Cours Firano

Quanti…cation en sciences sociales
Module : Elaboration de
questionnaire et analyse d’enquête
Questionnaire
Professeur Firano Zakaria

UMVR-FSJESR-Agdal
2020
Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 1 / 127

Plan
1 Usage des statistiques en 4 L’exécution sur le terrain

sciences sociales
5 Analyse des variables
2 Les approches quantitatives
6 Concatener et simpli…er les
3 L’élaboration d’un données
questionnaire
7 Segmentation
8 Analyse de la variance

Usage des statistiques en sciences sociales
Les axes du séminaire
1 Usage des statistiques en sciences sociales
3 L’élaboration d’un questionnaire
4 L’exécution sur le terrain
6 Concatener et simpli…er les données
7 Segmentation
Au fondement des sciences sociales
Quanti…cation
Questionnaire et enquête
L’activité de quanti…er, c’est-à-dire de « faire exister sous forme numérique
ce qui, auparavant, était exprimé seulement par des mots et non par des
nombres » , est au fondement de beaucoup de sciences sociales.
Parmi ces disciplines, nous pouvons citer par exemple la démographie et la
sociologie. Moins évident encore : l’histoire a aussi utilisé, à certaines
périodes favorables, la quanti…cation.

La démographie
La démographie analyse la taille et la structure des populations humaines.
Elle étudie également leurs évolutions.
Elle est l’une des sciences sociales dont le développement reste étroitement
lié à l’usage des outils statistiques et des sources sur lesquelles on a coutume
de les mettre en œuvre.

La sociologie
Beaucoup de manuels le rappellent, la sociologie française a, elle aussi, été
fondée sur un certain usage du chi¤re et sur un ouvrage fondateur, Le Suicide
de Durkheim.
Par là, Durkheim pose les jalons de la sociologie et d’une méthode qui lui est
constitutive (mais non exclusive) : l’analyse statistique des variations
concomitantes.

L’histoire
Durant les décennies 1960 et 1970, l’histoire quantitative, avant d’être
vigoureusement critiquée, s’est imposée, sinon dans les pratiques, au moins
comme un exemple.
Les chercheurs tentaient de présenter des « vérités statistiques » sur le
modèle des « sciences dures » . Leurs ambitions étaient alors de produire des
séries longues à partir de sources historiques.

L’histoire
Dès lors, durant la décennie 1980, au moment même où les moyens matériels
pour produire des statistiques se di¤usaient (ordinateurs et logiciels).
À partir des années 2000, les méthodes quantitatives semblent connaître un
nouvel engouement. En outre, la critique des séries longues et le nouvel
enthousiasme pour les statistiques vont de pair avec le développement d’une
approche moins positiviste, et plus ré‡exive, de ces méthodes en sciences
sociales.

Ré‡exivité et posture du quantitativiste
L’histoire
Dans une posture ré‡exive, l’analyse ne porte pas seulement sur les nombres,
mais sur l’ensemble des étapes qui a amené le quantitativiste à les produire.
Ces étapes sont en soi un processus social au cours duquel de petites et de
grandes décisions (souvent contraintes) ont été prises.
En admettant que les chi¤res sont socialement construits, le chercheur se
dégage de l’illusion de vérité. Cette ré‡exivité n’est pas si éloignée de celle
qui est mise en œuvre dans le raisonnement ethnographique.

La quanti…cation, un processus social
Une analyse à partir d’une enquête statistique (sociologie
quantitative) ne peut se priver de l’analyse du processus social qu’est
l’enquête (sociologie de la quanti…cation).
Alors que le quantitativiste est présenté parfois comme enfermé dans sa tour
d’ivoire, loin des réalités du terrain, son terrain est précisément toute la
chaîne de production des données chi¤rées.

L’analyse secondaire de données
Faire de l’analyse secondaire de données, c’est analyser une base de données
construite par un tiers, le plus fréquemment une institution.
Elle peut être publique (l’Insee, l’Inserm, Pôle Emploi, di¤érents observatoires,
etc.), académique (enquête réalisée par un groupe d’étudiants, un collectif de
chercheurs, un laboratoire de recherche), associative (le Credoc, ATD Quart
Monde), privée (instituts de sondage tels Ipsos, Ifop, CSA, etc.).
En conséquence, les bases de données ne sont pas systématiquement
élaborées par des chercheurs en vue de répondre précisément aux questions
qu’ils se posent. C’est d’ailleurs régulièrement ce qui est reproché aux
exploitations secondaires qui en sont faites.

Les Grandes phases d’élaboration d’un questionnaire
La chaine de production d’une enquête statistique
Dans les grandes enquêtes par questionnaire, Alain Desrosières distingue six
phases au cours desquelles se posent des problèmes sociologiques.
Ces phases représentent en quelque sorte la chaîne de production des données
statistiques, terrain du quantitativiste ré‡exif.

La phase de la conception de l’enquête renvoie à la construction de l’objet
d’étude. Un objet d’étude n’apparaît comme pertinent que si émerge une
demande sociale, publique ou académique, d’informations.
Durant cette étape, les di¤érents acteurs (demandeurs et concepteurs
d’enquête) interagissent. La conception de l’enquête est le résultat de ces
interactions.

La phase d’élaboration du questionnaire est aux prises avec des «
contraintes contradictoires : insérer le plus grand nombre de questions
possibles, les adapter aux possibilités de réponses en contrôlant leur sens, en
diminuer le nombre a…n de parvenir à un temps de passation jugé possible » .
Toute la di¢ culté réside dans le fait que le questionnaire, unique, doit
s’adapter à toutes les situations concrètes et à toutes les représentations.
La phase de test des questionnaires permet ensuite de véri…er l’adéquation
entre les questions et les réponses, de faire des arbitrages (fermer certaines
questions ouvertes au détriment de l’information a…n de s’accommoder à des
contraintes de coût ou de durée de passation des questionnaires).

La phase d’exécution de l’enquête sur le terrain regroupe deux étapes : le
plan de sondage et la passation.
Au sein de la population de référence (celle qui nous intéresse compte tenu de
l’objet d’étude), le plan de sondage dé…nit la manière de sélectionner
l’échantillon (la partie de la population réellement mesurée).
Les modes de passation sont pluriels. Mettant en contact un enquêteur et un
enquêté, ils ont en commun de créer un rapport de domination et de souligner
la non-neutralité de la situation d’enquête.

La phase de codi…cation est en constante évolution avec les progrès de la
micro-informatique. Elle consiste à produire une base de données (un tableau
à deux dimensions) à partir des questionnaires : les enquêtés deviennent alors
des lignes d’un tableau appelé base de données, les questions, des intitulés de
colonnes, et les réponses, les cases du tableau.
Avant d’analyser les données, il est souvent nécessaire de procéder à un
apurement, c’est-à-dire à un nettoyage. Pour ce faire, on réalise des
recodages, c’est-à-dire que l’on regroupe de façon encore di¤érente les
réponses des enquêtés.

La phase de traitement statistique. Dans le cas d’une exploitation
secondaire de données, c’est lors de cette phase que le chercheur intervient
directement dans le processus de quanti…cation. À ce stade, il doit ré‡échir
non plus seulement aux arbitrages pris par d’autres (concepteurs de l’enquête,
enquêteurs, enquêtés, codeurs, etc.), mais également à ses propres pratiques.
En la matière, il n’y a pas de mode d’emploi. Généralement, le chercheur
débute avec un travail exploratoire. Il s’agit de s’approprier les données en
réalisant des tris à plat, de découvrir leurs atouts et leurs limites en relation
avec l’ensemble des étapes du processus de quanti…cation.
Vient ensuite le moment de tester les hypothèses posées lors de la
construction de l’objet. En outre, en croisant certaines variables avec
d’autres, on les reformule, on les ajuste, on les a¢ ne, parfois on les révise. Au
…l des traitements, le travail se con…rme alors de plus en plus.

Les phases à respecter

1 La phase de concéption
2 La phase d’élaboration
3 La phase de test des questionnaires
4 La phase de réalisation
5 La phase de codi…cation
6 La phase de traitement statistique

Les approches quantitatives
7 Segmentation
Approches quantitatives
Articuler des approches quantitatives et qualitatives est souvent présenté
comme un atout dans les sciences sociales.
A…n de bien saisir l’intérêt spéci…que des approches quantitatives, le présent
chapitre les replace plus généralement dans le champ des méthodes en
sciences sociales.

Dans cette perspective, il est intéressant de di¤érencier ce qui relève, d’une
part, des techniques d’enquête et, d’autre part, des techniques d’analyse.
Alors que les techniques d’enquête renvoient au recueil des matériaux sur le
terrain, les techniques d’analyse sont mobilisées dans un deuxième temps, lors
de l’exploitation ou du traitement des données recueillies.
D’emblée nous pouvons signaler que la production de statistiques se distingue
davantage comme technique d’analyse que comme techniques d’enquête ou
de recueil des matériaux.

Trois types de recueil des matériaux
Pour réaliser une étude ou une recherche en sciences humaines, il existe di¤érents
types de recueils des matériaux empiriques.
1 Le recueil d’archives.
2 L’observation.
3 Le recueil d’entretiens non directifs, semi-directifs ou directifs

Receuillir des archives
On distingue plusieurs dé…nitions de l’archive : « L’une désigne les
documents divers rassemblés par une personne ou une famille, à des …ns
privées le plus généralement. Une deuxième dé…nition, plus institutionnelle,
désigne le stockage par une organisation des dossiers et des informations
relatifs à son activité passée. »
L’organisation peut être une association, une entreprise, une collectivité
locale ou l’État.

Receuillir des observations
Le recueil d’observations permet quant à lui d’appréhender les actions en
situation, c’est-à-dire en train de se dérouler dans un contexte donné. Dans
cette technique d’enquête, héritée en sociologie de la première École de
Chicago, on a coutume de distinguer l’observation non participante de
l’observation participante.
Dans le premier cas, l’enquêteur occupe une place qui n’existait pas
auparavant dans le monde social étudié : celle d’observateur.
Dans le second cas, le chercheur observe, tout en se glissant dans un rôle ou
dans des fonctions déjà présents sur le terrain avant son arrivée.

Receuillir des entretiens
On attribue deux …liations au recueil d’entretiens : la psychologie clinique
et les enquêtes sociales, qui, à la …n du XIX siècle, portaient sur les
pauvres dans les villes.
Par dé…nition, le recueil d’entretiens revient à recueillir des discours. La
manière dont le chercheur présente sa démarche et son sujet auprès des
enquêtés trace un cadre de référence.
Au sein de ce cadre, la parole est plus ou moins libre selon que l’enquêteur
impose ou non les thèmes abordés.

Receuillir des entretiens
On distingue souvent les entretiens non directifs, des entretiens
semi-directifs ou directifs.

Quanti…cation
On vient de distinguer trois types de recueil des matériaux : archives,
observations et entretiens.
Pour l’instant, le cas particulier de l’enquête par questionnaire est resté
en suspens.
Aucun de ces recueils « n’impose ni n’exclut a priori la quanti…cation» .

Quanti…cation
Durant une enquête par questionnaire, les questions sont en majorités
fermées. En d’autres termes, l’interviewé choisit parmi une liste de réponses
préconstruites.
Un questionnaire est censé s’adapter au langage, aux représentations, aux
modes de pensées des interviewés.

Transversal et longitudinal
Quanti…cation
Parmi les techniques d’enquête et d’analyse en sciences sociales, on distingue deux
formes :
Une enquête en coupe.
Dispositif longitudinal.

Les enquêtes transversales
Les enquêtes transversales, quali…ées aussi en statistique d’enquêtes en
coupe, interrogent une population à un moment donné.

Les enquêtes panel
On parle d’enquête longitudinale dès que la dimension temporelle est présente
dans le dispositif d’enquête, qu’il s’agisse d’entretiens ou de questionnaires.
Les informations recueillies portent alors sur une durée. Le temps peut être
intégré de deux manières di¤érentes dans le dispositif d’enquête : soit en
suivant un même individu sur une période de sa vie, soit en l’interrogeant
plusieurs fois, soit une seule fois de manière rétrospective.
Les enquêtes répétées : La plupart des enquêtes intègrent la dimension
temporelle à moindre coût en se répétant dans le temps, mais sans interroger
les mêmes individus.

L’élaboration d’un questionnaire
7 Segmentation
Elaboration
L’enquête par questionnaire est un mode de collecte des matériaux parmi
d’autres. Sa particularité est d’avoir pour seul objectif de quanti…er.

La construction de l’objet
Elaboration
Dans le cas précis de l’enquête par questionnaire, elle semble d’autant plus
décisive qu’elle comporte un caractère dé…nitif.
Une fois le questionnaire élaboré, imprimé et soumis aux enquêtés, il est en
e¤et impossible de revenir sur ses pas et de redé…nir le sujet de l’étude ou la
façon dont il a été appréhendé.

Elaboration : problématique de l’enquête
La problématique est une interrogation d’un genre particulier. D’abord, elle
ne …gure pas explicitement sur le questionnaire. Elle est propre au chercheur,
les enquêtés n’ayant pas de réponse individuelle à y apporter.
La problématique est donc, avant tout, une question introduisant une
contradiction.

Elaboration : Lectures et terrains exploratoires
Le terme « exploratoire » ne signi…e pas qu’il faille en négliger l’importance.
Au contraire, il s’agit bien là de la matière première de l’enquête à partir de
laquelle va s’amorcer le processus de standardisation des données.
Dans cette perspective, le travail bibliographique exploratoire consiste
d’abord à lire des travaux sur le sujet étudié et sur des objets voisins. Ce
travail se poursuit tout au long de l’enquête. (exemple évolution du crédit)

Elaboration : Tests
Le travail d’exploration et de dé…nition de l’objet se prolonge généralement
par une phase de tests. À ce stade, il est encore possible de revenir sur ses
pas, d’appréhender le sujet di¤éremment, de reformuler, d’une part, la
problématique de l’enquête, et, d’autre part, les questions et les réponses du
questionnaire.
Grâce aux tests, la longueur du questionnaire est ajustée, les formulations de
question ambiguës, maladroites ou inappropriées sont corrigées, les modalités
de réponses oubliées sont ajoutées.

La structure du questionnaire
Elaboration : Tests
Pour élaborer un questionnaire, il n’y a pas de règles toutes faites, mais
quelques grands principes ont fait leurs preuves. Certains d’entre eux
concernent la structure du questionnaire, c’est-à-dire sa mise en page et sa
cohérence interne.

Titres et présentation
Prévoir des titres pour les questions et les rubriques

Connecteurs et …ltres
Les connecteurs permettent aux enquêtés de suivre la cohérence de
l’ensemble du questionnaire. En maintenant leur attention sur le sens de la
démarche, on cherche à éviter les abandons.
Les …ltres, comme leur nom l’indique, permettent de sélectionner une partie
de la population enquêtée. D’emblée, ils annoncent aux enquêtés disposant
de caractéristiques particulières qu’ils ne sont pas concernés par la ou les
questions qui suivent.

Ordre des questions
L’ordre des questions participe également de la cohérence globale d’un
questionnaire. En principe, les enquêtés s’investissent davantage lorsqu’ils
comprennent l’enchaînement des idées. Il est également conseillé de ne pas
débuter avec des sujets vécus comme trop personnels.

Talon sociologique
Outre les questions relatives à la thématique étudiée, un questionnaire
contient toujours des interrogations destinées à approcher le capital
économique, culturel et social des personnes interrogées, autrement dit leurs
ressources. Cette série de questions constitue ce qu’on appelle le talon
sociologique.
En principe, pour la saisir, il faut poser pas moins de huit questions : (1)
intitulé en clair de la profession ; (2) la position à l’égard du marché du
travail (actif occupé, chômeur, retraité ou autre inactif) ; (3) le statut de la
personne (salarié ou indépendant) ; (4) l’activité économique de
l’établissement ; (5) le type d’employeur (privé ou public) ; (6) le grade ou
l’échelon (pour les salariés de la fonction publique) ; (7) la classi…cation
professionnelle (au sens des conventions collectives) ; (8) le domaine de
fonction (ingénieurs, technicien, etc.).

La formulation des questions et des réponses
Formulation
Si l’architecture d’un questionnaire a une in‡uence sur les refus de passation,
les abandons de passation et les réponses des enquêtés, il en va de même de
la formulation des questions et de leurs réponses. Il convient donc d’y être
vigilant, tant lors de l’élaboration du questionnaire qu’au moment de
l’exploitation des données.

Formulation : Questions férmées et ouvertes
Par dé…nition, les questionnaires contiennent une majorité de questions
fermées.
Les enquêtés sont amenés à choisir leurs réponses dans une liste d’items
prédé…nis. Dans la mesure où c’est là qu’intervient le plus gros du travail de
standardisation des données, c’est précisément cette étape d’élaboration des
items qui distingue l’enquête par questionnaire des autres techniques
d’enquête.
Seuls une connaissance profonde du terrain et de nombreux tests permettent
de mener à bien cette phase.

Formulation : Questions férmées et ouvertes
Dans une enquête par questionnaire, les questions ouvertes sont (très)
minoritaires.
Avec elles, il n’y a pas de modalités de réponse imposées. On laisse les
enquêtés s’exprimer librement.

Formulation : Questions d’opinion et de faits
Les questions fermées ou ouvertes sont susceptibles de porter sur des opinions
ou sur des pratiques. Les questions d’opinion, souvent utilisées par les instituts
de sondage, n’ont pas nécessairement bonne presse en sciences sociales.
En sciences sociales, il est maintenant classique d’allier des questions
d’opinion, ouvrant à une sociologie compréhensive, à des questions de fait
portant sur les pratiques e¤ectives des individus.

L’exécution sur le terrain
7 Segmentation
Execution
Il s’agit désormais d’exécuter sur le terrain un protocole d’enquête dé…ni par
le chercheur.
Ce protocole se compose généralement d’un plan de sondage, d’un mode de
passation et se prolonge avec des consignes de saisie.
Cette procédure sera inévitablement soumise à rude épreuve, malmenée au
cours de nombreuses péripéties, celles-ci feront partie intégrante du processus
de quanti…cation.

Procédures d’échantillonnage et inférence statistique
Execution
Pour déterminer la « juste quantité » (ni trop, ni trop peu), les chercheurs
en sciences sociales s’en remettent aux découvertes de statisticiens et à des
notions comme l’« échantillon » , la « représentativité » ou encore l’«
inférence » .

Execution : Un échantillon
L’exécution sur le terrain passe d’abord par l’élaboration d’un plan de
sondage. On parle aussi de procédures d’échantillonnage. Pour construire un
échantillon, il faut dé…nir une population de référence.

La théorie des sondages indique comment obtenir le meilleur échantillon
possible. La qualité d’un échantillon dépend de sa capacité à généraliser ce
que l’on y observe à la population d’ensemble. Ce raisonnement porte un
nom en statistique : l’inférence.
En réalité, plus modestement, un échantillon correct doit permettre, d’une
part, de minimiser les risques de se tromper et, d’autre part, de mesurer ce
risque d’erreur. Cela tient notamment à la représentativité de l’échantillon.

La théorie des sondages indique comment obtenir le meilleur échantillon
possible. La qualité d’un échantillon dépend de sa capacité à généraliser ce
que l’on y observe à la population d’ensemble. Ce raisonnement porte un
nom en statistique : l’inférence.
En réalité, plus modestement, un échantillon correct doit permettre, d’une
part, de minimiser les risques de se tromper et, d’autre part, de mesurer ce
risque d’erreur. Cela tient notamment à la représentativité de l’échantillon.
La loi des grands nombres garantit généralement la représentativité de ces
critères. Publiée par Jacques Bernoulli au début du xviii e siècle, elle précise
que si l’on interroge su¢ samment d’individus au hasard, on va s’approcher
des caractéristiques de la population entière. Elle s’applique uniquement aux
méthodes d’échantillonnage dites aléatoires.

Execution : Méthodes d’échantillonage
D’abord, on distingue la famille des échantillons aléatoires (simple, strati…é,
par grappe) de celle des échantillons non aléatoires (par quotas, notamment).
Brièvement, la première méthode d’échantillonnage dite aléatoire simple (ou
probabiliste) consiste à tirer des individus au hasard dans la population de
référence de l’enquête. Les membres de la population de référence ont tous
une chance identique d’être tirés au sort, aucun critère sociodémographique
ne présidant à leur sélection.
La seconde famille de méthodes est celle des échantillons non aléatoires.
Dans ce cas de …gure, les individus ne sont pas choisis au hasard. En d’autres
termes, les chances d’appartenir à l’échantillon ne sont pas identiques pour
tous les individus. L’échantillon ne sera représentatif qu’au sens de ces
critères.

Echantillon

Analyse des données

La méthode des quotas : Cette méthode permet de s’assurer que chaque
partie de la population sera représentée de manière similaire à sa proportion
dans la population de base.
Les échantillons de convenance : Cet échantillon est en quelque sorte un
choix qui est arbitré par vous-même. Il est généralement choisi pour des
contraintes liées à la praticité, l’accessibilité et le coût. Bien sûr les résultats
tirés de votre enquête ne pourront donc pas être extrapolés puisque cette
méthode ne permet pas de reproduire la population de base.
Les échantillons boules de neige : Cette méthode vise à choisir un groupe
d’individus et à les interroger a…n qu’ils identi…ent à leur tour d’autres
membres de ce groupe, qui seront eux aussi interrogés et ainsi de suite.
La méthode des itinéraires : Méthode empirique d’échantillonnage. Pour
éviter la subjectivité dans le choix des unités de sondage, on impose à
l’enquêteur un itinéraire très précis pour constituer l’échantillon.


La détermination de la taille de l’échantillon est une étape cruciale en analyse
de données. Un échantillon trop petit peut induire une perte d’informations
importante ou empêcher la réalisation de nombreux tests soumis à des
contraintes en termes de nombre d’observations.
À l’inverse, un échantillon trop important constitue une perte de temps et de
budget dommageable pour la réussite de l’étude. Il est important de noter
que la précision de l’information recueillie dépend principalement de la taille
de l’échantillon et non du taux de sondage (dé…ni par le rapport n/N, où n
est la taille de l’échantillon et N celle de la population).


Dans la pratique, les chargés d’études utilisent des abaques (feuilles de
calcul) donnant la taille de l’échantillon en fonction du degré de précision des
résultats que l’on veut obtenir. Certains Professionnels des études considèrent
qu’il n’y a pas de raison valable de travailler avec des échantillons de plus de
1 000 à 1 500 répondants.


Pour trouver la taille adéquate de l’échantillon N, une règle empirique facile à
appliquer – même si elle est contestable d’un point de vue purement
statistique – consiste à partir de l’erreur, exprimée en pourcentage, que l’on
est prêt à tolérera :
z2 p (1 p )
n=
d2
z2
n= 2
4d
a n = taille de l’échantillon ; z = niveau de con…ance Z-Score ; p = proportion estimée
de la population qui présente la caractéristique (lorsque inconnue, on utilise p = 0.5) ; d

= Marge Erreur

Z\Erreur 0,01 0,05 0,1 0,5 1

1 2500 100 25 1 0
1,2 3600 144 36 1 0
1,5 5625 225 56 2 1
2 10000 400 100 4 1
2,5 15625 625 156 6 2
2,8 19600 784 196 8 2
3 22500 900 225 9 2
3,5 30625 1225 306 12 3

Négocier l’accès au terrain et réaliser la passation et la saisie
Execution : Méthodes d’échantillonage
Le chercheur à perdre de vue tout ce qui se joue lors de l’administration du
questionnaire aux enquêtés, c’est-à-dire lors de la passation.

Passation : modes
Il est commun de distinguer deux grands modes de passation. Les
questionnaires peuvent être soumis par un enquêteur à un enquêté ou remplis
seul par un répondant. Ici, on parlera de questionnaires auto-administrés. La
présence d’un enquêteur auprès d’un répondant coûte cher, mais est souvent
un atout. Il peut inciter l’enquêté à répondre à l’intégralité du questionnaire
en l’encourageant et en lui apportant des précisions utiles.
En outre, lorsque la passation a lieu en face à face, le chercheur maîtrise
mieux le contexte de la collecte. Les enquêteurs peuvent adjoindre aux
questionnaires quelques observations complémentaires, des remarques par
exemple sur l’aspect extérieur du logement des enquêtés ou les e¤ets de la
présence d’un tiers durant l’entretien.

Saisie
En principe, la phase d’exécution sur le terrain se prolonge par celle, plutôt
austère, de la saisie des questionnaires, qui consiste à transformer les
réponses en base de données, aujourd’hui informatisée.
La saisie correspond à la phase de codi…cation du questionnaire ou de son
chi¤rement. Face à la réalité de la saisie, ces consignes sont soumises à un certain
nombre d’ajustements.

Saisie : principe
En pratique, lors de la saisie, les enquêtés deviennent des lignes d’un tableau
dit « base de données » , les questions, des intitulés de colonnes, et les
réponses, des valeurs remplissant les cases du tableau.

Variables

Le principe de modélisation, sous-jacent à l’analyse des données, impose de dé…nir
la notion de variable. La modélisation est entendue ici comme la réalisation d’une
représentation simpli…ée d’un phénomène, la variable étant l’expression du
caractère observé dans la population.
E¤et causal entre deux
E¤et modérateur à l’aide d’un autre variable
E¤et médiateur : ampli…cateur à l’aide d’une autre variable

Variables

Les tests statistiques mis en œuvre pour mesurer ces relations seront sélectionnés
en fonction de l’objectif de l’enquête et en fonction des variables collectées. Les
variables sont de deux types :
qualitatives : leurs modalités, c’est-à-dire la manière dont les observations
sont regroupées, ne peuvent être calculées ;
quantitatives : leurs modalités sont mesurables et les tests envisageables sont
nombreux.

Variables

Les sciences sociales s’intéressent également à la mesure de phénomènes
mentaux, telles les opinions, les attitudes ou encore les préférences, au travers
d’indicateurs : les échelles de mesure. Ces dernières ont pour objet de fournir
au répondant un support d’expression de ces phénomènes complexes à
observer, le plus souvent sous la forme d’échelles de notation :

Variables

L’échelle nominale a pour principe d’utiliser les nombres comme des étiquettes
a…n de classer chacune des modalités. Les échelles nominales peuvent être utilisées
pour identi…er des classes d’individus. Par exemple, on peut utiliser la nomenclature
des catégories socioprofessionnelles (CSP). Dans l’échelle nominale, chacune des
modalités de la variable est équivalente aux autres.
L’échelle ordinale est une échelle de classement comme l’échelle nominale, dans
laquelle les nombres attribués à chaque modalité ont une relation d’ordre avec un
continuum sous-jacent. L’échelle ordinale permet en e¤et de déterminer les relations
d’ordre en calculant les fractiles, les déciles et les médianes à partir de ces données.
L’échelle métrique possède les propriétés des échelles nominale et ordinale, mais
elle permet également de comparer les distances entre les objets, les modalités
étant séparées par des espaces équidistants. L’exemple le plus courant est celui du
thermomètre.

Analyse des variables
7 Segmentation
Démarrage de l’analyse

La description des données est une étape importante de la démarche
d’analyse.
La plupart des enquêtes se limitent à cette étape, qui donne un premier
niveau de lecture des résultats ou l’identi…cation de certaines relations entre
des variables de l’étude.


Description d’une variable : On appelle « variable » l’ensemble des valeurs
observées sur les di¤érents individus pour une caractéristique donnée.
Une variable est qualitative dès lors qu’elle a pour valeur des modalités ; elle
peut être nominale (lorsque l’ensemble des modalités ne possède pas de
structure particulière) ou ordinale (lorsque l’ensemble des modalités est
ordonné).
Une variable est considérée comme quantitative ou métrique lorsque ses
modalités peuvent être mesurées (par exemple l’âge, la valeur d’une action,
etc.).

Décrire une variable qualitative

La description d’une variable qualitative consiste à présenter ;
Les e¤ectifs,
Les fréquences,

Décrire une variable qualitative

SPSS ou Sphinx : Il existe plusieurs possibilités pour décrire les données collectées.
un rapport sur les observations ;
plus simplement pour prendre connaissance des variables dans un tableau
synthétique, (Outils > variables. . . ) ;
procédure fréquence et e¤ectifs. (Analyse> e¤ectifs)

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, coe¢ cient de
variation ;
les mesures de la distribution : asymétrie, aplatissement ;
les représentations graphiques : histogrammes ou boîtes à moustaches, par
exemple.

Analyse bivariée : tris croisé

Les « tris croisés » permettent d’examiner les relations entre deux ou
plusieurs variables. Ces relations peuvent être symétriques, ou dissymétriques
(en variation).
Ce dernier cas constituant le plus souvent une occurrence particulière des
méthodes multi variées explicatives (corrélations, ANOVA, etc.).


Les tableaux croisés à deux ou plusieurs modalités sont en général complétés
par des mesures d’association qui permettent de démontrer la signi…cation
statistique d’une association observée entre les variables.
Les tris croisés ont pour objet de rassembler dans un tableau unique les
distributions de fréquences de deux ou plusieurs variables.

Sur SPSS
Il existe deux approches pour générer un tableau croisé dans SPSS. Vous
pouvez créer un tableau croisé depuis le menu Analyse > Statistiques
descriptives > Tableaux croisés. . . ou bien depuis le menu Analyse >
Tableaux > Tableaux personnalisés. . .

Test association de deux variables

Les tris croisés présentent la distribution des fréquences de réponse pour deux
ou plusieurs variables mises en relation mais ils ne permettent pas de
démontrer l’existence de cette association du point de vue statistique. Pour
mesurer véritablement la relation entre les variables, il est nécessaire de
mettre en place des tests de signi…cation statistique de l’association.


Test du khi-deux : Le test le plus couramment utilisé est celui du khi-deux
(χ2 ), car il consiste à tester la signi…cation statistique d’une association de
deux variables qualitatives (nominales ou ordinales). Le test du khi-deux
s’obtient par la procédure des tableaux croisés (Analyse > Statistiques
descriptives > Tableaux croisés. . . ) et peut être sélectionné dans le menu
Statistiques.
Dans le cas particulier des tableaux carrés ou 2 2 (2 lignes et 2 colonnes),
qui comparent deux variables à deux modalités, il est recommandé
d’appliquer une correction au χ2 , ou d’utiliser le coe¢ cient phi (ϕ). Celui-ci
correspond à la racine carrée du χ2 divisé par la taille de l’échantillon.


Le coe¢ cient de contingence (C) peut être appliqué pour des mesures
d’association sans contrainte de taille de tableau. L’indicateur oscille entre
une borne inférieure de 0 lorsqu’il n’y a aucune association (lorsque χ2 = 0)
et une borne supérieure inférieure à 1. Cette valeur maximale du coe¢ cient
dépend de la taille du tableau (nombre de lignes nombre de colonnes),
raison pour laquelle il ne doit être employé que pour comparer des tableaux
de même taille.
Le coe¢ cient d’association prédictive (lambda) permet de mesurer le
pourcentage d’amélioration de la valeur d’une variable nominale dépendante
en fonction de la valeur de la variable nominale indépendante, celle-ci étant
utilisée comme pivot. Le lambda est un coe¢ cient dissymétrique, c’est-à-dire
que le résultat varie selon la variable qui sert de pivot.


Exercice d’application :
L’enquête sur le point de vente. Vous êtes un chargé d’étude et vous voulez
explorer les données que vous avez. Alors vous essayer de répondre aux questions
suivantes :
1 Nous souhaitons en savoir un peu plus sur les répondants à l’enquête. Vous
devez par conséquent poursuivre la description des variables de l’enquête que
nous avons amorcée. Que pouvez-vous dire à propos des variables suivantes :
1 progradio ?
2 édition TV ?
3 rubrikpress ?


1 Quel est le pro…l type du client de ce point de vente ? Que pouvez-vous en
conclure sur le type de magasin dont il s’agit ?
2 L’enseigne mise sur ses clients les plus …dèles. L’équipe du magasin considère
en e¤et que les clients ayant la plus forte intention d’e¤ectuer leurs achats
dans le magasin sont également ceux qui sont susceptibles de dépenser le
plus. L’équipe a-t-elle raison de penser de la sorte ? Combien ces clients
sont-ils susceptibles de dépenser pour un tee-shirt ? Les prix moyens a¢ chés
dans le magasin étant de 9 MAD, qu’en concluez-vous ?
3 L’enquête s’intéresse également aux goûts des clients potentiels. Nous avons
lancé des pistes en ce qui concerne les prix, mais pouvez-vous aider l’équipe
marketing du magasin à choisir la bonne musique d’ambiance : plutôt rock ou
plutôt classique ?

Concatener et simpli…er les données
7 Segmentation
Rassemblement des données

L’analyse factorielle est utilisée pour décrire les données en un nombre agrégé
de facteurs.
Elle traduit une matrice de nombres di¢ cile à lire par une série de tableaux
plus simples, représentés sous forme de graphiques.


La validité d’une échelle de mesure désigne sa capacité à appréhender un
phénomène. Les tests de validité ont pour objectif de véri…er si les di¤érents
items d’un instrument sont une bonne représentation du phénomène étudié.
La validité prend plusieurs formes ; il existe donc plusieurs techniques pour la
véri…er :


la validité faciale ou de contenu : il s’agit de savoir si la mesure capture
les di¤érents aspects du phénomène étudié. Elle est fondée sur le jugement
du chercheur et de ses pairs.
la validité de trait ou de construit : est-ce que les di¤érents indicateurs
o¤rent une bonne représentation du phénomène étudié ? Il faut véri…er si les
indicateurs censés mesurer le même phénomène sont corrélés (validité
convergente) et s’ils se distinguent des indicateurs censés mesurer des
phénomènes di¤érents (validité discriminante) :


la validité convergente est établie lorsque les mesures d’un même construit
sont corrélées ;
la validité discriminante est destinée à s’assurer que les indicateurs de mesure
d’un construit sont faiblement corrélés aux indicateurs de mesure d’autres
construits, conceptuellement distincts du premier. L’analyse factorielle
exploratoire (AFE) permet de tester ces deux validités ;
la validité prédictive résulte de la conformité des relations entre les mesures
d’un concept et celles d’autres concepts avec les prédictions de la théorie.

Analyse factorielle

L’analyse factorielle est une méthode exploratoire d’analyse des tableaux de
contingence.
Elle désigne un ensemble de méthodes statistiques multi variées dont le
principal objectif est de dé…nir la structure des corrélations entre un grand
nombre de variables en déterminant un ensemble de dimensions communes
appelés facteurs.
L’analyse factorielle sert à identi…er les dimensions de la structure et à
déterminer dans quelle mesure chaque variable peut expliquer chaque
dimension.

Analyse factorielle

Les deux objectifs de l’analyse factorielle sont :
Résumer les données.
Réduire les données.

Analyse factorielle

N.B : Alors que dans les autres méthodes (régressions, analyse de variance,
etc.) les variables sont considérées comme des variables soit dépendantes, soit
indépendantes, dans l’analyse factorielle, toutes les variables sont considérées
chacune par rapport aux autres. Les facteurs sont formés pour maximiser
l’explication de l’ensemble des variables et non pour prédire des variables
dépendantes.

Analyse factorielle

L’analyse factorielle exploratoire permet d’identi…er des groupes d’items qui
covarient les uns avec les autres et semblent représenter des variables latentes
pertinentes.
Autrement dit, l’AFE consiste à explorer la relation entre des variables
mesurées, a…n de déterminer si ces relations peuvent être résumées par un
nombre moins important de construits latents.

Analyse factorielle

Elle faut quelle respecte des conditions :
1 La taille de l’échantillon : Il faut un minimum de 5 observations par item. Le
nombre total d’observations doit être d’au moins 50 et il est souhaitable
d’interroger au moins 100 individus.
2 La méthode d’extraction la plus employée est l’analyse en composantes
principales (ACP). L’ACP a pour objet de résumer l’ensemble des données
quantitatives d’un tableau individus/ variables. En e¤et, l’ACP synthétise les
données en construisant un petit nombre de variables nouvelles ; les
composantes principales. Les éléments critiques de la grille peuvent alors être
captés rapidement, à l’aide de représentations graphiques établies à partir des
ACP.

Analyse factorielle

Le choix de la matrice des données Il est possible de travailler sur la matrice
de corrélation ou sur la matrice de covariance. Pour simpli…er, ce choix
s’e¤ectue ainsi : matrice de corrélation : lorsque les variables sont mesurées
avec des échelles di¤érentes ; matrice de covariance : lorsque l’on applique
l’analyse factorielle à plusieurs groupes avec des variances di¤érentes pour
chaque variable.

Analyse factorielle

Avant de réaliser l’analyse, il est important de s’assurer que les données sont
factorisables. Elles doivent former un ensemble cohérent pour pouvoir y
chercher des dimensions communes qui aient un sens et qui ne soient pas des
artefacts statistiques. On peut utiliser La matrice des corrélations anti-image,
le test de Sphéricité de Bartlett examine la matrice des corrélations dans son
intégralité et fournit la probabilité de l’hypothèse nulle selon laquelle toutes
les corrélations sont de zéro et la « Measure of Sampling Adequacy » (MSA)
ou Kaiser-Meyer-Olkin (KMO) qui indique dans quelle proportion les variables
retenues forment un ensemble cohérent et mesurent de manière adéquate un
concept.

Analyse factorielle

1 Il n’existe pas de base quantitative exacte pour déterminer le nombre de
facteurs à extraire. Les critères sont souvent choisis sur la part de variance de
chaque item qu’un facteur permet d’expliquer :
1 « Valeur propres» , ou règle des valeurs propres > 1 ou règle de
Kaiser-Guttman : une valeur propre représente la quantité d’informations
capturée par un facteur. Un facteur qui aurait une valeur propre inférieure à 1
représenterait moins d’informations qu’un simple item.

Analyse factorielle

b.« Scree Test » , ou test du coude ou de l’éboulis : ce test se fonde
également sur les valeurs propres des facteurs mais dans une perspective
relative et non absolue. Étant donné que chaque facteur est extrait d’une
matrice qui est le résidu de l’extraction précédente, la quantité d’informations
contenue dans les facteurs successifs décroît. Lorsque, entre deux facteurs, la
décroissance en termes d’informations devient faible ou nulle, on peut estimer
que le dernier facteur ne contient pas su¢ samment d’informations pour être
retenu.
c.le critère du pourcentage de variance : il s’agit d’une approche par laquelle
on observe les pourcentages cumulés de la variance extraite par les facteurs
successifs. L’objectif est de s’assurer qu’un facteur explique une quantité
signi…cative de variance. Il est souvent conseillé d’arrêter l’extraction lorsque
60 % de la variance expliquée est extraite.

Analyse factorielle

A…n de pouvoir interpréter les facteurs, il est généralement nécessaire de réaliser
une rotation. Celle-ci permet d’identi…er des groupes de variables fortement liés les
uns aux autres. La rotation fait en sorte que chaque item ne soit fortement lié qu’à
un seul facteur. Il existe plusieurs approches :
1 Varimax : rotation orthogonale qui minimise le nombre de variables ayant de fortes

corrélations sur chaque facteur. Simpli…e l’interprétation des facteurs.
2 Oblimin direct : rotation oblique, c’est-à-dire dans laquelle les axes se positionnent
en fonction des items et ne sont donc pas orthogonaux.
3 Quartimax : méthode qui minimise le nombre de facteurs requis pour expliquer
chaque variable. Simpli…e l’interprétation des variables observées.
4 Equamax : méthode de rotation qui minimise à la fois le nombre de variables qui
pèsent fortement sur un facteur et le nombre de facteurs requis pour expliquer une
variable (combinaison des méthodes Varimax et Quartimax).

Analyse factorielle

Exercice d’application :
Une enquête portant sur les perceptions de di¤érentes marques de voitures a été
réalisée auprès de consommateurs. Les individus ont évalué 10 marques d’après 15
critères, notés sur des échelles de Likert de 1 à 9. Les variables perceptuelles sont
les suivantes :
Notoriété, Ergonomie Finition, Prestige Qualité, Familial Confort,
Économique Nouveauté, Image Qualité-prix, Innovation Robustesse, Sportif
Spacieux.

Analyse factorielle

Les résultats de l’enquête, c’est-à-dire la moyenne des scores obtenus à chaque
variable, sont représentés dans le …chier SPSS. Sur ces données, une analyse
factorielle exploratoire peut permettre d’identi…er les perceptions de
consommateurs, mais aussi de représenter les marques en fonction de ces
perceptions dans ce que l’on nomme une carte perceptuelle, ou mapping
perceptuel.
1 Appliquer l’analyse factorielle sur les données de l’étude.
2 Interpréter l’analyse factorielle.
3 Quelles conclusions tirez-vous de cette analyse ?

Segmentation
7 Segmentation
Segmentation
Spliter les données

Comme l’analyse factorielle, l’analyse typologique permet de réduire le nombre des
observations en les regroupant en des classes (ou types) homogènes et
di¤érenciées. Le terme clustering rend compte à la fois du fait de classer,
c’est-à-dire de faire émerger des groupes d’individus, mais également du principe
de classi…cation, c’est-à-dire de l’a¤ectation des individus aux di¤érents groupes.

Segmentation

Le rôle du chargé d’étude dans cette perspective est de créer ex nihilo des groupes
de consommateurs similaires entre eux mais di¤érents des autres segments. Le
principe de la segmentation, c’est-à-dire « le fait de former des groupes de clients
homogènes » , est directement fondé sur des caractéristiques propres des
individus (les consommateurs en l’occurrence) qui nous indiquent pourquoi les
segments di¤èrent.

Segmentation

Ces regroupements sont e¤ectués en fonction de variables, dont on peut distinguer
deux types :
des variables comportementales pour classer les individus dans les segments,
et des variables d’identi…cation a…n de pouvoir interpréter les groupes ainsi
générés.

Segmentation

Il existe un certain nombre de concepts associés à l’analyse typologique. Deux
dimensions principales doivent être abordées : les mesures statistiques de distance
entre les individus et le processus de constitution des groupes qui sera sélectionné
par l’analyste.
Les mesures de distance, comme leur nom l’indique, représentent
l’éloignement entre deux observations en fonction de leurs caractéristiques,
une valeur élevée représentant une faible proximité. Cette distance peut être
convertie en mesure de proximité en inversant la relation. La principale mesure
utilisée est la distance euclidienne, qui consiste à calculer la racine carrée de
la somme des carrés des di¤érences entre les valeurs de chaque variable.

Segmentation

Le coe¢ cient de corrélation de Pearson : c’est une mesure d’association qui
permet d’établir si deux variales mesurées sur le même ensemble
d’observations varient de façon analogue ou non ;
La distance de Tchebyche¤ : il s’agit de la di¤érence maximale absolue entre
les valeurs relatives aux éléments de la classi…cation ;
La distance de Minkowski : c’est la racine Enième de la somme des
di¤érences absolues entre les valeurs relatives aux éléments à la puissance n.

Segmentation

Dans le cadre d’une classi…cation avec des données binaires, on
privilégiera :
l’indice de Sokal et Michener : il représente le rapport entre les appariements
(rappro- chements deux à deux) et le nombre total de valeurs ;
l’indice de Rogers et Tanimoto : cet indice attribue un poids deux fois plus
important aux non-appariements (non-coïncidences) ;
l’indice de Sokal et Sneath : un poids plus important est accordé aux
appariements qui comptent le double.

Segmentation

Il existe plusieurs approches de classi…cation :
1 Classi…cation hiérarchique : Ascendante ou déscendante
2 Classi…cation hiérarchique : Centres mobiles, nuées dynamiques

Segmentation

Les méthodes de classi…cation hiérarchique consistent à établir une structure
arborescente ascendante (à partir de chaque individu de groupe di¤érent en
constituant des groupes de plus en plus gros) ou descendante (à partir de tous les
individus regroupés).
Les méthodes de classi…cation non hiérarchique visent à constituer k groupes (k
étant spéci…é en début d’analyse) à partir des n individus de dépar : La
particularité de ces méthodes est que le choix du nombre de groupes se fait en
début de processus.

Segmentation

On distingue deux méthodes principales de classi…cation non hiérarchique, qui
sont en réalité deux niveaux d’une même approche : la méthode des centres
mobiles et la méthode des nuées dynamiques.
la méthode des centres mobiles : méthode décomposant un ensemble
d’individus en un nombre n de classes choisies a priori par un processus
itératif convergeant de sélection des représentants de chaque classe (un
centre par classe), qui peut être initialisé au hasard ou par l’utilisateur de la
méthode. Les individus sont donc regroupés autour de ces centres de classe,
les groupes étant constitués des individus les plus proches du centre du
groupe. Une fois les individus a¤ectés, on remplace les centres par les
barycentres (c’est-à-dire le point d’équilibre de tous les points pris en
compte) a…n de recalculer les classes ;

Segmentation

la méthode des nuées dynamiques : il s’agit d’une généralisation de la
méthode des centres mobiles, dans laquelle chaque classe est représentée par
un noyau de plusieurs éléments et non plus par un seul. Par ailleurs, le
barycentre de chaque groupe est recalculé à chaque nouvel individu et non
lors de l’a¤ectation de tous les individus. La convergence est ainsi plus rapide
et parfois même possible en une seule itération, ce qui peut être utile sur de
gros volumes de données.

Segmentation

Exercice d’application
Une enseigne de grande distribution cherche à réaliser une enquête sur les
habitudes alimentaires a…n d’adapter sa politique d’achat et de référencement. Les
données concernant 25 pays ont été recueillies. Elles portent sur les indices
globaux de consommation de 9 catégories de produits alimentaires : viande rouge,
viande blanche, œuf, lait, poisson, céréales, féculents, oléagineux, fruits et
légumes. Les données issues de l’enquête sont disponibles dans le …chier SPSS.

Segmentation

1 Quelle pourrait être l’utilité de l’analyse typologique dans ce cas précis ?
2 Quelle méthode de classi…cation recommandez-vous ?
3 Réalisez et décrivez l’arbre de classi…cation.
4 Dans le cas de la classi…cation hiérarchique, on peut également interpréter le
nombre de groupes par le biais de la chaîne d’agrégation, qui reprend dans un
tableau les distances auxquelles les groupes sont agrégés. L’interprétation de
cette chaîne consiste à repérer des « sauts » de distance dans la constitution
des groupes. Commentez le tableau de la chaîne d’agrégation obtenu.
5 Combien de groupes faut-il garder ?

Analyse de la variance
7 Segmentation
Dépendance de variance

L’analyse de variance désigne une famille de méthodes destinées à examiner et à
interpréter les di¤érences de moyennes observées entre plusieurs groupes pour
une même variable (ANOVA) ou pour plusieurs variables (MANOVA pour
Multivariate ANalysis of VAriance).
L’analyse de variance entre dans le cadre général du modèle linéaire, où une
variable quantitative (ou plusieurs) est expliquée par une variable qualitative (ou
plusieurs).
L’objectif essentiel est de comparer les moyennes empiriques de la variable
quantitative observées pour les variables qualitatives (facteurs) ou quantitatives
découpées en classes (niveaux). Il s’agit de savoir si un facteur, ou une
combinaison de facteurs (interaction), a un e¤et sur la variable quantitative
expliquée. Di¤érents types d’analyses de variance existent.


ANOVA à un facteur

L’analyse de variance sert à tester l’hypothèse d’égalité des moyennes. Cette
technique est une extension du test t pour deux échantillons indépendants.
Elle permet de traiter les di¤érences de moyennes d’une variable dépendante
quantitative Y lorsque la variable indépendante a plus de deux modalités. Ce
type d’ANOVA permet de savoir si au moins une des moyennes di¤ère des
autres.
Ainsi, le salaire (variable quantitative) peut-il être expliqué par le diplôme
(variable qualitative). L’hypothèse nulle est véri…ée par le test F sous SPSS.
A…n d’identi…er les moyennes qui di¤èrent, on peut comparer les moyennes
avec les contrastes ou avec les tests post hoc.

ANOVA à un facteur

Deux conditions sont nécessaires pour que les conclusions d’une ANOVA soient
valides :
l’homogénéité de la variance intragroupe et la normalité des données.
Le test de Levene est utilisé (H0 est l’hypothèse d’homogénéité de la
variance intragroupe).
Il faut, par ailleurs, véri…er la présence éventuelle de mesures aberrantes par
le contrôle de la distribution des résidus à l’aide d’un graphique, les erreurs de
saisie pouvant générer des hétérogénéités.

ANOVA à un facteur

Si les données ne sont pas appropriées à une ANOVA (hétérogénéité des variances
ou données fortement asymétriques), on doit alors utiliser des tests non
paramétriques qui ne supposent ni homogénéité de la variance, ni une distribution
normale, par exemple le test de Kruskall-Wallis.

ANOVA à un facteur

Lorsqu’on a déterminé qu’il existe des di¤érences parmi les moyennes, les tests
d’intervalle post hoc et de comparaisons multiples par paires déterminent
les moyennes qui di¤èrent. Ces tests servent à connaître, parmi plusieurs
niveaux de modalités, ceux qui sont signi…cativement di¤érents des autres. Ils sont
utilisés après que l’analyse de variance a été e¤ectuée, si un facteur est signi…catif,
et ils ne concernent que les facteurs ayant plus de deux niveaux.

ANOVA à un facteur

Les tests post hoc les plus courants sont ceux de Duncan, de Tukey, de Sche¤é
et de Bonferroni.
Le test de Duncan compare des moyennes deux à deux et suit un ordre pas à
pas. Il utilise la statistique d’intervalle studentisé.
Le test de Bonferroni, fondé sur la statistique t de Student, ajuste le niveau
de signi…cation observé en fonction du nombre de comparaisons multiples qui
sont e¤ectuées. Pour comparer un grand nombre de paires de moyennes,
Le test de Tukey est plus e¢ cace que celui de Bonferroni.
Le niveau de signi…cation du test de Sche¤é permet toutes les combinaisons
linéaires possibles des moyennes de groupes à tester. Ce test est donc souvent
plus strict que les autres ; une plus grande di¤érence de moyenne est
nécessaire pour qu’il soit signi…catif.

ANOVA à plusieurs facteurs

L’ANOVA à plusieurs facteurs consiste à tester l’hypothèse d’égalité des
moyennes d’une variable quantitative selon plusieurs variables qualitatives.
Le test de signi…cativité est un test F. Il s’appuie sur la décomposition de la
variance qui comprend : les e¤ets principaux, les e¤ets d’interaction et un
terme résiduel.
La notion d’interaction correspond au fait que l’e¤et d’une variable
explicative sur la variable à expliquer n’est pas identique selon le niveau de
l’autre variable explicative.

Analyse multi variée de la variance

L’analyse multi-variée de la variance est une extension de l’ANOVA pour mesurer
les di¤érences de moyenne de deux variables dépendantes quantitatives (ou plus)
en fonction de plusieurs variables qualitatives. Ce que la MANOVA apporte en
plus de l’analyse de variance simple concerne la corrélation des variables à
expliquer, décomposée en intra et intergroupe.
Ces interactions apparaissent lorsque les e¤ets d’un facteur donné sur les variables
expliquées dépendent des modalités des autres facteurs.
Un des apports majeurs de l’analyse multi variée de la variance est la mise en
évidence, parmi un ensemble de variables quantitatives, de celles dont la valeur est
la plus a¤ectée par les variations d’un ensemble de variables quantitatives ou
qualitatives.


Plusieurs conditions sont à valider lors de l’utilisation d’une MANOVA :
Seuil d’observations par cellule de 20 ou au minimum supérieur au nombre de
variables dépendantes.
Indépendance des observations.
Égalité des matrices de variance-covariance entre les groupes. La violation de
cette hypothèse, véri…ée par le test de Box, n’a toutefois qu’un impact limité
si les groupes sont de taille à peu près identique. Il est généralement
recommandé d’avoir un rapport, entre la taille du groupe le plus important et
celle du plus grand groupe, inférieur à 1,5.


Multinormalité des distributions des moyennes pour chaque variable
dépendante. La MANOVA est cependant robuste en cas de violation de cette
hypothèse si la taille des groupes est importante.
Linéarité des variables dépendantes.
La signi…cativité des di¤érences de moyennes s’appuie sur le test F, complété
d’autres statistiques : la trace de Hotelling, la plus grande racine de Roy, le
lambda de Wilks et le critère de Pillai-Bartlett pour chaque variable
explicative. Si le critère de Pillai est le plus robuste à la violation de certaines
conditions d’utilisation de la MANOVA, il est conseillé de comparer cette
statistique aux autres indicateurs.


L’interprétation d’une MANOVA se fait en deux temps :
À la première étape, l’examen du critère de Pillai indique la signi…cativité des
variables explicatives.
À la seconde, il faut déceler, parmi les variables expliquées, celles qui sont
a¤ectées par la variable indépendante.

ANCOVA ET MANCOVA

L’analyse de covariance (ANCOVA) combine les techniques de l’analyse de
variance et de la régression. La MANCOVA est une extension des principes de
l’ANCOVA à l’analyse multivariée, c’est-à-dire sur plusieurs variables
dépendantes.
Ces méthodes sont recommandées pour éliminer des erreurs systématiques
hors du contrôle du chercheur et pouvant biaiser les résultats. L’ajout d’une
co-variable peut éliminer une source potentielle de variance qui aurait
appartenu à l’erreur expérimentale si elle avait été ignorée (Nunnally et
Bernstein, 1994).

ANCOVA ET MANCOVA

Cependant, trop de covariables réduit l’e¢ cience statistique des procédures.
Une règle de base est d’avoir un nombre de co-variables inférieur à :
(0, 1 la taille de l 0échantillon) (nombre de groupes 1)
L’interprétation d’une ANCOVA et d’une MANCOVA se fait en deux étapes.

En premier lieu, il faut considérer l’e¤et de la (ou des) co-variable(s). Ce
résultat se lit comme celui d’une régression. Ensuite, il faut interpréter les
résultats des facteurs explicatifs (variables qualitatives).

ANCOVA ET MANCOVA

Exercice d’application
Vous travaillez sur une enquête destinée à mieux comprendre les comportements
d’achat des clients d’un magasin de chaussures. Vous cherchez à identi…er ces
clients et à connaître leur attitude à l’égard du point de vente. Vous avez collecté
400 réponses et vous voulez exploiter ces données.
Le gérant du magasin souhaite savoir :
1 Si la décoration du magasin est plus importante pour les femmes que pour les
hommes.
2 Si le montant dépensé par client est in‡uencé par l’écoute régulière de médias
(radio et TV).

Cours Firano

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

Cours Firano

Transféré par

Droits d'auteur :

Formats disponibles

Quanti…cation en sciences sociales

Professeur Firano Zakaria

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 1 / 127

1 Usage des statistiques en 4 L’exécution sur le terrain

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 2 / 127

Les axes du séminaire

1 Usage des statistiques en sciences sociales

2 Les approches quantitatives

3 L’élaboration d’un questionnaire

4 L’exécution sur le terrain

5 Analyse des variables

6 Concatener et simpli…er les données

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 4 / 127

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 5 / 127

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 6 / 127

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 7 / 127

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 8 / 127

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 9 / 127

La quanti…cation, un processus social

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 10 / 127

L’analyse secondaire de données

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 11 / 127

La chaine de production d’une enquête statistique

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 12 / 127

La chaine de production d’une enquête statistique

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 13 / 127

La chaine de production d’une enquête statistique

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 14 / 127

La chaine de production d’une enquête statistique

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 15 / 127

La chaine de production d’une enquête statistique

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 16 / 127

La chaine de production d’une enquête statistique

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 17 / 127

La chaine de production d’une enquête statistique

Les phases à respecter

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 18 / 127

Les axes du séminaire

1 Usage des statistiques en sciences sociales

2 Les approches quantitatives

3 L’élaboration d’un questionnaire

4 L’exécution sur le terrain

5 Analyse des variables

6 Concatener et simpli…er les données

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 20 / 127

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 21 / 127

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 22 / 127

Receuillir des archives

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 23 / 127

Receuillir des observations

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 24 / 127

Receuillir des entretiens

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 25 / 127

Receuillir des entretiens

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 26 / 127

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 27 / 127

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 28 / 127

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 29 / 127

Les enquêtes transversales

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 30 / 127

Les enquêtes panel

Firano Z. (UMVR-FSJESR-Agdal) Quanti…cation en sciences sociales 2017 31 / 127

Les axes du séminaire