Le principe du test Khi 2 (Chi square) Cette analyse bi-variée consiste à déterminer s'il existe une association entre deux variables qualitatives nominales . C’est-à- dire déceler une éventuelle relation d’indépendance ou d’influence d’une variable sur une autre. Le Chi-deux est une analyse dite non-paramétrique, pas de prémisses des paramètres de la distribution de la variable (moyenne, écart-type et normalité). • La variable qualitative catégorielle nominale est une information non mesurable. Elle présente des catégories que l’on nomme avec un nom codé qu’on appelle modalité . La variable peut avoir plusieurs modalités codées . Par exemple: la variable sexe avec 2 modalités (1- homme, 2- femme), la variable couleur avec plusieurs modalités (1-rouge, 2-vert, 3-bleu, 4-…), variable âge plusieurs modalités, variable fruit avec plusieurs modalités(1-Banane, 2-Orange, 3-…) et variable logement avec plusieurs modalités (1- logement individuel, 2- logement semi- collectif, 3- logement collectif) Tableau croisé
Ce test utilise tableau croisé (appelé aussi tableau de
contingence) pour examiner la relation entre deux variables catégorielles. C’est un arrangement dans lequel les données sont classées selon deux variables catégorielles. Les catégories d'une variable apparaissent dans les lignes et les catégories de l'autre variable apparaissent dans les colonnes. Les conditions de l’utilisation de ce test
• Deux variables catégorielles nominales.
• Deux ou plusieurs catégories (modalités) pour chaque variable. • Indépendance des observations. • Taille d'échantillon relativement grande et aléatoire. • les catégories des variables sont mutuellement exclusive (Par exemple , oui –non ou male-femelle uniquement , pas de réponse intermédiaire) • Les occurrences attendues doivent être supérieures ou égales à 5 . Hypothèses (H₀) et (H₁)
L'hypothèse nulle (H₀) et l'hypothèse alternative (H₁) du test
Chi-2 peuvent être exprimées de la manière suivante :
H₀: « (Variable 1) n'est pas associée à (Variable 2) »
(Absence de relation entre les 2 variables catégorielles)
H₁: «(Variable 1) est associée à (Variable 2) »
(Existence de relation entre les 2 variables ) La question de recherche
Est-ce qu’il a une relation entre le sexe et la fréquence
des achats dans une grande ville algérienne?
L’hypothèse nulle alternative H₀
Il n’ y a pas de relation significative entre le sexe et les achats dans une grande ville algérienne. . L’hypothèse alternative HA Il y a une relation significative entre le sexe et les achats dans une grande ville algérienne. . LES VARIABLES NOMINALES DE NOTRE CAS D’ÉTUDE
La 1ère variable : Sexe (Femelle et male)
Modalités : 1- femelle 2- Male
La 2ème variable: Achats (shopping dans une grande ville algérienne)
Modalités : 1 - Non 2 - Oui Affichage des variables Variable sexe Etiquette: Male ou femelle ,valeurs: 1-femelle **2- Male , Mesure: Nominales
Mesure : échelle AFFICHAGE DES DONNEES En appuyant sur le bouton « étiquette de valeurs » , on obtient le code des modalités . Pour simplifier la saisie des réponses dans «l’affichage des données», on calcule le nombre des «oui-achats » et «non-achats » des males et le nombre des «oui-achats» et des «non» des femelles, puis on les saisie dans la variable « Fréquence » qui n’a aucun effet sur le test khi deux.
Par exemple , comme on peut le voir, le nombre de « non-achats codé 1» du
sexe femelle est de 20 etc… La variable fréquence Cliquez sur : Données Pondérer les observations Cochez Pondérer les observations Transférez « Fréquence » dans le champs « Variable d’effectif » OK Puis saisissez les données dans la variable fréquence 1
3 4 Traitement et interprétation des résultats 1- Traitement et analyse (suivre la procédure) Analyse Statistiques descriptives Tableaux croisés
1 Dans cette fenêtre, placez dans le champs « Ligne(s) » la variable Sexe (Male ou Femelle) et le champs «Colonne» les achats, 2 rappelons qu’il est permis d’intervertir les positions des 2 2 variables .
Cliquer sur « Statistiques »
Chi-deux Phi et V de Cramer [ La taille d'effet (Effect size): la force de l'association] Poursuivre 3 Cochez Cellules Effectifs Observé (données observées Attendu ( données théoriques ou attendues) Pourcentages Ligne Poursuivre OK Donc, nous obtenons 3 tableaux : Récapitulatif du traitement des observations Tableau croisé Sexe - Achats Test du khi deux 2- interprétation 1-Tableaux : Récapitulatif du traitement des observations
Sur ce tableau, un simple récapitulatif des observations, il
est indiqué, le nombre d’hommes et de femmes interviewés N=200, dont le nombre qui n’a pas répondu à la question N=0 ( Manquante) et le total =200, 2- Tableau croisé Sexe - Achats Il est aussi appelé tableau de contingence, dans ce tableau les deux variables sexe et achats sont croisées . 2 Lignes X 2 colonnes . La colonne Non- achat et la colonne Oui-achat d’une part et la ligne femelle et la ligne Male d‘autre part. Une simple lecture, nous révèle que uniquement 20/200 (20%) femmes ne font pas les achats alors 80/200 (80%) les font . Aussi , 60/200 (60%) hommes ne font pas les achats contre 40/200 (40%). Donc, le total 80/200 (40%), entre hommes et femmes , ne font pas les achats contre 120/200 (60%) qui les font. Différence entre l’effectif observé (occurrence observée) et l’effectif théorique (les occurrences attendues) . l’effectif observé: c’est les données réelles obtenues par le moyen d’un questionnaire, Alors que l’effectif théorique (attendu) exprime l’inexistence de relation d’association entre les deux variables, et dans ce cas l'effectif observé et l'effectif Effectif théorique : (femelle non–achat=40 est identique à Male théorique non-achat=40 seraient identiques. Femelle oui-achat =60 est identique Male oui-achat=60 3- Test du khi deux
p = 0,000 < 0,05
2 Lignes X 2 colonnes
Le résultat est significatif statistiquement car la valeur p =0,000 est inférieure au
niveau de signification choisi (α = 0,05), p-value < α=0,05 et donc nous rejetons l’hypothèse nulle et nous acceptons l’hypothèse alternative qui stipule que
« Il y a une significative association entre le sexe et les achats »
Donc, il s’avère que les femmes préfèrent souvent les achats (80/200) plus que les hommes (40/200).
En d’autres termes, ll y a suffisamment de preuves pour dire que les achats ne
sont pas indépendants du sexe. du fait que khi-deux de Pearson 2 Si on se réfère à la dernière ligne du tableau Khi- 2 , les cellules ont un effectif minimum de 5, dans le cas du non-respect de cette prémisse, il est inutile de se référer au Khi-deux de Pearson , mais plutôt au « correction pour la continuité » et se reporter au p-value correspondante, dans le cas nous avons un cas > 5 et < 40 . Dans notre cas, cette prémisse est respectée étant donné que la plus petite occurrence attendue est 40. (voir tableau croisé) LA TAILLE D'EFFET (EFFECT SIZE)
(Phi et V de Cramer) en tant que mesures d'associations, indique la force de la
relation entre le sexe des acheteurs et leur réponse à la question portant sur la fréquence de leurs achats ,
Pour la mesure V Cramer
Elle s’applique lorsque au moins une variable a uniquement 2 modalités, Plus V Cramer est proche de zéro, plus il y a indépendance entre les deux variables étudiées. Valeur maximum 1 , signifie complète dépendance Petite taille= 0.10 Taille moyen= 0.3 Grande taille =0.50
Pour notre cas V Cramer =0,408 , cette valeur indique que l’association entre les 2 variables (sexe et achats) est moyenne, elle est comprise entre 0,3 et 0,5. Aussi p-value =0,000 < 0,05 , cette relation est assez significative . Merci pour votre attention Prof. Adad Mohamed Chérif
Université d’Oum El Bouaghi
Faculté des sciences de la terre et de l’architecture
