UNIVERSITÉ CHOUAÏB DOUKKALI

École Nationale de Commerce et de Gestion

(ENCG) - EL JADIDA

Professeur : H. El Bayed Sakalli

E-mail : hanaa.sakalli@gmail.Com
Niveau : Semestre 6
Année universitaire : 2019- 2020

Etude de marché, H. EL BAYED SAKALLI Page 1

 UNIVERSITÉ CHOUAÏB DOUKKALI
École Nationale de Commerce et de Gestion
(ENCG) - EL JADIDA

Le terrain étant achevé, le chargé d’étude se trouve avec une pile de questionnaires,
représentant une masse d’informations brute. Celle-ci doit être traitée, de manière à pouvoir
répondre clairement aux questions posées lors de la définition des objectifs. Les analyses
prennent des formes plus ou moins complexes.

Nous verrons dans ce chapitre les points suivant :

 Processus de préparation des données

 Vérification et édition des questionnaires
 Codage, transcription et nettoyage des données
 Ajustement statistique des données
 Classification des techniques statistiques

Etude de marché, H. EL BAYED SAKALLI Page 2

 UNIVERSITÉ CHOUAÏB DOUKKALI
École Nationale de Commerce et de Gestion
(ENCG) - EL JADIDA

1. Processus de préparation des données

2. Vérification et édition des questionnaires

Avant toute analyse, les données doivent être vérifiées très soigneusement et très strictement
de manière à éviter tout risque d’erreur lors du travail d’enregistrement des données. Cette
étape consiste en une relecture systématique de chaque questionnaire et en une vérification
de leur contenu. Elle Pour se faire, il s’agit de :

 Ne pas attendre la fin de la collecte de données

 Réponses suspectes (incohérences)
 Réponses difficiles à lire (questions ouvertes)
 Réponses multiples à une question à choix unique
 Questionnaires incomplets
 Respect des instructions

Etude de marché, H. EL BAYED SAKALLI Page 3

 UNIVERSITÉ CHOUAÏB DOUKKALI
École Nationale de Commerce et de Gestion
(ENCG) - EL JADIDA

 Pages manquantes
 Réception après date limite
 Répondant non éligible (âge p. ex.)

Objectif : améliorer l’exactitude des réponses

Solutions si trop de manques sont constatés sur le questionnaire :

Gros échantillons : éliminer le répondant (possibilité de biais)

Petits échantillons : contacter le répondant pour effectuer des corrections OU en

sélectionner un nouveau en respectant la méthode d’échantillonnage

3. Codage, transcription et nettoyage des données

A. Codage des questions

A ce stade il faut préparer les données recueillies de manière à ce qu’elles puissent être
traitées par l’ordinateur.

La codification consiste à traduire les données dans le langage qui permet le traitement sur
ordinateur. Le code doit regrouper sous une même rubrique les réponses reflétant une idée
commune. Toute codification entraîne une altération ou une simplification arbitraire des
réponses obtenues. Elle demeure cependant le passage obligé pour le traitement de grands
échantillons.

Pratiquement, l’analyste va associer un nombre à chaque réponse possible. Il s’agit de :

 Transformer les réponses en données quantifiables

 Identification des variables
 Identification des valeurs pour chaque variable
 Code plus élevé à valeur la plus positive :

oui = 2, non = 1

 Choix d’une ou plusieurs valeurs pour les données manquantes

Codage des questions non structurées (ouvertes)

Pour les questions ouvertes, elle est parfois plus problématique, surtout quand le nombre de
réponses possibles est grand ou mal connu au moment de l’enquête.

Etude de marché, H. EL BAYED SAKALLI Page 4

 UNIVERSITÉ CHOUAÏB DOUKKALI
École Nationale de Commerce et de Gestion
(ENCG) - EL JADIDA

Quand le nombre de réponses possibles est limité, il suffit d’établir une liste exhaustive avant
l’enquête. Au moment de l’encodage, il suffit d’attribuer le code correspondant à la liste
initiale.

Cette possibilité se présente lorsque le chercheur a, au cours de l’étude exploratoire et du pré-

test, pu établir une liste exhaustive des réponses possibles et dès lors les pré-codifier (par
exemple, pour des questions portant sur la « notoriété spontanée » car les marques ou
entreprises existantes sont connues et on peut associer un code à chaque marque).

Dans le cas de questions d’une question ouverte où une liste exhaustive ne peut être établie au
préalable, la procédure de codification est plus complexe et intègre les règles suivantes :

 Chaque question d’un questionnaire est dépouillée et transcrite sur un document;

 Quand la liste exhaustive est terminée, l’analyste classe les réponses à la question
ouverte par thème
 Chaque thème doit être univoque, exhaustif et mutuellement exclusif;
 Chaque thème est défini en fonction des hypothèses de la recherche et des objectifs
poursuivis;
 Chacune des réponses possibles est ensuite traduite par code;
 Les codes retenus doivent être exhaustifs et mutuellement exclusifs.

B. Transcription des données

La transcription des données impose la construction d’un tableau dans lequel les individus
figurent en lignes, et les variables en colonnes. En d’autres termes, à l’intersection d’une ligne
et d’une colonne données, on retrouve la réponse d’un individu à une question.

C. Nettoyage des données : Contrôle d’uniformité

 Vérifier données hors norme (anormales), p. ex. « 6 » pour une variable codifiée 1 à
5 : Vérifier en triant chaque colonne
 Si non contrôlé à l’étape de la vérification des questionnaires : Réponses suspectes
(incohérences)

D. Nettoyage des données : Réponses manquantes

 Retourner au questionnaire
 Substitution par valeur manquante (p. ex. 99)
 Substitution par valeur neutre (p. ex. moyenne) : Discutable, introduit biais
 Substitution par valeur imputée (déduction par rapport autres réponses) : Introduit
biais
 Suppression du répondant : Si nombreuses réponses manquantes, possibilité de biais
lié à l’échantillon

Etude de marché, H. EL BAYED SAKALLI Page 5

 UNIVERSITÉ CHOUAÏB DOUKKALI
École Nationale de Commerce et de Gestion
(ENCG) - EL JADIDA

 Suppression appariée : Plutôt que de supprimer les questionnaires qui présentent de

nombreuses réponses manquantes, retenir seulement réponses valides pour chaque
variable. Utiliser seulement avec échantillon de grande taille, réponses manquantes
rares et relations entre variables faibles

4. Ajustement statistique des données

A. Pondération

La pondération des données consiste à accorder un coefficient de pondération (un poids) à

chacun des individus d’un échantillon. L’objectif premier de l’exercice est de corriger la
représentativité de l’échantillon en fonction de certaines variables clés afin d’être en mesure
d’extrapoler les résultats du sondage à la population.

Exemple :

Proportion Proportion Poids

Âge (1) échantillon (2) population (3) (3/2)

16-25 22% 11% 0,50

26-35 7% 14% 2,00

36-45 20% 18% 0,90

46-55 17% 17% 1,00

56-65 22% 25% 1,14

B. Création et transformation de variables

Il arrive très souvent que les variables brutes d'une base de données ne soient pas suffisantes
pour effectuer certaines analyses. On peut avoir besoin de créer une ou des nouvelles
variables à partir des variables existantes

Transformation des variables existantes :

- Transformer les catégories pour comparer les données d’une étude avec celles d’une
autre étude
- Équilibrer des données manifestement biaisées (standardisation - COMPLEXE)

Création d’une nouvelle variable :

- Synthèse de plusieurs variables

Etude de marché, H. EL BAYED SAKALLI Page 6

 UNIVERSITÉ CHOUAÏB DOUKKALI
École Nationale de Commerce et de Gestion
(ENCG) - EL JADIDA

- Création de catégories (p. ex. âge)

Fonctions dans SPSS :

- Compute
- Recode

C. Changement d’échelle : Création de variables muettes

Cette astuce est utilisée lorsqu’on étudie les relations entre plusieurs variables dont certaines
sont numériques, d’autres nominales, et que l’on veut appliquer des modèles d’analyses
conçus pour des variables numériques (régression linéaires, par exemple).

 Variables utilisées pour représenter différents groupes dans la population sans utiliser
une échelle ordinale qui aurait peu de sens
 Utilisées dans les analyses de régression
 Valeurs les plus fréquentes sont 0 et 1 (binaire)
 Re-spécification d’une variable avec K catégories nécessite l’utilisation de K-1
variables muettes

Exemple de variables muettes

Répondants Codification originale Variables muettes

Homme Femme
1 Homme 1 0

2 Femme 0 1

5. Classification des techniques statistiques

A. Analyse des fréquences

Une variable à la fois

Distribution des réponses

Mesures de position centrale : Moyenne, Mode, Médiane

Mesures de dispersion : Étendue (écart), Variance et écart-type

Mesures de forme : Symétrie (skewness), Aplatissement (kurtosis)

Etude de marché, H. EL BAYED SAKALLI Page 7

 UNIVERSITÉ CHOUAÏB DOUKKALI
École Nationale de Commerce et de Gestion
(ENCG) - EL JADIDA

B. Analyse des relations entre les variables : Analyses multivariées

Deuxième variable

Nominale Intervalles ou
ou ordinale proportion (ratio)

Première variable Nominale Tris croisés Comparaison

ou ordinale moyennes
Intervalles ou Comparaison Corrélation
proportion (ratio) moyennes ou régression

Tris croisés :

- La plus utile et la plus fréquemment utilisée

- Analyse de la relation existant entre deux variables (bivariée) ou trois variables (multivariée)

P. ex., l’influence du sexe sur le choix de destination

Comparaison moyennes :

- Analyse de la différence existant entre les moyennes de deux catégories de personnes

- P. ex., la différence entre les 26-45 ans et les 46-65 ans par rapport au pourcentage de
personnes qui achètent une croisière

Corrélation :

- Analyse de la relation existant entre deux variables métriques

- Augmentation des valeurs de la première correspond-elle à une augmentation, ou à une

diminution, des valeurs de la seconde?

- P. ex., la relation entre l’investissement publicitaire et les ventes d’un restaurant

Régression :

- Analyse de la relation de dépendance entre deux variables métriques

- Utilisation de variables muettes lorsque requis

- P. ex., la relation entre le niveau d’estime de soi et le choix une résidence luxueuse

Etude de marché, H. EL BAYED SAKALLI Page 8

 UNIVERSITÉ CHOUAÏB DOUKKALI
École Nationale de Commerce et de Gestion
(ENCG) - EL JADIDA

C. Tests de comparaison

Type de
données

Non métrique Métrique

(nominal, (intervalles,
ordinal) proportion)

Khi deux test t

Khi deux (X2) :

Test du niveau de signification de la relation entre deux variables (tri croisé)

X2 ≥ valeur théorique

Niveau de signification usuel de 95% (19 fois sur 20),

Voir statistique P ≤ 0,05 (95%)

Test t :

Permet d’énoncer des conclusions sur l’existence de différences significatives entre les
moyennes de deux échantillons

t ≥ 1,98 ou t ≤ -1,98

Niveau de signification usuel de 0,05 (95%)

Etude de marché, H. EL BAYED SAKALLI Page 9