Analyse univariée sous SPSS

L’analyse univariée est généralement la première étape d’un plan d’analyse. Elle consiste à
décrire et à synthétiser les données qui concernent les variables de l’étude considérant
successivement chacune d’elle. Ceci permet de dégager une vue d'ensemble de la variable en
question et repérer des écarts significatifs.

Pratiquement, les résultats de l’enquête seront présentés à raison d'un tableau par question en
utilisant la technique des distributions de fréquence appelées aussi tri à plat.

• Décrire une variable qualitative

Exemple

Description de la variable correspondante à la question : « Quel est votre sexe ? »

Dans SPSS sélectionner : Analyse > Statistiques descriptives > Fréquences
Le tableau de distribution des fréquences (tableau 1) correspondant à cette variable montre que
42,1 % des individus de l’échantillon interrogé sont des hommes et que 57,9 % sont des
femmes.

Tableau 1. Description de la variable « sexe »

Ces résultats peuvent également être visualisés sous forme de graphiques (diagrammes à barres,
en secteurs), dans lesquels les surfaces associées aux différentes modalités sont
proportionnelles à leur fréquence (figure 1).

Dans SPSS sélectionner : Graphiques > Sélecteur de modèles de représentations

graphiques

Ou bien

Analyse > Statistiques descriptives > Fréquences > Graphiques > Type de graphique

1
 Figure 1. Diagramme en secteurs de la variable « sexe »

• Décrire une variable quantitative

Plusieurs critères permettent de décrire une variable quantitative :

Les mesures de la tendance centrale : moyenne, médiane, mode.

Les mesures de la dispersion : étendue, variance, écart type.
Les mesures de forme : Kurtosis (Aplatissement) et Skewness (Asymétrie) qui sont utilisés
pour s’assurer que les variables suivent une distribution normale. On estime que le coefficient
d’asymétrie doit être < à 1 et le coefficient d’aplatissement doit être < à 1,5 pour considérer que
la variable suit une loi normale.
Les représentations graphiques : histogrammes ; boîtes à moustaches, etc.

Exemple
Description de la variable correspondante à la question : « Quel est votre âge ? »

Dans SPSS sélectionner : Analyse > Statistiques descriptives > Descriptives

Le tableau des statistiques descriptives correspondant à cette variable (tableau 2) montre que
l’âge des individus interrogés varie de 18 ans à 82 ans. L’âge moyen est de 37,44 ans avec un
écart type de 13,202 ans.

Tableau 2. Statistiques descriptives de la variable « âge »

2
En ce qui concerne les représentations graphiques, les effectifs peuvent être représentés par des
histogrammes (figure 2).

Figure 2. Représentation graphique (histogramme) de la variable « âge »

Boîte à moustache (box plot)

La boîte à moustaches est une représentation graphique intéressante car elle permet de
récapituler une variable numérique en représentant la médiane, les quartiles et les valeurs
extrêmes.

Dans SPSS sélectionner : Analyse > Statistiques descriptives > Explorer > Liste variables
dépendantes > Statistiques > Valeurs extrêmes

La boite à moustache de la variable « âge » (figure 3) montre une valeur extrême (observation
n˚115).

Figure 3. Boite à moustaches de la variable « âge »

3
Tests de normalité : kolmogrov-Smirnov (n > 50) ou Shapiro-Wilk (n < 50)

On commence tout d’abord par une visualisation graphique de la variable :

Analyse > Statistiques descriptives > Fréquences > Graphiques > Type de graphique
(Histogrammes) : Afficher la courbe gaussienne sur l’histogramme

Ou bien

Graphiques > Sélecteur de modèles de représentations graphiques > Histogramme avec

une distribution normale

On vérifie par la suite en utilisant le test de normalité de k-S :

H0 : la variable suit une loi normale

H1 : la variable ne suit pas une loi normale

Sous SPSS :
Analyse > Statistiques descriptives > Explorer > Liste variables dépendantes > Tracés >
Tracés de répartition gaussiens avec tests

Si signification (p value) < 0.05 alors on rejette H0 et on conclue que la variable ne suit pas une
loi normale.