Master 1 « Economie du développement »

Master 1 « Economie internationale »

Master 1 « Monnaie, banque, finance et assurance »

Statistiques et probabilités appliquées

Tests d’hypothèses pour l’analyse exploratoire

Tests d’indépendance sur tableau de contingence

• Test du chi²

TEST VISANT À VÉRIFIER L’HYPOTHÈSE D’INDÉPENDANCE ENTRE LES LIGNES ET LES COLONNES D’UN TABLEAU DE CONTINGENCE, C’EST-À-DIRE ENTRE LES MODALITÉS DE DEUX
VARIABLES QUALITATIVES

Tableau de contingence : effectifs observés

Statut dans l'emploi \ 2. Other 3. Rural 4. Rural 5. Rural Fréquences
1. Accra
Localisation Urban Coastal Forest Savannah marginales
1. Employed 483 4314 956 2633 2700 0,792
2. Unemployed 42 448 76 153 482 0,086
3. Not in labor force 79 649 116 278 597 0,123
Fréquences marginales 0,043 0,386 0,082 0,219 0,270 1

Sous hypothèse d’indépendance : effectifs théoriques

Sous hypothèse Statut dans l'emploi \ 2. Other 3. Rural 4. Rural 5. Rural Effectifs
1. Accra
d’indépendance, on devrait Localisation Urban Coastal Forest Savannah marginaux
trouver 4,3 % de 8,6 % de la
1. Employed 478,077 4282,903 908,663 2425,211 2991,146 11086
population totale (14006)
dans cette case 2. Unemployed 51,792 463,988 98,440 262,735 324,045 1201
(=0,043 x 0,086 x 14006)
3. Not in labor force 74,131 664,109 140,898 376,054 463,808 1719
Effectifs marginaux 604 5411 1148 3064 3779 14006
Tests d’hypothèses pour l’analyse exploratoire

Tests d’indépendance sur tableau de contingence

• Test du chi²
Mesure du test du chi²

n observé  n théorique 2 n f ij  n f i  f  j 
2

2   ij n théorique
  ij n f i f  j

Mesure du chi² par case, ici : Statut dans l'emploi \ 2. Other 3. Rural 4. Rural 5. Rural Effectifs Mesure du chi² par ligne
1. Accra
(42 - 51,792)² / 51,792 = 1,851 Localisation Urban Coastal Forest Savannah marginaux
1. Employed 0,051 0,226 2,466 17,803 28,339 48,885
Mesure du chi² total
2. Unemployed 1,851 0,551 5,115 45,832 76,994 130,344
Mesure du chi² par colonne 3. Not in labor force 0,320 0,344 4,400 25,567 38,249 68,879
Effectifs marginaux 2,222 1,120 11,981 89,203 143,582 248,108

Test d'indépendance entre les lignes et les colonnes

Khi² (Valeur observée) 248,108
Khi² (Valeur critique) 15,507
DDL 8
p-value <0,0001
alpha 0,050
Interprétation du test :
H0 : Les lignes et les colonnes du tableau sont indépendantes.
Ha : Il existe un lien entre les lignes et les colonnes du tableau.
Etant donné que la p-value calculée est inférieure au niveau de signification alpha=0,05, on doit rejeter l'hypothèse nulle H0, et retenir l'hypothèse alternative Ha.
Il existe une relation de dépendance entre les lignes et les colonnes du tableau, c’est-à-dire entre les modalités des deux variables
Tests d’hypothèses pour l’analyse exploratoire

Tests d’indépendance sur tableau de contingence

• Tests du chi² par case
SI LES DEUX VARIABLES QUALITATIVES NE SONT PAS INDÉPENDANTES, QUELLES SONT LES ASSOCIATIONS DE MODALITÉS CONSTITUTIVES DU LIEN STATISTIQUE EXISTANT ENTRE
ELLES ?

Le test de significativité du chi² par case indique, pour chaque case, si la valeur observée est inférieure (<) ou supérieure (>) à la valeur théorique, et si
l'écart à la valeur théorique est significatif ou non ; il permet d’identifier quelles cases s’écartent significativement de la valeur théorique et donc sur
quelles associations (positives ou négatives) de modalités se fonde la relation de dépendance entre les deux variables qualitatives.

p-values
Statut dans l'emploi \ 2. Other 3. Rural 4. Rural 5. Rural
Probabilité de rejeter à tort 1. Accra
Localisation Urban Coastal Forest Savannah
l’hypothèse d’indépendance
entre les deux modalités 1. Employed 0,645 0,185 0,000 0,000 0,000
considérées 2. Unemployed 0,158 0,337 0,013 0,000 0,000
3. Not in labor force 0,526 0,428 0,019 0,000 0,000
Significativité par case
La population de la région de
Statut dans l'emploi \ 2. Other 3. Rural 4. Rural 5. Rural savane rurale est significativement
1. Accra
Localisation Urban Coastal Forest Savannah moins souvent employée qu’elle ne
1. Employed > > > > < devrait l’être sous hypothèse
d’indépendance
2. Unemployed < < < < >
3. Not in labor force > < < < >
Tests d’hypothèses pour l’analyse exploratoire

Tests d’indépendance sur tableau de contingence

Self- Self- Test d'indépendance entre les lignes et les colonnes
Région \ Other Private Public
Retired employed employed Unemployed Khi² (Valeur observée) 2398,371
Statut emploi Inactive Employee Employee
(agric) (non-agric) Khi² (Valeur critique) 72,153
Ashanti 178 478 110 13 350 484 120 DDL 54
B. Ahafo 113 180 89 3 600 265 68 p-value <0,0001
Central 112 255 104 15 391 351 90 alpha 0,050
Eastern 172 200 109 10 482 331 91
Gt. Accra 125 468 110 48 46 489 111
Northern 144 128 75 4 765 177 116
Upper East 191 120 94 1 480 212 273 « Les statuts dans l’emploi
Upper West 337 94 111 4 531 117 173 dépendent de la région
Volta 111 198 88 17 500 383 70 considérée »
Western 110 237 103 11 525 256 89

Self- Self-
Région \ Other Private Public « Les employés du public sont sous-représentés dans la
Retired employed employed Unemployed
Statut emploi Inactive Employee Employee région Nord »
(agric) (non-agric)
Ashanti < > < < < > < « La capitale compte relativement peu d’inactifs et
B. Ahafo < < < < > < < d’auto-employés de l’agriculture, mais se distingue par
Central < > > > < > < une proportion importante d’employés du privé, de
Eastern > < > < > > < retraités et d’auto-employés non-agricoles »
Gt. Accra < > > > < > < « La région Nord compte relativement peu d’employés du
Northern < < < < > < < privé ou du public, de retraités et d’auto-employés non-
Upper East > < < < > < > agricoles et se distingue par l’abondance relative d’auto-
Upper West > < > < > < > employés agricoles »
Volta < < < > > > < Etc…
Western < > > < > < <
Tests d’hypothèses pour l’analyse exploratoire

Coefficient de corrélation linéaire entre variables quantitatives

COV( x, y) 1 n
r ( x, y)  avec COV( x, y)   ( xi  x )  ( yi  y )
 x  y n i 1
Tests d’hypothèses pour l’analyse exploratoire

Tests de corrélation linéaire entre variables quantitatives

Le coefficient de corrélation linéaire r est un nombre sans dimension permettant de quantifier le degré de corrélation linéaire entre
deux variables ; c’est un indicateur du degré de proximité entre les points du nuage et la droite de régression de ce nuage

Attention :

• Un coefficient r proche de zéro n’implique pas nécessairement une absence de corrélation entre les deux variables ; il peut
exister une corrélation non linéaire entre les deux variables

• Une valeur élevée de r (proche de 1 en valeur absolue) n’implique pas nécessairement une forte corrélation entre les deux
variables considérées ; une troisième variable peut conduire mécaniquement à ce résultat (vente de glaces et nombre de
rhumes via la température, par exemple)

• Corrélation n’est pas causalité ; impossible de dire si x cause y, si y cause x ou si x et y sont liées à une troisième variable…

• Le coefficient de corrélation au carré, appelé R² (coefficient de détermination), donne une idée de la proportion de variabilité
d'une variable explicable par l'autre

• Les p-values calculées pour les coefficients de corrélation permettent de tester l'hypothèse nulle de corrélation non
significativement différente de zéro entre les variables
Tests d’hypothèses pour l’analyse exploratoire

Tests de corrélation linéaire entre variables quantitatives

TESTS VISANT À VÉRIFIER QUE LA CORRÉLATION LINÉAIRE ENTRE DEUX VARIABLES QUANTITATIVES EST SIGNIFICATIVEMENT DIFFÉRENTE DE ZÉRO

Matrice de corrélation (Pearson) : La relation linéaire positive entre la

La relation linéaire négative entre le
Variables identifiant âge taille men revenu pc % alim valeur de l’identifiant et le
revenu per capita et la taille du identifiant 1 -0,004 0,011 -0,016 0,014 pourcentage de la dépense consacré
ménage est statistiquement âge -0,004 1 0,136 -0,168 0,127 à l’alimentation n’est pas
significative : le revenu par tête est significativement différente de zéro
taille du ménage 0,011 0,136 1 -0,485 -0,098
d’autant plus faible que la taille du revenu per capita -0,016 -0,168 -0,485 1 -0,238
ménage est élevée… et inversement !
% dépense alimentaire 0,014 0,127 -0,098 -0,238 1

p-values (Pearson) :
Variables identifiant âge taille men revenu pc % alim
Interprétation du test : identifiant 0 0,672 0,176 0,066 0,110
H0 : Le coefficient de corrélation linéaire âge 0,672 0 <0,0001 <0,0001 <0,0001
est égal à zéro taille du ménage 0,176 <0,0001 0 <0,0001 <0,0001
Ha : Le coefficient de corrélation linéaire revenu per capita 0,066 <0,0001 <0,0001 0 <0,0001
est différent de zéro % dépense alimentaire 0,110 <0,0001 <0,0001 <0,0001 0
Etant donné que la p-value calculée est 5,6 % de la variance de la part de la
inférieure au niveau de signification Coefficients de détermination (Pearson) : dépense alimentaire peut
alpha=0,05, on doit rejeter l'hypothèse Variables identifiant âge taille men revenu pc % alim s’expliquer par celle du revenu par
nulle H0 et retenir l'hypothèse alternative tête… et inversement !
Ha.
identifiant 1 0,000 0,000 0,000 0,000
âge 0,000 1 0,019 0,028 0,016
Il existe une relation linéaire (ici négative)
entre les deux variables considérées
taille du ménage 0,000 0,019 1 0,236 0,010
revenu per capita 0,000 0,028 0,236 1 0,056
% dépense alimentaire 0,000 0,016 0,010 0,056 1
Tests d’hypothèses pour l’analyse exploratoire

Coefficient de corrélation polychorique entre variables ordinales

Le coefficient de corrélation polychorique permet de calculer la liaison entre deux variables qualitatives ordinales issues de la
discrétisation de deux variables quantitatives supposées normalement distribuées ; usage fréquent avec certaines variables
quantitatives plus faciles à collecter de manière ordinale (revenus, âges ou échelles d’accord / de satisfaction par exemple)

Matrice de corrélation (Polychorique) :

classes de
classes
Variables log(rev par
d'âge
tête)
classes d'âge 1 -0,177
classes de log(rev par tête) -0,177 1

Coefficients de détermination (Polychorique) :

classes de
classes
Variables log(rev par
d'âge
tête)
classes d'âge 1 0,031
classes de log(rev par tête) 0,031 1
Tests d’hypothèses pour l’analyse exploratoire

Tests de comparaison de proportions entre sous-populations (variables qualitatives)

TESTS VISANT À VÉRIFIER QUE LA DIFFÉRENCE DE PROPORTION D’UNE VARIABLE QUALITATIVE ENTRE DEUX SOUS-POPULATIONS EST SIGNIFICATIVEMENT DIFFÉRENTE DE ZÉRO

Basic
Primary Secondary Superior
sexe \ educ No school secondary Total
education education education
education
Femme 2849 191 1042 193 91 4366
Homme 6701 348 1984 417 190 9640

Proportion de femmes sans éducation = 2849 / 4366 = 0,653 ; proportion d’hommes sans éducation = 6701 / 9640 = 0,695

𝒑𝒇 𝒑𝒉
Valeur du test z : , avec ph et pf les proportions et
Test z pour deux proportions / Test bilatéral   𝒑𝒉(𝟏 𝒑𝒉) 𝒑𝒇 (𝟏 𝒑𝒇)

Différence -0,043 𝒏𝒉 𝒏𝒇

z (Valeur observée) -4,934 nh et nf les effectifs concernés d’hommes et de femmes

|z| (Valeur critique) 1,960
p-value (bilatérale) <0,0001
Probabilité de rejeter à tort l’hypothèse H0
alpha 0,050

Interprétation du test :
H0 : La différence entre les proportions est égale à 0.
Ha : La différence entre les proportions est différente de 0.
Etant donné que la p-value calculée est inférieure au niveau de signification alpha=0,05, on doit rejeter l'hypothèse nulle H0, et retenir l'hypothèse alternative Ha.

La proportion de femmes sans éducation est légèrement, mais significativement, inférieure à celle des hommes
Tests d’hypothèses pour l’analyse exploratoire

Tests de comparaison de proportions entre sous-populations (variables qualitatives)

Basic
Primary Secondary Superior
sexe \ educ No school secondary Total
education education education
education
Femme 2849 191 1042 193 91 4366
Homme 6701 348 1984 417 190 9640

Proportion de femmes avec éducation supérieure = 91 / 4366 = 0,021 ; proportion d’hommes avec éducation supérieure = 190 / 9640 = 0,020
𝒑𝒇 𝒑𝒉
Test z pour deux proportions / Test bilatéral Valeur du test z : , avec ph et pf les proportions et
  𝒑𝒉(𝟏 𝒑𝒉) 𝒑𝒇 (𝟏 𝒑𝒇)
Différence 0,001 𝒏𝒉 𝒏𝒇

z (Valeur observée) 0,374 nh et nf les effectifs concernés d’hommes et de femmes

|z| (Valeur critique) 1,960
p-value (bilatérale) 0,708
Probabilité de rejeter à tort l’hypothèse H0
alpha 0,050

Interprétation du test :
H0 : La différence entre les proportions est égale à 0.
Ha : La différence entre les proportions est différente de 0.
Etant donné que la p-value calculée est supérieure au niveau de signification seuil alpha=0,05, on ne peut pas rejeter l'hypothèse nulle H0.

La proportion de femmes ayant une éducation supérieure n’est pas significativement supérieure à celle des hommes
Tests d’hypothèses pour l’analyse exploratoire

Comparaison des variances et des moyennes entre sous-populations (variables quantitatives)

Pour comparer les moyennes d’une variable quantitative entre deux échantillons, nous utilisons le test t de Student si on ne connaît
pas la vraie variance des populations dont sont extraits les échantillons. L’utilisation de ce test nécessite de vérifier au préalable si les
variances des échantillons peuvent être considérées comme égales ou non. On teste donc systématiquement au préalable
l’hypothèse d’égalité des variances, puis on tient compte du résultat pour la suite des calculs.

REGION Moyenne du revenu per capita Ecart-type du revenu per capita Total Total
Homme Femme Homme Femme Moyenne Ecart-type
Western 3671 3367 3531 2293 3585 3229
Central 4209 3763 3461 3432 4030 3455
Gt. Accra 7209 6742 5875 5334 7054 5704
Volta 2829 2685 2845 2354 2774 2667
Upper East 1632 1766 2548 2024 1668 2418
Eastern 3912 3403 3775 2465 3736 3387
Ashanti 4959 4120 4193 3152 4641 3853
B. Ahafo 3305 3055 3365 2706 3223 3164
Northern 2066 2177 2662 2363 2082 2622
Upper West 1429 1581 1805 1605 1465 1760
Total 3462 3455 3907 3337 3460 3739

Les moyennes de revenus par tête diffèrent parfois considérablement, non seulement entre hommes et femmes, mais aussi d’une
région à l’autre… les variances (écarts-types) également !
Tests d’hypothèses pour l’analyse exploratoire

Tests de comparaison des variances et des moyennes entre sous-populations (variables quantitatives)

TESTS VISANT À VÉRIFIER QUE LES DIFFÉRENCES DE CARACTÉRISTIQUES STATISTIQUES (MOYENNE ET VARIANCE) D’UNE VARIABLE QUANTITATIVE ENTRE DEUX SOUS-POPULATIONS
SONT SIGNIFICATIVEMENT DIFFÉRENTES DE ZÉRO

Les revenus par tête moyens sont-ils différents entre hommes et femmes ?
On teste d’abord la différence entre les variances du revenu par tête dans les deux sous-populations (hommes et femmes)
Test F de Fisher / Test bilatéral : 𝝈𝟐𝒇
Valeur du test F : , avec σh et σf les écarts-types observés dans les deux sous-populations
Rapport 0,729 𝝈𝟐𝒉

F (Valeur observée) 0,729

|F| (Valeur critique) 1,052
DDL1 4365
DDL2 9639 Probabilité de rejeter à tort l’hypothèse H0
p-value (bilatérale) <0,0001
alpha 0,050

Interprétation du test :
H0 : Le rapport entre les variances est égal à 1.
Ha : Le rapport entre les variances est différent de 1.
Etant donné que la p-value calculée est inférieure au niveau de signification alpha=0,05, on doit rejeter l'hypothèse nulle H0, et retenir l'hypothèse alternative Ha.

Les variances du revenu par tête sont statistiquement différentes entre les hommes et les femmes
Note : le test F suppose la normalité des distributions de la variable quantitative dans les deux sous-populations et il est particulièrement
sensible à la non normalité ; en cas de doute, il existe donc des alternatives comme le test de Bartlett ou le test de Levene qui sont beaucoup
moins sensibles à ce problème.
Tests d’hypothèses pour l’analyse exploratoire

Tests de comparaison des variances et des moyennes entre sous-populations (variables quantitatives)

Les revenus par tête moyens sont-ils différents entre hommes et femmes ?
On teste ensuite la différence entre les moyennes du revenu par tête dans les deux sous-populations (hommes et femmes) ; selon le
résultat du test d’égalité des variances, on conduit le test approprié et on adapte les degrés de liberté en conséquence :

Test t pour deux échantillons indépendants / Test bilatéral : Différence observée entre les deux moyennes
Différence -7,333
t (Valeur observée) -0,114 Valeur du test t : , avec 𝑥 , 𝑥 les moyennes observées dans les deux sous-
|t| (Valeur critique) 1,960   𝝈²
𝒉
𝝈²𝒇
𝒏𝒉 𝒏𝒇
DDL 9763,881
populations, σh et σf les écarts-types respectifs et nh et nf les effectifs respectifs
p-value (bilatérale) 0,909
alpha 0,050 Probabilité de rejeter à tort l’hypothèse H0
Le nombre de degrés de liberté est calculé en utilisant la formule de Welch-Satterthwaite

Interprétation du test :
H0 : La différence entre les moyennes est égale à 0.
Ha : La différence entre les moyennes est différente de 0.
Etant donné que la p-value calculée est supérieure au niveau de signification seuil alpha=0,05, on ne peut pas rejeter l'hypothèse nulle H0.

Les moyennes du revenu par tête ne sont pas statistiquement différentes entre les hommes et les femmes
Tests d’hypothèses pour l’analyse exploratoire

Tests de comparaison des variances et des moyennes entre sous-populations (variables quantitatives)
Les revenus par tête moyens sont-ils différents entre les régions « Western » et « Eastern » ?
Test F de Fisher / Test bilatéral :
Rapport 1,100
F (Valeur observée) 1,100 Interprétation du test :
|F| (Valeur critique) 1,112 H0 : Le rapport entre les variances est égal à 1.
DDL1 1394 Ha : Le rapport entre les variances est différent de 1.
Probabilité de rejeter
DDL2 1330 Etant donné que la p-value calculée est supérieure au niveau de signification seuil
à tort l’hypothèse H0
p-value (bilatérale) 0,080 alpha=0,05, on ne peut pas rejeter l'hypothèse nulle H0.
alpha 0,050

Les variances du revenu par tête sont statistiquement identiques entre les deux régions
Test t pour deux échantillons indépendants / Test bilatéral : Différence observée entre les deux moyennes
Différence 150,735
t (Valeur observée) 1,188 Valeur du test t : , avec 𝑥 𝑒𝑡 𝑥 les moyennes observées dans les deux
  𝟏 𝟏
|t| (Valeur critique) 1,961 𝝈
𝒏𝒉 𝒏𝒇

DDL 2724 sous-populations, σ l’écart-type commun aux deux sous-populations et nh et nf

p-value (bilatérale) 0,235 les effectifs respectifs
alpha 0,050
Probabilité de rejeter à tort l’hypothèse H0
Interprétation du test :
H0 : La différence entre les moyennes est égale à 0.
Ha : La différence entre les moyennes est différente de 0.
Etant donné que la p-value calculée est supérieure au niveau de signification seuil
Les moyennes du revenu par tête ne sont pas statistiquement
alpha=0,05, on ne peut pas rejeter l'hypothèse nulle H0. différentes entre les régions « Western » et « Eastern »
Tests d’hypothèses pour l’analyse exploratoire

Tests de comparaison des variances et des moyennes entre sous-populations (variables quantitatives)
Les revenus par tête moyens sont-ils différents entre hommes et femmes dans la région « Ashanti » ?

Test F de Fisher / Test bilatéral :

Rapport 0,565
Interprétation du test :
F (Valeur observée) 0,565
H0 : Le rapport entre les variances est égal à 1.
|F| (Valeur critique) 1,146 Ha : Le rapport entre les variances est différent de 1.
DDL1 655 Etant donné que la p-value calculée est inférieure au niveau de signification
Probabilité de rejeter
DDL2 1076 à tort l’hypothèse H0 alpha=0,05, on doit rejeter l'hypothèse nulle H0, et retenir l'hypothèse alternative Ha.
p-value (bilatérale) <0,0001
alpha 0,050

Les variances du revenu par tête sont statistiquement différentes entre hommes et femmes dans cette région
Test t pour deux échantillons indépendants / Test bilatéral : Différence observée entre les deux moyennes
Différence -838,444
t (Valeur observée) -4,726 Valeur du test t : , avec 𝑥 , 𝑥 les moyennes observées dans les deux sous-
  𝝈² 𝝈²𝒇
|t| (Valeur critique) 1,961
𝒉
𝒏𝒉 𝒏𝒇

DDL 1656,529 populations, σh et σf les écarts-types respectifs et nh et nf les effectifs respectifs

p-value (bilatérale) <0,0001
alpha 0,050 Probabilité de rejeter à tort l’hypothèse H0
Le nombre de degrés de liberté est calculé en utilisant la formule de Welch-Satterthwaite

Interprétation du test :
H0 : La différence entre les moyennes est égale à 0.
Le revenu par tête moyen des hommes est statistiquement
Ha : La différence entre les moyennes est différente de 0.
Etant donné que la p-value calculée est inférieure au niveau de signification supérieur à celui des femmes dans la région « Ashanti »
alpha=0,05, on doit rejeter l'hypothèse nulle H0, et retenir l'hypothèse alternative Ha.
Tests d’hypothèses pour l’analyse exploratoire

Tests multidimensionnels (variables quantitatives)

TESTS PERMETTANT DE COMPARER DEUX SOUS-POPULATIONS, OU PLUS, SIMULTANÉMENT DÉCRITES PAR PLUSIEURS VARIABLES QUANTITATIVES ; ILS PERMETTENT D’OBTENIR UNE
CONCLUSION GLOBALE CONCERNANT LA RESSEMBLANCE STATISTIQUE ENTRE LES SOUS-POPULATIONS CONSIDÉRÉES

Les populations féminine et masculine sont-elles semblables du point de vue de leurs dépenses de consommation respectives ?

Moyennes par classe :

Classe \ Variable food_pct cloth_pct house_pct furnit_pct health_pct transp_pct com_pct educ_pct
Femmes 0,548 0,086 0,102 0,046 0,008 0,054 0,020 0,097
Hommes 0,539 0,095 0,084 0,049 0,009 0,075 0,027 0,083

Test du Lambda de Wilks (approximation de Rao) :

Lambda 0,967 Probabilité de rejeter à tort l’hypothèse H0
F (Valeur observée) 59,647
F (Valeur critique) 1,939
DDL1 8 Interprétation du test :
H0 : Les vecteurs moyens des 2 classes sont égaux.
DDL2 13997 Ha : Au moins l'un des vecteurs moyens est différent d'un autre.
p-value < 0,0001 Etant donné que la p-value calculée est inférieure au niveau de signification alpha=0,05,
alpha 0,05 on doit rejeter l'hypothèse nulle H0, et retenir l'hypothèse alternative Ha.

Les populations féminine et masculine ne sont pas statistiquement semblables du point de vue de la répartition de leurs dépenses
de consommation
Tests d’hypothèses pour l’analyse exploratoire

Tests multidimensionnels (variables quantitatives)

Les individus à identifiant pairs et impairs sont-ils semblables du point de vue de leurs dépenses de consommation respectives ?

Moyennes par classe :

Classe \ Variable food_pct cloth_pct house_pct furnit_pct health_pct transp_pct com_pct educ_pct
Identifiant cluster impair 0,543 0,092 0,088 0,048 0,009 0,069 0,025 0,088
Identifiant cluster pair 0,540 0,092 0,091 0,048 0,009 0,069 0,025 0,086

Test du Lambda de Wilks (approximation de Rao) :

Lambda 0,999
F (Valeur observée) 0,992 Probabilité de rejeter à tort l’hypothèse H0
F (Valeur critique) 1,939
DDL1 8 Interprétation du test :
DDL2 13997 H0 : Les vecteurs moyens des 2 classes sont égaux.
Ha : Au moins l'un des vecteurs moyens est différent d'un autre.
p-value 0,440
Etant donné que la p-value calculée est supérieure au niveau de signification seuil
alpha 0,05 alpha=0,05, on ne peut pas rejeter l'hypothèse nulle H0.

Il n’y a pas de différence statistique de répartition des dépenses de consommation entre les individus à identifiant pairs
et impairs