Méthodos

19 juin 2019

Blog

#Analyses

#Quanti

#Descriptive

#Comparative

#Explicative

Les analyses quantitatives permettent de traiter les données dites « structurées » comme les réponses aux questions fermées, échelles ou numériques. Ces analyses peuvent être appelées « univariées » quand elles ne s’intéressent qu’à une seule question de l’enquête (ou variable), « bivariées » quand deux variables sont prises en compte simultanément, ou « multivariées » quand le nombre de variables considéré est supérieur à 2.

Usuellement, on les divise aussi en trois grandes catégories : analyses descriptives, comparatives et explicatives. Il s’agit de décrire l’opinion de la population interrogée, de comparer les résultats selon certaines caractéristiques des répondants, et enfin de comprendre les variations des réponses en fonction des facteurs explicatifs qui sont envisagés.

Nous allons présenter les différentes analyses ci-après en illustrant nos propos par des exemples non exhaustifs.

 

Analyses descriptives

Pour décrire les comportements et les opinions de la population interrogée, il s’agit tout simplement de rendre compte du dépouillement de chaque question ou groupe de questions qui ont été proposés aux répondants. Cette phase d’analyse univariée consiste donc à présenter les tris à plat de l’ensemble des variables de l’enquête. En fonction du type de question posée, les résultats seront :

  • des effectifs et des pourcentages pour les questions fermées
  • des effectifs, des pourcentages et des rangs moyens pour les questions fermées ordonnées
  • des moyennes (avec écart-type) pour les questions échelles et ouvertes numérique
  • des listes ou des nuages de mots pour les questions ouvertes texte

 

Exemple d'analyse de tri à plat

Une étape plus élaborée de l’analyse descriptive consiste à présenter une typologie des répondants sur un certain nombre de questions-clé de l’enquête. Cette analyse permet de décrire l’échantillon étudié de façon simplifiée. Une des méthodes les plus courantes consiste à effectuer une classification automatique, comme ci-après pour une étude à propos des attentes des touristes. Trois groupes sont identifiés par l’analyse et résument la population des touristes en fonction de leurs attentes prioritaires : les actifs, les calmes et les pris en charge.

Exemple de classification automatique

 

Analyses comparatives

Les analyses comparatives visent à comparer les résultats de plusieurs groupes de répondants qui nous intéressent particulièrement : les femmes vs. les hommes, les plus jeunes vs. les plus âgés, les revenus élevés vs. les bas revenus etc. Pour cet objectif, on met en place des analyses croisées ou bi-variées. Des tests statistiques sont alors nécessaires pour établir si les différences observées sont significatives et peuvent être considérées comme vraies.

Par exemple, nous comparons ci-dessous les modes d’hébergement en fonction des catégories socio-professionnelles. Les différences notoires apparaissent dans le tableau en bleu, quand les catégories sont surreprésentées et en rouge quand elles sont sous-représentées. Le test du chi-deux nous indique que la distribution des modes d’hébergement varie en fonction des catégories socio-professionnelles.

Exemple d'analyse croisée

 

Analyses explicatives

Cette famille d’analyses vise à expliquer une ou plusieurs variables en fonction d’une ou plusieurs autres. Par exemple, cela revient à tenter d’établir une équation de type y = ax + b, pour une régression simple et à estimer au mieux les paramètres du modèle. Dans les enquêtes de satisfaction notamment, on cherche à expliquer la satisfaction globale en fonction des satisfactions partielles vis-à-vis d’un ensemble d’attributs : la qualité du produit, le prix, le niveau de service etc…

Les modèles d’équations structurelles répondent au même objectif, en permettant de regrouper des questions similaires en variables latentes (groupe thématique de variables), comme dans le graphe ci-après. La satisfaction globale vis-à-vis d’une chaîne de télévision est expliquée par des attributs de distraction, de professionnalisme et d’éthique. Dans ce type d’analyses, on dispose toujours d’un indicateur qui permet de juger de la pertinence du modèle et de sa capacité de prédiction. Il s’agit du « r2 » dans les analyses de régression.
Exemple d'équations structurelles

Les enquêtes en sciences sociales impliquent toujours la réalisation d’analyses descriptives, très souvent d’analyses comparatives et parfois d’analyses explicatives. Il ne s’agit pas de réaliser toutes les analyses possibles mais bien d’effectuer celles qui vont permettre de répondre aux questions de recherche et qui ont justifié la mise en place de l’étude.

 

Auteur : Stéphane Ganassali

Haut de la page