CE QU’IL FAUT RETENIR

Voici quelques points qu’il faut absolument maitriser avant de passer à l’application sur le
logiciel SPSS :

Variables nominales ou métriques (quali ou quanti) ?

Se poser les questions suivantes :

- Peut-on mesurer, à proprement parler, cette variable ? Combien ? Si oui, quanti sinon quali
- Peut-on comparer mathématiquement ses modalités ? Si oui, quanti sinon quali
Ex. les variables suivantes sont-elles nominales ou métriques ?

Variables Modalités (valeurs) ?

Couleur des yeux Marron, noir, vert, bleu Nominale

Température De -15° …à… 40° Métrique

Logement (type) chambre, appartement, Maison Nominale

Intention d’achat 1 2 3 4 5 6 7 8 9… Métrique

Pas du tout d’accord…..tout à fait d’accord

Salaire 30.000 …à… 60.000€ Métrique

Taille 45 …. à… 200 cm Métrique

Compte client oui- non Nominale

Poids 3 …à…120kg Métrique

Logement (sup) 9… à… 400m2 Métrique

Variables dépendante / variable indépendante ?

Pour simplifier, prenons l’exemple de l’effet du café sur le sommeil. Il faut se poser la
question : laquelle des deux variables dépend de l’autre dans le cas étudié ? Ici, c’est le
sommeil qui dépend du café. Autrement dit, c’est le café qui explique l’insomnie. Donc ici,
le café est une variable indépendante explicative, le sommeil une variable dépendante
expliquée ou à expliquer. Appliquer ceci à chacune des relations que vous étudiez.
 Nb :
-contrairement à la nature des variables qui est absolue (Quali / quanti), le statut de la
variable est relatif et dépend de son emplacement dans la relation. Ici la variable sommeil
est quanti (ex. heures de sommeil) et dépendante (dépend du café), mais si on décide par
exemple de s'intéresser à l’effet du sommeil sur la mémoire, la variable sommeil devient
dans ce cas indépendante puisque c’est elle qui explique la mémorisation bien que sa
nature reste inchangée.

-lorsqu’une variable quali est indépendante comme dans le cas de l’ANOVA (jour de visite,
avec enfants…etc) cette variable est aussi appelée facteur. Ainsi, dans SPSS, le mot
facteur désigne de facto le champ où il faut rentrer une variable quali.

Comment choisir le test statistique adéquat ?

Le choix du test dépend des éléments suivants :

• Pourquoi faire ? Décrire ou comparer
• Types de variables : nominales ou métrique
• Nombre de variables
• Nombre de modalités (de groupes)
Jour (1. sam/2. dim)  fréquentation ≠ Jour (1. Lun, 2. Mar, 3. Mer/…7. Dim)  fréquentation
2 groupes ≠ 7 groupes
• Sens de la relation :
nominale  métrique ≠ métrique  nominale
Sexe (h/f)  achat de cosmétiques ≠ dose injectée (ml)  guérison (oui /non)
L’inversion de la relation nécessite un test statistique différent.

Encadré récapitulatif des tests statistiques selon les situations :

DÉCRIRE :
1 variable quali : Fréquence (tri à plat)
1 variable quanti: moyenne, médiane, …etc
2 variables dont une n’est pas quanti : Tri croisé (Khi2) (tableaux de contingence)
2 variables quanti : corrélation
Multivariables quali et quanti : AFC (analyse factorielle des correspondances)
Multivariables quanti ACP (analyse en composantes principales)

EXPLIQUER :
1 Quali  1 Quanti: Test T /ANOVA 1 facteur (si 2 grps cad quali à 2 modalités , oui/ non… )
1 Quali  1 Quanti : ANOVA à 1 facteur (si >= 2 grps ex. jour de visite)
2 Quali ou +  1 Quanti: ANOVA multifacteur
Quali et Quanti  Quanti : ANCOVA

Quanti  Quanti: Régression linéaire

Application :
Nous devons tester par exemple l’effet des jours de visite sur le montant de la
commande. Quel test choisir ?

- décrire ou expliquer ?
Là nous sommes en train d’expliquer le montant de la commande par le jour de la semaine.
Nous ne sommes pas entrain de décrire les 2 variables chacune à part donc ->
test d’explication.

- types de variables ?

quali (jour de visite) et quanti (montant commande)

nombre de variables ?

1 quali et 1 quanti

- sens de la relation ?

c’est le jour de visite qui influencerait le montantde la commande

Donc Jvisit  montant, Donc quali -> quanti

Ainsi, selon l’encadrée, nous sommes dans le cas de tests explicatifs quali  quanti, donc
T test ou ANOVA à un facteur. Pour trancher, il reste un élément à vérifier :
le nombre de modalité (de groupes ) de la variables quali, est ce 2 ou plus ?

Notre variable quali jour de visite a comme valeurs Mer, Jeu, Ven, Sam, Dim (5 groupes >2)

Ainsi et selon l’encadré, le test adéquat est donc l’ANOVA à 1 Facteur !

Cas d’utilisation des échelles de mesures de variables latentes :

Dans un questionnaire de mémoire ou d’étude de marché, nous somme très souvent
amenés à mesurer des variables qui sont le produit d’une série de questions. On parle
alors d’une échelle de mesure. Une échelle est composée d’une série de questions (items)
qui mesurent la même chose. Il existe déjà des échelles préétablies pour mesurer
n’importe quel concept en marketing. Ex. La satisfaction, l’intention d’achat, l’intention
de retour, l’intention de recommander, la fidélité, la notoriété (marque),
l’allégeance (marque), l’implication, l’attachement (marque), l’attitude envers...,
l’attractivité, l’émotion, la motivation, l’humeur….etc

Exemple : échelle de la fidélité à un service

Items énnoncé 1 2 3 4 5
Fidel1 Il y a de fortes chances que je retourne manger dans ce restaurant

Fidel2 J’ai recommandé à d’autres personnes de fréquentez ce restaurant

Fidel3 Je dirais du bien du service de ce restaurant à d’autres personnes

Pour utiliser ces échelles préexistantes (selon le besoin) dans son enquête, il faut respecter
les étapes suivantes :

1 – vérification de l’énoncée des questions et modification au besoin sans modifier le sens

de l’énoncé ou des questions.

Ex. l’échelle ci-dessus mesure la fidélité envers un restaurant, il est évident qu’il faut
remplacer le mot restaurant par le service concerné par notre étude. Si je l’utilise pour
l’hôtellerie je mettrais alors
Il y a de fortes chances que je retourne séjourner dans cet hôtel

2. l’échelle doit être insérée en entier dans le questionnaire et garder le même ordre de
questions, ne pas enlever ou rajouter des items (questions) et ne pas les désordonner.

3. une fois le questionnaire administré et la collecte réalisée, nous devons faire passer à cette
échelle un test de fiabilitéi. La fiabilité consiste à s’assurer qu’au fil des mesures
répétées, l’échelle reste précise et mesure toujours la même chose.

4. calculer le score moyen de toutes les questions pour obtenir la variable globale car dans
le test statis. tique vous utiliserez toujours le score global de la fidélité (FIDÉLITÉ) et non pas
les scores Fidel1, Fidel2, Fidel3 !

(Fidel1 + Fidel2+Fidel3)/3 = FIDÉLITÉ

Échantillonnage :

Pour simplifier, votre échantillon doit respecter au moins la parité homme-femme et ne doit
pas contenir de biais majeur lié à une caractéristique sociodémographique. Tout dépend du
sujet étudié mais par exemple, éviter que son questionnaire ne contienne que des étudiants
(à moins que votre étude concerne les étudiants). Si notre sujet c’est les automobilistes,
faites en sorte que votre échantillon couvre tout les spectre d’âge des conducteurs (18 à +65
ans) etc. C’est la raison pour laquelle on pose ce type de questions (age, sexe, localisation,
niveau d’instruction, CSP etc) afin de vérifier la structure de son échantillon et de l’ajuster au
besoin.

i
En réalité, l’échelle doit également subir un test de validité. C’est un test que nous n’allons pas aborder dans le cadre de ce
cours mais nous l’expliquerons à titre indicatif par l’exemple suivant :

Ex. La balance est un instrument de mesure du poids.

La validité revient à s’assurer que vous votre balance mesure bien ce que vous voulez mesurer à savoir le poids. Une balance
ne mesurera ni votre taille ni votre glycémie.

La fiabilité revient à se faire peser plusieurs fois pour être sûr que la balance vous donne le même poids à chaque fois.