Introduction Aux Logiciels Danalyse Des Données - 2021

Cours d’introduction aux logiciels
d’analyse des données

Dispensé par
Christian KAMENGA
Année 2020-2021
Conception d’un questionnaire
Collecte des données
Introduction aux logiciels d’analyse des Dépouillement
données Traitement
Analyse
Rapport
Bibliographies
o Ahmad H. (2010), Introduction to qualitative approach, Research Gate.
o Churchill G.A (1999), Marketing Research: Methodological Foundations, Dryden Press, 7th edition
o Ghery.P (2010), GUIDE PRATIQUE DE L’ANALYSE DE DONNEES, De Boeck, 1 ère édition.
o Stafford J et Bodson. P (2006), L’analyse multivariée avec SPSS, Presse de l’Université de Quebec.
o Guide d’utilisation du logiciel Sphinx: texte disponible sur
https://www.helmo.be/Documents/Transversal/Services-transversaux/Service-qualite/Sphinx-
crA%C2%A9ation-et-mise-en-ligne-d-un-questionnai.aspx
o Guide méthodologique sur l’enquête de satisfaction: texte disponible sur
http://www.peddycaliari.com/www.peddycaliari.com/Questionnaire_(L3_SED)/Entrees/2015/9/20
_Enquete_de_satisfaction_(exemple)_files/Enque%CC%82te%20satisfaction%20totale.pdf
Introduction aux logiciels d’analyse des

C.KAMENGA_L3Gestion_UNH_2021 2
données
données Traitement
Analyse
Rapport
Objectifs du cours
o Apprendre les étudiants à concevoir le
questionnaire d’enquête ;
o Les initier à faire le dépouillement;
o Les outillés aux techniques de détection et de
correction des erreurs de saisie;
o Les doter des compétences analytiques et de
synthèse.

données
données Traitement
Analyse
Rapport
Sommaire
o Conception d’un questionnaire d’enquête
o Collecte des données
o Dépouillement
o Traitement
o Analyse
o Rapport de synthèse
Introduction aux Logiciels d’Analyse

des données
Introduction aux logiciels Dépouillement
d’analyse des données Traitement
Analyse
Rapport

o La conception d’un questionnaire dépend de la nature du
problème que l’on souhaite traiter.
o Selon la nature du problème, on peut distinguer trois types
d’approches:
 l’approche qualitative: recherche non numérique (mots, textes,
images, vidéos…) à travers des entretiens ou focus group ou
encore interviews.
l’approche quantitative: recherche numérique à travers une
enquête.
l’approche mixte: recherche à la fois numérique et non
numérique.

données
Analyse
Rapport

o Dans ce cours, on s’intéressera seulement à l’approche
quantitative dont fait partie le questionnaire.
o Une fois que le problème est décomposé en sous
problèmes avec des sous-questions qualifiées de
problématique, on peut passer à la conception d’un
questionnaire.
o La conception d’un questionnaire n’est pas une science
exacte.
o Elle reste, cependant, subordonné à l’exploration d’une
revue de la littérature autour du sujet sous examen

données
Analyse
Rapport

o Deux types de questions sont généralement utilisés:
 question fermée: celle dont les possibilités de réponse
sont restreintes.
 question ouverte: celle dont le répondant ne souffre
d’aucune restriction.
o Les questions fermées sont généralement privilégiées.

données
Analyse
Rapport

o La clarté, la précision, la simplicité, le volume et le
superflu sont des éléments sur lesquels l’on doit
veiller lors de la rédaction d’un questionnaire.
o Exemples des questions mal posées, complexe et
abstraite:
 le mobile money est-il fiable et sécurisé?
 que pensez-vous de la stratosphère?

données
Analyse
Rapport

o Exemples des questions mal posées, complexe et
abstraite:
 quel but poursuivez-vous dans la vie?
 que pensez-vous de ce téléphone?
 pensez-vous dépenser beaucoup d’argent
durant vos vacances?
 ce véhicule roule-t-il trop vite?

données
Analyse
Rapport

o NB: les mots tels que: très, trop, rarement,
occasionellement, etc. sont à éviter.
o Autre exemple:
 pourquoi faites-vous vos courses au
supermarché Jambo?

données
Analyse
Rapport

o Dans ce cas, les questions avec le mot
« pourquoi » apportent deux types
d’informations:
 les caractéristiques du produit ou sa
performance, en l’occurrence, celle de l’enseigne
 les circonstances qui l’ont fait connaitre au
répondant.
données
Analyse
Rapport

o On peut avoir trois réponses possibles:
 pour acheter des achats alimentaires:
caractéristiques de l’enseigne;
 parce que les produits ont un bon rapport qualité-
prix: performance de l’enseigne.
 parce que mes amies me l’on conseillé:
circonstance qui a amené la connaissance de
l’enseigne.
données
Analyse
Rapport

o Il peut être nécessaire, dans un tel cas, de poser
trois questions différentes
 quels produits achetez-vous dans le supermarché
jambo?
 quelle est la principale raison pour laquelle vous
faites vos achats dans ce supermarché?.
 qu’est-ce qui vous a amené à fréquenter ce
supermarché pour la première fois?
données
Analyse
Rapport

o Les questions comportant une conjonction de
coordination ( et, ou…) sont à éviter.
o Afin de motiver les répondants à participer à
votre étude, il est conseillé:
 de concevoir un questionnaire concis;
 de l’adapter au public cible;

données
Analyse
Rapport

o Afin de motiver les répondants à participer à votre
étude, il est conseillé:
 d’organiser les questions selon leur implication:
• les questions neutres sont posées au début du
questionnaire;
• les questions impliquant directement la personne
interrogée sont plutôt posées en fin de
questionnaire
données
Analyse
Rapport

o Etude de cas: un chargé d’études veut
comprendre les raisons pour lesquelles les
citadins achètent des 4x4.
o Sa question principale peut être formulée
comme suit:

données
Analyse
Rapport

o Pourquoi les citadins achètent-ils de 4x4?
o Pour formuler sa problématique, il a passé en
revue des travaux académiques sur la
consommation identitaire.
o La littérature l’a amené ainsi à formuler les sous
questions (ou problématique) suivantes:

données
Analyse
Rapport

 Les citadins achètent-ils des 4x4 pour afficher
leur réussite économique et sociale?
 Les achats de 4x4 par ces derniers sont-ils guidés
par un objectif inconscient de domination?
o Par des entretiens, d’autres questions peuvent
également émerger:

données
Analyse
Rapport

 L’état des routes peut-il expliqué les décisions
d’achat de 4x4 par les citadins?
o Toutes ces questions peuvent faire l’objet des
hypothèses de l’étude.
o Elles sont donc des vecteurs pouvant guider la
conception du modèle de l’étude et la rédaction
du questionnaire.
données
Analyse
Rapport

o Pour cette étude, on peut facilement en
concevoir le modèle (exercice dans l’auditoire)
o Une fois que les questions sont spécifiées, il est
indispensable de les mesurer.
o L’unité de mesure d’une question est appelée
« échelle »

données
Analyse
Rapport

o Il existe plusieurs types d’échelles dont les plus
courants sont:
 échelle nominale: permet de désigner les objets.
 échelle ordinale: implique une classification des
objets selon un critère donné.
 échelle d’intervalle: mesure l’objet selon une échelle
graduée (Ex: échelle de likert, échelle d’osgood,
échelle de thurstone…). p.46
données
Analyse
Rapport

 échelle de ratio ou de proportion: se démarque
des précédentes par le zéro absolu qui
caractérise l’absence du phénomène étudié.
 Caractéristiques des échelles: voir le lien suivant
C:\Users\Christian\Pictures\L'analyse
multivariée avec SPSS.pdf (p.35)

données
Analyse
Rapport
Application
o Soit une étude sur l’inclusion financière
(KATUMBA, 2018):
 sexe: 1. Masculin 2. Féminin (échelle nominale)
 Tranche d’âge: 1.15-25 2. 26-35 3. 36-45 4.46-55
5. plus 56 (échelle d’intervalle)
 Avez-vous un compte mobile money: 1. Oui 2.
Non (échelle?)

données
Analyse
Rapport
Application
 A quel rythme faites-vous les opérations suivantes (échelle?)
Jamais Rarement Parfois Fréquent Très fréquent
Dépôt
Transfert
Retrait
Achat unités
Payement
factures
Autres
données
Analyse
Rapport
Application
 Quel a été l’impact du mobile dans votre vie
quotidienne (échelle de ratio) (0=nul et 5=
crucial)
0 1 2 3 4 5

données
Analyse
Rapport
Application
 Pensez-vous que l’utilisation de mobile money a-
t-elle amélioré votre bien être? (échelle de
Linkert) (1=Pas du tout d’accord et 7= Tout à
fait d’accord)
1 2 3 4 5 6 7

données
Analyse
Rapport
A retenir
o Les questions ou variables mesurées sur l’échelle
nominale et ordinale sont qualitatives.
o Celles qui sont mesurées sur les autres échelles
sont quantitatives.
o En conséquence, les opérations statistiques à
réaliser et les méthodes d’analyse dépendent du
type d’échelle retenue (p.40-42)
données
Analyse
Rapport

o La phase de la conception du questionnaire
étant ainsi achevée, passons maintenant à la
collecte des données.
o Cette étape nécessite de déterminer
préalablement la taille de l’échantillon.
o Par échantillon, on sous-entend le prélèvement
d’une partie de la population.
données
Analyse
Rapport

o Cet échantillon doit être le reflet fidèle de la
population.
o Ceci n’est possible que lorsque les conditions
des deux lois statistiques ci-après sont remplies :
la loi de la régularité statistique et la loi de
grands ensembles.

données
Analyse
Rapport

 D’après la première loi, un ensemble raisonnablement large
d’éléments tirés au hasard à partir de la population aura en
moyenne, les caractéristiques de la population. Il faut donc
veiller au caractère aléatoire de l’échantillon ainsi qu’à sa taille.
 Selon la deuxième loi , les grands ensembles sont plus stables
que les petits ensembles. E.a.t, un ensemble comportant plus
d’éléments a plus de chances d’assurer la compensation entre
ces d’éléments et par conséquent, plus stable sera la mesure
agrégée (par ex. la moyenne) des éléments.
o Le non respect de ces deux lois conduit à deux types d’erreurs:
les erreurs d’échantillonnage et les erreurs dues aux biais.

données
Analyse
Rapport

o Les erreurs dues au biais ont plusieurs causes notamment:
 La subjectivité dans la sélection: c’est lorsque la procédure
d’extraction de l’échantillon est dominée par les préférences de
l’enquêteur.
 La substitution: c’est le fait de remplacer un élément de
l’échantillon par autre suite à l’indisponibilité de ce dernier.
 La couverture partielle de l’échantillon: c’est l’absence dans la
couverture de tous les éléments de l’échantillon pendant
l’enquête. Le pourcentage des personnes répondant au
questionnaire ( le taux de non réponse ou de couverture de
l’échantillon) est un élément important pour apprécier la qualité
d’un échantillon.
données
Analyse
Rapport

o Pour minimiser les erreurs d’échantillonnage, il faut
déterminer la taille optimale de l’échantillon.
o Cette taille dépend de la précision souhaitée et du
budget disponible.
o Elle reste subordonnée à la connaissance ou non de
la population.
o Pour une population nombreuse (taux de
sondage<10%), la taille de l’échantillon se calcule
de deux manières selon que l’étude détermine:
données
Analyse
Rapport

 Une moyenne (une quantité de produits consommés, le montant des
achats des clients d’un magasin, le niveau d’accord avec une question,
etc..)
2
𝑧∝/2 ∗ 𝑠𝑥2
𝑛=
𝑒2
Avec 𝑛 = taille de l’échantillon
𝑧∝/2 = valeur de la loi normale centrée réduite au seuil ∝
𝑠𝑥 = écart-type de l’échantillon;
𝑒 = précision souhaitée de l’étude
 NB: En Gestion, on travaille avec le seuil ∝ = 5%. Ainsi, 𝑧∝/2
correspond à 1,96.

données
Analyse
Rapport

 Difficultés: détermination de 𝑠𝑥 ? (il faut une étude préparatoire)
 Une proportion (nombre de votants pour un candidat, proportion des clients
satisfaits,…)
2
𝑧∝/2 ∗ 𝑝𝑠(1 − 𝑝𝑠)
𝑛=
𝑒2
Avec 𝑛 = taille de l’échantillon
𝑧∝/2 = valeur de la loi normale centrée réduite au seuil ∝
𝑝𝑠 = proportion ou fréquence observée dans l’échantillon;
𝑒 = précision souhaitée de l’étude
NB: 𝑝𝑠 n’est pas souvent connu et est fixé à 0,5

données
Analyse
Rapport

o Exemple: Calculer la taille d’échantillon d’une étude
pour connaitre, à 3% près, le résultat d’une élection.
Le chargé d’études ne dispose d’aucune étude
préalable sur le résultat attendu de l’élection. Le
risque d’échantillonnage est de 5%.
o Solution: ∝ = 5% 𝑧∝/2 = 1,96 𝑝𝑠 = 0,5 𝑒 = 0,03
𝑛 = 1,962 𝑥(0,5𝑥0,5)/0,032 ≈ 1068 individus

données
Analyse
Rapport

o Pour une population peu nombreuse (taux de sondage> 𝟏𝟎%), la taille
de la population considérée est relative. Elle est dérivée à partir du taux de
sondage:
𝒏
o 𝒕𝒂𝒖𝒙 𝒅𝒆 𝒔𝒐𝒏𝒅𝒂𝒈𝒆 = 𝒙𝟏𝟎𝟎
𝑵
Avec 𝑛 =taille de l’échantillon obtenue selon la formule précédente
𝑁 = taille de la population.
o Un taux de sondage supérieur à 10% signifie que l’effectif de l’échantillon
représente plus de 10% de celui la population étudiée. Dans ce cas, la taille de
l’échantillon est donnée par:
o 𝑛𝑓 = 𝑛𝑐 ÷ (1 + 𝑛𝑐 ÷ 𝑁 )
. 𝑛𝑓 = échantillon final
𝑛𝑐= échantillon classique

données
Analyse
Rapport

NB: un taux de sondage de:
- 30% caractérise une petite population;
- 10% caractérise une population moyenne;
- 1% caractérise une grande population

données
Analyse
Rapport

o Exemple: Calculer la taille de l’échantillon pour déterminer
la proportion de clients satisfaits de la mise en place d’une
carte visa dans une banque dont l’ancienneté est d’une
année. Selon la liste des clients enregistrés, l’effectif de la
population détenteur de cette carte est de 3200. La
précision souhaitée et l’erreur d’échantillonnage acceptée
sont de 5%. Par ailleurs, aucune étude préalable sur la
proportion des clients satisfait n’a été identifiée.
o Solution: ∝ = 5% 𝑧∝/2 = 1,96 𝑝𝑠 = 0,5 𝑒 = 0,05
1,962 𝑥 0,5𝑥0,5
𝑛𝑐 = 0,052
= 384,16

données
Analyse
Rapport

384,16
o taux de sondage = x100 = 12,00%. Ce
3200
taux est supérieur à 10%: il s’agit d’une population de
taille moyenne.
384,16
𝑛𝑓 = 384,16 = 342,98 = 343 individus
1: 3200

données
Analyse
Rapport

o Connaissant les caractéristiques de la population à
interroger ainsi que la taille de l’échantillon, on peut
maintenant procéder à la sélection des individus.
o Deux méthodes sont utilisées:
 L’échantillonnage probabiliste: il s’agit de la
sélection aléatoire.
 L’échantillonnage non probabiliste: il s’agit d’une
sélection non aléatoire selon certaines
caractéristiques recherchées.
données
Analyse
Rapport

o La première accorde une chance équiproportionnelle à tous les
individus d’appartenir à l’échantillon. Compte tenu de son
caractère aléatoire, elle garantit la procédure d’inférence
statistique. Dans cette méthode, plusieurs techniques sont
utilisées:
 Le tirage aléatoire simple: elle nécessite une base de sondage. Ici,
chaque individu est tiré de manière aléatoire
 Le tirage aléatoire systématique: seul le premier individu est tiré
aléatoirement et par la suite on utilise l’intervalle ou pas
d’échantillonnage. Il est donné par l’inverse du taux de sondage.
données
Analyse
Rapport

 Le tirage aléatoire stratifié: elle consiste à diviser
la population en sous-groupes complètement
séparés, appelés strates. Un tirage aléatoire
simple ou systématique est alors effectué dans
chaque strate.

données
Analyse
Rapport

 Exemple: Etude sur la démotivation des employés des
entreprises publiques en RDC: cas des régies financières
 Source: NKONO(2021)

données
Analyse
Rapport

données
Analyse
Rapport

 Tirage par grappes: il est approprié lorsqu’il n’existe pas de
base de sondage. Très généralement, il est difficile d’obtenir les
listes complètes et actualisées des éléments de la population.
 Exemple : étude sur les conditions sanitaires dans le milieu
universitaire. En considérant chaque home, chaque aile, ou
encore chaque couloir comme une grappe d’étudiants, il
devient possible de tirer un échantillon aléatoire. Ici la taille
définitive de l’échantillon dépendra de nombres d’étudiants
logés dans les couloirs sélectionnés.
 Tirage à plusieurs degré : permet de combiner plusieurs
techniques et de tirer un échantillon à plusieurs degré.

données
Analyse
Rapport

o Echantillonnage non probabilistes: compte tenu des
coûts engendrés par l’échantillonnage probabiliste,
les instituts de statistiques recourent très souvent à
l’échantillonnage non probabiliste. Dans cette
méthode, la sélection aléatoire n’existe plus et la
base de sondage n’est plus indispensable.
o Deux méthodes sont les plus couramment utilisées:
l’échantillon par quotas et l’échantillon de convenance.
données
Analyse
Rapport

 Échantillon par quotas: il s’agit de sélectionner les individus
(ou le quotas) selon des critères fixés par l’enquêteur-
critères sociodémographiques par exemple.
o Ces critères dépendent de la problématique de l’étude.
o Cette méthode ne nécessite pas de base de sondage et a
l’avantage d’assurer une bonne représentativité de
l’échantillon.
o Si les caractéristiques de l’échantillon son mal choisis et les
quotas ne sont pas respectés, l’échantillon par quotas
conduit au risque de mauvaise représentativité.

données
Analyse
Rapport

 Échantillon de convenance: appelés également échantillons
de facilité ou accidentels, cette technique est utilisée pour
sélectionner les individus qui sont présent uniquement au
moment de l’enquête.
o Ici, aucun critère n’est défini pour s’assurer que les individus
sélectionnés possèdent réellement les caractéristiques de la
population.
o Exemple: évaluation des 100 jours de Fatshi par les médias.
Ces derniers, utilisent le micros-trottoir en intérrogeant tous
ceux qui le passent à l’œil.

données
Analyse
Rapport

o D’un point de vue théorique, ces deux techniques ne
permettent pas d’établir la procédure d’inférence
statistique.
o Une fois que les données sont collectées sur le terrain,
on peut passer maintenant à la phase de dépouillement.

données
Analyse
Rapport
Dépouillement
o C’est une opération qui consiste à encoder les
questionnaires.
o Il n’est approprié que lorsque l’enquête n’a pas été
numérisée.
o L’objectif principal de cette phase est de construire une
base des données.
o Celle-ci reste subordonné à des règles élémentaires:
 une ligne comporte toutes les réponses de l’individu;
 une colonne comporte toutes les réponses associées à une
variable ou question de l’étude. La variable est nommée par
son code inscrit dans le questionnaire.
données
Analyse
Rapport
Dépouillement
o La base des données est donc une matrice généralement
non carrée dont les réponses des enquêtés représentent
la ligne et les questions ou variables la colonne.
o Application : voir questionnaire MISABU.
o Dans chaque questionnaire, il est toujours utile de
réserver, une case pour inscrire le numéro du
questionnaire

données
Analyse
Rapport
Traitement
o C’est une phase qui permet de vérifier l’exactitude de
l’information et la cohérence des données. Il s’agit donc de
l’apurement de la base des données.
o Pour vérifier l’exactitude de l’information, il est préférable de
réserver, dans chaque questionnaire, une case pour inscrire un
numéro approprié que l’on peut qualifier d’une clé primaire.
o Grace aux tableaux de fréquence, on peut détecter les
informations aberrantes et recourir au questionnaire type pour
apporter correction dans la base des données.
o Pour ce qui est de la cohérence des données, on recourt très
souvent aux tableaux croisés.

données
Analyse
Rapport
Analyse
o Les techniques d’analyse des donnée dépendent de
l’objectif poursuivi.
o Sur ce, les étudiants peuvent se référer au tableau de
synthèse que j’a présenté au cours de notre échange sur
le diapo n°27 (p.27).
o Application: voir fichier sur la satisfaction des étudiants
L3 gestion en rapport avec les enseignements suivis.

données
Analyse
Rapport
Analyse
o J’ai introduit deux outils d’analyse en rapport avec cet
exercice:
o Le NPS
o L’analyse Importance/Performance.

données
Analyse
Rapport
Rapport
o S’agissant de cette section, les étudiants peuvent se
référer au fichier qui accompagne ce cours.

données

Introduction Aux Logiciels Danalyse Des Données - 2021

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Introduction Aux Logiciels Danalyse Des Données - 2021

Transféré par

Droits d'auteur :

Formats disponibles

Cours d’introduction aux logiciels

d’analyse des données

Introduction aux logiciels d’analyse des

Introduction aux logiciels d’analyse des

Introduction aux Logiciels d’Analyse

Conception d’un questionnaire

Introduction aux logiciels d’analyse des

Conception d’un questionnaire

Introduction aux logiciels d’analyse des

Conception d’un questionnaire

Introduction aux logiciels d’analyse des

Conception d’un questionnaire

Introduction aux logiciels d’analyse des

Conception d’un questionnaire

Introduction aux logiciels d’analyse des

Conception d’un questionnaire

Introduction aux logiciels d’analyse des

Conception d’un questionnaire

Conception d’un questionnaire

Conception d’un questionnaire

Conception d’un questionnaire

Introduction aux logiciels d’analyse des

Conception d’un questionnaire

Conception d’un questionnaire

Introduction aux logiciels d’analyse des

Conception d’un questionnaire

Introduction aux logiciels d’analyse des

Conception d’un questionnaire

Introduction aux logiciels d’analyse des

Conception d’un questionnaire

Conception d’un questionnaire

Introduction aux logiciels d’analyse des

Conception d’un questionnaire

Conception d’un questionnaire

Introduction aux logiciels d’analyse des

Introduction aux logiciels d’analyse des

Introduction aux logiciels d’analyse des

Introduction aux logiciels d’analyse des

Collecte des données

Collecte des données

Introduction aux logiciels d’analyse des

Collecte des données

Introduction aux logiciels d’analyse des

Collecte des données

Collecte des données

Collecte des données

Introduction aux logiciels d’analyse des

Collecte des données

Introduction aux logiciels d’analyse des

Collecte des données

Introduction aux logiciels d’analyse des

Collecte des données

Introduction aux logiciels d’analyse des

Collecte des données

Introduction aux logiciels d’analyse des

Collecte des données

Introduction aux logiciels d’analyse des

Collecte des données

Introduction aux logiciels d’analyse des

Collecte des données

Collecte des données

Collecte des données

Introduction aux logiciels d’analyse des