Document

mis à disposition par :

www.marketing-etudiant.fr

Attention :
Ce document est un travail d’étudiant,
il n’a pas été relu et vérifié par
Marketing-etudiant.fr.
Techniques d’enquêtes :
les questionnaires

Analyse des données

Les différents niveaux d’analyse :
Analyse
uni-variée
(tris à plat) Analyse
bi-variée
(tris croisés) Analyse
Décrit les multi-variée
résultats (anafac)
d’une
Met en
variable à
relation 2
la fois
variables Analyse
(tableaux à
(tableaux simultanément
plat)
croisés) plus de 2
variables
(cartes
factorielles)
 L’analyse uni-variée
Décrire les caractéristiques d’une
Objectif :
seule variable à la fois

Variable nominale Calcul des effectifs, pourcentages

ou échelle et intervalles de confiance

Variable numérique Calcul des moyennes, écart-type,

ou échelle mise en classe
Analyse à plat de variables nominales :
Analyse à plat de variables nominales

Intervalles de confiance Marge d’erreur

   p 1  p 
lim x  x   t.  
lim p  p  t.E p  avec E p 
 n  n

Tx d’erreur est dépendant de la

taille de l’échantillon
Analyse à plat variables numériques:

1 p 1 p q
Moyenne x 
n i 1
ni xi  
n i 1 j 1
nij xi

1 p
 i i   1 p
 i i
2
V ( x)  n x  x  n x 2
 x 2
Écart-type n i 1 n i 1

Transformer la variable numérique continue

en variable numérique discrète
Transformation d’une variable numérique

Variable numérique continue Variable numérique discrète

1- observer la
distribution

2- repérer les
mesures extrêmes

3- calculer les
quartiles
4-procéder à la
transformation
Analyse à plat des échelles
2 traitement possibles :

Question Question
fermée numérique

Analyse des % Analyse des

obtenus par paramètres
chaque statistiques de
échelon position &
dispersion
Analyse des questions texte :

1- Consulter la liste des mots les plus cités

2- Exclure les « mots outils »

3- Analyser les occurrences

4- Liens entre mots clefs ? Liens avec

la problématique ?
Analyse des questions texte :
 Analyse bi-variée
Comparer les réponses de chaque
Principe : modalité de la variable A en fonction
des réponses à la question B

Étudier les relations Quelle est la variable explicative ?

entre 2 variables Quelle est la variable expliquée ?

Étudier le degré
de significativité
CHI2 et coefficient de
entre 2 variables contingence (phi de Craemer)
Analyse bi-variée ; relations entre 2 variables

Étudier les relations

entre 2 variables

Quelle est la Quelle est la

variable explicative ? variable expliquée ?

Si … Alors…

Quand….. Alors ….
Analyse bi-variée : raisonnement général

Alors
V2 V2
variable nominale variable numérique
Si
Comparaison
Dépendance Traitements :
V1 Traitements : tableaux de
Variable nominale tris croisés, AFC moyennes et
analyse variance
Comparaison
Traitements : Comparaison
V1 Traitements :
Variable numérique
tableaux de
moyennes régression
Le tableau de contingence

En effectifs En pourcentages
Analyse bi-variée ; degré de dépendance
entre 2 variables
2
 ni n j 
 nij  
Test du CHI2  n 
X i  
2

i j ni n j
n
Interprétation du test du CHI2
Marge d’erreur : .05
Soit 5% de risques maximum de se tromper
Formulation de l’hypothèse nulle :
pas de relation entre 2 variables

CHI2 lu

Accepte HO Refuse Ho

Les effectifs relatifs doivent être

supérieurs à 5
Analyse bi-variée ; degré de dépendance
entre 2 variables

Les cases colorées indiquent les CHI2 les

plus forts :

En bleu, les sur-représentations

En rose, les sous-représentations

Analyse bi-variée : écarts à l’indépendance

Tableau :

0,3
0,2
0,1
Représentation 0
graphique : -0,1
-0,2
-0,3
-0,4
A B C D
 Analyse bi-variée ; degré de convergence
entre 2 variables
Confronter 2 variables
Objectif :
numériques ou échelles

Distinguer variable
Explicative/à expliquer

Observer le nuage
de points

Observer la droite
de régression

Le coefficient de corrélation donne une indication de la force du lien et de son sens

 Principe général de l’analyse factorielle des
correspondances (AFC)

On cherche à remplacer un tableau de nombres difficile à

lire par une série de tableaux plus simples qui soient une
bonne approximation de celui-ci

Relation entre variables numériques = corrélation

Relation entre variables nominales = correspondance

On va chercher à décomposer un tableau original en une

somme de tableaux/matrices qui sont chacun le produit de
facteurs simples
 Exemple tiré de Ph. Cibois « L’analyse
Exemple : que deviennent
factorielle lesn°2095
» Que sais-je bacheliers ?

destination
université classes prépa autres total
A 13 2 5 20
BDD' 20 2 8 30
CE 10 5 5 20
FGH 7 1 22 30
total 50 10 40 100
100

Stats MEN 1975 - 1975 204 489 lycéens

Rémi BACHELET – Centrale Lille Utilisation ou copie interdites sans citation

 Une représentation
Un graphique graphique intuitive
à lecture difficile

20 A
30 BDD '
20 CE
30 FGH
Universi té Clas ses Prépa Autres
 Exemple :donner
Comment quels souhaits
du sens àde
cesG3 ?
données ????

Aménagement ,
Entrepreneuriat

Gest ion - Audit

Concept ion de

Commerciale et
Environnement
Construction,

Recherche
Production

Logistique

Industrielle
Produits et

Industrielle
Systèmes
Innovants
Premiers vœux 2003
de Génie / filière.

Mécanique Avancée 0 0 2 7 5 1 6
Génie Civil 1 2 24 0 0 1 0
Matière,Energie et
Vivant 0 1 2 0 5 1 1

Ondes, Nano-
Elect ronique, Télécoms 2 1 0 1 0 1 6
Systèmes Electriques
et Electroniques 0 0 3 2 0 1 1

Systèmes Automatisés 0 0 1 1 0 2 10
Génie des systèmes
de production 0 5 0 0 4 4 0
Génie Informatique 0 0 0 3 1 5 2
Informatique de
Gestion 2 11 0 0 0 2 1
Services et Systèmes
Socio-Economiques 1 6 3 0 0 2 1

Systèmes de Transport
et Logistiques 0 2 0 0 1 8 0

Rémi BACHELET – Centrale Lille Utilisation ou copie interdites sans citation

 Matrice « T » des données d’entrée

destination
université classes prépa autres total
A 13 2 5 20
BDD' 20 2 8 30
CE 10 5 5 20
FGH 7 1 22 30
total 50 10 40 100
100

Ce tableau est aussi une matrice, appellons-la « T »

Quelle matrice aurait-on si la répartition

dans les filières post-Bac ne dépendait pas
Rémi BACHELET – Centrale Lille du type de Bac ?
Utilisation ou copie interdites sans citation
 S’il y avait situation d’indépendance…
On reconstitue
la matrice à
partir de ses
marges
10
10 2 8 20

15 3 12 30

10 2 8 20

15 3 12 30

50 10 40 100

Matrice de l’indépendance T0
 2/ La matrice des écarts à l’indépendance est
Matrice des écartsTà–l’indépendance
T =R T – T0
0

13 2 5 10 2 8 3 0 -3

20 2 8 15 3 12 5 -1 -4

- =
10 5 5 10 2 8 0 3 -3

7 1 22 15 3 12 -8 -2 10

Quelle est la particularité de R ?

Rémi BACHELET – Centrale Lille Utilisation ou copie interdites sans citation

 Représentation graphique d’une analyse factorielle
des correspondances (AFC)

On obtient alors ce nouveau mapping

Axe 2 (19.8%) La taille des points
est proportionnelle à
CE
Class es Prépa l’effectif qu’ils
représentent
FGH

Axe 1 (80.2%)

A
Uni vers ité
Autres

Pour relativiser leur

importance, les axes sont
BDD'
dilatés proportionnellement
au i2 qu’ils expriment …
La carte visualise les attractions et répulsions entre les différentes modalités des 2 variables
 Document
mis à disposition par :
www.marketing-etudiant.fr

Attention :
Ce document est un travail d’étudiant,
il n’a pas été relu et vérifié par
Marketing-etudiant.fr.