériques pour l'analyse, et vous pouvez cliquer sur Forme pour indiquer la forme

de la matrice de distances.
E Si vous souhaitez que SPSS crée des distances avant de les analyser, vous devez sélectionner au moins une variable numérique, puis cliquer sur Mesure pour indiquer

le type de mesure de distance souhaité. Vous pouvez créer des matrices distinctes pour chaque modalité d'une variable de regroupement (numérique ou alphanumérique). Pour cela, déplacez cette variable dans la liste Matrices individuelles pour.

Forme des données du positionnement multidimensionnel
Figure 38-2 Boîte de dialogue Positionnement multidimensionnel : Forme des données

572 Chapitre 38

Si votre fichier de travail représente les distances au sein d'un ensemble d'objets, ou entre deux ensembles d'objets, vous devez indiquer la forme de votre matrice de données afin d'obtenir des résultats corrects. Choisir une possibilité : Matrice carrée symétrique, Matrice carrée asymétrique ou Matrice rectangulaire. Remarque : Vous pouvez sélectionner Carré symétrique si la boîte de dialogue Modèle indique une conditionnalité de ligne.

Positionnement multidimensionnel : créer une mesure
Figure 38-3 Boîte de dialogue Positionnement multidimensionnel : Calcul de l'indice de dissimilarité

Le positionnement multidimensionnel utilise les données de dissimilarité pour créer une solution de codage. Si vos données sont multivariées (valeurs des variables mesurées), vous devez créer des données de dissimilarité afin de calculer une solution de positionnement multidimensionnel. Vous pouvez spécifier les détails de création de mesures de dissimilarité à partir de vos données.
Mesure : Vous permet de spécifier la mesure de dissimilarité adaptée à votre analyse.

Sélectionnez une possibilité dans le groupe Mesure correspondant à votre type de données, puis sélectionnez l'une des mesures dans la liste déroulante correspondant à ce type de mesure. Les possibilités sont :
„

Intervalle : Distance Euclidienne, Carré de la distance Euclidienne, Distance de

Tchebycheff, Distance de Manhattan, Distance de Minkowski ou Autre.

Les possibilités sont Ordinales. de telle sorte que les liens (mêmes valeurs pour des observations différentes) soient résolus de manière optimale. vous voudrez peut-être standardiser des valeurs avant de calculer les proximités (ne s'applique pas aux données binaires). Variance ou Lance et Williams. Transformer les valeurs : Dans certains cas. Intervalle ou Rapport. Modèle de positionnement multidimensionnel Figure 38-4 Boîte de dialogue Positionnement multidimensionnel : Modèle Une estimation correcte d'un modèle de positionnement multidimensionnel dépend des aspects des données et du modèle lui-même. . Créer une matrice de distances : Vous permet de choisir l'unité d'analyse. Les possibilités sont Par variables ou Par observations. Carré de la distance Euclidienne. sélectionnez Aucune). la sélection de l'option Délier des observations liées demande qu'elles soient traitées en tant que variables continues. Si vos variables sont ordinales. Niveau de mesure : Vous permet de spécifier le niveau de vos données.573 Positionnement multidimensionnel „ „ Compter: Distance du Khi-deux ou Distance du phi-deux. Sélectionnez une méthode de standardisation dans la liste déroulante Standardiser (si la standardisation n'est pas nécessaire. Ecart de taille. comme lorsque les variables sont mesurées selon des échelles très différentes. Différence de motif. Binaire : Distance Euclidienne.

Les possibilités sont Matrice. La valeur minimale 1 n'est autorisée que si vous sélectionnez l'option Distance Euclidienne comme modèle de positionnement. si cela convient à vos données. Pour n'obtenir qu'une seule solution. Pour le modèle Distance Euclidienne des différences individuelles. Indiquez des nombres entiers entre 1 et 6. Modèle de positionnement : Vous permet de spécifier les hypothèses sous lesquelles le positionnement est effectué. vous pouvez sélectionner l'option Permet la pondération négative.574 Chapitre 38 Conditionnalité : Vous permet de spécifier les comparaisons pertinentes. Positionnement multidimensionnel : Options Figure 38-5 Boîte de dialogue Positionnement multidimensionnel : Options . Ligne et Inconditionnel. indiquez le même nombre en tant que minimum et maximum. Les possibilités existantes sont Distance Euclidienne ou Distance Euclidienne des différences individuelles (connue également en tant que INDSCAL). Une seule solution est calculée pour chaque nombre de l'intervalle. Dimensions : Vous permet de spécifier la dimensionnalité de la ou des solutions de positionnement.

575 Positionnement multidimensionnel Vous pouvez spécifier les options de votre analyse par Positionnement multidimensionnel : Afficher : Vous permet d'afficher les différents types d'affichage. Analyser les similarités (plutôt que les distances) avec des données ordinales. Effectuer des transformations polynomiales sur l'intervalle et les données de type ratio. Matrice des données et Récapitulatif des options du modèle. entrez des valeurs pour la Convergence du stress S. ASCAL. Diagrammes des sujets. Pour modifier les valeurs par défaut. Critères : Vous permet de déterminer quand l'itération doit s'interrompre. Les options possibles sont Diagrammes des stimuli. le Minimum du stress S et le Maximum des itérations. AINDS et GEMSCAL dans la documentation relative au Positionnement multidimensionnel. Traiter les dissimilarités inférieures à n comme des valeurs manquantes : Ces distances sont exclues de l'analyse. Pour obtenir des renseignements complets sur la syntaxe. . reportez-vous au manuel SPSS Command Syntax Reference. Fonctions supplémentaires de la commande Positionnement multidimensionnel Le langage de commande SPSS vous permet aussi de : „ „ „ „ „ „ Utiliser trois modèles supplémentaires. Analyser les données nominales. Enregistrer diverses matrices de coordonnées et de pondération dans des fichiers et les relire pour l'analyse. Contraindre le dépliage multidimensionnel.

.

Vous pouvez supprimer le rapport des statistiques de ratio dans le document de sortie et enregistrer les résultats dans un fichier externe. Hypothèses : Vous devez utiliser des variables d'échelle acceptant les valeurs positives pour les variables qui définissent le numérateur et le dénominateur du rapport. Exemple : Le rapport existant entre le prix estimatif et le prix de vente des maisons est-il uniforme dans chacun de ces cinq comtés ? D'après les résultats. coefficient de variation avec médiane centrée. moyenne. intervalle. coefficient de dispersion (COD). vous pouvez conclure que la distribution des rapports varie considérablement d'un comté à l'autre. Vous pouvez trier le résultat sur la base des valeurs d'une variable de regroupement. écart type. dans l'ordre croissant ou décroissant. écart absolu moyen (AAD). valeurs minimale et maximale. intervalles de confiance. différentiel lié au prix (PRD). Remarque sur les données des statistiques de ratio Données : Utilisez des codes numériques ou alphanumériques courts pour coder les variables de regroupement (mesures de niveau nominal ou ordinal).Statistiques de ratio 39 Chapitre La procédure Statistiques de ratio permet d'obtenir la liste exhaustive des statistiques récapitulatives qui servent à décrire le rapport entre deux variables d'échelle. 577 . Statistiques : Médiane. coefficient de variation avec moyenne centrée. et index de concentration calculés pour un intervalle ou un pourcentage défini par l'utilisateur dans le rapport médian. moyenne pondérée.

Choisir ou non d'enregistrer les résultats dans un fichier externe en vue d'une utilisation ultérieure. E Sélectionnez la variable du dénominateur. sélectionnez : Analyse Statistiques descriptives Ratio.578 Chapitre 39 Pour obtenir des statistiques de ratio E A partir du menu.. Sinon. vous pouvez : „ „ „ Sélectionner une variable de regroupement et préciser l'ordre de présentation des groupes dans le résultat. et préciser le nom du fichier dans lequel les résultats sont enregistrés.. . Décider d'afficher ou non les résultats dans le Viewer. Figure 39-1 Boîte de dialogue Statistiques de ratio E Sélectionnez la variable du numérateur.

579 Statistiques de ratio Statistiques de ratio Figure 39-2 Boîte de dialogue Statistiques Tendance centrale : Les mesures de tendance centrale sont des statistiques qui décrivent la distribution des rapports. et inférieure à 100 au niveau de confiance. Moyenne : Résultat de la somme des ratios divisée par le nombre total de ratios. ou de répartition. „ AAD : L'écart absolu moyen est égal à la somme des écarts absolus des ratios relatifs à la médiane. Affectez une valeur supérieure ou égale à 0. Moyenne pondérée : Résultat de la division de la moyenne du numérateur par la moyenne du dénominateur. Dispersion : Ces statistiques permettent de mesurer le degré de variation. de la médiane et de la moyenne pondérée (si demandée). „ Intervalles de confiance : Affiche les intervalles de confiance de la moyenne. . Correspond également à la moyenne des ratios pondérée par le dénominateur. au niveau des valeurs observées. „ „ „ Médiane : La valeur telle que le nombre de ratios inférieurs à cette valeur est identique au nombre de ratios supérieurs à cette valeur. divisée par le nombre total de ratios.

vous définissez l'intervalle de manière explicite en précisant les valeurs minimale et maximale. ou index de régressivité. „ Moyenne centrée COV : Le coefficient de variation avec moyenne centrée résulte de l'expression de l'écart type en tant que pourcentage de la moyenne. Minimum : Ratio le plus petit. . PRD : Le différentiel lié au prix. La limite inférieure de l'intervalle est égale à (1 – 0. „ „ „ Intervalle : Résulte de la soustraction du ratio minimal au ratio maximal.01×valeur)×médiane et la limite supérieure est égale à (1 + 0. Maximum : Ratio le plus grand. Index de concentration : Le coefficient de concentration mesure le pourcentage des ratios compris dans un intervalle. Entrez une valeur comprise entre 0 et 100. résulte de la division de la moyenne par la moyenne pondérée. et cliquez sur Ajouter. puis cliquez sur Ajouter pour obtenir un intervalle. „ Ratios dans : Dans ce cas.580 Chapitre 39 „ „ „ COD : Le coefficient de dispersion résulte de l'expression de l'écart moyen absolu en pourcentage de la médiane.01×valeur)×médiane. Médiane centrée COV : Le coefficient de variation avec médiane centrée résulte de l'expression de la racine de la moyenne des carrés de l'écart par rapport à la médiane en pourcentage de la médiane. Entrez les valeurs des proportions inférieure et supérieure. „ Ecart type : L'écart type est la racine carrée positive de la somme des carrés des écarts des ratios relatifs à la moyenne divisée par le nombre total des ratios moins un. vous définissez l'intervalle de manière implicite en indiquant le pourcentage de la médiane. Vous pouvez le calculer de deux manières : „ Ratios entre : Dans ce cas.

vous pouvez créer un diagramme en sélectionnant un type dans le menu Diagrammes. L'élément Didacticiel du menu Aide propose des exemples en ligne de création et de modification de diagramme. Ce chapitre présente l'utilitaire de diagramme. Les diagrammes interactifs. Création du diagramme Une fois les données entrées dans l'éditeur de données. Création et modification d'un diagramme Avant de créer un diagramme. vous devez disposer de données dans l'éditeur de données. ouvrir un fichier de données déjà enregistré ou lire une feuille de calcul. Une boîte de dialogue de diagramme apparaît. disponibles dans le sous-menu Interactif du menu Diagrammes. et le système d'aide en ligne explique comment créer et modifier tous les types de diagramme.Présentation de l'utilitaire de diagramme 40 Chapitre Les procédures du menu Diagrammes et de nombreuses procédures du menu Analyse permettent de créer des diagrammes et des graphiques haute résolution. Vous pouvez saisir les données directement dans l'éditeur de données. un fichier de données délimité par des tabulations ou un fichier de base de données. sont abordés dans le manuel SPSS Interactive Graphics. 581 .

Cliquez sur Définir pour ouvrir une boîte de dialogue de définition de diagramme semblable à celle-ci. Figure 40-2 Boîte de dialogue de définition du diagramme .582 Chapitre 40 Figure 40-1 Boîte de dialogue de diagramme La boîte de dialogue contient des icônes correspondant aux divers types de diagramme et la liste des structures de données.

Le diagramme apparaît dans le Viewer. . Pour plus d'informations sur les divers choix proposés.583 Présentation de l'utilitaire de diagramme Cette boîte de dialogue permet de sélectionner les variables adaptées au diagramme et de choisir les options voulues. Figure 40-3 Diagramme dans le Viewer Modification d'un diagramme Pour modifier un diagramme. Le diagramme apparaît dans l'éditeur de diagrammes. double-cliquez n'importe où dans le diagramme affiché dans le Viewer. cliquez sur Aide.

afficher ou masquer des éléments.584 Chapitre 40 Figure 40-4 Diagramme initial dans l'éditeur de diagrammes Vous pouvez modifier tout élément du diagramme ou choisir un autre type de diagramme pour représenter les mêmes données. Pour ajouter. E A partir du menu. utilisez les menus de l'éditeur de diagrammes. Les onglets de la fenêtre Propriétés dépendent des choix effectués. L'aide en ligne explique comment afficher les onglets nécessaires. Pour modifier un élément de diagramme : E Sélectionnez l'élément à modifier. . sélectionnez : Affichage Propriétés La fenêtre Propriétés apparaît.

Ajout de texte au diagramme (par exemple. „ Remplacement de la bordure transparente du cadre extérieur par une bordure noire. Modification de la couleur et du motif de remplissage des bâtons. un titre ou une annotation). .585 Présentation de l'utilitaire de diagramme Figure 40-5 Fenêtre Propriétés Les modifications suivantes sont fréquemment apportées : „ „ „ „ Modification du texte du diagramme. Modification de l'emplacement de la ligne d'origine des bâtons. Ci-dessous figure un diagramme modifié.

séquentiels ou les diagrammes de séries chronologiques. Options globales de définition du diagramme Lorsque vous définissez un diagramme. ainsi qu'un groupe Modèle. quel que soit leur type. Ces options globales sont disponibles avec la plupart des diagrammes. la boîte de dialogue prévue à cet effet contient généralement les boutons Titres et Options. Q-Q. Le diagramme modifié apparaît alors dans le Viewer. . Elles ne sont toutefois pas proposées pour les diagrammes P-P.586 Chapitre 40 Figure 40-6 Diagramme modifié Les modifications apportées au diagramme sont enregistrées lorsque vous fermez la fenêtre de diagramme.

. cliquez sur Titres dans la boîte de dialogue de définition du diagramme. vous pouvez spécifier deux lignes de titre. sous-titres et notes de bas de page Lors de la définition initiale du diagramme. Pour spécifier des titres ou des notes de bas de page lors de la définition d'un diagramme. Les sections suivantes expliquent comment définir ces caractéristiques lors de la définition du diagramme. Vous pouvez également appliquer un modèle d'attributs précédemment sélectionnés lors de la définition du diagramme ou après la création du diagramme. une ligne de sous-titre et deux lignes de note de bas de page. Vous pouvez cliquer sur Options pour contrôler le traitement des valeurs manquantes de la plupart des diagrammes et des étiquettes d'observation des diagrammes de dispersion. des sous-titres ou des notes de bas de page. Titres. La boîte de dialogue Titres apparaît.587 Présentation de l'utilitaire de diagramme Figure 40-7 Boîte de dialogue de définition du diagramme Cliquez sur Titres pour spécifier des titres.

Par défaut. Toutefois. Dans l'éditeur de diagrammes. Les titres.588 Chapitre 40 Figure 40-8 Boîte de dialogue Titres Chaque ligne peut compter jusqu'à 72 caractères. leur taille ou leur justification. vous pouvez ajouter ou supprimer des zones de texte. Les titres des diagrammes en secteurs sont quant à eux centrés par défaut et tronqués des deux côtés s'ils sont trop longs. et modifier leur contenu. Elle est accessible via le bouton Options de la boîte de dialogue de définition du diagramme. le nombre de caractères accepté sur le diagramme lui-même dépend de la police et de la taille choisies. les sous-titres et les notes de bas de page sont représentés par des zones de texte dans l'éditeur de diagrammes. la plupart des titres sont alignés à gauche et tronqués à droite s'ils sont trop longs. Options La boîte de dialogue Options propose des options de traitement des valeurs manquantes et d'affichage des étiquettes d'observation. leur police. Figure 40-9 Options .

les observations contenant ces valeurs manquantes sont exclues lors de l'analyse de la variable. l'observation est intégralement exclue du diagramme. Pour connaître la différence entre les exclusions de valeurs manquantes de type Exclure toute observation incomplète et Exclure les observations variable par variable. „ Exclure les observations variable par variable : Si une variable sélectionnée comporte des valeurs manquantes. étudiez les figures suivantes qui représentent le diagramme en bâtons correspondant à chacune des deux options. Valeurs manquantes : Si vous avez sélectionné des récapitulatifs de variables distinctes pour un diagramme qualitatif ou si vous créez un diagramme de dispersion. vous pouvez choisir l'une des options suivantes pour exclure les observations comportant des valeurs manquantes : „ Exclure toute observation incomplète : Si l'une des variables du diagramme comporte une valeur manquante pour une observation donnée. Les options des valeurs manquantes ne sont pas proposées avec les diagrammes utilisant des valeurs d'observations individuelles ou avec les histogrammes. L'option d'affichage des étiquettes d'observation n'est disponible qu'avec les diagrammes de dispersion qui disposent d'une variable sélectionnée pour les étiquettes d'observation.589 Présentation de l'utilitaire de diagramme La disponibilité de chaque option dépend des choix effectués précédemment. Figure 40-10 Exclusion des valeurs manquantes de toute observation incomplète .

le nombre d'observations non manquantes de chaque variable d'une modalité donnée est représenté indépendamment des valeurs manquantes dans les autres variables. la modalité Manquant est ajoutée aux types de poste affichés. le nombre d'observations est identique pour les deux variables de chaque regroupement de bâtons.590 Chapitre 40 Figure 40-11 Exclusion des valeurs manquantes des observations variable par variable Ces diagrammes ont été créés à partir d'une version du fichier Employee data. et 13 la valeur manquante utilisateur 0. les valeurs de la fonction récapitulative Nombre d'observations figurent dans les étiquettes des bâtons. les valeurs manquantes utilisateur (valeurs identifiées . Dans le diagramme avec exclusion des observations variable par variable. l'observation est exclue pour toutes les variables. En effet. Cette dernière a été modifiée afin que les variables du salaire actuel et du type de poste occupé contiennent quelques valeurs manquantes par défaut (vides). L'option suivante est également disponible pour les valeurs manquantes : „ Afficher les groupes définis par des valeurs manquantes : Si des valeurs manquantes figurent dans les données des variables utilisées pour définir des modalités ou des sous-groupes. si une valeur est manquante.sav. Dans chaque diagramme. L'option Afficher les groupes définis par des valeurs manquantes étant sélectionnée pour les deux diagrammes. Dans le diagramme avec exclusion de toute observation incomplète. 26 observations des deux diagrammes comportent une valeur manquante par défaut pour le type de poste occupé. la valeur 0 a été saisie et définie comme manquante. Dans d'autres observations.

dans lesquels les données sont récapitulées selon des variables distinctes. puis d'utiliser le modèle pour créer toute une série de diagrammes similaires. la modalité Manquant n'apparaît pas. Autrement dit. sélectionnez l'option Utiliser les spécifications du graphique de (dans le groupe Modèle de la boîte de dialogue de définition du diagramme) et cliquez sur Fichier. Si vous sélectionnez cette option. les valeurs manquantes ajoutent une modalité Manquant à l'ensemble des marques. Modèles de diagramme Vous pouvez appliquer la plupart des attributs et des éléments textuels d'un diagramme à un autre. puis choisissez Propriétés dans le menu Modifier. La modalité Manquant figure sur l'axe de modalités ou dans la légende.. „ Afficher le diagramme avec les étiquettes d'observation : Lorsque cette option est sélectionnée.. Une boîte de dialogue standard de sélection de fichier apparaît. et se traduit par exemple par l'ajout d'un bâton supplémentaire. La dernière option de la boîte de dialogue Options permet de contrôler l'état des étiquettes d'observation lors de l'affichage initial d'un diagramme de dispersion. S'il n'existe aucune valeur manquante. Si vous avez sélectionné cette option et que vous ne voulez plus afficher la modalité Manquant une fois le diagramme tracé. sélectionnez dans les menus : Fichier Appliquer modèle de diagramme. de l'enregistrer en tant que modèle. Pour appliquer un modèle à un diagramme qui figure déjà dans une fenêtre de diagramme. toutes les étiquettes d'observation figurent sur le diagramme de dispersion créé. L'onglet Modalités permet de déplacer vers la liste Exclues les modalités à masquer. . Il est possible de modifier un diagramme. Dans les diagrammes de dispersion. Cette option n'est pas disponible avec les diagrammes de dispersion superposés ou mono-série.591 Présentation de l'utilitaire de diagramme comme manquantes par l'utilisateur) et les valeurs manquantes par défaut sont regroupées dans la modalité Manquant. d'un secteur dans les diagrammes en secteurs ou d'une boîte dans les boîtes à moustaches. le diagramme de dispersion affiché par défaut ne comporte aucune étiquette. elle est désélectionnée. Par défaut. Pour utiliser un modèle lors de la création d'un diagramme. les étiquettes d'observation risquent de se chevaucher. sélectionnez ce dernier.

E Modifiez le diagramme afin qu'il contienne les attributs souhaités dans le modèle. E A partir des menus de l'éditeur de diagrammes. Les modèles permettent d'emprunter le format d'un diagramme et de l'appliquer au diagramme en cours de création. Pour créer un modèle de diagramme E Créez un diagramme. ils remplacent ceux du diagramme modèle. E Entrez le nom de fichier et l'emplacement du nouveau modèle. les lignes de ce dernier n'auront pas d'ombrages car ceux-ci ne s'appliquent pas aux diagrammes curvilignes. Si l'ancien diagramme est un diagramme en bâtons simples comportant des ombrages. et le nouveau un diagramme curviligne simple. Par exemple.. Si des titres sont définis dans le nouveau diagramme. En général. les titres du diagramme modèle sont repris. . les lignes de ce dernier seront vertes et jaunes. L'aide en ligne décrit ces paramètres en détail. Si le diagramme modèle comporte des titres. toutes les informations de formatage de l'ancien diagramme applicables au nouveau diagramme s'appliquent automatiquement. Sélectionnez le fichier à utiliser comme modèle. mais pas le nouveau diagramme.sgt. si l'ancien diagramme est un diagramme en bâtons juxtaposés dont les bâtons ont été colorés en vert et en jaune. E Cliquez sur Poursuivre. indiquez les caractéristiques du diagramme à enregistrer dans le modèle. Si vous êtes en train de créer un diagramme. L'extension du modèle est . sélectionnez : Fichier Enregistrer modèle de diagramme. le nom du fichier sélectionné apparaît dans le groupe Modèle lorsque vous revenez dans la boîte de dialogue de définition du diagramme.592 Chapitre 40 Une boîte de dialogue standard de sélection de fichier apparaît. et le nouveau un diagramme curviligne multiple.. E Dans la boîte de dialogue Enregistrer le modèle de diagramme.

La valeur de la variable d'état indique la modalité à considérer comme positive. Des méthodes particulières sont en cours de développement afin de les aider dans leur choix. L'utilisateur doit choisir la direction 593 .Courbes ROC 41 Chapitre Cette procédure constitue un moyen efficace d'évaluer les performances des méthodes de classement ne mettant en œuvre qu'une seule variable à deux modalités et utilisées pour la classification des sujets. Exemple : L'intérêt de la banque est donc de classer correctement les clients en modalités. Remarques sur les données de la courbe ROC Données : Les variables de test sont quantitatives. Elles se composent souvent des probabilités issues d'une analyse discriminante. à savoir ceux qui assumeront ou non le remboursement de leur prêt. tandis que les nombres décroissants d'une échelle confirment qu'il appartient à une autre modalité. Diagrammes : Courbe ROC Méthodes : L'estimation de la zone située sous la courbe ROC peut être calculée de façon paramétrique ou non à l'aide du modèle exponentiel binégatif. Les courbes ROC peuvent être utilisées pour évaluer le mode de fonctionnement optimal de ces méthodes. La variable d'état peut être d'un type quelconque et indique la véritable modalité à laquelle un sujet appartient. d'une régression logistique ou des scores indiqués sur une échelle arbitraire et spécifiant la « force de conviction » d'un indicateur lorsqu'un sujet se rapporte à l'une ou l'autre des modalités. Hypothèses : Les nombres croissants d'une échelle d'indicateurs confirment que le sujet appartient à une modalité. Statistiques : La zone inférieure à la courbe ROC comporte un intervalle de confiance ainsi que les coordonnées de cette courbe.

Echantillon de résultat Figure 41-1 Résultat de la courbe ROC . On suppose également que la véritable modalité à laquelle chaque sujet appartient est connue.594 Chapitre 41 positive.

sélectionnez : Graphes Courbe ROC. E Sélectionnez une variable d'état. E Identifiez la valeur positive de la variable d'état. Figure 41-2 Boîte de dialogue Courbe ROC E Sélectionnez une ou plusieurs variables de probabilité de test..595 Courbes ROC Pour obtenir une courbe ROC E A partir du menu.. .

Direction du test : Permet de spécifier la direction de l'échelle en fonction de la modalité positive. Les méthodes disponibles sont des valeurs exponentielles non paramétriques et bi-négatives. La valeur n'a pas de conséquence sur le résultat. Vous permet également de définir le niveau de l'intervalle de confiance.9 %. Paramètres pour une erreur standard de zone : Vous permet de spécifier la méthode utilisée pour estimer l'erreur standard de la zone située sous la courbe.1 % et 99. . Les valeurs de l'intervalle se situent entre 50.596 Chapitre 41 Courbe ROC : Options Figure 41-3 Boîte de dialogue Courbe ROC : Options Vous pouvez indiquer les options suivantes pour votre analyse ROC : Classification : Permet de spécifier si la valeur du point de césure doit être incluse ou exclue lors d'une classification positive. Valeurs manquantes : Vous permet de spécifier comment traiter les valeurs manquantes.

y compris : „ „ „ „ le format des Données l'étiquette Variable les valeurs manquantes spécifiées les étiquettes Valeurs Figure 42-1 la boîte de dialogue Variables Aller à : Permet d'accéder à la variable sélectionnée dans la fenêtre de l'éditeur de données. 597 . Informations de la variable La boîte de dialogue Variables affiche des informations sur la définition des variables pour les variables couramment sélectionnées.Outils 42 Chapitre Ce chapitre décrit les fonctions du menu Outils et vous indique comment réordonner les listes de variables cible en utilisant les menus systèmes de Windows.

. E Pour afficher les commentaires dans le Viewer. sélectionnez Afficher les commentaires dans la sortie.. sélectionnez : Outils Variables.. mais ne doivent pas dépasser 80 octets (en général. Pour obtenir des informations sur les variables E A partir du menu.598 Chapitre 42 Coller : Permet de coller les variables sélectionnées dans la fenêtre syntaxe désignée à l'emplacement du curseur. les commentaires sont enregistrés avec le fichier de données. Les lignes sont automatiquement interrompues par un renvoi à la ligne suivante à partir de 80 caractères. modifier. La police utilisée pour afficher les commentaires est celle utilisée pour les résultats texte de manière à donner une représentation fidèle de l'affichage dans le Viewer. Pour les fichiers de données au format SPSS. Pour modifier les définitions de variables. utilisez l'affichage des variables dans l'éditeur de données. Pour ajouter. Commentaires de fichier de données Vous pouvez inclure des commentaires descriptifs dans le fichier de données. cela correspond à 80 caractères dans les langues sur un octet) par ligne. E Sélectionnez la variable dont vous souhaitez afficher les informations de définition variable. Les commentaires ne sont pas limités en longueur. sélectionnez : Outils Commentaires de fichier de données.. (Non disponible dans la version Education). supprimer ou afficher les commentaires de fichier de données : E A partir du menu..

Si votre fichier de données a un grand nombre de variables et si les boîtes de dialogue s'ouvrent lentement.599 Outils Un cachet de date (la date actuelle entre parenthèses) est automatiquement ajouté à la fin de la liste des commentaires dès que vous modifiez un commentaire ou que vous en ajoutez un. Groupes de Variables Vous pouvez limiter le nombre de variables devant s'afficher dans les listes des variables source de la boîte de dialogue. Les petits groupes de variables facilitent la recherche et la sélection des variables pour votre analyse et peuvent aussi augmenter votre performance sur SPSS. . Ceci est particulièrement utile pour les fichiers de données avec un grand nombre de variables. définissez et utilisez des groupes de variables. le fait de réduire les listes source de boîtes de dialogue en sous-groupes de variables plus petits devrait permettre de réduire le temps nécessaire à l'ouverture des boîtes de dialogue. Ceci peut entraîner des ambiguïtés au niveau des dates associées aux commentaires lorsque vous modifiez un commentaire ou que vous insérez un nouveau commentaire entre deux commentaires existants. Pour cela. Définir des groupes de variables La procédure Définir des groupes de variables crée des sous-groupes de variables pour permettre d'afficher les listes source de boîtes de dialogue.

y compris vides. Variables du groupe : Toute combinaison de variables numériques.. Pour définir des groupes de variables E A partir du menu..600 Chapitre 42 Figure 42-2 Définir boîte de dialogue Définir des groupes Nom du groupe : Les noms de groupes peuvent contenir jusqu'à 12 caractères. sélectionnez : Outils Définir des groupes. L'ordre des variables dans le groupe n'a pas d'effet sur l'ordre d'affichage des variables dans les listes source de la boîte de dialogue. . E Sélectionnez les variables à inclure dans le groupe. Une variable peut appartenir à de multiples groupes. alphanumériques et alphanumériques longues peuvent être comprises dans un groupe. Tous les caractères. Les noms de Groupes sont indifférents aux observations. peuvent être utilisés.

. y compris les nouvelles variables créées pendant une session. deux groupes définis par défaut sont utilisés : ALLVARIABLES : Ce groupe contient toutes les variables du fichier de données. E Cliquez sur Ajouter. L'ordre des groupes et l'ordre des variables dans le groupe n'ont pas d'effet sur l'ordre des listes source de variables. Les variables apparaissent dans les listes source dans l'ordre alphabétique ou dans l'ordre du fichier. NEWVARIABLES : Ce groupe contient seulement les nouvelles variables créées pendant la session. Figure 42-3 Utiliser la boîte de dialogue Définir des groupes Groupes utilisés : Affiche les groupes utilisés pour produire les listes source de variables dans les boîtes de dialogue.601 Outils E Saisir un nom de groupe (jusqu'à 12 caractères). Utiliser les groupes La procédure Utiliser des groupes limite le nombre de variables affichées dans les listes source de la boîte de dialogue aux groupes sélectionnés que vous avez définis. Par défaut.

602 Chapitre 42 Vous pouvez enlever ces groupes de la liste et en sélectionner d'autres. Si vous souhaitez modifier l'ordre des variables d'une liste cible — mais que vous ne souhaitez pas désélectionner toutes les variables et les resélectionner dans le nouvel ordre — vous pouvez faire remonter et redescendre les variables dans la liste cible en utilisant le menu système dans le coin supérieur gauche de la boîte de dialogue (à laquelle vous pouvez accéder en cliquant sur la partie gauche de la barre de titre de la boîte de dialogue). . tous les autres groupes que vous incluez ne sont pas significatifs. mais il doit y avoir au moins un groupe dans la liste. sélectionnez : Outils Utiliser des groupes. Réordonner Listes Variables Cible Les variables apparaissent dans les listes cible de la boîte de dialogue dans l'ordre dans lequel elles sont sélectionnées à partir de la liste source.. Pour limiter les listes source de boîte de dialogue à des groupes de variables définis E A partir du menu. E Sélectionnez les groupes de variables définis qui contiennent les variables que vous souhaitez voir apparaître dans les listes source de la boîte de dialogue. Si vous n'enlevez pas le groupe ALLVARIABLES de la liste des Groupes utilisés..

603 Outils Figure 42-4 Menu système de Windows avec réordonnance de la liste cible Faire remonter sélection : Fait remonter la ou les variables sélectionnées d'une position dans la liste destination. Vous ne pouvez pas déplacer les groupes de variables non attenantes. Vous pouvez déplacer simultanément les variables multiples si elles sont attenantes (regroupées). Faire redescendre sélection : Fait descendre la ou les variables sélectionnées d'une position dans la liste destination. .

.

les formats monétaires personnalisés (devises).. l'ordre d'affichage des variables dans les listes source des boîtes de dialogue . E Cliquez sur OK ou sur Appliquer. sélectionnez : Affichage Options. E Cliquez sur les onglets correspondant aux paramètres que vous souhaitez modifier. E Modifiez les paramètres. y compris : „ „ „ „ „ „ le journal de session qui enregistre toutes les commandes exécutées dans chaque session . les éléments affichés et masqués dans les nouveaux résultats de sortie . les fichiers et fonctions autoscript permettant de personnaliser la sortie. Pour modifier les paramètres d'options E A partir du menu.. le modèle de tableau pour les nouveaux tableaux pivotants et le modèle de graphiques pour les nouveaux diagrammes interactifs .Options 43 Chapitre Les commandes Options permettent de contrôler un grand nombre de paramètres. 605 .

On peut afficher les variables dans l'ordre alphabétique ou dans l'ordre du fichier qui correspond à l'ordre dans lequel elles interviennent dans le fichier de données (et dans lequel elles sont affichées dans la fenêtre Editeur de données). Journal de session : Fichier-journal de toutes les commandes exécutées dans une session.606 Chapitre 43 Options générales Figure 43-1 Options : onglet Général Listes de variables : Contrôle l'affichage des variables dans boîtes de dialogue et boîtes de liste. Vous pouvez afficher des noms de variables ou des étiquettes de variable. Les listes de variables cible reproduisent toujours l'ordre dans lequel les variables ont été sélectionnées. ainsi que les commandes générées par les choix de boîte de dialogue. Celui-ci comprend les commandes saisies et exécutées dans les fenêtres de syntaxe. Vous pouvez . Vous pouvez modifier le fichier-journal et réutiliser les commandes dans d'autres sessions. Vous pouvez activer ou désactiver la fonction journal. ajouter au fichier-journal ou l'écraser et sélectionner le nom et l'emplacement du fichier-journal. L'ordre d'affichage affecte seulement la liste des variables source.

En mode distribué (disponible avec la version serveur). modifier. ni aux graphiques interactifs. Liste des fichiers récemment utilisés : Cette procédure permet de contrôler le nombre de fichiers récemment utilisés qui apparaissent dans le menu Fichier. sélectionnez cette option pour ouvrir automatiquement une fenêtre de syntaxe au début de chaque session SPSS. Unités de mesure : Système de mesure utilisé (Points. Si vous travaillez fréquemment avec la syntaxe de commande. ni aux cartes (disponible avec l'option Maps). et exécuter les commandes SPSS. Le Viewer produit des tableaux pivotants interactifs et des diagrammes interactifs. Ouvrir la fenêtre de syntaxe au démarrage : Les fenêtres de syntaxe sont des fenêtres de fichier de texte utilisées pour saisir.000). Ceci est particulièrement utile pour les utilisateurs avertis de SPSS qui préfèrent travailler avec la syntaxe de commande plutôt que les boîtes de dialogue. contactez votre administrateur système. La liste des langages disponibles dépend des fichiers de langage installés.607 Options copier la syntaxe de commande à partir du fichier-journal et l'enregistrer dans un fichier de syntaxe pour l'utiliser avec le système de production automatisée. qui ne peut être définie que sur l'ordinateur exécutant la version serveur du programme. Pas d'affichage scientifique pour les petits nombres dans les tableaux : Supprime l'affichage scientifique pour les petites valeurs décimales dans le résultat. l'emplacement des fichiers temporaires est contrôlé par la variable d'environnement SPSSTMPDIR. Si vous devez modifier l'emplacement du répertoire temporaire. Type de Viewer au démarrage : Contrôle le type de Viewer utilisé et le format de résultat. Les valeurs décimales très petites sont affichées au format suivant : 0 (ou 0. ou Centimètres) pour spécifier les attributs tels que les marges de cellules du tableau pivotant.) Répertoire temporaire : Contrôle l'emplacement des fichiers temporaires créés au cours d'une session. (La syntaxe de commande et la production automatique ne sont pas disponibles dans la version Student. En mode distribué. De nombreux langages sont installés automatiquement lorsque . les largeurs de cellules et l'espace d'impression entre les tableaux Langage : Contrôle le langage utilisé dans les résultats. (non disponible avec la version Student). Ne s'applique ni au résultat texte simple. cette option n'affecte pas l'emplacement des fichiers de données temporaires. Le Viewer en mode brouillon convertit les tableaux pivotants en sortie texte et les diagrammes en métafichiers. Pouces.

page 625. visitez le site http://www.608 Chapitre 43 vous installez SPSS.com/tech/downloads/base. Pour plus d'informations.spss. Figure 43-2 Onglet Viewer . Pour obtenir d'autres fichiers de langage.htm. Remarque : Les scripts personnalisés fondés sur des chaînes de texte propres à un langage dans le résultat risquent de ne pas être exécutés correctement lorsque vous modifiez le langage des résultats. Notification : Cette procédure contrôle la façon dont SPSS notifie que votre exécution est terminée et que les résultats sont accessibles dans le Viewer. Options Viewer Les options d'affichage du résultat avec l'explorateur affectent seulement le nouveau résultat produit après modification de la configuration. reportez-vous à « Options script » . Un résultat déjà affiché dans le Viewer n'est pas affecté par les changements de ces paramètres.

Les éléments centrés et alignés à droite sont identifiés par un symbole situé au-dessus et à gauche des éléments en question. . la taille.) Remarque : Tous les éléments de résultat sont affichés alignés à gauche dans le Viewer. le tableau de résultats ne sera pas correctement aligné. Seul l'alignement des résultats imprimés est affecté par les paramètres d'alignement. Options du Viewer en mode brouillon Les options d'affichage des résultats dans le Viewer affectent seulement le nouveau résultat produit après modification des paramètres Un résultat déjà affiché dans le Viewer n'est pas affecté par les changements de ces paramètres. Avertissements. Vous pouvez copier la syntaxe de commande à partir du journal et l'enregistrer dans un fichier de syntaxe pour l'utiliser dans le système de production automatisé. Vous pouvez contrôler l'affichage des éléments suivants : Log. Tableau pivotant. Taille de page résultats texte : Cette procédure permet de contrôler la largeur de page dans la sortie de texte (exprimée en nombre de caractères). Le résultat texte SPSS est prévu pour être utilisé dans une police monoespacée (à espacement fixe). Diagramme. Police résultats texte : Police utilisée pour la sortie de texte. Police du titre de la page : Cette procédure permet de contrôler tous les styles de police. et la couleur des titres de sortie. ainsi que la longueur de page (exprimée en nombre de lignes). (La syntaxe de commande et la production automatique ne sont pas disponibles dans la version Student. Si vous sélectionnez une police qui n'est pas monoespacée.609 Options Etat initial résultats : Cette procédure détermine quels éléments seront automatiquement affichés ou masqués chaque fois que vous exécuterez une procédure et combien d'éléments sont initialement alignés. Titre. Police du titre : Cette procédure permet de contrôler le style de police. ou créés dans le menu Insertion à l'aide de l'option Nouveau titre de page. Dans certaines procédures. Vous pouvez également démarrer ou arrêter l'affichage des commandes SPSS dans le journal. certaines statistiques sont affichées seulement en format Large. et Résultat texte (sortie non affichée dans les tableaux pivotants). la taille et la couleur des nouveaux titres de page et de ceux générés par la syntaxe de commande TITLE et SUBTITLE. Remarques.

Diagramme. Vous pouvez contrôler l'affichage des éléments suivants : Journal. Remarques. .610 Chapitre 43 Figure 43-3 Onglet Viewer Afficher items résultats : Contrôle les éléments à afficher automatiquement à chaque exécution d'une procédure. Police : Police utilisée pour le nouveau résultat. Titre. et Résultats texte (résultats en séparation d'espace). Avertissement.) Sauts de page entre : Insère des sauts de page entre les résultats à partir de différentes procédures et/ou entre des éléments de résultat individuels. Seules les polices à espacement fixe (monoespacées) sont disponibles car le résultat texte en séparation d'espace ne s'alignera pas correctement avec une police proportionnelle. (La syntaxe de commande et la production automatique ne sont pas disponibles dans la version Student. Vous pouvez également démarrer ou arrêter l'affichage des commandes dans le journal. Résultats en tableau (les tableaux pivotants sont convertis en sortie texte). Vous pouvez copier la syntaxe de commande à partir du journal et l'enregistrer dans un fichier de syntaxe pour l'utiliser dans le système de production automatisé.

Options Etiquettes Résultats Les options Etiquettes Résultats permettent de contrôler l'affichage des variables et les informations sur la valeur des données dans les tableaux de légende et les tableaux pivotants. Ce format est utile pour copier et coller les résultats dans des traitements de texte dans lesquels vous pouvez utiliser n'importe quelle police (et pas uniquement des polices à espacement fixe) et définir les onglets permettant d'aligner le résultat correctement. certaines statistiques sont affichées seulement en format Large. Les variables descriptives et les étiquettes de valeurs (affichage des variables de l'éditeur de données.611 Options Résultats en tableau : Contrôle les paramètres pour les résultats de tableaux pivotants convertis en résultat texte. tous les sauts de lignes sont supprimés et chaque colonne a la largeur de la plus longue étiquette ou la valeur de la colonne par défaut. contrôle la largeur de page (exprimée en nombre de caractères) et la longueur de page (exprimée en nombre de lignes). Pour limiter la largeur des colonnes et insérer des sauts de ligne dans les longues étiquettes. spécifiez un nombre de caractères pour la largeur de la colonne. . Vous pouvez afficher les noms de variables et/ou les étiquettes de variable définies ainsi que les valeurs de données réelles et/ou les étiquettes valeur définies. Pour les résultats avec séparation tabulaire. colonnes Etiquettes et Valeurs) facilitent souvent l'interprétation des résultats. Les spécifications de largeur de colonne et de séparateur de colonne ne sont disponibles que si vous sélectionnez Espaces comme séparateur de colonne. Remarque : Cependant. Les étiquettes longues peuvent cependant être gênantes dans certains tableaux. Résultats texte : Pour des sorties texte autres que des résultats de tableaux pivotants convertis. Dans certaines procédures. la sortie avec des tabulations de séparation ne s'alignera pas correctement dans le Viewer en mode brouillon. sous forme de tableaux.

Le résultat texte ne se trouve pas affecté par ces paramètres. Un résultat déjà affiché dans le Viewer n'est pas affecté par les changements de ces paramètres. Un résultat déjà affiché dans le Viewer n'est pas affecté par les changements de ces paramètres. Cette configuration n'affecte que le résultat du tableau pivotant. .612 Chapitre 43 Figure 43-4 Onglet des options Etiquettes Résultats Les options Etiquettes Résultats affectent seulement le nouveau résultat produit après modification des paramètres.

1 à 10. Cliquez sur Parcourir pour sélectionner un fichier de modèle de diagramme.613 Options Options de diagramme Figure 43-5 Onglet Diagrammes Modèle de diagramme : Les diagrammes peuvent utiliser soit les paramètres sélectionnés ici. Les valeurs supérieures à 1donnent des diagrammes plus larges que hauts. Vous pouvez spécifier un rapport largeur à hauteur de 0.0. Une valeur 1 donne un diagramme carré. Pour créer un fichier de modèle de diagramme. Dès qu'un diagramme est créé. le ratio de son aspect peut être modifié. soit les paramètres provenant d'un fichier de modèle de diagramme. Les valeurs inférieures à 1 donnent des diagrammes plus hauts que larges. créez un diagramme avec les attributs que vous souhaitez et enregistrez-le comme modèle (choisissez l'option Enregistrer diagramme Modèle dans le menu Fichier). Ratio d'aspect diagramme : Le rapport largeur à hauteur du cadre extérieur de nouveaux diagrammes. .

les symboles de marque et les motifs de remplissage pour les nouveaux diagrammes. au besoin. Préférence de cycle de style : Les affectations initiales des couleurs et/ou motifs pour de nouveaux diagrammes. Quadrillage : Permet de contrôler l'affichage des quadrillages de l'axe d'échelle et de l'axe des modalités des nouveaux diagrammes. Par exemple. et que vous sélectionnez Couleurs puis motifs dans la boîte de dialogue principale Options de diagramme. les styles de ligne. les deux premières couleurs de la liste des diagrammes regroupés sont utilisées comme couleurs des bâtons du nouveau diagramme. les symboles des marques ou les motifs de remplissage pour différencier les éléments de diagramme. Cadre : Permet de contrôler l'affichage des cadres intérieurs et extérieurs des nouveaux diagrammes. L'option Couleurs uniquement utilise seulement les couleurs pour différencier les éléments de diagramme et n'utilise pas de motif. si vous créez un diagramme en bâtons juxtaposés comprenant deux groupes. Elle n'utilise pas de couleur. Vous pouvez changer l'ordre des couleurs et des motifs utilisés lors de la création d'un diagramme.614 Chapitre 43 Police : Police utilisée pour tout le texte des nouveaux diagrammes. Les couleurs sont utilisées dès que vous effectuez une sélection incluant l'option Couleur dans la zone de groupe Préférence de cycle de style de la boîte de dialogue principale Options de diagramme. puis modifie le style des courbes. L'option Motifs uniquement utilise seulement les styles de courbe. L'option Couleurs puis motifs utilise la palette par défaut de couleurs. Données Couleurs des éléments : Précisez l'ordre dans lequel les couleurs doivent être utilisées pour les éléments de données (comme les bâtons et les marques) de votre nouveau diagramme. le symbole des marques ou ajoute un motif de remplissage. Remarque : Ces paramètres n'ont pas d'effet sur les diagrammes interactifs (menu Graphes. sous-menu Interactive). Cycles de style : Personnalise les couleurs. Pour modifier l'ordre d'utilisation des couleurs. procédez comme suit : .

Pour modifier la couleur d'une modalité. E Sélectionnez Diagramme regroupé pour modifier le cycle des couleurs des diagrammes avec modalités. si vous créez un diagramme curviligne comprenant deux groupes. vous pouvez : „ „ „ „ „ insérer une nouvelle modalité avant la modalité sélectionnée . sélectionnez la modalité concernée. déplacer une modalité sélectionnée . . puis choisissez une couleur dans la palette. paramétrer la séquence sur la valeur par défaut . et que vous sélectionnez Motifs uniquement dans la boîte de dialogue principale Options de diagramme. sélectionnez la modalité concernée. Pour modifier le style de courbe d'une modalité. les deux premiers styles de la liste des diagrammes regroupés sont utilisés comme motifs des courbes du nouveau diagramme. Par exemple. procédez comme suit : E Sélectionnez Diagramme simple. puis choisissez un style de courbe dans la palette. puis sélectionnez un style de courbe utilisé pour les diagrammes curvilignes sans modalités.615 Options E Sélectionnez Diagramme simple. Courbes des éléments de données Précisez l'ordre dans lequel les styles doivent être utilisés pour les éléments de données de la courbe de votre nouveau diagramme. E Sélectionnez Diagramme regroupé pour modifier le cycle des motifs des diagrammes curvilignes avec modalités. puis sélectionnez une couleur utilisée pour les diagrammes sans modalités. modifier une couleur en sélectionnant son puits. Sinon. supprimer une modalité sélectionnée . Pour modifier l'ordre d'utilisation des styles de courbe. Les styles de courbe sont utilisés si votre diagramme inclut des éléments de données de courbe et que vous effectuez une sélection incluant l'option Types dans la zone de groupe Préférence de cycle de style de la boîte de dialogue principale Options de diagramme. puis en cliquant sur Edition.

paramétrer la séquence sur la valeur par défaut . E Sélectionnez Diagramme regroupé pour modifier le cycle des motifs des diagrammes avec modalités. vous pouvez : „ „ „ „ insérer une nouvelle modalité avant la modalité sélectionnée . supprimer une modalité sélectionnée . . vous pouvez : „ „ „ „ insérer une nouvelle modalité avant la modalité sélectionnée . Marques des éléments de données Précisez l'ordre dans lequel les symboles doivent être utilisés pour les éléments de données des marques de votre nouveau diagramme.616 Chapitre 43 Sinon. supprimer une modalité sélectionnée . puis choisissez un symbole dans la palette. déplacer une modalité sélectionnée . sélectionnez la modalité concernée. paramétrer la séquence sur la valeur par défaut . procédez comme suit : E Sélectionnez Diagramme simple. si vous créez un diagramme de dispersion comprenant deux groupes. Pour modifier l'ordre d'utilisation des marques. Pour modifier le symbole de marque d'une modalité. puis sélectionnez un symbole de marque utilisé pour les diagrammes sans modalités. déplacer une modalité sélectionnée . Sinon. les deux premiers symboles de la liste des diagrammes regroupés sont utilisés comme marques du nouveau diagramme. Par exemple. et que vous sélectionnez Motifs uniquement dans la boîte de dialogue principale Options de diagramme. Les styles de marque sont utilisés si votre diagramme inclut des éléments de données de marque et que vous effectuez une sélection incluant l'option Types dans la zone de groupe Préférence de cycle de style de la boîte de dialogue principale Options de diagramme.

puis choisissez un motif de remplissage dans la palette. si vous créez un diagramme en bâtons juxtaposés comprenant deux groupes. . puis sélectionnez un motif de remplissage utilisé pour les diagrammes sans modalités. les deux premiers styles de la liste des diagrammes regroupés sont utilisés comme motifs de remplissage des bâtons du nouveau diagramme. Pour modifier le motif de remplissage d'une modalité. Les styles de remplissage sont utilisés si votre diagramme inclut des éléments de données de bâton et d'aire.617 Options Remplissages des éléments de données Précisez l'ordre dans lequel les styles de remplissage doivent être utilisés pour les éléments de données de bâton et d'aire de votre nouveau diagramme. et que vous effectuez une sélection incluant l'option Types dans la zone de groupe Préférence de cycle de style de la boîte de dialogue principale Options de diagramme. paramétrer la séquence sur la valeur par défaut . Sinon. E Sélectionnez Diagramme regroupé pour modifier le cycle des motifs des diagrammes avec modalités. déplacer une modalité sélectionnée . Par exemple. procédez comme suit : E Sélectionnez Diagramme simple. vous pouvez : „ „ „ „ insérer une nouvelle modalité avant la modalité sélectionnée . et que vous sélectionnez Motifs uniquement dans la boîte de dialogue principale Options de diagramme. supprimer une modalité sélectionnée . Pour modifier l'ordre d'utilisation des styles de remplissage. sélectionnez la modalité concernée.

. choisissez Modèles de graphiques dans le menu Format). la liste affiche les modèles de graphiques enregistrés dans le répertoire Looks du répertoire dans lequel le programme est installé. sous-menu Interactive). Par défaut. Vous pouvez utiliser l'un des modèles de graphiques fournis avec le programme.618 Chapitre 43 Options diagrammes interactifs Figure 43-6 Onglet Interactif Pour des diagrammes interactifs (menus Graphes. les options suivantes sont disponibles : AspectGraphique : Sélectionnez un modèle de graphiques dans la liste des fichiers et cliquez sur OK ou Appliquer. „ „ Répertoire : Permet de sélectionner un répertoire de modèles de graphiques. ou vous pouvez créer le vôtre dans l'éditeur de graphiques interactifs (depuis un diagramme activé. Utilisez Parcourir pour ajouter des répertoires à la liste. Parcourir : Cette procédure permet de sélectionner un modèle de graphiques à partir d'un autre répertoire.

l'option Métafichier vecteur produira une impression plus rapide et offrira les meilleurs résultats. ceci peut substantiellement augmenter la taille des fichiers Viewer.0 : Pour des fichiers de données créés dans des versions précédentes de SPSS. Enregistrer des données avec le diagramme vous permet d'exécuter la plupart des fonctions interactives disponibles pour les diagrammes attachés au fichier données qui les a créés (sauf d'ajouter des variables qui n'étaient pas incluses dans le diagramme original). Dans la plupart des cas. Résolution de l'impression : Contrôle la résolution d'impression de diagrammes interactifs. sans tenir compte du nombre de valeurs uniques. Les variables avec moins que le nombre spécifié de valeurs uniques sont classées comme qualitatives. Unités de mesure : Le système de mesure utilisé (Points. Cependant. et la couleur de fond. . si vous ouvrez un fichier Viewer enregistré dans une session précédente). Le modèle de tableau peut contrôler une variété d'attributs de tableaux pivotants. y compris l'affichage et la largeur du quadrillage . particulièrement pour les fichiers données importants. Toute variable avec des étiquettes de valeurs définies est classée comme qualitative. Remarque : Ces paramètres n'affectent que les diagrammes interactifs (menu Graphes. le style de police. la couleur. la taille. sous-menu Interactif).619 Options Données enregistrées avec diagramme : Contrôle les informations enregistrées avec des diagrammes interactifs une fois que les diagrammes ne sont plus attachés au fichier données qui les a créés (par exemple. Options tableaux pivotants Les options de tableaux pivotants définissent le modèle de tableau par défaut utilisé pour de nouveaux résultats de tableaux pivotants. vous pouvez spécifier le nombre minimum de valeurs de données pour une variable numérique utilisée pour classer la variable comme échelle ou qualitative. les diagrammes à basse résolution s'impriment plus rapidement et les diagrammes à haute résolution ont un meilleur aspect. Dans le cas des bitmaps. Pouces ou Centimètres) pour spécifier des attributs comme la taille de la région de données dans un diagramme. Lecture des fichiers de données Pre-8.

Ajustement largeur de colonne pour : Cette procédure permet de contrôler l'ajustement automatique des largeurs de colonnes des tableaux pivotants. Vous pouvez utiliser l'un des modèles de tableau SPSS ou en créer un dans l'éditeur de tableaux pivotants (dans le menu Format. Définir le répertoire des modèles de tableaux : Cette procédure permet de modifier le répertoire des modèles de tableau par défaut. Par défaut. choisissez Modèles de tableaux). . „ „ Parcourir : Cette procédure permet de sélectionner un modèle de tableau à partir d'un autre répertoire.620 Chapitre 43 Figure 43-7 onglet Tableaux pivotants Modèle de tableaux : Sélectionnez un modèle de tableau dans la liste des fichiers et cliquez sur OK ou sur Appliquer. la liste affiche les modèles de tableau enregistrés dans le répertoire Looks dans lequel le programme est installé.

Vous pouvez choisir d'activer les tableaux pivotants dans une fenêtre séparée ou de sélectionner une définition de taille qui ouvrira de plus petits tableaux pivotants dans la fenêtre du Viewer et de plus grands tableaux pivotants dans une fenêtre séparée.621 Options „ Etiquettes seulement : Cette procédure permet d'ajuster la largeur de colonne par rapport à la largeur de l'étiquette colonne. le fait de double-cliquer sur un tableau pivotant active le tableau dans la fenêtre du Viewer. soit celle de la valeur des données. „ Etiquettes et données : Cette procédure permet d'ajuster la largeur de colonne par rapport à la plus grande largeur. Cela produit des tableaux plus larges. Cela produit des tableaux plus compacts. soit celle de l'étiquette colonne. Mode de modification par défaut : Contrôle l'activation des tableaux pivotants dans la fenêtre du Viewer ou dans une fenêtre séparée. . mais les valeurs de données plus larges que l'étiquette ne seront pas affichés (des astérisques indiquent les valeurs trop larges pour être affichées). mais garantit que toutes les valeurs seront affichées. Par défaut.

il lit le fichier de données.622 Chapitre 43 Options de données Figure 43-8 Onglet Données Options de transformation et fusion : Chaque fois que SPSS exécute une commande. Si une valeur est trop grande pour le format d'affichage spécifié. Afficher format nouvelles variables numériques : Cette procédure permet de contrôler la largeur d'affichage par défaut et le nombre de positions décimales par défaut des nouvelles variables numériques. Certaines transformations de données (telles que Calculer et Recoder) et certaines transformations de fichiers (telles que Ajouter Variables et Ajouter Observations) ne nécessitent pas de passe de données séparée. Il n'existe pas de format d'affichage par défaut pour les nouvelles variables chaînes. Pour les gros fichiers de données. sélectionner Calculer les valeurs avant leur utilisation pour retarder l'exécution et enregistrer le temps de traitement. et l'exécution de ces commandes peut être retardée jusqu'à ce que SPSS lise les données pour exécuter une autre commande. les premières décimales sont arrondies et les valeurs sont ensuite . telle qu'une procédure statistique.

et qui peuvent recevoir un traitement spécial pour les valeurs négatives. Les cinq noms de format monétaire personnalisé sont CCA. Pour modifier un format monétaire personnalisé.10/28/86. CCC. et CCE. . l'année de fin est automatiquement déterminée en fonction de la valeur que vous entrez pour l'année de début. CCB. mais la valeur originale non arrondie est utilisée pour tout calcul. Le paramétrage de l'intervalle automatique est basé sur l'année en cours. Pour un intervalle personnalisé. Définir siècle pour années sur 2 chiffres : Définit l'intervalle d'années pour les variables de format de date entrés et/ou affichés avec des années à deux chiffres (par exemple. sélectionnez le nom du format à partir de la liste source et procédez aux modifications souhaitées. 29-OCT-87). la valeur 123456. Par exemple. Options monétaires (devises) Vous pouvez afficher jusqu'à cinq formats monétaires personnalisés (devises) qui peuvent comprendre des caractère spéciaux de préfixe et suffixe.78 peut être arrondie à 123457 pour l'affichage. Vous ne pouvez pas modifier les noms de format ou en ajouter de nouveaux. commençant 69 années avant et finissant 30 années après l'année en cours (ajouter l'année en cours donne un intervalle total de 100 années). CCD.623 Options converties en notation scientifique Les formats d'affichage n'affectent pas les valeurs de données internes.

E Saisissez les valeurs de préfixe. Création de formats monétaires personnalisés E Cliquez sur l'onglet Devise. . et de séparateur décimal E Cliquez sur OK ou sur Appliquer.624 Chapitre 43 Figure 43-9 Onglet Devise Les préfixes et suffixes définis pour les formats monétaires servent uniquement à l'affichage. E Sélectionnez l'un des formats monétaires à partir de la liste (CCA. CCD. Vous ne pouvez saisir de valeur dans l'éditeur de données en utilisant des caractères monétaires personnalisés. CCB. CCE). suffixe. CCC.

et sélectionner les sous-routines d'autoscript à utiliser. . Vous pouvez utiliser les scripts pour automatiser de nombreuses fonctions dans SPSS. y compris les fichiers autoscript. Nombre des scripts livrés avec SPSS utilisent des fonctions et des sous-routines de ce fichier de procédures globales et ne seront pas opérationnelles si vous spécifiez un fichier de procédures globales différent. Remarque : Le fichier de procédures globales livré avec SPSS est sélectionné par défaut. y compris la personnalisation des tableaux pivotants. Autoscripts : Un fichier d'autoscript est un recueil de sous routines script exécutées automatiquement chaque fois que vous lancez des procédures qui créent certains types d'objet de sortie.625 Options Options script Utilisez l'onglet Scripts pour spécifier le fichier de procédures globales et le fichier autoscript. Procédures globales : Le fichier de procédure globale est une bibliothèque de sous-routines script et de fonctions script qui peuvent être nommées par fichier script.

ou non. Pour spécifier des options pour fichiers de procédures globales et autoscripts E Cliquez sur l'onglet Scripts. ce qui vous permet d'autoriser. Vous pouvez aussi spécifier un fichier d'autoscript différent ou un fichier de procédure globale. E Sélectionnez Permettre l'autoscript. les sous-routines individuelles. .626 Chapitre 43 Figure 43-10 Onglet Scripts Toutes les sous-routines du fichier courant autoscript sont affichées. E Sélectionnez les sous routines d'autoscript souhaitées.

Avec l'éditeur de menu vous pouvez : „ „ „ 44 Chapitre Ajouter des éléments de menus qui exécutent des scripts SPSS personnalisés. Pour ajouter des items aux menus E A partir du menu. sélectionnez : Outils Editeur de menu.. et dBASE IV. SYLK. E Sélectionnez l'élément de menu au-dessus de laquelle vous voulez qu'apparaisse la nouvelle option. double-cliquez sur le menu dans lequel vous voulez rajouter un nouvel élément. tabulé..0.Personnalisation des menus et des barres d'outils Editeur de menu Vous pouvez utiliser l'éditeur de menu pour personnaliser vos menus SPSS. Excel 4. SPSS peut envoyer des données vers d'autres applications dans les formats suivants : SPSS. E Dans la boîte de dialogue Editeur de menu. Ajouter des éléments de menu qui lancent d'autres applications et envoient automatiquement des données SPSS vers d'autres applications. Lotus 1-2-3 version 3. 627 . E Cliquez sur Insérer item pour insérer un nouvel élément de menu. Ajouter des éléments de menu qui exécutent des fichiers de syntaxe de commande SPSS.

E Cliquez sur Parcourir pour sélectionner un fichier à attacher à l'élément de menu. Vous pouvez également envoyer automatiquement le contenu de l'éditeur de données vers une autre application lorsque vous sélectionnez cette application dans les menus SPSS. Personnalisation des barres d'outils Vous pouvez personnaliser les barres d'outils SPSS et créer de nouvelles barres d'outils.628 Chapitre 44 E Sélectionnez le type de fichier du nouvel élément (fichier de script. y compris les outils utilisés pour toutes les procédures des menus. Figure 44-1 Boîte de dialogue Editeur de menu Vous pouvez également ajouter des menus entièrement nouveaux et des séparateurs entre les éléments de menu. Elles peuvent également contenir des outils personnalisés permettant de lancer d'autres applications. fichier de syntaxe de commande ou application externe). . Les barres d'outils peuvent contenir tous les outils disponibles dans SPSS. d'exécuter des fichiers de syntaxe de commande ou des fichiers de script.

. . ou cliquez sur Nouvelle barre d'outils pour créer une barre d'outils. Elles peuvent également contenir des outils personnalisés permettant de lancer d'autres applications. y compris les outils utilisés pour toutes les procédures des menus. Les barres d'outils peuvent contenir tous les outils disponibles dans SPSS. les personnaliser et en créer de nouvelles. sélectionnez : Affichage Barres d'outils. Figure 44-2 Boîte de dialogue Montrer barres d'outils Pour personnaliser les barres d'outils E A partir du menu. d'exécuter des fichiers de syntaxe de commande ou des fichiers de script. E Sélectionnez la barre d'outils que vous voulez personnaliser et cliquez sur Personnaliser.629 Personnalisation des menus et des barres d'outils Montrer barres d'outils Utilisez Montrer barres d'outils pour afficher ou masquer les barres d'outils..

indiquez le nom de la barre. E Cliquez sur Parcourir pour sélectionner un fichier ou une application à associer à l'outil. E Faites glisser et lâchez les outils que voulez inclure dans la barre d'outils affichée dans la boîte de dialogue. E Indiquez une étiquette décrivant l'outil. E Sélectionnez un élément dans la liste Modalités pour afficher les outils disponibles dans cette modalité.630 Chapitre 44 E Pour les nouvelles barres d'outils. E Sélectionnez l'action que vous voulez affecter à l'outil (ouvrir un fichier. sélectionnez les fenêtres dans lesquelles vous voulez qu'elle apparaisse et cliquez sur Personnaliser. Cette boîte de dialogue sert aussi à créer des noms ou de nouvelles barres d'outils. Propriétés barre d'outils Utilisez Propriétés des barres d'outils pour sélectionner les types de fenêtres dans lesquelles vous voulez voir apparaître la barre d'outils sélectionnée. Les nouveaux outils s'affichent dans la modalité définie par l'utilisateur. exécuter un fichier de syntaxe de commande ou exécuter un script). . qui peut aussi contenir des éléments de menu définis par l'utilisateur. Pour créer un outil personnalisé pour ouvrir un fichier. le faire glisser n'importe où en dehors de la barre d'outils affichée dans la boîte de dialogue. exécuter un fichier de syntaxe de commande ou exécuter un script : E Cliquez sur Nouvel outil dans la boîte de dialogue Personnaliser barre d'outils. E Pour supprimer un outil dans une barre d'outils.

cliquez sur Personnaliser. cliquez sur Nouvel outil. Pour les nouvelles barres d'outils. Les barres d'outils peuvent contenir tous les outils disponibles dans SPSS.631 Personnalisation des menus et des barres d'outils Figure 44-3 Boîte de dialogue Propriétés barre d'outils Pour définir des propriétés des barres d'outils E A partir du menu. Personnaliser barre d'outils Utilisez la boîte de dialogue Personnaliser barre d'outils pour personnaliser les barres d'outils existantes et en créer de nouvelles. y compris les outils utilisés pour toutes les . E Pour les nouvelles barres d'outils. indiquez aussi un nom de barre. E Pour les barres d'outils existantes.. puis sur Propriétés dans la boîte de dialogue Personnaliser barre d'outils. sélectionnez : Affichage Barres d'outils.. E Sélectionnez les types de fenêtres dans lesquelles vous voulez voir apparaître la barre d'outils.

632 Chapitre 44 procédures des menus. d'exécuter des fichiers de syntaxe de commande ou des fichiers de script. . Elles peuvent également contenir des outils personnalisés permettant de lancer d'autres applications. d'exécuter des fichiers de syntaxe de commande et d'exécuter des fichiers de script. Figure 44-4 Boîte de dialogue Personnaliser barre d'outils Créer nouvel outil Utilisez la boîte de dialogue Créer nouvel outil pour créer des outils personnalisés permettant de lancer d'autres applications.

. de la syntaxe et d'autres applications.633 Personnalisation des menus et des barres d'outils Figure 44-5 Boîte de dialogue Créer nouvel outil Editeur bitmap de barre d'outils Utilisez l'éditeur BMP pour créer des icônes personnalisées pour les boutons des barres d'outils. Cela est tout particulièrement utile pour les outils personnalisés créés pour exécuter des scripts.

. E Utilisez la boîte à outils et la palette de couleurs pour modifier l'image bitmap ou créer une nouvelle icône bitmap. sélectionnez : Affichage Barres d'outils. E Cliquez sur l'outil avec l'icône bitmap que vous voulez modifier dans l'exemple de barre d'outils. .634 Chapitre 44 Figure 44-6 Editeur BMP Pour modifier les images bitmap de la barre d'outils E A partir du menu. E Cliquez sur Modifier outil. E Sélectionnez la barre d'outils à personnaliser et cliquez sur Personnaliser..

Système de production 45 Chapitre Le Système de Production permet d'exécuter SPSS en mode automatisé. Un fichier de syntaxe de commande est un fichier texte simple contenant une syntaxe de commande. 635 . Vous pouvez également générer une syntaxe de commande en collant les sélections de la boîte de dialogue dans une fenêtre de syntaxe ou en modifiant le fichier-journal. Après que vous avez créé des fichiers de syntaxe et que vous les avez intégrés dans une tâche de production. vous pouvez les afficher et les modifier à partir du système de production. Le mode Production est utile si vous exécutez souvent le même ensemble d'analyses longues. telles que des rapports hebdomadaires. Vous pouvez utiliser n'importe quel éditeur de texte pour créer ce fichier. SPSS fonctionne seul et prend fin après avoir exécuté la dernière commande. ce qui vous permet d'exécuter d'autres tâches pendant qu'il fonctionne. Le Système de Production utilise des fichiers de syntaxe de commande pour indiquer au programme la marche à suivre.

spp crée un fichier de résultats intitulé prodjob.636 Chapitre 45 Figure 45-1 Système de production Résultats de la tâche de production : Chaque séquence de production crée un fichier de résultats portant le même nom que la tâche de production et l'extension . un fichier de tâche de production intitulé prodjob. Utilisation de l'Utilitaire de Production E Créez un fichier de syntaxe de commande. E Démarrez le Système de production. Le Viewer en mode brouillon produit les résultats texte et des fichiers images (metafiles ou métafichiers) des graphiques. disponible dans le menu Démarrage. Type de résultat : Les sorties du Viewer sont sous forme de tableaux pivotants et de graphiques haute résolution et interactifs.spo. E Indiquez les fichiers de syntaxe que vous souhaitez utiliser dans la tâche de . à l'inverse des graphiques.spo. Le fichier de résultats est un document du Viewer. Par exemple. Les résultats texte peuvent être modifiés dans le Viewer en mode brouillon.

sav'. comme dans l'exemple suivant : GET FILE = '\\hqdev01\public\juillet\ventes. Si vous disposez d'un accès réseau à la version pour serveur distant de SPSS. Cliquez sur le bouton Exécuter de la barre d'outils ou choisissez dans les menus : Exécuter Tâche de production Règles de syntaxe pour le système de production SPSS Les règles de syntaxe des fichiers de syntaxe de commande utilisés dans le système de production SPSS sont les mêmes que les règles pour les fichiers Inclure de SPSS : „ „ „ Chaque commande doit commencer sur la première colonne d'une nouvelle ligne. E Enregistrer le fichier de Tâche de production. le format des commandes convient au système de production SPSS. Cliquez sur Ajouter pour sélectionner les fichiers de syntaxe. Le point à la fin de la commande est optionnel. et non par rapport à votre ordinateur local.637 Système de production production. . E Exécutez le fichier de Tâche de production. Noms de chemin UNC : Les spécifications de chemins relatifs pour des fichiers de données sont relatifs par rapport au serveur utilisé en mode d'analyse distribuée. nous vous recommandons d'utiliser des noms de chemin UNC (Universal Naming Convention = convention de dénomination universelle) pour spécifier l'emplacement des fichiers de données dans vos fichiers de commande. Les lignes suites doivent être en retrait d'un espace au moins. Si vous générez de la syntaxe de commande en collant les choix d'une boîte de dialogue dans une fenêtre de syntaxe.

texte. Word/RTF et Excel. . et d'enregistrer des diagrammes sous divers formats communément utilisés par d'autres applications.638 Chapitre 45 Figure 45-2 Syntaxe de commande collée à partir des sélections d'une boîte de dialogue Options d'exportation Les options d'exportation permettent d'enregistrer les tableaux pivotants SPSS et les éléments texte au format HTML.

639 Système de production Figure 45-3 Boîte de dialogue Options d'exportation Exporter Cette liste déroulante indique les éléments que vous souhaitez exporter. et vous devez exporter les tableaux sous un format adapté pour permettre leur intégration dans des documents HTML. PostScript encapsulé (EPS). les formats d'exportation sont les suivants : métafichier Windows (WMF). bitmap Windows (BMP). Les diagrammes du Viewer sont ignorés. „ „ Document Résultat (sans Graphiques) : Exporte les tableaux pivotants et les résultats texte. JPEG. les diagrammes sont toujours exportés au format métafichier Windows. Pour le format Word/RTF. Les diagrammes ne sont pas inclus dans les documents Excel. une ligne est insérée dans le fichier texte pour chaque diagramme. Pour le format document HTML. TIFF. „ Pour les formats HTML et texte. les tableaux sont intégrés par référence. Pour les documents Word/RTF. Pour le format document texte. Graphiques uniquement : N'exporte que les graphiques. Document résultat : Exporte toute combinaison de tableaux pivotants. . résultat texte et diagrammes. les diagrammes sont exportés au format métafichier Windows et incorporés dans le document Word. les diagrammes sont exportés dans le format d'exportation du diagramme sélectionné. indiquant le nom de fichier du diagramme exporté. Pour les documents HTML et texte. PNG ou PICT Macintosh.

Chaque ligne du résultat texte est une ligne dans le fichier Excel. Une police à espacement fixe est nécessaire pour le bon alignement des résultats texte séparés par des espaces. Word/RTF et Excel . les diagrammes sont exportés au format du diagramme sélectionné. pour les formats HTML et texte. Les noms des diagrammes exportés comprennent le nom de fichier de la tâche de production.xls) : Les lignes. .htm) : Les tableaux pivotants sont exportés comme des tableaux HTML. et l'extension du format choisi. et ainsi de suite.wmf. PostScript encapsulé (EPS). colonnes et cellules des tableaux pivotants sont exportées comme des lignes. JPEG. Si la tâche de production prodjob. les tableaux pivotants et le texte sont exportés de la façon suivante : „ „ „ Fichier HTML (*. un numéro séquentiel.).).txt) : Les tableaux pivotants peuvent être exportés en format tabulé ou avec espaces. „ Fichier Word/RTF (*.wmf. Les diagrammes peuvent être exportés aux formats suivants : métafichier Windows (WMF). PNG ou PICT Macintosh. TIFF. colonnes et cellules Excel. Les résultats texte sont publiés au format HTML pré-formaté. CGM. couleurs d'arrière-plan. Fichier Excel (*.640 Chapitre 45 Format d'exportation Pour les documents de résultat. les noms des diagrammes seraient prodjob1. styles de police. Tous les résultats texte sont exportés en format avec espaces. les options disponibles sont HTML. Le résultat texte est exporté avec tous les attributs de police. prodjob2. sélectionnez un format d'exportation de graphiques dans la liste déroulante.wmf. Le résultat texte est exporté en tant que fichier RTF. prodjob3. etc. Fichier texte (*. Pour Graphiques Seulement. Pour les documents de résultat.doc) : Les tableaux pivotants sont exportés comme des tableaux Word avec tous les attributs de formatage (bordures de cellule. Format d'image L'option Format d'image contrôle le format d'exportation des diagrammes. avec le contenu de toute la ligne dans une seule cellule. couleurs d'arrière-plan. texte. avec tous les attributs de formatage (bordures de cellule. bitmap Windows (BMP).spp exporte des diagrammes au format métafichier Windows. Le résultat texte dans SPSS apparaît toujours dans une police à espacement fixe et est exporté avec les mêmes attributs de police. etc. styles de police.

Invites utilisateur Les symboles de macro définis dans un fichier de tâche de production et utilisés dans un fichier de syntaxe de commande simplifient les tâches comme l'exécution de la même analyse pour différents fichiers de données ou l'exécution du même ensemble de commandes pour différents ensembles de variables. taille et résolution. Vous pouvez par exemple définir les symboles de macro @datfile pour que le système vous demande un nom de fichier de données chaque fois que vous exécutez une tâche de production qui utilise la chaîne @datfile au lieu d'un nom de fichier. . Exportation du Viewer en mode brouillon La seule option d'exportation disponible pour les résultats du Viewer en mode brouillon consiste à exporter les résultats en texte simple. par exemple) et les options d'exportation de diagrammes (paramètres des couleurs. utilisez l'option Exporter du menu Fichier de SPSS. Les diagrammes ne peuvent être exportés par le Viewer en mode brouillon. par exemple) sont définies dans SPSS et ne peuvent pas être modifiées dans le système de production. Pour modifier les options d'exportation de texte et de diagrammes.641 Système de production Options de texte et d'image Les options d'exportation de texte (séparé par des tabulations ou par des espaces.

Sinon. Le nom du symbole de macro doit commencer par un @. Invite : Etiquette descriptive qui s'affiche lorsque la tâche de production vous demande de saisir des informations. Défaut : Valeur que la tâche de production donne par défaut si vous ne tapez pas une valeur différente. laissez le champ vide ou tapez N ou Non. . Vous pouvez par exemple utiliser la phrase « Quel fichier de données souhaitez-vous utiliser ? » pour identifier un champ qui exige un nom de fichier de données. Cette valeur s'affiche lorsque la tâche de production vous demande cette information. vous devez entrer Oui pour les spécifications de nom de fichier car les spécifications de ce type doivent être placées entre guillemets. Par exemple.642 Chapitre 45 Figure 45-4 Boîte de dialogue Invites utilisateur Symbole de macro : Nom de macro utilisé dans le fichier de syntaxe de commande pour appeler la macro qui demande à l'utilisateur de saisir des informations. Mettre la valeur entre guillemets : Tapez O ou Oui si vous souhaitez que la valeur soit mise entre guillemets. Vous pouvez remplacer ou modifier cette valeur pendant l'exécution.

. Vous pouvez remplacer ou modifier les valeurs par défaut affichées.643 Système de production Figure 45-5 Invites de macro dans un fichier de syntaxe de commande Sollicitation de macros de production Le système de production SPSS vous demande des valeurs chaque fois que vous exécutez une tâche de production qui contient des symboles de macro définis. SPSS remplace alors ces valeurs par les symboles de macro dans tous les fichiers de syntaxe de commande associés à la tâche de production.

un nom de domaine.644 Chapitre 45 Figure 45-6 Boîte de dialogue Sollicitation de macros de production Options de production Les options de production vous permettent de : „ Spécifier un éditeur de texte par défaut pour les fichiers de syntaxe auxquels on a accédé par le bouton de modification de la boîte de dialogue principale. un ID utilisateur ainsi qu'un mot de passe pour l'analyse distribuée (applicable uniquement si vous disposez d'un accès réseau à la version serveur de SPSS). Changer serveur. les paramètres par défaut de la boîte de dialogue de connexion au serveur de SPSS seront utilisés. . „ Exécuter la tâche de production comme une opération de fond invisible ou afficher „ Définir un serveur distant. Si vous ne fournissez pas ces informations. SPSS et les résultats qu'il génère au fur et à mesure de l'exécution de la tâche. Vous ne pouvez sélectionner que les serveurs distants que vous avez précédemment définis dans la boîte de dialogue d'ajout de serveur de SPSS (menu Fichier. Ajouter).

Vous pouvez spécifier les tailles et styles de polices. et les bordures. Contrôle du format des tâches de production Plusieurs paramètres de SPSS peuvent vous aider à choisir le meilleur format pour les tableaux pivotants créés dans les tâches de production : Aspects de tableaux : En modifiant et en enregistrant Aspects de tableaux (menu Format dans un tableau pivotant actif) vous pouvez contrôler de nombreux attributs de tableaux pivotants. option Propriétés du tableau.. sélectionnez Redimensionner largeur de tableau pour l'ajuster à la page dans l'onglet Général. .. Pour éviter la division de tableaux larges sur plusieurs pages. les couleurs.645 Système de production Figure 45-7 Options Modification des options de production Dans les menus du Système de production choisissez Affichage Options.

de longues étiquettes peuvent parfois paraître étranges dans certains tableaux. L'option Etiquettes et données ajuste la largeur d'une colonne à l'élément le plus large de la colonne. onglet Tableaux pivotants) contrôlent les modèles de tableaux par défaut et l'ajustement automatique des largeurs de colonnes dans les tableaux pivotants. E A partir du menu. Vous pouvez afficher des noms de variables et/ou des étiquettes de variable définies. E Sélectionnez un modèle de tableau dans la liste et cliquez sur Modifier modèle.. plus descriptives. „ Les tâches de production utilisent les paramètres en vigueur définis sous Modèle de tableau et Options. Le recours aux commandes SET dans les fichiers de syntaxe vous permet d'utiliser plusieurs paramètres Modèles de tableaux et Options dans la même tâche. Options. Largeur de colonne : Les options Tableaux pivotants (menu Edition. sélectionnez : Format Aspects de tableaux. mais garantit que toutes les valeurs seront affichées. mais les valeurs de données plus larges que l'étiquette ne seront pas affichés (des astérisques indiquent les valeurs trop larges pour être affichées).. Toutefois. Options. mais vous pouvez également utiliser les commandes SET dans vos fichiers de syntaxe pour les contrôler. permettent souvent d'interpréter plus facilement vos résultats. Cela produit des tableaux plus larges. Les étiquettes de variable et de valeur. E Définissez les propriétés du tableau selon les attributs voulus. de l'étiquette ou de la valeur de donnée. onglet Etiquettes Résultats) contrôlent l'affichage des informations relatives aux variables et aux valeurs de données dans les tableaux pivotants. Vous pouvez définir les paramètres dans Modèles de tableaux et Options avant de lancer votre tâche de production. des valeurs de données réelles et/ou des étiquettes de valeurs définies. Création d'un modèle de tableau par défaut personnalisé E Activez le tableau pivotant (double-cliquez à un endroit quelconque du tableau). Cela produit des tableaux plus compacts. . „ L'option Etiquettes seulement ajuste la largeur d'une colonne à celle de l'étiquette de colonne.646 Chapitre 45 Etiquettes de résultats : Les options Etiquettes de résultats (Menu Edition.

sélectionnez : Affichage Options. SET TVARS : Contrôle l'affichage des noms et des étiquettes de variable dans les nouveaux tableaux pivotants. sélectionnez : Affichage Options E Sélectionnez les options souhaitées.. les paramètres des options en vigueur lors de la dernière exécution du programme sont appliqués à la tâche de production.647 Système de production E Cliquez sur Enregistrer aspect ou Enregistrer sous pour enregistrer le modèle de tableau et cliquez sur OK. Définition des options pour les tâches de production E A partir du menu. Lorsque vous exécutez une tâche de production.. les paramètres des étiquettes de résultats. Les paramètres définis sous Options sont enregistrés avec le programme. E A partir du menu. Vous pouvez définir le modèle de tableau par défaut. et l'ajustement automatique de la largeur des colonnes avec Options. . comme dans : „ SET TLOOK = 'c:\prodjobs\montableau. E Sélectionnez le modèle de tableau dans la liste et cliquez sur OK. Contrôle du format des tableaux pivotants avec la syntaxe de commande SET TLOOK : Contrôle le modèle de tableau par défaut pour les nouveaux tableaux pivotants. E Cliquez sur OK. „ SET TVARS = LABELS fait apparaître les étiquettes de variable. E Cliquez sur l'onglet Tableaux pivotants.tlo'.

„ „ SET TFIT = LABELS ajuste la largeur des colonnes en fonction de la largeur des étiquettes de colonne. le chiffre retenu étant le plus grand des deux. SET TVARS = BOTH fait apparaître les noms et les étiquettes de variable. SET ONUMBER : Contrôle l'affichage des valeurs de données ou des étiquettes de valeurs dans les nouveaux tableaux pivotants. Si la tâche de production contient des invites utilisateur.648 Chapitre 45 „ „ SET TVARS = NAMES fait apparaître les noms de variable. „ „ „ SET ONUMBER = LABELS fait apparaître les étiquettes de valeurs. Les valeurs par défaut des invites utilisateur sont automatiquement utilisées. et supprime les éventuels messages ou invites utilisateur. -s : Exécute la tâche de production. Vous pouvez exécuter des tâches de Production à partir d'une ligne de commande à l'aide des boutons suivants : -r : Exécute la tâche de production. Exécution de tâches de production à partir d'une ligne de commande Les boutons de la ligne de commande vous permettent de programmer l'heure d'exécution des tâches de production grâce aux utilitaires de programmation comme celui disponible dans Microsoft Plus!. vous devez fournir l'information demandée pour que la tâche de production puisse s'exécuter. SET ONUMBER = BOTH fait apparaître les valeurs de données et les étiquettes de valeurs. . SET TFIT = BOTH ajuste la largeur des colonnes à la largeur des étiquettes ou à la plus grande valeur de données. SET ONUMBER = VALUES fait apparaître les valeurs de données. SET TFIT : Contrôle l'ajustement automatique de la largeur des colonnes pour les nouveaux tableaux pivotants.

-p : Mot de passe pour l'accès au serveur distant.649 Système de production Analyse distribuée : Si vous disposez d'un accès réseau à la version serveur de SPSS. comme dans l'exemple suivant : "c:\program files\spss\spssprod. la tâche s'exécute en mode local.exe" "c:\spss\datajobs\prodjob. Si vous souhaitez exécuter une tâche de production en mode local mais que votre ordinateur local n'est pas votre serveur par défaut. -n. Si aucun serveur par défaut n'est défini dans cette boîte de dialogue. -n : Numéro du port.spp" -s -r Pour les commutateurs de ligne de commande nécessitant des spécifications supplémentaires. Vous devez indiquer le chemin complet aussi bien pour le système de production (spssprod. vous devez tous les indiquer (-x. -d : Nom de domaine. -u et -p). vous pouvez également utiliser les commutateurs suivants pour exécuter le système de production en mode d'analyse distribuée : -x : Nom ou adresse IP du serveur distant. indiquez la valeur entre guillemets ou entre apostrophes. -d. comme dans l'exemple suivant : "c:\program files\spss\spssprod. Si vous spécifiez l'un de ces paramètres de ligne de commande pour l'analyse distribuée. Si la spécification comporte des espaces (par exemple.spp" -x="" -n="" -d="" -u="" -p="" . et les deux doivent être mis entre guillemets. comme dans l'exemple suivant : -x="HAL 9000" -u="nom secret" Serveur par défaut : Si vous disposez d'un accès réseau à la version serveur de SPSS. -u : ID utilisateur pour l'accès au serveur distant.exe" "c:\spss\datajobs\prodjob. vous devez les faire suivre du signe égal (=) immédiatement avant la spécification.exe) que pour la tâche de production. le serveur par défaut et les informations associées (si vous ne les avez pas spécifiés dans les paramètres de ligne de commande) correspondent au serveur par défaut défini dans la boîte de dialogue de connexion au serveur de SPSS. indiquez des chaînes vides entre guillemets pour tous les commutateurs de ligne de commande de l'analyse distribuée. dans un nom de serveur en deux mots).

). Les résultats texte sont publiés sous forme de HTML pré-formaté. Publier : Permet de spécifier le résultat à publier : „ „ „ „ „ „ Document résultat : Publie la totalité du document de résultat.650 Chapitre 45 Publication sur le Web La fonction Publier sur le Web exporte les résultats à publier vers le serveur Web SmartViewer. Les tableaux et rapports publiés dans SmartViewer peuvent être visualisés et manipulés via le Web. Tableaux uniquement (sans Notes) : Exclut les graphiques et les tableaux Notes. les résultats seront publiés à chaque fois vous que exécuterez la tâche de production. Du fait que tous les paramètres sont enregistrés avec la tâche de production (fichier .spp). Rien : Désactive la publication sur le Web. Les diagrammes sont publiés sous forme de fichiers graphiques JPEG ou PNG. Statique : Les tableaux sont statiques et ne peuvent pas être manipulés après publication. Graphiques uniquement : Publie uniquement les graphiques du document. „ „ „ Les tableaux pivotants sont publiés comme des tableaux dynamiques pouvant être manipulés via le Web afin d'obtenir différents affichages des données. Celle-ci désactive la publication tout en générant d'autres types de résultats (fichiers du Viewer. à moins que vous ne sélectionniez l'option Rien. fichiers HTML) spécifiés dans la tâche de production. Tableaux uniquement : Exclut les graphiques. Tous les tableaux pivotants et tableaux de texte sont publiés. . (La plupart des navigateurs utilisent par défaut une police à espacement fixe pour le texte préformaté. Document résultat (sans Notes) : Publie tout sauf les tableaux Notes produits automatiquement pour chaque procédure. en temps réel et à l'aide d'un navigateur standard. y compris les éléments masqués ou réduits. Publier tableaux en tant que : Contrôle la manière dont les tableaux pivotants sont publiés : „ „ Interactif : Les tableaux sont des objets dynamiques pouvant être manipulés via le Web afin d'obtenir différents affichages des données.

Contactez votre administrateur système ou Webmaster pour plus d'informations. Si SmartViewer n'est pas disponible sur votre site. utilisez l'option Exporter le résultat pour enregistrer le résultat au format HTML. vous devez entrer votre ID utilisateur et votre mot de passe. Cette procédure est requise pour la création d'une tâche de production à publier sur le Web. Ces informations sont stockées dans la tâche de production dans un format codé. . Contactez votre administrateur système ou Webmaster pour obtenir des instructions sur le téléchargement du plug-in. Remarque : La fonction Publier sur le Web est disponible uniquement avec les sites où le serveur Web SmartViewer est installé et elle nécessite un plug-in pour activer la fonction de publication. Connexion au serveur Web SmartViewer La publication sur le serveur Web SmartViewer nécessite un nom d'utilisateur (ID utilisateur) et un mot de passe valides. Une ID utilisateur et un mot de passe vous sont également demandés pour accéder au serveur Web SmartViewer. Lorsque vous créez une tâche de production à publier sur le Web.651 Système de production Configurer : Ouvre la page Configurer la publication automatique du serveur Web SmartViewer dans une fenêtre de navigateur.

.

vous pouvez d'abord en choisir un parmi les nombreux Assistants script.. Vous pouvez utiliser ces scripts comme ils se présentent ou les adapter à vos besoins.Utilitaire de script SPSS 46 Chapitre L'utilitaire de script vous permet d'automatiser certaines tâches. Si vous souhaitez créer vos propres scripts. Exécution d'un script E A partir du menu. l'exportation des diagrammes sous forme de fichiers graphiques dans de nombreux formats. Un certain nombre de scripts figure dans le logiciel. notamment les scripts automatiques qui s'exécutent automatiquement à chaque fois qu'un type de résultat est produit. l'ouverture et l'enregistrement des fichiers de données. telles que : „ „ „ „ „ le résultat personnalisé et automatique dans le Viewer. l'affichage et la manipulation de boîtes de dialogue. sélectionnez : Outils Exécuter le script. 653 . l'exécution des transformations de données et des procédures statistiques à l'aide de la syntaxe de commande SPSS..

en p= dans les étiquettes de colonnes de n'importe quel tableau pivotant.654 Chapitre 46 Figure 46-1 Boîte de dialogue Exécuter le script E Sélectionnez le dossier Scripts. Scripts livrés avec SPSS Les scripts suivants sont livrés avec le programme : Analyser les observations restantes : Répète une Analyse factorielle ou une Analyse discriminante à l'aide des observations qui n'ont pas été sélectionnées dans une analyse précédente.sbs (effacer le Navigateur) : Supprime tous les tableaux de remarques d'un document de résultat. page 627. reportez-vous à « Personnalisation des menus et des barres d'outils » dans Chapitre 44 . Clean navigator. Le document doit être ouvert dans la fenêtre correspondante du Viewer avant l'exécution du script. . Un tableau de Remarques produit par la précédente exécution de l'analyse factorielle ou discriminante doit être sélectionné avant d'exécuter le script. Modifier la signification de p : Changez Sig. E Sélectionnez le script de votre choix. Pour plus d'informations. Il faut choisir le tableau avant d'exécuter le script.

Si aucun fichier n'est ouvert. reportez-vous à « Options » dans Chapitre 43 .. Remarque : cette liste n'est pas exhaustive.sbs (réexécuter la syntaxe à partir des remarques) : Exécute à nouveau la commande trouvée dans le tableau de remarques sélectionné avec le fichier de données actif. Make totals bold. Le tableau des remarques doit être sélectionné avant l'exécution du script. appliquez le format Gras et la couleur Bleue à la ligne correspondant au modèle qui maximise les R-deux ajustés. Le tableau de statistiques de fréquences doit être sélectionné avant l'exécution du script. Pour plus d'informations. Remove labels.sbs (état des moyennes) : Extrait les informations du tableau des moyennes et écrit les résultats dans plusieurs fichiers de résultat ASCII. Rerun syntax from note.sbs (retirer les étiquettes) : Supprime toutes les étiquettes de colonnes ou de lignes dans un tableau pivotant sélectionné. SPSS contient un autoscript qui supprime automatiquement la diagonale supérieure et met en surbrillance les coefficients de corrélation négligeables à chaque fois qu'un tableau de corrélations est produit par la procédure Corrélation Bivariée. Il faut choisir le tableau avant d'exécuter le script. Par exemple. Le tableau des moyennes doit être sélectionné avant d'exécuter le script. Means report.. page 605.. colonnes ou strates de données indiquées comme étant un Total dans le tableau pivotant. . Autoscripts Les scripts automatiques s'exécutent automatiquement lorsqu'ils sont déclenchés à la création d'une partie de résultat particulière par une procédure donnée.655 Utilitaire de script SPSS Fréquences en bas de page : Insère les statistiques affichées dans un tableau statistique de fréquences sous forme de notes de bas de page dans le tableau de fréquences correspondant pour chaque variable.sbs (totaux en gras) : Applique l'attribut Gras et la couleur Bleue à toutes les lignes. Il faut choisir le tableau avant d'exécuter le script. Le tableau récapitulatif des modèles doit être sélectionné avant l'exécution du script. R-deux max : Dans le tableau récapitulatif des modèles de régression. le script tente de lire le fichier de données utilisé initialement.

Pour plus d'informations. page 605. Fréquences.656 Chapitre 46 L'onglet Scripts de la boîte de dialogue Options (menu Edition) affiche les scripts automatiques (Autoscripts) disponibles sur votre système et vous permet d'activer ou de désactiver différents scripts. Un autoscript qui formate les tableaux ANOVA produit par une analyse ANOVA à un facteur n'est pas déclenché par des tableaux ANOVA produits par d'autres types de procédure statistiques (mais vous pourriez utiliser des procédures générales pour créer des scripts automatiques distincts pour les tableaux ANOVA qui partagent un code très similaire). produit à la fois un tableau de fréquences et un tableau de statistiques. . par exemple. Figure 46-2 Onglet Scripts de la boîte de dialogue Options Les scripts automatiques sont spécifiques à une procédure et à un type de résultat donnés. chacune pouvant avoir son propre autoscript. Cependant. vous pouvez utiliser un autoscript distinct pour chaque type de résultat produit par la même procédure. reportez-vous à « Options » dans Chapitre 43 .

Par exemple. vous pouvez d'abord en choisir un parmi les nombreux Assistants scripts. Figure 46-3 Modifier un script dans la fenêtre de script Si vous préférez créer vos propres scripts. .657 Utilitaire de script SPSS Création et modification de scripts Vous pouvez adapter à vos besoins la plupart des scripts livrés avec le logiciel. l'un des scripts permet de supprimer tous les tableaux de remarques dans le document de résultat choisi. Vous pouvez facilement modifier ce script pour supprimer les éléments de résultat de n'importe quel type et d'étiquette.

E Sélectionnez le script de votre choix. Fenêtre de script La fenêtre de script est un environnement de programmation complet qui utilise le langage Sax BASIC et inclut un éditeur de boîte de dialogue.. chacun d'eux dispose de sa propre fenêtre. sélectionnez Script SPSS (*. sélectionnez : Fichier Ouvrir Script.. E Dans Type. . des fonctions de mise au point et une aide contextuelle.sbs).658 Chapitre 46 Modification d'un script E A partir du menu. un navigateur d'objets. Si vous ouvrez plusieurs scripts. Figure 46-4 Ouvrir un fichier de script E Sélectionnez le dossier Scripts.

) „ . (Il est inutile de cliquer sur le nom d'un objet dans un commentaire : l'aide qui apparaît concerne le langage Sax BASIC et non les objets SPSS. mais uniquement lorsqu'ils apparaissent en magenta et dans des instructions correctes. Les termes en magenta sont des objets SPSS. Vous pouvez également cliquer sur ces termes et sur F1 pour accéder à l'Aide.659 Utilitaire de script SPSS Figure 46-5 Fenêtre de script „ „ Lorsque vous déplacez le curseur. le nom de la procédure s'affiche en haut de la fenêtre. Pour accéder à l'Aide contextuelle relative à ces termes. Les termes en bleu sont des mots réservés au BASIC (tels que Sub. cliquez sur ces termes et appuyez sur F1. End Sub et Dim). des propriétés ou des méthodes.

. les commentaires sont en vert. les propriétés et les méthodes.660 Chapitre 46 „ „ Les commentaires sont affichés en vert. sont en magenta. sélectionnez : Script Propriétés de l'éditeur… Figure 46-6 Boîte de dialogue Propriétés Editeur E Pour modifier la couleur d'un type d'élément de code. Cliquez sur F2 pour afficher le navigateur d'objets qui affiche les objets SPSS. Pour définir les propriétés de l'éditeur de script E A partir du menu. les termes Sax BASIC sont en bleu et les noms des objets. sélectionner l'élément et une couleur dans la palette déroulante. Vous pouvez indiquer des couleurs différentes pour ces éléments et changer la taille et la police de tout le texte. Propriétés de l'éditeur de script (fenêtre de script) Les éléments de code dans la fenêtre de script répondent à un code couleur qui permet de les distinguer plus facilement. Par défaut. propriétés et méthodes valides.

Figure 46-7 Boîte de dialogue Utiliser l'Assistant script Chaque Assistant script fournit un code pour une ou plusieurs procédures classiques ainsi que certaines astuces sur la personnalisation du script. l'option Masquer les lignes et colonnes vides doit être sélectionnée dans la boîte de dialogue Propriétés de Tableau. Supprimer par étiquette : Supprime des lignes ou des colonnes dans un tableau pivotant en fonction du contenu de RowLabels ou ColumnLabels. Reformate par valeur : Reformate un tableau pivotant en fonction de la valeur de cellules de données ou d'une combinaison de cellules et d'étiquettes. Reformate par étiquettes : Reformate un tableau pivotant en fonction des étiquettes de lignes. Note de bas de page : Reformate les notes de bas de page d'un tableau pivotant. vous pouvez tout d'abord choisir un certain nombre d'Assistants script. .661 Utilitaire de script SPSS L'Assistant script Lorsque vous créez un nouveau script. de colonnes ou de strates. Supprimer les items du Navigateur : Supprime les éléments du Viewer en fonction d'un certain nombre de critères. modifie le texte dans une note de bas de page ou ajoute une note de bas de page. Pour que ce script fonctionne.

pour créer un autoscript qui s'exécute à chaque fois qu'un tableau de fréquences est produit. Création de scripts automatiques Pour créer un autoscript. Par exemple.662 Chapitre 46 Reformate un tableau pivotant divers : Reformate ou modifie le texte dans un titre de tableau pivotant. sélectionnez un objet du résultat qui servira de déclencheur. un texte de coin ou une légende. Cliquez sur le bouton droit de la souris ou utilisez le menu Outils pour créer un nouveau autoscript déclenché à chaque fois que ce type de tableau est produit. . Vous pouvez également utiliser n'importe quel autre script disponible comme Assistant Script. E Si vous ne souhaitez pas utiliser d'assistant. cliquez sur Annuler. sélectionnez : Nouveau Script… E Sélectionnez un Assistant script si vous souhaitez commencer par là. Création d'un script E A partir du menu. Ouvrez simplement le script et enregistrez-le sous un nom différent. même s'il est plus complexe à personnaliser. créez un tableau de fréquences selon la procédure habituelle et cliquez sur le tableau dans le Viewer pour le sélectionner.

sbs. Le nom de la procédure renvoie à l'événement qui sert de déclencheur. Par exemple. par défaut) en tant que nouvelle procédure. le nom de la sous-routine d'autoscript est Explore_Table_Descriptives_Create. si vous créez un autoscript déclenché chaque fois qu'Explorer crée un tableau de caractéristiques.663 Utilitaire de script SPSS Figure 46-8 Créer un nouveau autoscript Chaque autoscript que vous créez est ajouté au fichier d'autoscript actif (autscript. Figure 46-9 Procédure de Nouveau autoscript affiché dans la fenêtre de script .

. sélectionnez Options pour activer ou désactiver l'autoscript. E A partir du menu. il est affiché. Correlations_Table_Correlations_Create. Les événements suivants peuvent déclencher des scripts automatiques : Création d'un tableau pivotant : Le nom de cette procédure renvoie à la fois le type de tableau et la procédure qui l'a créé. Création d'un autoscript E Sélectionnez l'objet que vous souhaitez utiliser en tant que déclencheur dans le Viewer. un nouveau autoscript est créé. par exemple. Evénements déclenchant les scripts automatiques Le nom de la procédure de l'autoscript renvoie à l'événement qui le déclenche. sélectionnez : Outils Créer/modifier un script automatique… S'il n'existe pas d'autoscript pour l'objet sélectionné. Si un autoscript existe déjà. mais il faut que les scripts automatiques soient spécifiques à un élément de résultat et à une procédure statistique donnés. E Dans le menu Edition.664 Chapitre 46 Ceci facilite le développement des scripts automatiques en vous évitant d'avoir à réécrire le code permettant d'obtenir l'objet que vous souhaitez traiter. E Entrez le code.

déclenche l'autoscript déclaré pour le tableau de corrélation en résultant. Création de remarques : Renvoie à la procédure qui l'a créé : Correlations_Notes_Create. vous pouvez écrire un script qui invoque une procédure de corrélation. Vous pouvez également utiliser un script pour déclencher indirectement un autoscript. Création d'avertissements : Renvoyé par la procédure qui l'a créé.665 Utilitaire de script SPSS Figure 46-10 Procédure d'autoscript pour un tableau de corrélation Création du titre : Renvoie à la procédure statistique qui l'a créé : Correlations_Title_Create. qui. à son tour. . Par exemple.

Tous les nouveaux scripts automatiques que vous créez sont ajoutés à ce fichier. Vous pouvez spécifier un fichier d'autoscript différent mais vous ne pouvez en activer qu'un seul à la fois. Le fichier d'autoscript par défaut est autscript. .sbs. Le nom du fichier d'autoscript actif est affiché dans l'onglet Scripts de la boîte de dialogue Options (menu Edition). Figure 46-11 Sous-routines d'autoscript affichées dans la boîte de dialogue Options La boîte de dialogue Options affiche également tous les scripts automatiques dans le fichier actif.666 Chapitre 46 Fichier d'autoscript Tous les scripts automatiques sont enregistrés dans un seul fichier (à la différence des autres scripts enregistrés dans des fichiers distincts). ce qui vous permet d'activer et de désactiver les différents scripts.

Chaque classe d'objets possède des propriétés et des méthodes qui lui sont propres. Utilisez ensuite les propriétés et les méthodes pour effectuer quelque chose. L'utilisation des objets constitue une procédure en deux étapes. Créez tout d'abord une référence pour l'objet (appelée accès à l'objet). Figure 46-12 Arborescence de la hiérarchie des objets. Les objets de cette classe vous permettent d'utiliser la méthode SelectTable pour choisir tous les éléments du tableau et la propriété TextColor pour changer la couleur du texte sélectionné. Par exemple. Par exemple. pour .667 Utilitaire de script SPSS Fonctionnement des scripts Les scripts manipulent les objets à l'aide des propriétés et des méthodes. naviguez dans la hiérarchie des objets SPSS à chaque étape à partir des propriétés et des méthodes du niveau supérieur pour accéder aux objets du niveau inférieur. Pour atteindre les objets. Le regroupement des classes (ou types) d'objets SPSS s'appelle la bibliothèque des types SPSS. les tableaux pivotants constituent une classe d'objets.

il est judicieux de déclarer toutes les variables avant de les utiliser. Chaque classe représente un type d'objet que le programme peut créer. tel qu'un document de résultat ou un tableau pivotant. (Souvenez-vous que tout ce que vous enregistrez dans la variable est une référence à l'objet.) L'une des premières étapes de la création d'un script est souvent la déclaration de variables pour les objets dont vous avez besoin. L'instruction se contente de déclarer que la variable existe (il a été fait référence à ce processus comme à « une attribution d'un nouveau nom aux objets que vous désirez utiliser »).668 Chapitre 46 atteindre un tableau pivotant. Par exemple. Chaque classe d'objets possède . tenez compte des objets que vous manipulez et des propriétés de chaque objet que vous modifiez. Chaque objet que vous atteignez est enregistré dans une variable. la première déclaration ci-dessus crée une variable d'objet appelée objOutputDoc et affecte cette variable à la classe d'objets ISpssOutputDoc. effectuez plusieurs fois les tâches à accomplir à l'aide de la souris. Pour cela. En effet. on utilise généralement les instructions de déclaration Dim : Dim objOutputDoc As ISpssOutputDoc Dim objPivotTable As PivotTable Dim intType As Integer Dim strLabel As String Chaque déclaration indique le nom et le type de variable. Vous pouvez nommer vos variables de la façon qui vous convient mais nous vous conseillons d'utiliser des appellations aidant à leur compréhension lors de leur suivi. Classes d'objets SPSS : ISpssOutputDoc et PivotTable sont des noms de classes d'objet SPSS. Conventions d'appellation des variables : Par convention. Astuces : il est difficile de comprendre le fonctionnement de scripts si vous ne comprenez pas le fonctionnement de SPSS. Avant d'écrire un script. vous devez d'abord accéder au document de résultat qui contient ce tableau puis aux éléments de ce document. La variable n'a pas encore de valeur. A chaque étape. ceux des variables numériques (entiers) par int et ceux des variables chaîne par str. le nom de chaque variable fait référence à son type. Déclarations des variables (Script) Même si ce n'est pas obligatoire. Les noms des variables d'objet commencent par obj. elle n'a pas encore été définie pour un document de résultat particulier.

Le regroupement des classes (ou types) d'objets SPSS s'appelle la bibliothèque des types SPSS. Ils sont conseillés pour tous les scripts.669 Utilitaire de script SPSS des propriétés et des méthodes qui lui sont propres. objSpssOptions objSpssInfo objDocuments objDataDoc objSyntaxDoc objOutputDoc objPrintOptions objOutputItems objOutputItem objSPSSChart objSPSSText objPivotTable objFootnotes objDataCells objLayerLabels objColumnLabels objRowLabels objPivotMgr objDimension Regroupement des éléments ISpssItems de résultat Elément de résultat ISpssItem Graphes Texte Tableau pivotant Notes de bas de page Cellules de données Etiquettes de strates Etiquettes de colonnes Etiquettes de lignes Gestionnaire de tableau pivotant Dimension ISpssChart ISpssRtf PivotTable ISpssFootnotes ISpssDataCells ISpssLayerLabels ISpssLabels ISpssLabels ISpssPivotMgr IspssDimension . Elle ne requiert aucune déclaration. les noms de classes d'objets commencent toujours par ISpss. Objet Application SPSS Options SPSS Informations sur les fichiers SPSS Documents Document de données Document de syntaxe Document du Viewer Options d'impression Type ou Classe IspssApp ISpssOptions ISpssInfo ISpssDocuments ISpssDataDoc ISpssSyntaxDoc ISpssOutputDoc ISpssPrintOptions Nom de variable La variable objSpssApp est globale. à l'exception des tableaux pivotants. Table des classes d'objet et conventions d'appellation Les noms de variables suivants sont utilisés sans les scripts types livrés avec SPSS. Notez que.

670 Chapitre 46 Accès aux objets d'automation SPSS (script) Accéder à un objet signifie créer une référence à l'objet de telle sorte que vous puissiez utiliser les propriétés et les méthodes servant à effectuer une action. Si cet élément n'est pas un objet OLE. pour accéder à un tableau pivotant. Pour obtenir un objet. Exemple : Accès à un élément de résultat Ce script accède au troisième élément de résultat dans le document de résultat mentionné et l'active. déclarez d'abord une variable d'objet de la classe appropriée puis affectez cette variable à un objet particulier. le script renvoie une erreur. pour accéder au document de résultat mentionné : Dim objOutputDoc As ISpssOutputDoc Set objOutputDoc = objSpssApp. De la même façon. méthode apparentée à l'objet d'application SPSS. Par exemple. vous devez d'abord atteindre le document de résultat qui contient le tableau pivotant pour le regroupement des éléments de ce document de résultat et ainsi de suite.GetDesignatedOutputDoc 'obtenir la référence du document de sortie Set objOutputItems = objOutputDoc. Chaque référence à un objet que vous obtenez est enregistrée dans une variable.GetItem(2) 'obtenir le troisième élément de résultat '(les numéros d'élément commencent à 0 pour que « 2 » corresponde au troisième élément) . Sub Main Dim objOutputDoc As ISpssOutputDoc'Déclarer les variables objet Dim objOutputItems As ISpssItems Dim objOutputItem As ISpssItem Set objOutputDoc = objSpssApp.Items() 'obtenir la collection des éléments dans le document Set objOutputItem = objOutputItems.GetDesignatedOutputDoc Vous utilisez les propriétés et les méthodes des objets supérieurs dans la hiérarchie des objets pour obtenir les objets inférieurs. Vous pouvez vous reporter ci-dessous à un autre exemple qui active le premier tableau pivotant dans le document de résultat mentionné. La seconde instruction ci-dessus permet d'accéder au document de résultat mentionné à l'aide de GetDesignatedOutputDoc. qui est d'un niveau supérieur.

copiez le code de la fenêtre d'aide et collez-le dans la fenêtre de script. Sub Main Dim objOutputDoc As ISpssOutputDoc 'déclarer les variables objet Dim objOutputItems As ISpssItems Dim objOutputItem As ISpssItem Dim objPivotTable As PivotTable Set objOutputDoc = objSpssApp.Activate()'si l'élément est un tableau pivotant. Vous pouvez tester ces exemples vous-même. Pour cela.Items()'obtenir la collection des items du document Dim intItemCount As Integer'nombre d'éléments de résultat Dim intItemType As Integer'type d'élément (défini par la propriété SpssType) intItemCount = objOutputItems.Count()'obtenir le nombre d'éléments de résultat For index = 0 To intItemCount'parcourir les éléments de résultat Set objOutputItem = objOutputItems.GetDesignatedOutputDoc'obtenir la référence du document de sortie Set objOutputItems = objOutputDoc.GetItem(index)'obtenir l'élément courant intItemType = objOutputItem.Activate 'activer l'élément de résultat End sub Exemple : Accès au premier tableau pivotant Ce script accède au premier tableau pivotant dans le document de résultat mentionné et l'active.671 Utilitaire de script SPSS objOutputItem.SPSSType()'obtenir le type de l'élément courant If intItemType = SPSSPivot Then Set objPivotTable = objOutputItem. . l'activer Exit For End If Next index End sub Ces exemples sont également accessibles dans l'aide en ligne.

pour attribuer la légende « Résultats d'Anita » à un tableau pivotant activé (objPivotTable) : objPivotTable. vous écrivez dessus. vous lisez depuis cette propriété.CaptionText = "Résultats d'Anita" Lorsqu'une propriété apparaît sur la droite. Par exemple. Dans le vocabulaire de programmation. Par exemple. Lorsqu'une propriété apparaît à gauche du signe égal.SelectTable . Chaque classe d'objets dispose de propriétés et de méthodes spécifiques qui déterminent ce que vous pouvez en faire.672 Chapitre 46 Propriétés et méthodes (script) Tout comme les objets réels. pour définir la légende d'un tableau pivotant et l'enregistrer sous forme de variable : strFontName = objPivotTable. Objet Crayon (réalité) Tableau pivotant (SPSS) Propriété Dureté (couleur) TextFont DataCellWidths CaptionText Méthode Ecrire Ecraser SelectTable ClearSelection HideFootnotes Exemple : Utilisation des propriétés (Script) Les propriétés définissent ou renvoient aux attributs de l'objet. tels que la couleur ou la largeur de cellule.CaptionText Exemple : Utilisation des méthodes (Script) Les méthodes opèrent des actions sur les objets. les attributs sont appelés des propriétés et les utilisations des méthodes. telles que la sélection de tous les éléments dans un tableau : objPivotTable. les objets d'automation OLE de SPSS ont des attributs et des utilisations.

673 Utilitaire de script SPSS ou l'annulation d'une sélection : objPivotTable. puis copier les propriétés et méthodes sélectionnées pour les coller dans votre script. De telles méthodes sont extrêmement importantes pour la navigation dans la hiérarchie des objets. Figure 46-13 Navigateur d'objets .Items Navigateur d'objets Le navigateur d'objets affiche toutes les classes d'objets et les méthodes et propriétés qui leur sont apparentées. Par exemple.GetDesignatedOutputDoc Set objItems = objOutputDoc.ClearSelection Certaines méthodes renvoient à un autre objet. ce qui vous permet d'accéder aux éléments de ce document de résultat : Set objOutputDoc = objSpssApp. la méthode GetDesignatedOutputDoc renvoie le document de résultat choisi. Vous pouvez également accéder à l'aide relative aux différentes propriétés et méthodes.

. vous pouvez appeler n'importe quelle procédure autant de fois que vous le souhaitez. L'organisation des codes dans les procédures facilite la gestion et la réutilisation des différentes portions de code. sélectionnez : Mettre au point Parcourir les objets. Une procédure commence par une instruction qui spécifie le type de la procédure et son nom (par exemple. Figure 46-14 Boîte de dialogue Nouvelle procédure Les procédures sont soit des sous-routines. Les scripts doivent contenir au moins une procédure (Sous-routine principale). soit des fonctions. E Sélectionnez les Methods/Properties (propriétés et méthodes) pour accéder à l'Aide contextuelle ou les coller dans votre script.674 Chapitre 46 Utilisation du navigateur d'objets E A partir du menu de la fenêtre de script. Dans un script. Nouvelle procédure (Script) Une procédure est une séquence libellée d'instructions exécutées comme un ensemble. Sub Main ou Function DialogMonitor( )) et se termine par l'instruction de fin appropriée (End Sub ou End Function).. La procédure principale peut à son tour contenir plusieurs instructions et des appels à d'autres sous-routines qui effectuent le plus gros de la tâche. Lorsque vous faites défiler la fenêtre du script. Vous pouvez également appeler . E Sélectionnez une classe d'objets dans la liste Data Type (type de données) afin d'afficher les méthodes et propriétés de cette classe. le nom de la procédure active s'affiche en haut de la fenêtre. Ils en contiennent souvent plusieurs.

sélectionnez : Script Nouvelle procédure.675 Utilitaire de script SPSS n'importe quelle procédure dans le fichier général des scripts. Ajout d'une nouvelle procédure à un script E A partir du menu... entrez les instructions qui définissent la procédure directement dans le script. . E Saisissez un nom pour la procédure. Pour cela. Procédures générales (script) Si vous souhaitez utiliser une procédure ou une fonction dans plusieurs scripts. E Sélectionnez Sous-routine ou Fonction. ce qui permet de partager les procédures sur plusieurs scripts. Les procédures du fichier général des scripts peuvent être appelées par d'autres scripts. vous pouvez l'ajouter au fichier général des scripts. Vous pouvez également créer une nouvelle procédure.

Vous pouvez également spécifier un autre fichier général des scripts dans l'onglet Scripts de la boîte de dialogue Options (menu Edition). mais vous ne pouvez effectuer de modifications que dans une seule fenêtre à la fois. Vous pouvez consulter le fichier général dans n'importe quelle fenêtre de script (cliquez sur l'onglet n°2 à droite de la fenêtre.sbs.676 Chapitre 46 Figure 46-15 Fichier général des scripts Le fichier général des scripts par défaut est global. Cela signifie que si vous créez et activez un nouveau fichier général. sous la barre d'outils). Vous pouvez ajouter librement des procédures à ce fichier. mais un seul fichier à la fois peut être actif en tant que fichier général. .sbs ne sont plus disponibles. les procédures et les fonctions de global.

La boîte de dialogue est définie par un bloc Begin Dialog.677 Utilitaire de script SPSS Les procédures générales doivent être appelées par les autres procédures de script." en "p=" dans les étiquettes de colonne d'un tableau pivotant. et s'achever par End Description. 'End Description La description doit être mise en forme comme un commentaire (chaque ligne commençant par une apostrophe). Ajoutez simplement un commentaire sur la première ligne du script.. Ajout d'une description à un script Vous pouvez ajouter une description à afficher dans les boîtes de dialogue Exécuter le script et Utiliser l'Assistant script. L'éditeur de boîte de dialogue fournit une interface graphique conviviale permettant de définir la boîte de dialogue. Boîtes de dialogue de script personnalisées La mise en oeuvre d'une boîte de dialogue personnalisée se déroule en deux étapes : Créez d'abord la boîte de dialogue à l'aide de l'éditeur de boîte de dialogue. Vous ne pouvez pas exécuter un script général directement depuis le menu Outils ou une fenêtre de script. . suivi du commentaire souhaité (une ou plusieurs lignes). Il n'est pas nécessaire d'entrer le code directement. puis créez une fonction de surveillance de la boîte de dialogue (DialogFunc) qui surveille la boîte de dialogue et définit son comportement. Par exemple : 'Begin Description 'Ce script change "Sig. 'Requirement: Le tableau pivotant à modifier doit être sélectionné..End Dialog. Ce commentaire doit commencer par Begin Description.

Les instructions qui définissent la fonction sont ajoutées au script. Après avoir ajouté un contrôle. .678 Chapitre 46 Figure 46-16 Créer une boîte de dialogue à l'aide de l'éditeur de Boîte de Dialogue L'éditeur affiche au départ une boîte de dialogue vierge. cliquez sur le curseur dans le script à l'endroit où vous souhaitez insérer le code de la boîte de dialogue. Fonction de surveillance de la boîte de dialogue : Pour créer la fonction de surveillance de la boîte de dialogue. Il faut. (Placez la souris sur chaque outil pour obtenir une description. cliquez sur l'icône Save and Exit (Enregistrer et quitter). située à l'extrême droite de la barre d'outils) pour insérer le code de la boîte de dialogue dans votre script. cliquez avec le bouton droit de la souris sur la boîte de dialogue (assurez-vous qu'aucun contrôle n'est sélectionné) et entrez un nom pour la fonction dans le champ Dialog Function (fonction dialogue). pour cela. même si vous devez modifier manuellement la fonction pour définir le comportement de chaque action. des boutons radio et des cases à cocher. Création d'une boîte de dialogue personnalisée E Dans la fenêtre de script.) Vous pouvez également faire glisser les côtés et les coins de la boîte de dialogue afin de la redimensionner. sélectionner l'outil approprié et le faire glisser avec la souris. par exemple. cliquez le bouton droit de la souris pour définir les propriétés de ce contrôle. Une fois que vous avez fini. Vous pouvez ajouter des commandes comme.

'instructions. La fonction prend la forme (générale) suivante : Function DialogFunc(strDlgItem as String. 'instructions à exécuter lorsque la boîte de dialogue est initialisée Case 2 'changement de valeur ou sélection de bouton . E Cliquez avec le bouton droit de la souris sur la forme (aucun contrôle sélectionné) et saisissez un nom pour la fonction de surveillance de la boîte de dialogue dans le champ Dialog Function (fonction dialogue). E Une fois que vous avez fini. Vous devez modifier manuellement cette fonction pour définir le comportement de la boîte de dialogue... Case 4 ' focus modifié. Case 5 ' veille... intSuppValue as Integer) Select Case intAction Case 1 ' initialisation de boîte de dialogue . E Sélectionnez les outils dans la palette et faites-les glisser dans la nouvelle boîte de dialogue afin d'ajouter des contrôles.. End Select End Function .. Fonctions de surveillance des boîtes de dialogue (Script) Une fonction de surveillance de la boîte de dialogue définit le comportement d'une boîte de dialogue pour chacun des cas spécifiés... intAction as Integer.679 Utilitaire de script SPSS E A partir du menu. Case 3 ' Texte de zone de texte ou de zone de liste déroulante modifié.... sélectionnez : Script Editeur de boîte de dialogue.. cliquez sur l'icône Save and Exit (Enregistrer et quitter) située à l'extrême droite de la barre d'outils. E Redimensionnez la boîte de dialogue en faisant glisser les côtés et les coins... tels que boutons ou cases à cocher.

680 Chapitre 46 Paramètres : La fonction doit être capable de supporter trois paramètres : une chaîne (strDlgItem) et deux entiers (intAction et intSuppValue). Si l'utilisateur clique sur un bouton. Par exemple. écartez le cas 1. etc. intSuppValue est sans valeur. strDlgItem est l'élément dont la valeur change. et vous devez définir DialogFunc = Vrai pour empêcher la fermeture de la boîte de dialogue. Le dernier paramètre est utilisé pour fournir des informations complémentaires dans certains cas. intSuppValue est égale à 0. strDlgItem représente le bouton. en fonction de l'action entreprise. si vous ne souhaitez pas d'instructions exécutant l'initialisation. La chaîne strDlgItem est une chaîne vide . le nom du contrôle passe à la fonction en tant que strDlgItem (le nom du champ est spécifié dans la définition de la boîte de dialogue). La chaîne strDlgItem représente le contrôle dont le texte a changé et qui perd le focus. Le second paramètre (intAction) est une valeur numérique qui indique l'action entreprise dans la boîte de dialogue. Par exemple. lorsqu'un utilisateur clique sur un contrôle dans la boîte de dialogue. et intSuppValue représente la nouvelle valeur. Les paramètres sont des valeurs admises entre la fonction et la boîte de dialogue. DropListBox. intSuppValue représente le nombre de caractères. Si une valeur change. Sélectionnez Case intAction : La valeur de intAction indique l'action entreprise dans la boîte de dialogue. et vous pouvez spécifier les instructions qui s'exécutent pour chaque action. comme illustré ci-dessous. Il y a cinq actions possibles. vous pouvez désactiver un ou plusieurs contrôles ou ajouter un son. Si un bouton est enfoncé. Vous devez ajouter les trois paramètres dans la définition de la fonction. intAction prend la valeur 2. Par exemple. Par exemple. l'initialisation de la boîte de dialogue correspond à intAction = 1. mais uniquement ceux qui s'appliquent. „ Cas 3 : S'exécute lorsqu'une valeur change dans un contrôle TextBox ou ComboBox. „ Cas intAction = 1 : Spécifie les instructions à exécuter lors de l'initialisation de la boîte de dialogue. „ Cas 2 : S'exécute lorsqu'un bouton est enfoncé ou lorsqu'une valeur change dans un contrôle CheckBox. Il n'est pas nécessaire de spécifier les 5 cas possibles. ListBox ou OptionGroup. . même s'ils ne servent pas tous.

DialogFunc Text 40.7.100. La chaîne strDlgItem est une chaîne vide .. „ Cas 5 : Traitement restant.70. Définissez DialogFunc = Vrai afin de continuer à recevoir les actions restantes.cmdCancel End Dialog Dim dlg As UserDialog Dialog dlg End Sub ."Ouverture du fichier de données".35.21..280.).txtFilename OKButton 470.21.21.7.100. Reportez-vous aux sections apparentées pour obtenir des explications sur la sous-routine BuildDialog et sur la fonction de surveillance de la boîte de dialogue.. Figure 46-17 Boîte de dialogue Ouvrir fichier. reportez-vous aux exemples et au prototype DialogFunc dans le fichier d'aide du langage Sax BASIC.28.340.681 Utilitaire de script SPSS „ Cas 4 : S'exécute lorsque le focus change dans la boîte de dialogue.cmdOK CancelButton 470.. intSuppValueest égale à 0. Exemple : Script d'une boîte de dialogue simple Ce script crée une boîte de dialogue simple qui ouvre un fichier de données. Pour plus d'informations."Fichier de données à ouvrir :". etc.txtDialogTitle TextBox 40. créée par un script Sub Main Call BuildDialog End Sub 'définir boîte de dialogue Sub BuildDialog Begin Dialog UserDialog 580.. La chaîne strDlgItem représente l'élément qui reprend le focus et intSuppValue celui qui le perd (le premier élément est 0. le second 1.21.

insérez des points d'arrêt dans la procédure que vous souhaitez mettre au point puis exécutez la procédure statistique qui déclenche l'autoscript. intAction As Integer. . copiez le code de la fenêtre d'aide et collez-le dans la fenêtre de script. d'exécuter une ligne ou une sous-routine à la fois et de visualiser le résultat. Vous pouvez également insérer un point d'arrêt dans le script afin de faire une pause dans l'exécution à la ligne qui contient ce point d'arrêt. Pour cela. ouvrez-le dans une fenêtre de script. Pour mettre au point un autoscript. Mise au point des scripts Le menu Mettre au point vous permet d'effectuer une exécution pas à pas du code(Avancer d'un pas). ferme la boîte de dialogue DialogFunc = False End Select End Select End Function Sub OpenDataFile(strFilename As Variant)'Ouvre le fichier de données correspondant au nom spécifié Dim objDataDoc As ISpssDataDoc Set objDataDoc = objSpssApp. intSuppValue As Integer) As Boolean Select Case intAction Case 1' son lors de l'initialisation de la boîte de dialogue Beep Case 2' changement de valeur ou sélection de bouton Select Case strDlgItem Case "cmdOK"'si l'utilisateur clique sur OK. Vous pouvez tester ces exemples vous-même.682 Chapitre 46 'définir la fonction qui détermine le comportement de la boîte de dialogue Function DialogFunc(strDlgItem As String. ouvre le fichier de données corres strFilename = DlgText("txtFilename") Call OpenDataFile(strFilename) DialogFunc = False Case "cmdCancel"'si l'utilisateur clique sur Annuler.OpenDataDoc(strFilename) End Sub Ces exemples sont également accessibles dans l'aide en ligne.

Stack (pile) et Loaded (chargé) sont affichés dans la fenêtre de script. Les onglets Immediate (immédiat). sélectionnez l'une des options pour exécuter le code. . Revenir d'un pas : Recule d'un pas dans la sous-routine ou dans la fonction appelée. Espion Express : Affiche la valeur de l'expression active. E Vous pouvez également sélectionner Activer/désactiver Séparer pour insérer un point d'arrêt dans la ligne active. Ajouter Espion : Ajoute l'expression active à la fenêtre espion. Seules les instructions de la sous-routine/fonction peuvent être sélectionnées. de même que la barre d'outils de mise au point. Avancer jusqu'au curseur : Exécute jusqu'à la ligne active. Montrer relation suivante : Affiche l'instruction suivante à exécuter. Parcourir les objets : Affiche le navigateur des objets. l'exécution s'arrête à la première ligne de cette sous-routine ou fonction. Si la ligne active renvoie à une sous-routine ou à une fonction. L'exécution du script est suspendue au point d'arrêt et le volet de mise au point s'affiche. Sauter un pas : Exécute la ligne suivante. L'exécution du script est suspendue au point d'arrêt. Exécution d'un script pas à pas E Dans le menu Mettre au point. exécute la sous-routine ou fonction dans la totalité.683 Utilitaire de script SPSS Avancer d'un pas : Exécute la ligne active. une ligne ou une sous-routine à la fois. Définir relation suivante : Définit l'instruction suivante à exécuter. Si la ligne active renvoie à une sous-routine ou à une fonction. Watch (espion). E Utilisez la barre d'outils (ou les touches de raccourci) pour continuer l'exécution pas à pas du script. Activer/désactiver Séparer : Insère ou retire un point d'arrêt.

„ „ „ „ Entrez ?expr. Le mode Trace permet d'imprimer chaque instruction dans la fenêtre immédiate lorsque le script est exécuté. Entrez subname args. puis appuyez sur Entrée pour appeler une sous-routine ou une instruction intégrée. Figure 46-18 Volet de mise au point affiché dans la fenêtre de script Onglet Immediate (immédiat) : Cliquez sur le nom de n'importe quelle variable puis sur l'icône Loupe pour afficher la valeur courante de la variable. Tapez var = expr. puis appuyez sur Entrée pour afficher la valeur de expr. puis appuyez sur Entrée pour passer au mode trace. Stack (pile) et Loaded (chargé) sont affichés. puis appuyez sur Entrée pour modifier la valeur de var. les onglets Immediate (immédiat). attribuer une variable ou un appel à une sous-routine. Vous pouvez également évaluer une expression.684 Chapitre 46 Volet de mise au point (Script) Lorsque vous exécutez le code pas à pas (Avancer d'un pas). Watch (espion). Entrez Trace. .

la partie du système qui effectue les calculs statistiques et les transformations de données). Cliquez sur une ligne pour visualiser ce script. etc. Cliquez sur Entrée pour mettre immédiatement à jour toutes les valeurs. Vous pouvez modifier l'expression à gauche de ->. La première ligne est l'instruction active. la seconde ligne est celle appelée en premier. Vous pouvez associer les fichiers de script et de syntaxe pour plus de flexibilité. Onglet Stack (pile) : Affiche les lignes qui ont renvoyé à l'instruction active. fonction ou expression. La majeure partie de cette fonctionnalité ne peut pas être automatisée directement à partir des scripts de commande.sbs). Exécution d'une syntaxe de commande à partir d'un script Vous pouvez exécuter une syntaxe de commande à partir d'un script d'automation à l'aide de la méthode ExecuteCommands.sps) ne sont pas les mêmes que les fichiers de script (*. . Cliquez sur Ctrl-Y pour supprimer la ligne. Cliquez sur n'importe quelle ligne pour mettre en surbrillance cette ligne dans la fenêtre de modification. le langage de commande propose une méthode de communication directe différente avec l'arrière-plan du programme. Les fichiers de syntaxe possèdent des commandes écrites dans le langage de commande qui vous permet d'exécuter les procédures statistiques et les transformations de données. cliquez sur cet élément et sélectionnez Ajouter Espion dans le menu Mettre au point.685 Utilitaire de script SPSS Onglet Watch (espion) : Pour afficher une variable. exécutez un script à partir de la syntaxe de commande SPSS ou intégrez la syntaxe de commande dans un script. Fichiers de script et de syntaxe Les fichiers de syntaxe (*. Onglet Loaded (chargé) : Présente la liste des scripts actifs. Les valeurs affichées sont mises à jour à chaque fois que l'exécution est suspendue. La syntaxe de commande vous permet d'exécuter les transformations de données et les procédures statistiques et de produire des diagrammes. Pour cela. Alors que les scripts vous permettent de manipuler le résultat et d'automatiser les autres tâches que vous effectueriez normalement à l'aide de l'interface graphique des menus et des boîtes de dialogue.

Figure 46-19 Coller une syntaxe de commande dans un script Lorsque vous ouvrez une boîte de dialogue à l'aide du menu de la fenêtre de script. Remarque : vous devez utiliser les menus de la fenêtre de script pour ouvrir les boîtes de dialogue. Sinon.686 Chapitre 46 La méthode la plus simple pour construire un fichier de syntaxe de commande consiste à effectuer des sélections dans les boîtes de dialogue et à coller la syntaxe de ces sélections dans la fenêtre de script. et non pas dans celle des scripts. les commandes sont collées dans la fenêtre de syntaxe. . le bouton Coller permet de coller tous les codes nécessaires à l'exécution des commandes à partir d'un script.

E Effectuez des sélections dans la boîte de dialogue. ce nom de fichier étant entre guillemets. comme dans l'exemple suivant : SCRIPT 'C:\PROGRAM FILES\SPSS\CLEAN NAVIGATOR.687 Utilitaire de script SPSS Pour coller une syntaxe de commande dans un script E A partir des menus de la fenêtre de script. reportez-vous au manuel SPSS Command Syntax Reference. et non pas dans celle des scripts. E Cliquez sur Coller. Sinon. Indiquez le nom du script que vous souhaitez exécuter. sélectionnez les commandes des menus Statistiques. Remarque : vous devez utiliser les menus de la fenêtre de script pour ouvrir les boîtes de dialogue. les commandes sont collées dans la fenêtre de syntaxe. Exécution d'un script depuis la syntaxe de commande Vous pouvez utiliser la commande SCRIPT pour exécuter un script à partir d'une syntaxe de commande. .SBS'. Diagrammes et Outils pour ouvrir les boîtes de dialogue. Pour obtenir des renseignements complets sur la syntaxe.

.

689 . des résultats texte et de nombreux graphiques au format XML. „ „ „ XML : Vous pouvez écrire des tableaux. la gestion des résultats est uniquement disponible avec la syntaxe de commande. Identificateurs OMS La boîte de dialogue Identificateurs OMS vous aide à écrire la syntaxe de commande OMS. reportez-vous au manuel SPSS Command Syntax Reference (menu Aide. à l'aide de la commande OMS. Vous pouvez l'utiliser pour coller une commande et des identificateurs de sous-type dans une fenêtre de syntaxe de commande. Command Syntax Reference). Pour obtenir des informations détaillées sur la commande OMS. Texte : Vous pouvez écrire des tableaux et des résultats texte sous forme de texte séparé par des tabulations ou des espaces. Les différents formats sont les suivants : „ Format des fichiers de données SPSS (SAV) : Les résultats qui sont affichés dans les tableaux pivotants du Viewer peuvent être écrits dans un fichier de données SPSS. HTML : Vous pouvez écrire des tableaux et des résultats texte au format HTML. Actuellement. Ils peuvent ainsi être utilisés en tant qu'entrées pour les commandes suivantes.Système de gestion des résultats 47 Chapitre Le système de gestion des résultats permet d'écrire automatiquement des catégories de résultats données dans des fichiers de résultats différents et de sélectionner différents formats.

vous pouvez utiliser la sous-commande IF pour indiquer les résultats de commandes spécifiques et/ou les types de tableau à acheminer vers différentes destinations (y compris le Viewer). Comme les noms de commande. et générera un fichier XML regroupant le contenu de ces tableaux. Par exemple : OMS /SELECT TABLES /IF COMMANDS=['Tableaux croisés' 'Descriptives'] SUBTYPES=['Tableau croisé' 'Statistiques descriptives'] /DESTINATION FORMAT=OXML OUTFILE='C:\temp\temp. Certains sous-types sont uniquement générés par une commande alors que d'autres peuvent être générés par plusieurs commandes . Indiquez les noms de commande avec le mot-clé COMMANDS sur les sous-commandes IF ou EXCEPTIF. Identificateurs de commande : La plupart des identificateurs de commande sont identiques aux noms de commande. Vous pouvez également utiliser EXCEPTIF pour exclure certains résultats. Identificateurs de sous-type : Les sous-types sont les différents types de tableau pivotant qui peuvent être générés. Cette commande sélectionne les tableaux croisés et les tableaux de statistiques descriptives à partir des commandes CROSSTABS et DESCRIPTIVES suivantes.xml'.690 Chapitre 47 Figure 47-1 Boîte de dialogue Identificateurs OMS Avec la commande OMS. ils ne font pas la distinction entre les majuscules et les minuscules.

691 Système de gestion des résultats (bien que les tableaux ayant le même nom de sous-type dans différentes procédures puissent avoir différentes structures et différents contenus). sélectionnez : Outils Identificateurs OMS. une nouvelle fenêtre de syntaxe est automatiquement ouverte. la liste des sous-types disponibles regroupe tous les sous-types disponibles pour les commandes sélectionnées. utilisez la touche Ctrl. Utilisation de la boîte de dialogue Identificateurs OMS E A partir du menu. à „ „ Lorsqu'un identificateur de commande et/ou de sous-type est collé. Les listes d'identificateurs des mots-clés COMMANDS et SUBTYPES doivent être mises entre crochets. les résultats des autres commandes qui génèrent ces sous-types ne seront pas sélectionnés.. Les deux sous-types indiqués dans l'exemple ci-dessus peuvent être générés par plusieurs commandes. „ La liste des sous-types disponibles dépend des commandes sélectionnées. Si aucune fenêtre de syntaxe de commande n'est ouverte. Si aucune commande n'est sélectionnée. étant donné que nous indiquons également les commandes.. E Cliquez sur Coller commandes et/ou sur Coller sous-types. l'emplacement actuel du curseur. Par contre. „ Les identificateurs sont collés dans la fenêtre de syntaxe de commande désignée. tous les sous-types sont répertoriés. il est mis entre guillemets car la syntaxe de la commande OMS requiert des guillemets. E Sélectionnez les identificateurs de commande ou de sous-type souhaités. Par exemple : /IF COMMANDS=['Tableaux croisés' 'Descriptives'] SUBTYPES=['Tableau croisé' 'Statistiques descriptives'] Copie des identificateurs OMS à partir de la légende du Viewer Vous pouvez copier et coller des identificateurs de sous-type et de commande OMS à partir du panneau de légende du Viewer. Pour sélectionner plusieurs identificateurs dans chaque liste. Si plusieurs commandes sont sélectionnées. .

onglet Etiquettes Résultats). Options.692 Chapitre 47 E Dans le panneau de légende. Cependant. E Dans le menu contextuel qui apparaît. Il est simplement copié dans le Presse-papiers . l'identification des classes de fichier scindé peut être ajoutée à l'étiquette. Les étiquettes sont affectées par le paramètre lié à la langue des résultats (menu Modifier. procédez comme suit : E Dans le panneau de légende. Les étiquettes qui comprennent des informations sur les variables ou les valeurs sont affectées par les paramètres d'affichage des noms de variable/étiquettes et des valeurs/étiquettes de valeur dans le panneau de légende (menu Modifier. Etant donné que les valeurs des identificateurs de commande et de sous-type sont identiques aux valeurs des attributs de commande et de sous-type correspondantes dans les résultats au format XML (OXML). vous pouvez le coller à l'emplacement de votre choix. onglet Général). sélectionnez Copier l'identificateur de commande OMS ou Copier le sous-type de table OMS. Copie d'étiquettes OMS Au lieu de copier des identificateurs. Vous pouvez utiliser des étiquettes pour différencier des graphiques ou des tableaux de même type dans lesquels le texte de la légende reflète un attribut de l'objet de sortie particulier (par exemple. vous pouvez copier des étiquettes pour les utiliser avec le mot-clé LABELS. cette méthode de copier/coller peut vous être utile lorsque vous écrivez des transformations XSLT. „ Pour copier des étiquettes OMS. cliquez avec le bouton droit de la souris sur l'entrée correspondant à l'élément concerné. il existe un certain nombre de facteurs qui peuvent avoir une incidence sur le texte de l'étiquette : „ „ Si le traitement du fichier scindé est activé. Cette méthode est différente de celle liée à la boîte de dialogue Identificateurs OMS pour la raison suivante : L'identificateur copié n'est pas automatiquement collé dans une fenêtre de syntaxe de commande. les noms de variable ou les étiquettes). Options. cliquez avec le bouton droit de la souris sur l'entrée correspondant à l'élément concerné. .

sélectionnez Copier l'étiquette OMS. les étiquettes doivent apparaître entre guillemets et la liste entre crochets.693 Système de gestion des résultats E Dans le menu contextuel qui apparaît. Comme pour les identificateurs de commande et de sous-type. Par exemple : /IF LABELS=['Catégorie d'emploi' 'Niveau d'enseignement'] .

.

Par exemple.inf Chaque fichier contient des informations spécifiques sur un nombre de sources de données quelconque correspondant au niveau.inf Niveau Département : dba02. L'Administrateur d'accès de base de données et l'assistant de base de données reconnaissent ces fichiers par les noms suivants : „ „ „ Niveau Entreprise : dba01.inf Niveau Personnel : dba03. En fait. la base de données des relevés d'heures de votre société et une base de données que vous utilisez pour effectuer le suivi de votre collection de CD. A la place.Annexe Administrateur d'accès de base de données A L'Administrateur d'accès de base de données est un utilitaire conçu pour simplifier l'utilisation de sources de données volumineuses ou complexes avec l'assistant de base de données. votre fichier dba03. Masquer des tableaux et des champs accessoires. il génère des fichiers qui conservent toutes vos informations et jouent le rôle d' « affichage » de bases de données. l'Administrateur d'accès de base de données ne change pas votre base de données. Créer des noms de variables pour des champs. Il permet aux utilisateurs et aux administrateurs de personnaliser leurs sources de données de : „ „ „ Créer des alias pour des tableaux et des champs de bases de données.inf pourrait contenir des informations d'affichage Personnel pour une base de données de comptes sociétés. 695 . Vous pouvez utiliser l'Administrateur d'accès de base de données pour spécifier jusqu'à trois affichages différents par base de données : le niveau Entreprise. le niveau Personnel. le niveau Département.

il cherchera le chemin de ces fichiers dans le système et affichera automatiquement les informations pour l'ensemble des trois affichages de n'importe quelle source de données que vous avez configurée. exécutez le fichier spssdbca. votre département marketing aura un fichier. les alias. Par exemple.'Modalités Emplois'. au niveau Département : son nom est Modalités Emplois. Les fichiers de chaque niveau conservent les informations sur toutes vos sources de bases de données pour ce niveau. . Département et Personnel. Dans l'Administrateur d'accès de base de données. il est invisible aussi bien au niveau Département qu'au niveau Personnel. Héritage et priorités : Chaque fois que vous utilisez l'assistant de base de données. Entreprise. contenant les informations d'alias pour tous les affichages de bases de données établis pour le département marketing. en revanche. si le tableau Ventes Employés possède l'alias Information Employés au niveau Personnel. Pour démarrer l'Administrateur d'accès de base de données.inf. Pour plus d'informations sur l'Administrateur d'accès de base de données. consultez l'Aide en ligne. il présente l'affichage du niveau le plus bas de votre source de données qu'il a pu trouver dans le chemin d'accès de votre système. les niveaux étant. noms de variables.exe installé dans votre répertoire SPSS. Chaque personne du département marketing aura un fichier. Exemple : le champ CATEMPL dans le tableau Ventes Employés n'a pas d'alias au niveau Entreprise mais en a un. contenant les affichages personnalisés de toutes les bases de données utilisées. Ce tableau ne sera pas affiché dans l'assistant de base de données. Il apparaît comme Modalités Emplois au niveau Personnel De plus. dba03.696 Annexe A Lorsque vous ouvrez l'Administrateur d'accès de base de données. dba02.JOBCAT) apparaîtra dans l'assistant de base de données comme 'Information Employés'. du plus élevé au plus bas. le champ d'origine (Ventes Employés.inf. Exemple : si le tableau des Régions est masqué au niveau Entreprise. et commandes masquées sont hérités du niveau supérieur.

Annexe Personnalisation de documents HTML B Vous pouvez automatiquement ajouter le code HTML personnalisé aux documents exportés au format HTML.txt (situé dans le répertoire d'installation de SPSS) dans un éditeur de texte. 697 . E Remplacez les commentaires dans les « champs » sur les lignes entre les doubles chevrons ouverts (<<) par le texte ou le code HTML à insérer dans vos documents HTML exportés. E Enregistrez le fichier en fichier texte. y compris : „ „ „ „ Titres de documents HTML Spécification du type de document Balises Meta et code du script (par exemple. JavaScript) Texte affiché avant et après la sortie exportée Pour ajouter du code HTML personnalisé à des documents de résultat exportés E Ouvrez le fichier htmlfram. vous devez modifier le registre système pour utiliser le fichier afin de personnaliser votre résultat HTML exporté. Remarque : si vous modifiez le nom ou l'emplacement du fichier texte.

avis de copyright) << Texte et/ou code HTML inséré avant les résultats exportés (par exemple. E Dans le menu Démarrer de Windows. chacun délimité par deux chevrons ouverts sur la ligne précédente (<<) : << Texte ou code à insérer en haut du document avant la spécification <HTML> (par exemple.txt. choisissez Exécuter. nom de société. logo. etc. . vous devez modifier le registre du système pour utiliser le fichier dans le résultat HTML personnalisé. tapez regedit et cliquez sur OK. code indiquant la couleur d'arrière-plan) << Texte et/ou code HTML inséré après les résultats exportés (par exemple.) Pour utiliser un autre fichier ou emplacement pour le code HTML personnalisé Si vous modifiez le nom ou l'emplacement du fichier htmlfram.698 Annexe B Contenu et format du fichier texte pour code HTML personnalisé Le code HTML à ajouter automatiquement à vos documents HTML doit être spécifié dans un fichier texte simple contenant six champs. code JavaScript) << Code HTML modifiant la balise <BODY> (par exemple. des commentaires comprenant les spécifications du type de document) << Texte utilisé comme titre du document (affiché dans la barre de titre) << Balises Meta ou code du script (par exemple.

699 Personnalisation de documents HTML E Dans la fenêtre de gauche de l'éditeur de la base de registres.. sélectionnez : HHKEY_CURRENT_USER Logiciel SPSS SPSS pour Windows 12. << <META NAME="keywords" CONTENT="trucs. double-cliquez sur la chaîne HTMLFormatFile. Inc. <br><br> <IMG SRC="spss2. bidules"> << bgcolor="#FFFFFF" << <H4 align=center>Page réalisée par.gif" align=center></H4> << <h2 align=center>Département Ventes de NVI</h2> <h3 align=center>Données régionales</h3> Exemple de source HTML pour code HTML personnalisé <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 3.2//EN"> << NVI. entrez le chemin complet et le nom du fichier texte contenant les spécifications HTML personnalisées (par exemple. </TITLE> . E Dans la zone Données de la valeur.2//EN"> <HTML> <HEAD> <TITLE> NVI. gadgets. Exemple de fichier texte pour code HTML personnalisé << <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 3. c:\mesfichiers\html.0 SPSSWIN E Dans la fenêtre de droite..txt). Inc.

gadgets.700 Annexe B <META NAME="keywords" CONTENT="trucs. bidules"> </HEAD> <BODY bgcolor="#FFFFFF"> <h2 align=center>Département Ventes de NVI</h2> <h3 align=center>Données régionales</h3> [Résult at exporté] <H4 align=center>Page réalisée par..gif" align=center></H4> </BODY> </HTML> .. <br><br> <IMG SRC="spss2.

352. 439 Hypothèses. 219. 12 Boîtes de dialogue. 435 Prévision. 562 Kuder-Richardson 20. 14 Ajout d'étiquettes de groupe. 178. 442 701 . 564 Corrélations et covariances entre éléments. 435. 447 Matrice de covariance. 13 Etapes de base. 435 Inclusion de la constante. 451 Hypothèses. 435 Modèles. 13 Analyse de fiabilité. 564 Exemple. 561 Caractéristiques. 94. 289. 564 Test d'additivité de Tukey. 181 Fonctions d'agrégation. 273 Légendes. 435 Analyse de séries chronologiques. 441 Options d'affichage. 15 Assistant statistique. 431 Dans Moyennes. 654 Coefficients de la fonction. 14. 273 Notes de bas de page. 266 Recherche de définitions d'étiquette dans les tableaux pivotants. 461 Analyse de données. 561. 608 Dans les cellules. 439 Ajustement de fonctions. 352 Analyse de séries chronologiques. 435 Dans ANOVA à 1 facteur. 447 Enregistrement des variables du classement. 447 Méthodes pas à pas.Index Affectation de mémoire Dans l'analyse TwoStep Cluster. 375 Dans la régression linéaire. 446 Méthodes de l'analyse discriminante. 94 Résultats. 82 Agrégation de données. 445 Diagrammes. 439 Analyse de la variance. 438 Prévision. 561 Dans l'analyse de fiabilité. 564 T-carré de Hotelling. 222. 435. 438. 435. 564 Analyse de fichier scindé. 441. 446 Courbe ROC pour les probabilités. 449 Procédures apparentées. 274. 593 Critères. 566 Hypothèses. 431. 561 Fonctionnalités supplémentaires. 274 Résultats. 439 Enregistrement de prévisions. 447. 451 Exemple. 564 Tableau ANOVA. 564 Procédures apparentées. 180 Noms de variable et étiquettes. 274 Lignes ou colonnes. 182 Analyse de la variance. 441 Exportation des informations du modèle. 178. 435. 264 Ajustement de fonctions. 564 Alpha-maximisation. 12 Aide contextuelle. 562 Remarques sur les données. 219 Titres. 449 Probabilités a priori. 449 Distance de Mahalanobis. 435 Enregistrement d'intervalles de prévision. 629 Etiquettes de dimension. 564 Coefficient de corrélation intra-classe . 222. 181 Aide avec le bouton droit de la souris. 439 Alignement. 562 Statistiques. 449 Matrices. 561. 442 Lambda de Wilks. 274. 289 éditeur de données. 273. 475 Affichage. 447 Définition d'intervalles. 266 Aide en ligne. 274 Affichage des données. 435 Ajustement de fonctions. 439 Enregistrement de résidus. 437. 180. 273. 439 Analyse discriminante. 593 analyse des observations restantes. 439 Prévision d'observations. 629 Barres d'outils. 608 Alpha de Cronbach.

376 Options. 467 analyse des observations restantes. 310 Dans les cubes OLAP. 464 Procédures apparentées. 464 Exemple.Univarié. 454. 674 Propriétés et méthodes. 453. 661 Boîtes de dialogue personnalisées. 333 Tableaux croisés.702 Index Remarques sur les données. 682 Déclaration de variables. 375 Dans GLM . 487 Classification hiérarchique. 670. 464 Convergence. 454 Remarques sur les données. 352. 382 Statistiques. 661. 441 Variables indépendantes. 674. 333 Astuces de script. 466 Format d'affichage des projections. 382 Variables actives. 386. 325 Dans Explorer. 271 Association linéaire par linéaire. 386 Modèle. 677 Assistant script. 658. 345. 658 Fonctionnement des scripts. 673. 467 Hypothèses. 654 Aperçu. 453. 445 Statistiques. 479 Hypothèses. 461 Analyse factorielle. 385 Dans Moyennes. 668 Fenêtre de script. 473 Options. 441. 461. 677. 352 Hypothèses. 672 . 379 Contrastes. 668. 442 Sélection d'observations. 461. 454 Méthodes d'extraction. 352 Dans Récapituler. 378. 555 Caractéristiques. 14 Association de signets aux différents affichages d'un tableaupivotant. 453 Caractéristiques. 358. 682 Ajout d'une description. 379 Valeurs manquantes. 449 Variables de regroupement. 478 Enregistrer dans le fichier de travail. 622 valeurs à deux chiffres. 670 Procédures. 673 Obtention d'objets d'automatisation. 454 Sélection d'observations. 672. 325 Années. 466. 382 Comparaisons multiples. 467 Analyse multiréponses. 479 Andrew. 379. 460 Cartes factorielles. 460 Valeurs manquantes. 352. 653. 555 Dans les tableaux de bord en lignes. 310. 446 Statistiques descriptives. 475 Statistiques. 325 Dans Fréquences. 548. 318 Dans Explorer. 677. 447 Analyse en composantes principale. 460. 453. 325. 479 Enregistrer dans le fichier externe. 533 Définir les vecteurs multiréponses. 375. 464. 471 Diagrammes. 389 ANOVA à 1 facteur. 375 Aperçu. 345 Arbres hiérarchiques. 661 Assistant statistique. 318. 667. 533 Définition des vecteurs. 459 Statistiques. 358 Dans les tableaux de bord en colonnes. 487 Assistant script. 533 Analyse TwoStep Cluster. 376. 667 Navigateur d'objets. 677 Débogage. 548 Dans Moyennes. 622 ANOVA. 461 Méthodes de rotation. 375. 378 Contrastes polynomiaux. 378 Hypothèses. 385. 453 Facteurs. 458. 441 V de Rao. 446 Valeurs manquantes. 382 Tests post hoc. 695 Aplatissement. 377. 389 Dans ANOVA à 1 facteur.

94. 315 Hypothèses. 677. 673 Aperçu. 629 Création. 9 Bouton Coller. 632. 672. 272 Alignement. 667. 8. 8 Affichage. 289 . 293 Affichage. 599 Informations sur les variables. 667. 606. 673 Autoscripts. 672 Scripts. 606 Réordonnance de listes cible. 633 Modification des icônes bitmap de la barre d'outils. 9 Bouton Restaurer. 352 Dans Récapituler. 358 Dans les tableaux de bord en colonnes. 288. 252 Viewer en mode brouillon. 464 Dans Analyse factorielle. 669. 274. 9. 283 Affichage des bordures masquées. 395 Cellules de tableaux pivotants. 283 Viewer en mode brouillon. 379. 395 Dans ANOVA à 1 facteur. 9. 144 Calcul de nouvelles variables chaîne. 325. 252 Bordures de cellules. 284. 285. 631 Création d'outils. 662 Evénements déclenchants. 315. 625. 141. 633 Calcul de variables.703 Index Asymétrie. 630 Affichage et masquage. 631. 318 Dans Explorer. 415 Distances. 358. 9. 679 Sélection de variables. 629. 601. 395 Dans ANOVA à 1 facteur. 94. 11. 415 Cartes factorielles. 9 Boutons. 290. 670. 315 Ordre d'affichage. 96 Automatisation OLE. 630. 679 Affichage des étiquettes de variable. 326 Boîtes de dialogue. 633 Personnalisation. 602 Script. 345. 326 Comparaison des variables. 633 Affichage dans des fenêtres différentes. 11. 315. 555 Caractéristiques. 318 Statistiques. 310 Dans les cubes OLAP. 252. 326 Comparaison des niveaux de facteur. 670. 464 C de Dunnett. 144 Caractéristiques. 670. 653 Utilisation d'objets. 282. 669 Méthodes. 666 Barre d'état. 673 conventions d'appellation des variables. 291. 352. 662. 289. 8 Barres d'outils. 316 Enregistrement des écarts z. 280. 672 propriétés. 629. 318 Carré de la distance euclidienne. 12. 9 Définition de groupes de variables. 379 GLM. 9 Affichage des étiquettes de variable. 555 Dans les tableaux de bord en lignes. 667. 631 B de Tukey. 252 Bouton Aide. 599. 395 Bordures. 664 Fichier d'autoscript. 606 commandes. 9 Bouton Annuler. 10. 379 GLM. 8 Masquage. 548. 345 Attributs de variable. 7. 326 Dans Explorer. 11 Sous-boîtes de dialogue. 10 Utilisation de groupes de variables. 669. 310. 677. 629. 318. 379 GLM. 379. 325 Dans Fréquences. 10 Spécifications facultatives. 606. 632 Modification des icônes bitmap. 379. 548 Dans Moyennes. 8 Bonferroni. 653. 395 Dans ANOVA à 1 facteur. 601 Variables. 606 Affichage des noms de variable. 9 Bouton OK. 96 Copie et collage. 664 Création. 395 boîtes à moustaches. 11 Obtention d'aide. 12 Ordre d'affichage des variables.

431 Collage. 230. 486. 310 Centrage de résultats. 431 Dans la régression linéaire. 564 Coefficient de corrélation par rang. 486 Classes d'affectation. 579 Coefficient êta. 325 Dans Explorer. 487 Chaîne des agrégations. 229 Tableaux pivotants. 333 Coefficient de corrélation de Spearman. 486 Mesures de distance. 229 Colonne de total. 361 Comparaisons multiples. 556 Colonnes. 487 Procédures apparentées. 489. 481. 481 Diagrammes en stalactite. 352 Tableaux croisés. 487 Enregistrement de nouvelles variables. 333 Coefficients bêta. 481 Arbres hiérarchiques. 361 Comparaison des variables. 485 Orientation du diagramme. 403 Coefficient de corrélation r. 493 Nuées dynamiques. 481 Hypothèses. 481 Classification de variables. 481 Courbe ROC. 403 Tableaux croisés. 403 Tableaux croisés. 361 Dans les cubes OLAP. 379 . 325 Dans Fréquences. 485 Coefficient alpha. 333. 493. 333. 561. 333. 291 Polices. 352 Dans Moyennes. 286. 481 Statistiques. 284 Centiles. 481 Remarques sur les données. 315 Ordonner les observations. 315 Enregistrement sous forme de variables. 293 Commande EXECUTE. 561 Dans l'analyse de fiabilité. 556 Dans les tableaux de bord. 481. 333 Coefficient de dispersion (COD). 488 Classification d'observations. 403 Corrélations bivariées. 288 Largeurs. 469 Classification hiérarchique. 291 Formats. 564 Coefficient d'incertitude. 157 Classification. 579 Dans les statistiques de ratio. 485 Transformation de valeurs. 403 Corrélations bivariées. 431 Coefficients de régression. 481. 431 Dans la régression linéaire. 293 Ombrage. 230 Tableaux pivotants en tant que tableaux. 333 Coefficient de corrélation intra-classe. 333 Tableaux croisés. 229. 310. 333 Coefficient de contingence. 231 Diagrammes. 285 Marges. 579 Dans les statistiques de ratio. 593 Choix d'une procédure. 379 Dans ANOVA à 1 facteur. 593 Efficacité. 486 Transformation de mesures. 229. 488 Exemple. 304 Comparaison des groupes. 315 Caractéristiques. 280 Formats des valeurs.704 Index Contours. 231 Collage spécial d'objets. 304 Collée depuis les boîtes de dialogue. 485 Mesures de similarité. 361 Dans les cubes OLAP. 481. 489 Classification hiérarchique. 481 Matrices de distance. 157. 403 Corrélations bivariées. 286 Sélection dans les tableaux pivotants. 579 Coefficient de variation (COV). 222. 608 Centrer-réduire. 272 Modification de texte. 485 Méthodes de classification. 564 Dans l'analyse de fiabilité. 333 Tableaux croisés. 290 Masquage. 229. 293 Modification de la largeur des tableaux pivotants.

596 Diagrammes et statistiques. 593 Création du contour d'une cellule. 393 Convergence. 392. 147 Connexion à un serveur. 356. 227 Correction pour la continuité de Yates. 393 Contrastes de Helmert. 362 Hypothèses. 393 GLM. 178 Dans Agréger les données. 410. 355 Statistiques. 403. 412 Dans la régression linéaire. 412 Partielles. 392. 412 Dans Corrélations partielles. 392. 407 Coefficients de corrélation. 409 Ordre zéro. 406. 392. 227 Résultats. 669 Déclaration de variables. 393 Dans ANOVA à 1 facteur. 464 Copie. 227 Diagrammes.705 Index Comparaisons multiples post hoc. 392. 412 Bivariée. 333 D de Somers. 393 Contrastes simples. 333 Tableaux croisés. 403. 333 Débogage des scripts. 494 Analyse de classification des nuées dynamiques. 403 Tableaux croisés. 393 Contrastes polynomiaux. 668. 412. 593. 403. 593. 393 Contrastes différence. 392. 393 Contrastes à la précédente GLM. 282. 494 Dans Analyse factorielle. 282 Police. 333 Corrélation de Pearson. 392. 431 Corrélations simples. 390 GLM. 333. 532. 358. 333 Corrélations bivariées. 392. 393 GLM. 403 Corrélations bivariées. 668. 532 . 69 Contrastes. 532 Définition des noms. 392. 291 Arrière-plan des cellules. 682 Points d'arrêt. 409. 409 Options. 682. 355. 669 Dans des scripts. 378 GLM. 291 Courbe ROC. 362 D. 221. 393 GLM. 403 Hypothèses. 392. 461. 412 Statistiques. 378. 392. 412 Variables de contrôle. 403 Options. 682 Volet de débogage. 358. 392. 390 Définir les vecteurs multiréponses. 379 Comptage d'occurrences. 221 Tableaux pivotants. 358 Titres. 532 Dichotomies. 291 Critères d'agrégation. 461. 291 Bordures. 410 Corrélations simples. 393 Contrastes déviation. 684 déclaration de variables Conventions d'appellation. 409 Tableaux croisés. 403 Dans Corrélations partielles. 284. 393 Dans ANOVA à 1 facteur. 403 Statistiques. 533 Définition des étiquettes. 596 Remarques sur les données. 406 Corrélations partielles. 378 GLM. 406 Valeurs manquantes. 393 GLM. 409. 378. 178 Cubes OLAP. 333 Corrélations. 532 Modalités. 409. 684 Exécution pas à pas des scripts. 404. 284 Premier plan des cellules. 406 Seuils de signification. 333 Tableaux croisés. 392. 355. 333 Tableaux croisés. 431 Hypothèses. 412 Valeurs manquantes. 669 Décomposition hiérarchique. 412 Couleurs de tableaux pivotants. 409. 403 Corrélations bivariées. 464. 333.

90. 94. 53 Différence de bêta. 395 Dans ANOVA à 1 facteur. 426 Dans la régression linéaire. 94. 579 Dans les statistiques de ratio. 426 Diagrammes tige et feuille. 326 Dictionnaire. 431 Diagramme de répartition gaussien. 361 Différence significative de Tukey. 91 Etiquettes de variable. 427 Différence de motif. 92. 232. 426 Dans la régression linéaire. 638 Insertion dans le Viewer. 312 diagrammes en secteurs. 588 Diagrammes en stalactite. 90 Modèles. 638 Aperçu. 219. 345 Diagnostic des observations. 88. 91. 326. 228 Options. 379. 326 Dans la régression linéaire. 581 Collage dans d'autres applications.Univarié. 461 Diagrammes. 326. 400 Diagrammes en bâtons. 478 Diagrammes d'importance des variables Dans l'analyse TwoStep Cluster. 395 Différences entre les groupes. 613. 227. 427 Différence la moins significative.Univarié. 579 Dimensionnement des diagrammes exportés. 88 Valeurs manquantes. 326 Dans Explorer. 228. 394 Diagrammes des résidus. 583 Notes de bas de page. 94. 361 Dans les cubes OLAP. 226 Masquage. 427 Dans la régression linéaire. 487 Diagrammes interactifs. 326 Dans GLM . 394 GLM. 326 Diagrammes d'importance Dans l'analyse TwoStep Cluster. 227 Enregistrement des données avec un diagramme. 358 Dans Moyennes. 613 Sous-titres. 478 Diagrammes de dispersion. 229 Copie. 426 Dans Explorer. 435 Exportation. 618. 345. 227 Courbe ROC. 226. 593. 588 Diagrammes boîtes à moustaches. 379 GLM. 415 Distances. 618 Copie dans d'autres applications. 379. 352. 312 Titres. 264 Dernier. 361 Différences entre les variables. 435. 96 Etiquettes de valeurs. 487 Classification hiérarchique. 415 Différence de prévision. 395 Dans ANOVA à 1 facteur. 587 Rapport hauteur/largeur. 229. 431 Dans la régression linéaire. 618 Diagrammes partiels. 96. 326 Diagramme des valeurs propres. 400 Dans Explorer. 94. 84. 400 Diagrammes dispersion/niveau. 219 Modèles. 427 Dans la régression linéaire. 227. 361 Dans les cubes OLAP. 53. 581 Etiquettes d'observations. 613 Modification. 587 Titres. 232. 238 . 312 Dans Fréquences. 352 Dans Récapituler. 92 Déplacement de lignes et de colonnes. 400 Dans GLM . 358 Dans les cubes OLAP. 426 Diagrammes de profils. 96 Copie et collage d'attributs. 379 GLM. 587 Valeurs manquantes.706 Index Définition de variables. 227 Copie dans d'autres applications. 96 Types de données. 227. 312 Dans Fréquences. 326 Dans Explorer. 618 Incorporation en tant qu'objets ActiveX. 593 Création. 591. 426 Diagramme de répartition hors tendance. 395 Différentiel lié au prix (PRD).

101. 398 Distance de Mahalanobis. 413 Transformation de mesures. 105. 99. 415 Distance euclidienne. 415. 100. 415 Distances. 416 Division. 352. 548 Dans Moyennes. 161 Droits d'accès. 569 Dans l'analyse de fiabilité. 104. 358.Univarié. 98. 100 Modification de données. 102 Envoi de données vers d'autres applications. 556 Division dans les colonnes de tableaux. 94 Définition de variables. 97 Effectif observé. 427. 325 Dans Fréquences. 413 Calcul des distances existant entre des observations. 105 Insertion de nouvelles observations. 555. 555 Dans les tableaux de bord en lignes. 415 Distances. 398. 579 Dans les statistiques de ratio. 415 Distances. 186 Echelle. 165 Remplacement de valeurs manquantes. 96 Saisie de données non numériques. 318 Dans Explorer. 103 Restrictions concernant la valeur de données. 103 Observations filtrées. 97. 416 Transformation de valeurs. 96. 163 Définition de variables de date. 82 Alignement. 569 Niveau de mesure. 416 Statistiques. 85. 161. 98. 104 Options d'affichage. 415 Distances. 101. 77 Ecart absolu moyen (AAD). 427 Distance de Manhattan. 413 Exemple. 146. 166 Création de variables de séries chronologiques. 85 éditeur de données. 579 Dans les tableaux de bord en colonnes. 186 Génération de nombres aléatoires. 561 Dans le positionnement multidimensionnel. 102. 161. 415. 103. 161 Fonctions de transformation. 337 . 427 GLM. 186 Echantillonnage. 415 Ecart type. 84. 413 Calcul des distances existant entre des variables. 561. 81. 101 Insertion de nouvelles variables. 166 Transformations de données. 163. 556 Division de tableaux. 101 Largeur de colonne. 146 Sélection. 94. 310 Dans GLM . 103.707 Index Distance de Cook. 415 Distances. 415 Distance de Minkowski. 186 Echantillon aléatoire. 94. 352 Dans Récapituler. 103. 318. 447 Analyse discriminante. 94 Modification de données. 325. 165. 627 Impression. 104. 337 Tableaux croisés. 400. 345 Echantillon aléatoire. 447 Dans la régression linéaire. 104 Recherche d'observations. 413 Mesures de dissimilarité. 415 Distances. 84 Déplacement de variables. 100. 98 Données de séries chronologiques. 548. 100 Modification du type de données. 400 Dans les cubes OLAP. 295 Contrôle des sauts de tableau. 98 Saisie de données. 98 Saisie de données numériques. 345. 310. 579 Ecart de taille. 98 Saisie de données. 415 Distance de Tchebycheff. 99. 427 Dans la régression linéaire. 358 Dans les statistiques de ratio. 627 Affichage des données. 295 Données chaîne. 103. 579 Caractéristiques. 415 Mesures de similarité.

358 Dans Moyennes. 265 Insertion d'étiquettes de groupe. 358 Dans les cubes OLAP. 638 Enregistrement de diagrammes interactifs avec des données. 240. 157 Estimations des paramètres. 651 Résultat en mode brouillon. 352 Dans Récapituler. 259 En-têtes. 240 Fichiers WMF. 352. 400. 638 Fichiers EPS. 352 Dans Récapituler. 232. 232 Format Excel. 232. 325 Dans Fréquences. 98. 232. 318 Dans Courbe ROC. 638 Fichiers JPEG. 242. 250 Publication sur le Web. 175 éditeur de données. 175 Insertion de sauts de ligne. 611 Tableaux pivotants. 611 Dans des fichiers de données fusionnés. 235 Format Word. 91 Panneau de légendes. 238. 264 Suppression. 352. 352. 358 Dans les cubes OLAP. 232. 58. 310. 638. 337 Elimination descendante. 345 Estimation de l'intensité des effets. 424 Dans la régression linéaire. 596 Dans Explorer. 638 Format texte.Univarié. 264 Etiquettes de valeurs. 157 Ordonner les observations. 232. 238. 91. 247 Erreur standard. 424 Enregistrement de diagrammes. 240. 241 Fichiers TIFF. 239. 240 Fichiers PostScript.Univarié. 157 Estimations de la proportion.708 Index Effectif théorique. 175. 232. 250. 400 Dans GLM . 618. 232. 264. 400 Dans GLM . 232. 638 Format Word. 240. 358 Dans les cubes OLAP. 239. 241. 400 Estimations de Blom. 9. 58. 235. 91 Panneau de légendes. 57. 345. 398. 265 Etiquettes de groupe. 345 Erreur standard de la moyenne. 611 Boîtes de dialogue. 238. 271 Enregistrement des résultats. 400 Estimations de Rankit. 54. 157 Estimations de puissance. 596 Caractéristiques. 318. 240. 238. 358 Dans Moyennes. 104 Insertion de sauts de ligne.Univarié. 157 Estimations de Van der Waerden. 325. 240. 400 Erreur standard d'aplatissement. 618 Fichiers BMP. 345 Erreur standard d'asymétrie. 352 Dans Récapituler. 606 Dans des fichiers de données fusionnés. 240. 238. 611 Evénements déclenchants. 259. 238. 638 Fichiers PNG. 241. 175. 9. 242 Format WMF. 232. 236. 259 Format Excel. 246. 235 Format HTML. 232 Protection par mot de passe. 236. 611 Utilisation pour la saisie de données. 74 Fichiers de données SPSS. 358 Dans Moyennes. 74 Fichiers de données. 606. 638 Enregistrement de fichiers. 611 Tableaux pivotants. 310 GLM. 57. 90. 104. 232. 664 . 638 Métafichiers. 638 Fichiers PICT. 400 Dans GLM . 352 Etiquettes. 259. 664 Autoscripts. 337 Tableaux croisés. 157 Eta carré. 400 Estimations de Tukey. 352. 98 Etiquettes de variable. 54 Enregistrement des différents affichages d'un tableau pivotant. 400 Dans Moyennes. 398. 238. 345. 345. 400 Dans GLM . 241.Univarié. 651 Enregistrement d'un résultat en mode brouillon en tant que texte.

638 Exportation de diagrammes. 53. 53 Ouverture. 22 protection. 22. 684 propriétés. 58. 241. 651 Extrêmes. 6 Fenêtres. 58 Enregistrement de sous-ensembles de variables. 236. 239. 635 Taille des diagrammes. 60 enregistrement des résultats sous forme de fichiers de données au format SPSS. 53. 598 Enregistrement. 379.709 Index Explorer. 61 Lecture des noms de variable. 226 Ajout d'un fichier texte dans le Viewer. 23. 328 Statistiques. 54. 235 Format Word. 21. 21. 60. 242. 658. 673 Onglet Chargé. 564 Dans l'analyse de fiabilité. 561 Dans l'analyse de fiabilité. 651 Format Excel. 431 Dans la régression linéaire. 684 Onglet Espion. 25 Fichiers de données. 21 Fichiers BMP. 689 informations sur les dictionnaires. 325 Dans Explorer. 321. 673 Menu Mettre au point. 23. 58. 638 Fichiers dBASE. 235 Format HTML. 24. 240. 21. 57. 57. 395 Dans ANOVA à 1 facteur. 53. 72. 58 Ouverture. 638. 461 F de R-E-G-W (Ryan-Einot-Gabriel-Welsch). 53 Informations sur les fichiers. 232. 57. 325. 684 Onglet Immédiat. 6 Fenêtre active. 57. 235 Format Word. 240. 638 Production automatisée. 15 Fiabilité de Spearman-Brown. 627 Exportation de résultats. 232 Format Excel. 682 Navigateur d'objets. 23 Ouverture. 23 Lecture des plages. 21 . 606 fichiers. 461 Factorisation en projections. 72. 232. 74. 23 Ouverture. 21. 635. 684 Onglet Pile. 232. 57. 240. 327 Valeurs manquantes. 240. 25. 226 Ouverture. 322 Options. 466 Factorisation en axes principaux. 241. 326 Hypothèses. 75 Transposition. 564 fichier-journal. 238 Exportation de données. 21. 326. 240. 75. 328 Diagrammes. 466 Facteurs de Bartlett. 627 Ajout d'éléments de menu pour l'exportation de données. 61 Retournement. 57. 238. 171 Fichiers de feuille de calcul. 240. 660. 4. 660 Fenêtre désignée. 466 Facteurs d'Anderson-Rubin. 61 Ecriture de noms de variable. 328 Exportation de diagrammes. 58 Enregistrement. 323. 6 Fenêtres d'aide. 54. 395 Fenêtre active. 564 Fiabilité Split-half. 53. 327. 171 Serveurs distants. 238. 6 Fenêtre désignée. 238. 61 Ecriture de noms de variable. 74. 561. 58 Lecture des noms de variable. 431 Facteurs. 171 ajout de commentaires. 232. 379 GLM. 322. 21. 232 Publication sur le Web. 6 Fenêtre de script. 24 Fichiers délimités par des tabulations. 325 Facteur d'inflation de la variance. 325 Transformations de l'exposant. 61 Enregistrement.

549 . 638. 232. 333 Génération de nombres aléatoires. 89 Format point. 313 Diagrammes. 145 Traitement des valeurs manquantes. 546 Résultat en mode brouillon. 638 Exportation de diagrammes. 175 Affectation d'un nouveau nom aux variables. 622 Formats monétaires. 232. 395 Dans ANOVA à 1 facteur. 240. 21 Fichiers PICT. 627 Enregistrement. 172. 312. 638 Fichiers Lotus 1-2-3. 235 Fréquences. 310. 240 Fichiers portables Noms de variable. 638 F multiple de Ryan-Einot-Gabriel-Welsch. 238. 638 Exportation de diagrammes. 165 Fonction Différence. 88. 313 Hypothèses. 240. 89. 240 Exportation de diagrammes. 697 Ajout de code personnalisé. 21 Fichiers JPEG.710 Index Fichiers EPS. 238. 313 Fréquences de classe Dans l'analyse TwoStep Cluster. 623 Format virgule. 232. 557 Dans les tableaux de bord en lignes. 395 Fonction Décalage négatif. 165 Fonctions. 232. 165 Fonction Médiane mobile. 252. 58. 238. 241. 232. 638 Format numérique. 238. 232. 232. 627 Ajout d'éléments de menu pour l'envoi de données vers Excel. 57. 307. 238. 58. 146 Gestion des pages. 21. 232. 165 Fonction Lissage. 240 Exportation de diagrammes. 288 Format dollar. 333 Tableaux croisés. 145. 88. 241. 309. 88. 57. 546 Colonnes dans les tableaux de bord. 232. 238. 307. 240. 627 Enregistrement. 145. 145 Fonction Somme cumulée. 88. 58 Ouverture. 57. 313 Statistiques. 21 Ouverture. 379 GLM. 310 Suppression de tableaux. 175. 89 Formats d'entrée. 235. 479 Fusion des fichiers de données. 622 années à deux chiffres. 165 Fonction Moyenne mobile centrée. 638 Exportation de diagrammes. 242. 288 Modification dans les tableaux pivotants. 333 Tableaux croisés. 175 Gamma. 549. 172 Fichiers avec variables différentes. 88 Format de colonne. 241. 232. 232. 235 Format HTML. 238. 232. 58 Ouverture. 175. 165 Formatage. 242. 238. 697 Exportation de résultats. 88. 241. 252 Format chaîne. 232. 638 Fichiers WMF. 312 Formats. 557 Dans les tableaux de bord en colonnes. 638 Exportation de diagrammes. 627 Ajout d'éléments de menu pour l'envoi de données vers Lotus. 238. 21 Fichiers TIFF. 175 Fichiers avec observations différentes. 58 Fichiers PostScript (encapsulés). 89 Formats de date. 88. 379. 89 Format Word Exportation de résultats. 175 informations sur les dictionnaires. 638 Exportation de diagrammes. 638 Fichiers PNG. 638 Fichiers SAS Enregistrement. 307 Ordre d'affichage. 21. 235. 89 Formats d'affichage. 232. 333 Gamma de Goodman et Kruskal. 57 Fichiers SYSTAT. 239. 638 Fichiers Excel. 89 Format Excel Exportation de résultats. 165 Fonction Décalage positif. 623 Formats monétaires personnalisés. 232. 57. 165 Fonction Moyenne mobile précédente. 232. 165 Fonction Différence saisonnière. 232. 239.

243. 386. 222. 400 Contrastes. 633 Imbrication de diagrammes interactifs. 295 Diagrammes. 312 Dans la régression linéaire. 400 Somme des carrés. 427 GLM. 333 Tableaux croisés. 395. 390 Termes d'interaction. 257. 379. 389. 431. 475 GLM . 439 Enregistrement dans l'ajustement de fonctions. 392. 53 Informations sur les variables. 387. 398. 427. 400 Diagrammes de profils. 243. 599. 392. 608 Résultats. 494 Analyse de classification des nuées dynamiques. 264 Intervalle multiple de Ryan-Einot-Gabriel-Welsch. 395 Dans ANOVA à 1 facteur. 248 Redimensionnement de tableaux. 389 Termes construits. 564 Voir Coefficient de corrélation intra-classe. 400 Test T pour échantillons indépendants. 333 Khi-deux du rapport de vraisemblance Tableaux croisés. 382 Dans Courbe ROC. 312. 379. 283 Tableaux pivotants. 283 Résultat en mode brouillon. 633 Modification des icônes bitmap de la barre d'outils. 608 Kappa. 599 Utilisation. 367 Intervalles de prévision. 389. 390. 278. 278. 393. 390 Tests post hoc. 257. 222. 228 Impression.711 Index Gestion du bruit Dans l'analyse TwoStep Cluster. 325. 382. 244 Contrôle des sauts de tableau. 394 Enregistrement de matrices. 243 Taille des diagrammes. 248. 426 ICC. 333 Khi-deux de Pearson. 283. 264 Groupes de variables. 385. 400. 579 Informations sur les fichiers. 392. 278. 243 Strates. 596 Dans Explorer. 389 Moyennes marginales estimées. 461. 400 Options. 427. 367. 427 Itérations. 393 Diagnostics. 325 Dans la régression linéaire. 400. 461. 395 Intervalles de confiance. 246. 333 . 395 Groupement de lignes ou de colonnes. 606 Justification. 333 Tableaux croisés. 392. 247 Espace entre les éléments de résultat. 596 Dans ANOVA à 1 facteur. 601 Définition. 246 Numéros de page. 379 GLM. 53. 248 Index de concentration. 494 Dans Analyse factorielle. 247. 564 Icônes. 246. 579 Dans les statistiques de ratio. 326 Dans Fréquences. 333 Kappa de Cohen. 400. 386 Modèle. 395 Dans ANOVA à 1 facteur. 326. 295 Aperçu avant impression. 439 Enregistrement dans la régression linéaire. 464 Journal de session. 398 Enregistrement de variables. 431 Enregistrement dans la régression linéaire.Univarié. 248 Mise en page. 244. 258. 258 Résultats texte. 243 Données. 105 En-têtes et pieds de page. 228 Imbrication de tableaux pivotants. 400. 398 Hypothèses. 426 Dans Explorer. 394. 333 Tableaux croisés. 401 Affichage. 601 GT2 de Hochberg. 105. 597 Insertion d'étiquettes de groupe. 379 GLM. 395 Histogrammes.

293 Lissage T4253H. 415 Distances. 293 Sélection dans les tableaux pivotants. 358. 94. 453 Analyse discriminante. 219. 352 Dans Récapituler. 294 Lignes. 629 Barres d'outils. 345 Mémoire. 223. 325 Mesure de dissimilarité de Lance et Williams. 333 Lambda de Wilks. 318 Comparaison des colonnes de tableaux. 294 Ajout à un tableau. 274. 318. 219. 290 Marges de page. 556. 431 GLM. 415 . 453. 602 LSD de Fisher. 333 Tableaux croisés. 310 Dans les cubes OLAP. 219. 627 Personnalisation. 341 Listes cible. 619 Contrôle de la largeur maximale. 273. 446. 278. 447 Langage Modification du langage des résultats. 352 Dans Récapituler. 286. 333 Lambda de Goodman et Kruskal. 297 Largeur de colonne. 274. 629 Etiquettes de dimension. 602 Réordonnance de listes cible. 398 Matrice des projections factorielles. 398. 223 Modification des niveaux. 415 Distances. 325 M-estimateur redescendant de Hampel. 602 Listes de variables. 453 Maximum. 246. 606 langage de commande. 345. 564 Kuder-Richardson 20. 564 Lambda. 94 Tableaux pivotants. 219 Résultats d'une procédure. 333 Tableaux croisés. 460 Matrice de covariance. 272 Notes de bas de page. 446. 627 M-estimateur de Huber. 274 Matrice de corrélation. 325 M-estimateurs. 220 Titres. 606 menus. 345. 358 Dans les statistiques de ratio. 461 Médiane de groupes. 325 Dans Explorer. 453 Matrice de transformation. 564 Dans l'analyse de fiabilité. 415 Distances. 220. 579 Dans Moyennes. 415 Mesure de distance du Phi-deux. 224 Dans le Viewer. 274 Lignes et colonnes. 461 Dans Analyse factorielle. 278 éditeur de données. 415 Mesure de distance du Khi-deux. 449 Analyse discriminante. 358 Dans Moyennes. 273 Légendes. 446 Dans Analyse factorielle. 352. 325. 224 Réduction. 290 Dans les cellules. 446. 447 Analyse discriminante. 453 Dans Analyse factorielle. 278 Contrôle de la largeur par défaut. 619 Contrôle de la largeur pour texte avec retour automatique à la ligne. 431. 310. 286 Lecteurs partagés. 345 Maximum de vraisemblance. 325 Dans Explorer. 7. 564 Dans l'analyse de fiabilité. 453 Dans Analyse factorielle. 77 Légende. 223 Légendes. 325 Dans Explorer. 222. 246 Masquage. 556 Dans Explorer. 165 Liste des observations. 222 Développement. 449 Dans la régression linéaire. 579 Caractéristiques. 358 Dans les cubes OLAP.712 Index KR20. 395 Marges. 274 Résultats. 395 GLM. 272. 325 Dans Fréquences. 352.

438 Ajustement de fonctions. 310 Dans les statistiques de ratio. 318 Comparaison des colonnes de tableaux. 310. 310. 310. 248 En-têtes et pieds de page. 310. 485 Distances. 318 Caractéristiques. 561 Dans l'analyse de fiabilité. 389 Modification de données. 490 Analyse de classification des nuées dynamiques. 275. 352. 579 Dans Explorer. 438 Ajustement de fonctions. 358 Dans les statistiques de ratio. 275 Création. 579 Dans Moyennes. 325 Dans Fréquences. 556. 389 GLM. 74. 325 Dans Fréquences. 672 Méthodes de sélection. 325. 318. 438 Modèles. 77 Système de production. 438 Ajustement de fonctions. 481. 75 Chemins UNC. 438 Modèle de croissance. 561 Dans l'analyse de fiabilité. 438 Ajustement de fonctions. 415 Mesures de la dispersion. 416 Métafichiers. 564 Modèle parallèle strict. 96. 94. 438 Ajustement de fonctions. 345. 438 Ajustement de fonctions. 438 Modèle parallèle. 78 Enregistrement de fichiers de données. 293 Sélection de lignes et de colonnes dans des tableaux pivotants. 490 Classification hiérarchique. 485 Distances. 438 Ajustement de fonctions. 238. 556 Dans Explorer. 438 Modèle linéaire. 481. 438 Modèle inverse. 232. 579 Caractéristiques. 591. 67. 238 Mise en page. 246. 310 Mesures de la tendance centrale. 248 Modalité de référence. 579 Caractéristiques. 100. 99. 247. 481. 438 Ajustement de fonctions. 393 GLM. 78. 318. 392. 638 Exportation de diagrammes. 613 Modèles de tableaux. 352 Dans Récapituler. 561 Dans l'analyse de fiabilité. 438 Ajustement de fonctions. 438 Ajustement de fonctions. 96 Diagrammes. 325. 438 Modèle logarithmique. 276 Application. 68. 318 Dans Explorer. 345 Mise à l'échelle des diagrammes exportés. 644 Accès aux fichiers de données. 672 Objets d'automatisation OLE. 310 Mode distribué. 358. 579 Mesures de similarité. 75. 561. 94. 392. 325. 393 Mode. 438 Modèle cubique. 293 Minimum. 438 Modèle de Guttman. 481. 564 Modèle de puissance. 485. 318 Dans Fréquences. 310 Dans les statistiques de ratio. 438 Modèle en S. 69. 100 . 70. 438 Modèle logistique. 485 Classification hiérarchique. 276 Modèles factoriels complets. 564 Modèle quadratique. 438 Modèle exponentiel.713 Index Mesures de distance. 232. 644 Modèle composé. 310 Dans les cubes OLAP. 275. 389 GLM. 325 Dans Fréquences. 247 Taille des diagrammes. 74 Procédures disponibles. 561. 72. 72. 238. 415. 613 Définition de variable. 77. 310 Dans Fréquences. 638 Méthodes. 561. 579 Mesures de la distribution. 438 Ajustement de fonctions. 416. 389 Modèles personnalisés.

349. 349 Statistiques. 395 GLM. 9. 489 Hypothèses. 358 Dans les statistiques de ratio.Univarié. 292 Nouvelles fonctionnalités SPSS 12. 352. 352. 325 Dans Explorer. 489 Aperçu. 294 Diagrammes. 355 Moyenne géométrique. 400 Moyenne tronquée. 461 Dans Analyse factorielle. 352. 495 Exemples. 345 Des colonnes de tableaux multiples. 419 Dans la régression linéaire. 556 Sous-groupe. 556 Navigateur d'objets. 325. 288 Notes de bas de page. 292. 358 Dans les cubes OLAP. 494 . 310 Dans les cubes OLAP. 579 Dans les statistiques de ratio. 493 Enregistrement des informations sur les classes.Univarié. 355 Moyennes des sous-groupes.0. 606 Suppression dans le résultat. 85 Nombre d'observations. 606 Tableaux pivotants. 358. 654 Hypothèses. 345. 495 Critères de convergence. 345. 2 Nuées dynamiques. 555. 352 Dans Récapituler. 85 Définition. 349. 400 Dans GLM . 349. 352 Dans Récapituler. 400 Dans GLM . 555 Dans les tableaux de bord en lignes. 358 Dans Moyennes. 345 Nombre maximal de branches Dans l'analyse TwoStep Cluster. 325 Multiplication. 606 fichiers portables. 291 Renumérotation. 352 Dans Récapituler. 400 Moyennes observées. 395 Niveau de mesure. 382. 325 Dans Fréquences. 352 Moyennes des groupes. 88. 345. 358 Dans Moyennes. 84 Règles. 358 Dans les cubes OLAP. 349 Options. 587 Marques. 291. 279. 85. 70 Serveurs. 494 Distances entre les classes. 358 Dans Moyennes. 355 Moyennes marginales estimées. 58 noms de variables d'observation mixtes. 489 Classes d'affectation. 288. 355. 461 Dans Analyse factorielle. 579 Dans les tableaux de bord en colonnes.714 Index Modification de l'ordre des lignes et des colonnes. 606 affichage des noms de variables longs dans les résultats. 85. 352. 548 Dans Moyennes. 382 Dans Explorer. 345. 579 Moyennes. 345 Moyenne harmonique. 556 Multiplication dans les colonnes de tableaux. 318. 654 Sous-groupe. 85 Niveau de mesure. 358 Dans les cubes OLAP. 349. 352. 673 Newman-Keuls. 9. 475 Nominal. 548. 85 Noms. 345 Moyenne pondérée. 70 Noms de variable. 461 Moindres carrés non pondérés. 461 moindres carrés pondérés. 351. 352 Dans Récapituler. 419 Moyenne. 279. 294 Ajout à un tableau. 490 Itérations. 84 Boîtes de dialogue. 264 Moindres carrés généralisés. 352 Résultats au format ASCII. 556. 84. 310. 318 Dans ANOVA à 1 facteur. 84 Notation scientifique. 495 Efficacité. 579 Caractéristiques.

648 Phi. 22 Fichiers de feuille de calcul. 22. 684 Options. 85 Niveau de mesure. 170 Observations filtrées. 669 Utilisation dans les scripts. 246. 606 Scripts. 606. 21. 669 conventions d'appellation des variables. 25 Fichiers dBASE. 21 Fichiers Lotus 1-2-3. 654 Analyse. 490 Remarques sur les données. 682 Dans des scripts. 648 Système de production. 495 Valeurs manquantes. 669. 609. 672 Types. 673 Aperçu. 103. 185. 673 Observations. 669 Utilisation dans les scripts. 24 Fichiers délimités par des tabulations. 606. 70 Numérotation des pages. 558 Dans les tableaux de bord en colonnes. 672 Navigateur d'objets. 21 OXML. 684 Fenêtre de script. 673 propriétés. 549 Objets. 684 Fenêtre de script. 608. 684 Onglet Pile. 21. 188 Recherche dans l'éditeur de données. 103. 691 Onglet Chargé. 611 Générales. 188 Insertion de nouvelles observations. 684 Onglet Immédiat. 170. 21. 608 Viewer en mode brouillon. 157 Rangs fractionnaires. 667. 670. 291 Dans les cellules. 101 Pondération. 606 Modèle de tableau pivotant. 623 Répertoire temporaire. 613 Diagrammes interactifs. 21. 183. 622 Diagrammes. 104 observations restantes. 670. 490 Statistiques. 103 Sélection de sous-groupes. 611. 670. 672. 622 Etiquettes résultats. 558 Dans les tableaux de bord en lignes. 654 Ombrage. 689 utilisation de XSLT avec OXML. 21. 670. 490 Procédures apparentées. 21. 21 Fichiers SYSTAT. 667. 682 . 618.715 Index Méthodes. 157. 667. 625 années à deux chiffres. 21. 669 Méthodes. 157 Valeurs ex aequo. 684 Onglet Espion. 24. 619. 495 Numéros de port. 247 Points d'arrêt. 619 Monnaie. 613. 187. 185. 684 Fenêtre de script. 489. 21. 669. 103. 333 Pieds de page. 333 Tableaux croisés. 21. 609 Options de diagramme. 21 Fichiers Excel. 25 Fichiers de données. 104 éditeur de données. 21. 625 Viewer. 157 Scores de Savage. 263. 673 conventions d'appellation des variables. 623. 689. 246. 158 Ordre d'affichage. 157. 673 Objets ActiveX. 490 Positionnement des variables. 667. 158 Centiles. 613 Ordinal. 156. 187 Tri. 183. 622. 489 Nombre de classes. 684 Fenêtre de script. 248. 549. 291 OMS. 691 Paramètres de ligne de commande. 618 Données. 85 Ordonnancement des observations. 264 Ouverture de fichiers. 667. 622. 228 Objets d'automatisation. 101.

569 Transformation de valeurs. 439 Ajustement de fonctions. 337 Premier. 651 Avec le système de production. 572 Critères. 352 Variation de R-deux. 352. 257. 337 Tableaux croisés. 431 R-deux ajusté. 150. 398 GLM. 337 Pourcentages en colonne. 277 Protection par mot de passe. 337 Pourcentages totaux. 613 R-deux. 284 éditeur de données. 570 Statistiques. 395 quadrillage. 153. 333 Rapport hauteur/largeur. 439 Enregistrement dans l'ajustement de fonctions. 283 . 573 Création de matrices de distance. 104 Panneau de légendes. 310 Rapport de covariance. 284. 283 Tableaux pivotants. 278. 572 Pourcentages. 625. 284 Dans les cellules. 571 Dimensions. 439 Enregistrement dans la régression linéaire. 573 Exemple. 342. 352. 344 Statistiques. 352 Dans Récapituler. 431 Dans Moyennes. 395 Dans ANOVA à 1 facteur.716 Index Polices. 297 propriétés. 674 Production automatisée. 431 Récapituler. 674 Scripts. 675 Procédures sous-routines. 574 Définition de la forme des données. 188 Pondérations fractionnelles dans des tableaux croisés. 278. 379 GLM. 481 Publication de résultat. 277. 188. 358 Dans les cubes OLAP. 570 Remarques sur les données. 431. 672 Tableau. 439 Prévisions. 149. 345 Recodage de variables. 635 Profondeur d'arborescence Dans l'analyse TwoStep Cluster. 572 Modèles de positionnement. 427. 672 Objets d'automatisation OLE. 337 Tableaux croisés. 674 Procédures fonctions. 284 Couleurs. 344. 278 Tableaux pivotants. 379. 573 Niveaux de mesure. 225 Viewer en mode brouillon. 337 Tableaux croisés. 250 Proximités. 574 Procédures apparentées. 337 Pourcentages en ligne. 427 Prévisions pondérées. 188 Positionnement multidimensionnel. 337 Tableaux croisés. 345 Hypothèses. 475 programmation avec le langage de commande. 341. 575 Hypothèses. 569 Conditionnalité. 310 Dans Fréquences. 225. 570 Mesures de distance. 427 Rapport de risque relatif. 104. 283 Quartiles. 481 Classification hiérarchique. 431 Dans la régression linéaire. 674 Procédures globales. 358 Dans Moyennes. 650 Q de R-E-G-W (Ryan-Einot-Gabriel-Welsch). 345. 573 Options d'affichage. 431 Dans la régression linéaire. 333 Tableaux croisés. 345 Prévision. 341. 341 Options. 398 Procédures. 159 Redimensionnement de tableaux pivotants. 569 Fonctionnalités supplémentaires. 152. 427 Dans la régression linéaire. 257 Pondération d'observations.

97. 333. 427 GLM. 419 Diagrammes. 593 Courbe ROC pour les probabilités. 606 Résidu non standardisé. 403 Corrélations bivariées. 427 Dans la régression linéaire. 398. 431 Dans la régression linéaire. 439 Enregistrement dans l'ajustement de fonctions. 427. 217 Retour à la ligne automatique. 222. 427 Statistiques. 464 Rotation Varimax. 97 Utilisation d'étiquettes de valeurs. 426 Diagrammes. 219. 251. 398 Résultats. 431. 295 . 427 Dans la régression linéaire. 464. 464 Dans Analyse factorielle. 220. 419. 293 Modification du langage des résultats. 464 Dans Analyse factorielle. 293. 431 Rotation d'étiquettes. 227. 425 Régression logistique. 464 Rotation oblimin directe. 232. 422. 424. 419 Régression multiple. 221 Viewer. 426 Régression linéaire. 333 R multiple. 265 Rotation equamax. 419 Dans la régression linéaire. 249. 167 Moyenne de la série. 220. 232.717 Index Régression. 419. 220. 221 Copie dans d'autres applications. 608. 427 GLM. 222. 337 Résidus de Student. 424. 464 Saisie de données. 251 Centrage. 427 Exportation des informations du modèle. 419 Résidus. 606. 278 étiquettes de variable et de valeur. 419 Régression linéaire. 230. 98 numérique. 427 Hypothèses. 230 déplacement. 167 Répertoire temporaire. 167 Tendance linéaire. 226. 464 Rotation quartimax. 91 Rho. 333 Tableaux croisés. 427 Dans la régression linéaire. 420 Méthodes de sélection des variables. 432 Pondérations. 98. 608 Brouillon. 167 Moyenne des points voisins. 403 Tableaux croisés. 427 Tableaux croisés. 464 Dans Analyse factorielle. 221. 419 Remplacement de valeurs manquantes. 464 Dans Analyse factorielle. 227 Copie et collage de plusieurs éléments. 167 Interpolation linéaire. 432 Variable de sélection. 98 Sauts de ligne étiquettes de variable et de valeur. 420. 427. 98 Non numérique. 593 Régression multiple. 638 Masquage. 608 Collage dans d'autres applications. 638 Affichage. 222. 278 Contrôle de la largeur de colonne pour texte avec retour automatique à la ligne. 220. 96. 91 Sauts de tableau. 426 Enregistrement de nouvelles variables. 333 Risque. 249 Exportation. 167 Médiane des points voisins. 398. 432 Blocs. 427 Résidus standardisés. 221. 220 Enregistrement. 219 Alignement. 431 Valeurs manquantes. 217. 398 GLM. 398 Résidus supprimés. 606 Variable d'environnement SPSSTMPDIR. 439 Enregistrement dans la régression linéaire. 219 Modification. 337. 398 Résidus. 220. 96. 606 Suppression. 226 Copie. 606 Définition de la position en mode local.

185 Intervalle de temps. 431 Statistique de Mantel-Haenszel. 653 Assistant script. 333 Statistique de Welch. 358 Dans les statistiques de ratio. 187 Echantillon aléatoire. 310. 579 Dans Moyennes. 345 Somme des carrés. 677 Aperçu. 352 Dans Récapituler. 271 Somme. 669 Exécution. 658. 655. 661. 352 Dans Récapituler. 670. 70 Noms. 187. 77 Système de production. 662 Débogage. 187 Sous-titres Diagrammes. 666 Avec syntaxe de commande. 318. 627 Ajout d'une description. 186. 389. 475 Statistique d'intervalle. 77. 658.718 Index Scores de Savage. 644 Seuil initial Dans l'analyse TwoStep Cluster. 70. 675 Sélection ascendante. 685. 632 Fenêtre de script. 2 Standardisation Dans l'analyse TwoStep Cluster. 660 Fichier d'autoscript. 424 Dans la régression linéaire. 75 Ajout. 69. 390 GLM. 78. 668. 625. 157 Scores normaux. 318. 661 Autoscripts. 185. 345 Statistique de Brown-Forsythe. 69. 677. 78 Connexion. 70 Serveurs distants. 675 Utilisation d'objets d'automatisation. 74 Modification. 186 En fonction de critères de sélection. 185. 69 Enregistrement de fichiers de données. 587 Sous-totaux. 187 Sélection progressive. 310. 382 Statistique de Cochran. 345. 627. 358. 424 Serveurs. 310 Dans les cubes OLAP. 13 Nouvelles fonctionnalités. 677. 358 Dans Moyennes. 358 Caractéristiques. 333 Statistique de Durbin-Watson. 625. 186. 653 Exécution avec les boutons de la barre d'outils. 318 Dans Fréquences. 70 Procédures disponibles. 157 Scripts. 318 Dans Fréquences. 424 Sélection d'observations. 475 Signets. 183. 667. 677. 187 Plage d'observations. 382 Dans ANOVA à 1 facteur. 655. 70 Ajout. 157 Ordonner les observations. 185. 186 Sélection. 424 Dans la régression linéaire. 684 Déclaration de variables. 682. 382 . 310 Dans les cubes OLAP. 662. 72. 345. 70 Numéros de port. 333 Tableaux croisés. 579 Caractéristiques. 557 SPSS Etapes de base. 687 Boîtes de dialogue. 669. 183. 662. 352. 679 Création. 68. 352. 673 Scripts de procédures globales. 74. 390 Sous groupes d'observations. 70 Chemins UNC. 685. 187 Echantillon aléatoire. 70. 662. 72. 625. 658. 187 Plage de dates. 557 Dans les tableaux de bord en colonnes. 67. 654. 666 Fichier de procédures globales. 632. 653. 382 Dans ANOVA à 1 facteur. 185. 644 Accès aux fichiers de données. 682 Ajout aux menus. 183. 333 Tableaux croisés. 431 Dans la régression linéaire. 69 Modification. 75. 653. 70 Connexion. 389.

606. 637. 631. 635. 345 Strates. 358. 631 Fichier de résultat. 608. 431 Dans Moyennes. 299 Collage dans des scripts. 400. 325 Dans Fréquences. 577. 637 Ajout aux menus. 304 Exécution de la syntaxe de commande avec les boutons de la barre d'outils. 302. 302. 304. 637. 632 Fichier de résultat. 606 Formatage du système de production. 685. 297. 352. 609. 299 Exécution. 302. 300 fichier-journal. 304. 644 Paramètres de ligne de commande. 267 Impression. 288 Tableaux pivotants. 298. 579 Dans Moyennes. 606. 352 Statistiques de ratio. 352. 579 Dans Explorer. 689. 579 Hypothèses. 606 Installation du manuel Command Syntax Reference. 577. 606 Système de production. 638. 243. 283. 608. 304. 400 Dans l'analyse TwoStep Cluster. 638 Fichiers de résultat. 288 Tableaux pivotants.719 Index Statistique médiane. 15. 569 Dans le positionnement multidimensionnel. 569 Dans le positionnement multidimensionnel. 650 Publication sur le Web. 635. 609. 310 Dans GLM . 267. 304. 269. 304. 298 Règles du système de production. 315. 278. 297. 304 Suppression de résultats. 609 Règles de syntaxe. 609 Règles de syntaxe. 302. 637 Système de gestion des résultats. 606. 379 GLM. 637 Syntaxe de commande. 637 . 687 Collage. 648 Publication de résultat. 579 Statistiques descriptives. 300. 569 Stress S. 687 Exécution. 315 Dans Explorer. 304 Exécution avec les boutons de la barre d'outils. 609. 300. 578. 345. 689 Système de mesure. 267. 648. 569 Student-Newman-Keuls. 638 Exportation de résultats. 332 Tableaux pivotants. 650 Contrôle du format avec la syntaxe de commande. 243. 269 Création. 15 Journal. 325. 648 Programmation des tâches de production. 278. 283 Modification. 310 Dans les cubes OLAP. 643. 345 Statistique R. 395 Dans ANOVA à 1 facteur. 15 Journal. 269. 647 Contrôle du format des tableaux pivotants. 632. 269 Tableaux croisés. 310. 579 Caractéristiques. 608. 647 Installation du manuel Command Syntax Reference. 325. 288 Syntaxe. 479 Dans les statistiques de ratio. 685. 299. 627. 332 Affichage. 352 Dans Récapituler. 310. 298. 299. 685. 645. 579 Dans Récapituler. 577 Statistiques. 635 Options. 379. 644. 687 Avec scripts. 298 Règles du système de production. 608. 288 Symbole pourcentage. 635. 345. 304. 15. 608. 221 Symbole dollar. 267 Stress. 358 Dans les statistiques de ratio. 431 Dans la régression linéaire. 645 Exportation de diagrammes. 644. 267. 641.Univarié. 325 Dans Fréquences. 650 Règles de syntaxe. 265 Suppression de plusieurs commandes EXECUTE dans les fichiers de syntaxe. 395 Suppression d'étiquettes de groupe. 627 Collage. 300 fichier-journal.

550. 279. 229 Contrôle des sauts de tableau. 379. 553 Tableaux de bord en lignes. 295 Tableaux croisés. 261. 556. 280. 263. 552 Variables en colonnes. 552 Valeurs manquantes. 546. 609 T2 de Tamhane. 227 Copie et collage de plusieurs tableaux. 550 Numérotation des pages. 307 Tableaux pivotants. 395 Tableau croisé. 332 Suppression de tableaux. 272. 332. 339. 556 Colonne de total. 557 Syntaxe de commande. 558 Valeurs manquantes. 267. 556 Tableaux de bord en colonnes. 219. 332 Tableaux de bord. 229. 230 Déplacement de lignes et de colonnes. 283 Affichage et masquage des cellules. 548. 232. 638. 232. 333. 307. 275. 645 Affichage des bordures masquées. 277. 282. 395 Dans ANOVA à 1 facteur. 333. 548 Mise en page. 230. 227. 264. 329. 619. 278. 226. 556 Multiplication des valeurs de colonnes. 556 Division des valeurs de colonnes. 379 GLM. 557. 549. 559 Colonne de total. 619 Bordures. 379 GLM. 546 Gestion des pages. 295 Contrôle des sauts de tableau. 230. 329 Variables de contrôle. 379. 261. 543 Espacement de ventilation. 295. 272 Ajout de légendes. 543 Syntaxe de commande. 337 Diagrammes en bâtons juxtaposés. 329 tableaux de fréquences. 331. 553. 552 Séquences de tri. 543 Totaux composites. 546 Gestion des pages. 553. 552. 638 . 263. 264. 543. 262. 294 Ajustement de la largeur de colonne par défaut. 283. 325 Dans Fréquences.720 Index Remplacement de valeurs dans des fichiers de syntaxe. 325 Dans Explorer. 608. 556. 330. 295 Contrôle du format des tâches de production. 543. 229 Collage en tant que texte. 283. 294. 556 Comparaison des colonnes. 543. 549. 282 Collage dans d'autres applications. 550. 549 Variables dans les titres. 549 Pieds de page. 264 Dissociation de lignes ou de colonnes. 337. 553. 330 Pondérations fractionnelles. 559 Critères d'agrégation. 339 Hypothèses. 329 Tableaux. 265 Exportation au format HTML. 263. 278. 266. 641 Sollicitation de macros. 559 Titres. 261. 558 Sous-totaux. 333. 556 Tableaux de bord en colonnes. 275. 395 T3 de Dunnett. 333 Formats. 227 Copie dans d'autres applications. 188. 228. 557 Mise en page. 333. 333 Strates. 265. 606 Utilisation de la syntaxe de commande à partir du journal. 558. 543 Tableaux de contingence. 643 Spécification d'un serveur distant. 285. 188 Statistiques. 395 Dans ANOVA à 1 facteur. 329 Tableaux croisés. 293. 559 Total général. 558 Tableaux de bord en lignes. 550 Numérotation des pages. 333. 339 Affichage de cellules. 548 Format de colonne. 226. 332. 229. 265. 226. 243. 556 Format de colonne. 230 Collage sous forme de tableaux. 261. 645 Copie. 644 Utilisation de la syntaxe de commande à partir d'un fichier-journal. 546. 553. 227. 226 Collage en tant que métafichiers.

446 . 333 Tableaux croisés. 403 Tableaux croisés. 400 Test de Lilliefors. 326 Dans Explorer. 564 Dans l'analyse de fiabilité. 219 Modèle de tableau par défaut des nouveaux tableaux. 502 Statistiques. 395 Test de Games-Howell. 333. 261 Modification de l'aspect. 261. 395 Dans ANOVA à 1 facteur. 225 Tau-b. 502 Valeurs manquantes. 498 Intervalle théorique. 295 Impression de strates. 561 Dans l'analyse de fiabilité. 379 GLM. 333 T-carré de Hotelling. 285 Manipulation. 326. 379 GLM. 400 Dans ANOVA à 1 facteur. 460 Dans Analyse factorielle. 264 Largeur des cellules. 561 Test d'intervalle multiple de Duncan. 265 Texte de suite. 502 Valeurs théoriques. 279 Propriétés générales. 395 Test de Shapiro-Wilks. 262 propriétés. 293 Strates. 333 Tableaux croisés. 564 Termes d'interaction. 446 Analyse discriminante. 498. 333 Tau-b de Kendall. 326 Dans Explorer. 275. 382. 277 Propriétés des notes de bas de page. 501. 333 test de Scheffé.Univarié. 266 Redimensionnement à des fins d'ajustement à la page. 395 Test de Levene. 561 Dans l'analyse de fiabilité. 379. 379 GLM. 379 GLM. 390 Test d'additivité de Tukey. 503 Hypothèses. 395 Test de Gabriel. 263 Impression de grands tableaux. 395 Dans ANOVA à 1 facteur. 261 Pivotement. 501. 283 Rétablissement des valeurs par défaut. 333 Tableaux croisés. 333 Tableaux croisés. 379. 333 Tableaux croisés. 263. 501 Test exact de Fisher. 382 Dans Explorer. 228 Insertion d'étiquettes de groupe. 333 Test M de Box. 225 Dans la légende. 278 quadrillage. 283 Recherche de définitions d'étiquette. 283 Transposition de lignes et de colonnes. 500. 501 Options. 333 Tau de Kruskal. 261. 263 Utilisation d'icônes. 326 Test de sphéricité de Bartlett. 502. 266 Rotation d'étiquettes. 275 Modification de l'ordre d'affichage. 390 GLM. 498. 326 Test de McNemar. 403 Corrélations bivariées. 264 Identification des dimensions. 333 Tableaux croisés. 333 Tableaux croisés. 395 Dans ANOVA à 1 facteur.721 Index Formats de cellule. 333 Tau-c. 264 Modification de plusieurs tableaux. 243 Incorporation en tant qu'objets ActiveX. 267 Suppression d'étiquettes de groupe. 561. 333 Tau de Goodman et Kruskal. 326 Dans GLM . 379. 333 Tau-c de Kendall. 280 Groupement de lignes ou de colonnes. 460 Test du Khi-deux. 619 Modification. 278. 265 Sélection de lignes et de colonnes. 379. 262 Tailles. 261 Masquage. 395 Dans ANOVA à 1 facteur.

333 Test à un échantillon. 498 Test exact de Fisher. 145. 333 Correction pour la continuité de Yates. 326 Dans Explorer. 283 Pour les tableaux pivotants. 175 Pondération d'observations. 232. 367 Valeurs manquantes. 178 Analyse de fichier scindé. 182 Fusion des fichiers de données. 364. 236. 362 Diagrammes. 366 Texte. 188 Transposition des variables et des observations.Univarié. 225. 366. 395 Test t de Sidak. 400 Tests de colinéarité. 145 Ordonnancement des observations. 638 Texte d'étiquette vertical. 395 Test t pour deux échantillons. 156 Recodage de valeurs. 326 Tests du Khi-deux. 379 GLM. 400 Dans GLM . 333 Association linéaire par linéaire. 152. 363 Test t de Waller-Duncan. 251 Dans les cellules. 431 Dans la régression linéaire. 333 Tableaux croisés. 379. 161. 159. 293 Exportation d'un résultat en mode brouillon en tant que texte. 363 Test t de Dunnett. 232. 144. 171 Tri d'observations. 225. 382 Dans GLM . 153. 141 Fonctions. 395 Dans ANOVA à 1 facteur.Univarié. 400 Dans ANOVA à 1 facteur. 226. 638 Ajout au Viewer. 654 Graissage automatique dans le résultat. 163. 400 Test T pour échantillons indépendants. 226 Création de résultats texte. 159 Retardement de l'exécution. 251. 333 Indépendance. 144 Transformations de fichiers. 153. 365. 431 Dans la régression linéaire.722 Index Tests d'homogénéité de la variance. 558 Transformations conditionnelles. 431 Tests de l'indépendance. 363. 259 Exportation de résultat en tant que texte. 150. 366 Variables de regroupement. 170. 366 Hypothèses. 352 Tests de normalité. 225 Dans les cubes OLAP. 382. 622 Séries chronologiques. 152. 379. 333 Rapport de vraisemblance. 171 Tri d'observations. 367 Variables chaîne. 333 Tests de linéarité. 236. 654 Totaux généraux. 498 Test du Khi-deux. 182. 395 test t de Student. 163 Transformations conditionnelles. 188 Agrégation de données. 333 Pearson :. 143 Transformations de données. 263 Transposition des variables et des observations. 363. 558 Dans les tableaux de bord en colonnes. 367 Options. 141. 362 Ajout au Viewer. 149. 395 Dans ANOVA à 1 facteur. 379 GLM. 265 Texte de suite. 172. 172. 170 Transposition de lignes et de colonnes. 352 Dans Moyennes. 364 Intervalles de confiance. 333. 156. 379. 498 Tests t. 149. 395 Dans ANOVA à 1 facteur. 225 Ajout d'un fichier texte dans le Viewer. 333 Khi-deux. 170 . 178. 143 Variables chaîne. 161. 259. 143. 587 Tolérance. 367 Définition de groupes. 175. 150. 171. 622 Calcul de variables. 431 Totaux. 283 Titres. 363 Test T pour échantillons indépendants. 379 GLM. 293. 333 Tests non paramétriques. 363 Test T pour échantillons indépendants.

333 V de Rao. 502 Test T pour échantillons indépendants. 11. 88 Devise personnalisée. 548. 332 Variables de date. 11 Variables chaîne. 426 Valeurs influentes. 325 Dans l'analyse TwoStep Cluster. 145. 425 Dans la régression linéaire. 345. 333 Tableaux croisés. 92. 367 Variables chaîne. 427 Dans la régression linéaire. 432. 606 Variables de contrôle. 425 Variables. 8. 460 Dans Analyse factorielle. 318. 427 GLM. 159 Valeurs manquantes. 558 Dans les tableaux de bord en lignes. 367. 588 Fonctions. 382 Dans Corrélations partielles. 352 Dans Récapituler. 92 Valeurs propres. 159 Boîtes de dialogue. 315 Caractéristiques. 88. 325 Dans Explorer. 84 Définition de groupes de variables. 175. 166. 467. 150. 318 Dans Explorer. 102. 412 Dans Courbe ROC. 92 Valeurs manquantes spécifiées par l'utilisateur. 101 Ordre d'affichage dans les boîtes de dialogue. 310. 447 . 502. 103 V. 406. 548 Dans Moyennes. 597 Informations sur les variables dans les boîtes de dialogue. 102 Informations sur la définition. 332. 358 Dans les tableaux de bord en colonnes. 447 Analyse discriminante. 555 Caractéristiques. 161 Variance. 144 Recodage en nombres entiers consécutifs. 325 Types de données. 333 Valeurs. 432 Dans les tableaux de bord en colonnes. 352. 431. 145. 92 Variables d'environnement. 558. 358. 467 Dans ANOVA à 1 facteur. 431 Valeurs standardisées. 475 Dans la régression linéaire. 406 Dans Analyse factorielle. 325. 382. 549 Définition. 288 Format d'affichage des tableaux pivotants. 288 Valeurs éloignées. 410 Tableaux croisés. 161 Définition pour des données de séries chronologiques. 150. 8 Définition. 398 Valeurs manquantes. 623 Définition. 149. 11. 328. 152. 88. 103. 333 Tableaux croisés. 599. 159 Sélection dans des boîtes de dialogue. 152. 101. 432. 153. 398. 315 Variable d'environnement SPSSTMPDIR. 606 Variable de sélection. 8 Calcul de nouvelles variables chaîne. 166 Test du Khi-deux. 596 Dans Explorer. 144. 596 Corrélations bivariées. 623 Formats d'affichage. 153. 325 Dans Fréquences. 92 Diagrammes. 410 Dans Corrélations partielles. 412. 310 Dans les cubes OLAP. 549. 345 V de Cramer. 145 Remplacement dans des données de séries chronologiques. 599 déplacement. 555 Dans les tableaux de bord en lignes. 597. 89 Formats d'entrée.723 Index Tukey. 92. 92. 460. 159. 606 SPSSTMPDIR. 84. 328 Dans la régression linéaire. 461 Dans la régression linéaire. 606 Recodage. 149. 426 Dans Explorer. 8. 89 Modification. 606 Affectation d'un nouveau nom aux fichiers de données fusionnés. 175 Boîtes de dialogue. 325. 88. 89. 11 Insertion de nouvelles variables.

252 Bordures de lignes. 226 Légende. 217 Panneau de résultats. 606. 225. 609 Web. 252 Contrôle de l'affichage par défaut des résultats. 611 Affichage des étiquettes de variable. 223 Suppression de résultats. 223. 608. 219. 226. 249. 689 résultat OXML depuis OMS. 224. 222 Masquage de résultats. 251. 609 Bordures de cellules. 252 Bordures de colonnes. 608 Panneau de légende. 257 Options d'affichage. 217. 225. 252. 225 Options d'affichage. 606 Définition du type de Viewer par défaut. 252. 221 Viewer en mode brouillon. 222. 651 XML enregistrement des résultats sous forme de fichiers XML. 219 modification de la police de la légende. 221 Déplacement du résultat. 611 Collage spécial d'objets. 611 Affichage des valeurs de données. 257. 258 Modification des polices. 252. 231. 252 Caractères de la boîte. 691 XSLT utilisation avec OXML. 691 . 220 Développement de la ligne de légende. 224 Modification des tailles de la légende. 259. 223 Enregistrement du document. 249 Espace entre les éléments de résultat. 257. 221. 248 Insertion de diagrammes. 252 Impression.724 Index Viewer. 651 Publication de résultat. 220. 252 Enregistrement des résultats. 248. 258. 611 Affichage des noms de variable. 257. 221. 259 Format de résultat. 217 Réduction de la ligne de légende. 611 Affichage des étiquettes de valeurs. 231 Copie de résultats. 225 Modification des niveaux de la ligne de légende.