INTRODUCTION

Analyse bivariée est une méthode statistique cruciale pour explorer la relation entre deux
variables dans un ensemble de données.

Dans ce travail pratique, nous utiliserons le logiciel SPSS pour mener une analyse bivariée
approfondie afin de comprendre les liens potentiels entre deux variables
spécifiques.L'objectif de cette étude est d'identifier et de quantifier les relations entre ces
variables, de déterminer si ces relations sont statistiquement significatives, et d'interpréter les
résultats dans le contexte de notre enquête.

La sélection des variables à analyser est une étape cruciale de tout processus d'analyse
bivariée. Ces variables peuvent représenter des mesures spécifiques dans des domaines tels
que la santé, l'éducation, l'économie, etc. En comprenant la nature de la relation entre ces
variables, nous pourrons éclairer davantage notre compréhension des tendances et des motifs
présents dans notre ensemble de données.

Dans ce TP, nous examinerons comment utiliser SPSS pour effectuer une analyse bivariée, en
mettant l'accent sur le test de corrélation de Pearson ou de Spearman ET TEST KHI DEUX
ET ANOVA selon la nature de nos données, ainsi que d'autres techniques statistiques
pertinentes. Nous explorerons également la génération de graphiques et de tableaux
descriptifs pour visualiser les résultats de manière claire et informative.

La compréhension des concepts fondamentaux de l'analyse bivariée et la maîtrise des

fonctionnalités de SPSS seront des compétences précieuses dans le domaine de la recherche
et de l'analyse de données. En combinant la théorie statistique avec l'utilisation pratique de
SPSS, ce TP vise à renforcer votre capacité à interpréter La relation si elle existe entre deux
variables , si cette relation et faible ou forte et en fin cette relation est dans le meme sens ou
dans un sens inverse et à communiquer des résultats significatifs à partir de données
complexes.
 I. Analyse bivariéé

1) Variable qualitative :

a) Mesure Nominal :

Lorsque vous effectuez une analyse bivariée avec une variable qualitative nominale
dans SPSS, vous pouvez utiliser le test du khi-deux pour évaluer l'indépendance
entre deux variables nominales

 2 VARIABLE : marque dentifrice et sexe

V1 : Question 2 : quelle marque utilisez vous habituellement ?
V2 : Question 9 : vous etes ?
Récapitulatif du traitement des observations

Observations

Valide Manquante Total

N Pourcent N Pourcent N Pourcent

maarque
dentifrice * 30 100,0% 0 0,0% 30 100,0%
sexe

Tableau croisé marque dentifrice * sexe

Effectif
Sexe Total

HOMME FEMME

signal 6 10 16

Signal et colgate 0 2 2

colgate 3 3 6
maarque
Denvit et vademcum 0 1 1
dentifrice
vademecum 1 0 1

aquafresh 0 1 1

autre 1 2 3

Total 11 19 30
 Tests du Khi-deux

Valeur ddl Signification

asymptotique
(bilatérale)p

Khi-deux de Pearson 4,522a 6 ,606

Rapport de vraisemblance 6,123 6 ,410

Association linéaire par

,015 1 ,901
linéaire

Nombre d'observations
30
valides

a. 12 cellules (85,7%) ont un effectif théorique inférieur à 5.

Mesures symétriques
L'effectif théorique minimum est de ,37.

Valeur Signification approximée

Phi
 LA valeur de p (0 .606) est supérieure au ,388 ,606
niveau de signification choisit 0,005 et donc il n’ya pas
Nominal par Nominal
V de Cramer ,388 ,606

Nombre d'observations valides 30

a. L'hypothèse nulle n'est pas considérée.

b. Utilisation de l'erreur standard asymptotique dans l'hypothèse nulle.

relation entre les deux variables .

 2 Variables PATE dentifrice et crest

V1 : Q 1 utuliser vous une pate dentifrice ?
V2 : Q 3 parmi les marques suivants, citer celle s que vous connaissez ?

Récapitulatif du traitement des observations

Observations

Valide Manquante Total

N Pourcent N Pourcent N Pourcent

pate dentifrice * crest 30 100,0% 0 0,0% 30 100,0%

Tableau croisé pate dentifrice * crest

Effectif

crest Total

oui non

Initile 2 1 3

utile 0 10 10
pate dentifrice
tres utile 0 14 14

indispensable 0 3 3
Total 2 28 30

Tests du Khi-deux

Valeur ddl Signification

asymptotique
(bilatérale)

Khi-deux de Pearson 19,286a 3 ,000

Rapport de vraisemblance 10,877 3 ,012
Association linéaire par linéaire 7,876 1 ,005
Nombre d'observations valides 30

a. 6 cellules (75,0%) ont un effectif théorique inférieur à 5. L'effectif théorique

minimum est de ,20.

Mesures symétriques
 Valeur Signification
approximée

Phi ,802 ,000

Nominal par Nominal
V de Cramer ,802 ,000
Nombre d'observations valides 30

a. L'hypothèse nulle n'est pas considérée.

b. Utilisation de l'erreur standard asymptotique dans l'hypothèse nulle.

 La correlation existe car 0 ,000 inferieur a 0 .005 donc il ya une relation entre
les deux variables .

b) Mesure Ordinale
Si vous avez une variable qualitative mesurée à un niveau ordinal et que vous souhaitez tester la
corrélation avec une autre variable, vous pouvez utiliser le test de corrélation de Spearman dans
SPSS. Le test de corrélation de Spearman évalue la force et la direction de la relation monotone entre
deux variables ordinales.

2 variable :N4 N5

Q 8 : Indiquer le niveau d’ importance que vous accorder pour chacun des critere suivants ?

N4 : renforce les gencives

N5 :blanchit les dents ?

Corrélations
niveau niveau
importance4 importance5
Coefficient de corrélation 1,000 ,519**
niveau importance4 Sig. (bilatérale) . ,003
N 30 30
Rho de Spearman
**
Coefficient de corrélation ,519 1,000
niveau importance5 Sig. (bilatérale) ,003 .
N 30 30
**. La corrélation est significative au niveau 0,01 (bilatéral).

 La coefficient de corrélation inferieur a 0.005 et donc il existe une relation entre

les deux variables .
  2 VAR N1/ N 3

Q 8 : Indiquer le niveau d’ importance que vous accorder pour chacun des critere
suivants ?
N1 : donne une haleine agréable
N2 : elimine le tartre

Corrélations
niveau niveau
importance6 importance7
Coefficient de corrélation 1,000 ,484**
niveau importance6 Sig. (bilatérale) . ,007
N 30 30
Rho de Spearman
**
Coefficient de corrélation ,484 1,000
niveau importance7 Sig. (bilatérale) ,007 .
N 30 30
**. La corrélation est significative au niveau 0,01 (bilatéral).

 Coefficient de corrélation est superieur à 0 .005 donc ilya n ya pas une relation
entre les deux variables
2) Variable quantitative :
Il est important de noter que le test de corrélation de Pearson est spécifiquement conçu pour évaluer
la relation linéaire entre deux variables quantitatives mesurées à un niveau d'échelle, et non pour les
variables ordinales. Les variables ordinales ne sont pas nécessairement distribuées de manière
linéaire, et donc l'utilisation du test de corrélation de Pearson peut être inappropriée.

2 VAR gout agreabble et gout desagreable

Question 8 : indiquez le niveau d importances que vous accordez pour chacun des
critère ?
Corrélations
gout desag gout agreable
Corrélation de Pearson 1 -,629**

gout desag Sig. (bilatérale) ,000

N 30 30
**
Corrélation de Pearson -,629 1

gout agreable Sig. (bilatérale) ,000

N 30 30

**. La corrélation est significative au niveau 0.01 (bilatéral).

  La coefficient de corrélation inferieur a 0.005 et donc il existe une relation entre
les deux variables .

Question 8 : indiquez le niveau d importances que vous accordez pour chacun des critère ?

Corrélations
utili commode utili non comode

Corrélation de Pearson 1 -,568**

utili commode Sig. (bilatérale) ,001

N 30 30
**
Corrélation de Pearson -,568 1

utili non comode Sig. (bilatérale) ,001

N 30 30
**. La corrélation est significative au niveau 0.01 (bilatéral).

 La coefficient de corrélation inferieur a 0.005 et donc il existe une relation entre les deux
variables .

 Variable ordinale n1 Q 8
 Variable échelle gout désagréable Q7
ANOVA à 1 facteur
niveau importance1

Somme des carrés ddl Moyenne des F Signification

carrés

Inter-groupes 10,682 2 5,341 8,004 ,002

Intra-groupes 18,018 27 ,667
Total 28,700 29

 La coefficient de corrélation inferieur a 0.005 et donc il existe une relation entre

les deux variables .
 Variable ordinale n7 Q 8
 Variable échelle gout désagréable Q7
ANOVA à 1 facteur

niveau importance7

Somme des carrésddl Moyenne des F Signification

carrés

Inter-groupes 6,414 2 3,207 2,628 ,091

Intra-groupes 32,952 27 1,220

Total 39,367 29

 Coefficient de corrélation est superieur à 0 .005 donc ilya n ya pas une relation
entre les deux variables.

ANOVA à 1 facteur
ECHELLE Efficace Q 7
ORDINAL N1 Q 8

Somme des carrés ddl Moyenne des F Signification

carrés

Inter-groupes 3,742 3 1,247 2,675 ,068

Intra-groupes 12,124 26 ,466
Total 15,867 29

 Coefficient de corrélation est superieur à 0 .005 donc ilya n ya pas une relation entre les
deux variables.

ANOVA à 1 facteur

utili commode

ORDINAL N1

Somme des ddl Moyenne des F Signification

carrés carrés

Inter-groupes 5,009 3 1,670 2,864 ,056

Intra-groupes 15,158 26 ,583

Total 20,167 29

 Coefficient de corrélation est superieur à 0 .005 donc ilya n ya pas une relation entre les
deux variables.
 Conclusion

Au terme de ce travail pratique, nous avons réussi à effectuer une analyse bivariée

approfondie à l'aide du logiciel SPSS, explorant les relations entre deux variables à la fois.

Nos analyses ont fourni des aperçus significatifs sur la manière dont ces variables

interagissent, nous permettant ainsi de mieux comprendre la dynamique sous-jacente de notre

jeu de données.

Les résultats des analyses bivariées ont mis en lumière des associations importantes entre

certaines paires de variables, ouvrant la voie à une compréhension plus fine de notre sujet

d'étude. Cependant, pour obtenir une perspective encore plus holistique, nous avons décidé de

franchir une étape supplémentaire en passant à l'analyse multivariée.

l'analyse bivariée à l'analyse multivariée, nous avons pu élargir notre perspective et obtenir

des informations plus nuancées sur les relations au sein de notre ensemble de données. Ces

résultats fournissent une base solide pour de futures recherches et soulignent l'importance de

combiner différentes approches analytiques pour une compréhension complète des

phénomènes étudiés.