Vous êtes sur la page 1sur 21

Séance 3

Préparation des données et traitement statistique

Ahmed EL IDRISSI 1
Séance 10
Objectifs de la séance :
 Distinguer entre les différents types d’échelles de mesure d’une variable,
 Codifier les données issues d’une enquête,
 Transformer les questions en variables pour analyse,
 Utiliser le logiciel d’analyse statistique MINITAB.

Contenu de la séance :
 Les échelles de mesure d’une variable,
 La codification,
 Introduction à l'analyse des données (logiciel MINITAB),
 La saisie des données.

Ahmed EL IDRISSI 2
I - Types d’échelles de mesure

Pour choisir la technique d’analyse approprier, il faut


distinguer les différentes types d’échelles.

En distingue 4 types d’échelle :

 L’échelle Nominale

 L’échelle Ordinale

 L’échelle Intervalle

 L’échelle Ratio

Ahmed EL IDRISSI 3
I - Types d’échelles de mesure

a) L’échelle Nominale :
Cette échelle procède une seule propriété : l’identification.

 Exemple (1) :

Quelle est votre occupation ? …………………

 Exemple (2) :

Quelles sont les marques que vous utilisées ?

Marque A Marque C

Marque B Marque D

Ahmed EL IDRISSI 4
I - Types d’échelles de mesure

b) L’échelle Ordinale :
Cette échelle possède deux propriétés : l’identification et
l’ordonnancement.

 Exemple (3) :

Classer les marques suivantes selon votre ordre de


préférence (1 pour la plus préférée, jusqu'au 4 pour la
moins préférée).

Marque A Marque C

Marque B Marque D

Ahmed EL IDRISSI 5
I - Types d’échelles de mesure

b) L’échelle Ordinale :
 Exemple (4) :

Situer votre âge :

Moins de 20 ans Entre 21 – 40 ans

Entre 41 – 60 ans Plus de 60 ans

N.B : Toutes les questions quantitatives mesurées se


formes de tranche sont considérées comme des
échelles ordinales.

Ahmed EL IDRISSI 6
I - Types d’échelles de mesure
c) L’échelle d’Intervalles
Cette échelle possède 3 propriétés : l’identification,
l’ordonnancement et l’égalité des intervalles.

 Exemple (5) :

« La marque A » est :

Mauvaise 1 2 3 4 5 Bonne

N.B : L’échelle Likert et l’échelle sémantique différentiel


sont deux échelle d’intervalle.

Ahmed EL IDRISSI 7
I - Types d’échelles de mesure
Rappel :
 L’échelle Likert : Échelle additive; la somme des scores obtenus par

chaque énoncé = Mesure de l’attitude

Exemple : Les prix des produits de beauté sont raisonnables.


Tout à fait en Tout à fait
en désaccord Neutre En accord
désaccord en accord
1 2 3 4 5

 L’échelle sémantique différentielle : échelle bipolaire

Exemple :

Le prix de la marque A est :


Cher 1 2 3 4 5 Bon marché

Ahmed EL IDRISSI 8
I - Types d’échelles de mesure

d) L’échelle Ratio
Il faut deux conditions pour obtenir une échelle ratio :
La question doit être ouverte (pas de choix multiples )
et quantitative (utilisation des nombres).

 Exemple (6) :

A quel prix seriez-vous prêt à payer pour


« la marque A » ? …………………………

Ahmed EL IDRISSI 9
II - Le processus de préparation des
données pour traitement statistique.

Le processus de préparation des données pour le traitement


statistique se présente comme suit :

1. La collecte de données
2. Traduction des questions en variable
3. codification du questionnaire
4. La saisie des données

Ahmed EL IDRISSI 10
II - Le processus de préparation des
données pour traitement statistique.
1. La collecte de données

Deux méthodes : une manuelle et l’autre informatisée.


 La méthode manuelle :
 Utilisation d’un questionnaire sur papier,
 Inscription des réponses au fur et à mesure que se déroule
l'entrevue (par l'enquêteur ou même le répondant),
 Le questionnaire postal ou par entrevue individuelle (personnelle).

 Cette méthode permet d’avoir des informations fiables mais ça


nécessite un budget important par rapport à celui de la méthode
informatisée.

Ahmed EL IDRISSI 11
II - Le processus de préparation des
données pour traitement statistique.
1. La collecte de données
Deux méthodes : une manuelle et l’autre informatisée.
 La méthode informatisée :
 Utilisation d’un questionnaire électronique : Les questions
sont lus à partir de l'écran d'ordinateur et les réponses sont
cochées grâce à la souris.
 Cette méthode permet une distribution et une récolte des
informations rapide avec le moindre coût.
 L’inconvénient majeur est le manque de pertinence : a
cause du manque d’encadrement de l’enquêteur ou même
la négligence des questions par le répondant.

Ahmed EL IDRISSI 12
II - Le processus de préparation des
données pour traitement statistique.
2. Traduction des questions en variable :
Il s’agit de transformer une question on variable. Ils existent deux possibilités :

 Cas (1) : Une question est traduite on une seule variable lorsque le répondant
est obligé de donner une seule réponse :

 Exemple (7) : Parmi les marques suivantes laquelle connaissez-vous :

Marque A Marque C

Marque B Marque D

- Dans ce cas nous avons une seule variable appelée : « NOTORIÉTÉ ».


- Pour l’exemple (1) nous avant une seule variable appelée : « OCCUPATION ».
- Pour l’exemple (4) la variable concernée est appelée : « AGE ».
- Pour l’exemple (5) la variable concernée est appelée : « MARQUEA ».
- Pour l’exemple (6) la variable concernée est appelé : « PRIXA ».

Ahmed EL IDRISSI 13
II - Le processus de préparation des
données pour traitement statistique.
2. Traduction des questions en variable :

Il s’agit de transformer une question on variable. Ils existent deux


possibilités :

 Cas (2) : Une question est traduite on plusieurs variables ce qui


veut dire que le répondant peut donner plus qu’une seule réponse
(question avec la possibilité de cocher plusieurs réponses).

 Exemple (2) : Les variables concernées sont :

" UTILA ; UTILB ; UTILC ; UTIL D "

 Pour l’exemple (3) : les variables concernées sont :


" PRÉFA ; PRÉFB ; PRÉFC ; PRÉFD ".

Ahmed EL IDRISSI 14
II - Le processus de préparation des
données pour traitement statistique.
2. Traduction des questions en variable :

 Exemple (8) : Quelles sont les raisons qui vous on poussez à


acheter la marque A ?
Dans ce cas nous pouvons avoir pour chaque répondant plusieurs
réponses, ce qui veut dire qu’un répondant pourrait cité les
raisons suivantes :
" Qualité ; Prix ; Garantie ; SAV ; …"
Ce qui fait chaque raison va être considérée comme une variable :
" QUALITÉ ; PRIX ; GARANTIE ; SAV ; …"

Ahmed EL IDRISSI 15
II - Le processus de préparation des
données pour traitement statistique.

3. codification des variables :


Il s'agit d’associer un code numérique à chaque choix de réponse
(1, 2, 3 et 4 ou autres).

Pour traiter ce point, nous allons codifié les exemples qu’on a déjà
cité :

 Exemple (1) : Variable "OCCUPATION"


Chaque occupation aura un code propre à elle. Deux occupations
différentes ne pouvons pas avoir le même code. Ainsi que la même
occupation ne pourra pas avoir deux codes différents.
Par exemple : Médecin "code 1" ; Commercial "code 2" ; …

Ahmed EL IDRISSI 16
II - Le processus de préparation des
données pour traitement statistique.
3. codification des variables :
 Exemple (2) :

- UTILEA : code (1) pour oui ; code (2) pour non

- UTILEB : // // //

- UTILEC : // // //

- UTILED : // // //

 Exemple (3) :

- PRÉFA : code (1) ou code (2) ou code (3) ou code (4)

- PRÉFB : // // //

- PRÉFC : // // //

- PRÉFD : // // //

Ahmed EL IDRISSI 17
II - Le processus de préparation des
données pour traitement statistique.
3. codification des variables :

 Exemple (4) :
- Moins de 20 ans : code (1)
- 21 – 40 ans : code (2)
- 40 – 60 ans: code (3)
- Plus de 60 ans : code (4)
 Exemple (5) :
Code : 1 ou 2 ou 3 ou 4 ou 5.
Dans cette exemple on va saisir le chiffre encerclé par le répondant.
 Exemple (6) :
Code : saisir la réponse du répondant.
Par exemple s’il dit 100 Dhs, on va saisir 100 Dhs.

Ahmed EL IDRISSI 18
II - Le processus de préparation des
données pour traitement statistique.
3. codification des variables :
 Exemple (7) :
Variable " NOTORIÉTÉ" : la même chose que l’exemple (1) chaque marque aura
un code propre à elle.
- MARQUEA : code (1)
- MARQUEB : code (2)
- MARQUEC : code (3)
- MARQUED : code (4)
 Exemple (8) :
Pour traiter cette exemple il faut procéder comme suite :
- 1ère étape : lire les réponses de chaque répondant.
- 2ème étape : rassembler les réponses qui ressemble.
- 3ème étape : on codifie les réponses comme nous l’avons fait pour
l’exemple (2)

Ahmed EL IDRISSI 19
II - Le processus de préparation des
données pour traitement statistique.
4. la saisie des données

Après on saisie les données quand a établie à travers les réponses


des répondants.

Cependant, il se peut qu’il ait des questions sans réponses.


Pour remédier à cette situation, il existe plusieurs possibilités de
saisie de ces valeurs manquantes :

 remplacer la valeur manquante par la moyenne des réponses.


Valable uniquement pour les échelles continues,

 remplacer la valeur manquante par un code neutre ou laisser la


cellule vide.

Ahmed EL IDRISSI 20
EXERCICE :

Remplir le tableau suivants :

N° Question Nom de variable Code Échelle

Ahmed EL IDRISSI 21