Scribd Logo
Importer

Bienvenue sur Scribd !

  • 17 vues

    Type de Coefficient Stat

    Transféré par

    Nomena Razafiarison

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    Type de Coefficient Stat

    Transféré par

    Nomena Razafiarison
    17 vues7 pages

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    17 vues7 pages

    Type de Coefficient Stat

    Transféré par

    Nomena Razafiarison

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 7

    1.

    Types de coefficients statistiques


    Chaque analyse statistique produit différents types de coefficients, i.e. des chiffres qui résument
    certains types d’information. Assurez-vous toujours d’utiliser uniquement des coefficients
    appropriés pour vos données. Il y a quatre types principaux de coefficients, que vous trouverez
    dans la plupart des méthodes d’analyse:

    Tableau 2: Types de coefficients statistiques qui décrivent une relation

    Type de coefficient

    Les coefficients vont généralement de -1 (relation négative totale) à


    1. Force d’une relation
    +1 (relation positive totale). 0 signifie aucune relation.

    2. Structure (tendance)
    Résume une tendance
    d’une relation

    3. Pourcentage de
    Indique le degré de structure de votre modèle
    variance expliquée

    Calcule la probabilité ("Sig." / "p") que votre relation soit une


    distribution hasardeuse, i.e. qu’il n’y ait pas de relation entre les
    4. Seuil de signification variables.
    de votre modèle
    Typiquement, en sciences sociales, un seuil de signification inférieur
    à 5% (0,05) est acceptable. N’interprétez pas de données qui se
    situent au-dessus!

    Au delà de ces coefficients qui résument des relations vous devez aussi veiller à respecter les
    hypothèses sur les données, donc par exemple montrer que des variables utilisés dans une
    analyse "paramétrique" (corrélation de Pearson, Anova, etc.) possède une distribution proche de
    la normale. Ces quatre types sont mathématiquement liés: e.g., le seuil de signification ne
    dépend pas uniquement de la taille de votre échantillon, mais également de la force d’une
    relation.

    Aperçu des méthodes statistiques


    Les méthodes d’analyse de données statistiques peuvent être catégorisées en fonction des types
    de données (concept expliqué dans Statistiques descriptives et échelles). Le tableau ci-dessous
    présente des méthodes d’analyse bivariée courantes pour une variable X (explicative)
    indépendante et pour une variable Y (à expliquer) dépendante.

    Simples analyses bi-variées courantes


    Variable Y dépendante

    Quantitative (à intervalles, Qualitative (nominale ou


    échelle) ordinale)

    Transformez X en une
    variable qualitative et faites
    un tableau croisé (c.f. ci-
    dessous)
    Quantitative Corrélation et régression
    Variable X Alternativement, vous pouvez
    indépendante vous renseigner sur l'analyse
    (explicative) discriminante ou la régression
    logistique.

    Analyse de variance (aussi


    Tableaux croisés (aussi
    appelée Anova, Anova
    Qualitative appelé tri croisé ou tableau de
    simple, comparaison de
    contingence
    moyennes)

    Un tableau similaire peut être créé pour une analyse multivariée, mais nous n’allons pas
    présenter ce sujet.

    Analyses multivariées courantes

    Variable(s) Y dépendante(s)

    Quantitative (à
    Qualitative (nominale ou ordinale)
    intervalles)

    Analyse Transformez X en variables qualitatives


    factorielle, et reportez-vous ci-dessous ou séparez
    régression une variable en plusieurs variables
    Quantitative
    multiple, SEM, dichotomiques (oui/non) et reportez-vous
    Variable(s) X analyse à gauche. Analyse discriminante pour
    indépendante(s) typologique une seule variable dépendante.
    (explicative)

    Positionnement multidimensionnel, logit,


    Qualitative Anova
    etc.

    Hypothèses de données
    Les hypothèses de données (Angl.: "Data assumptions") vous disent si oui ou non un méthode
    statistique est appropriée par rapport à un type de données. Savoir distinguer entre variables
    intervalles, ordinales et nominales est la chose la plus importante, mais il existe des contraintes
    supplémentaires. Les analyses "paramétrique" comme la régression, la corrélation de Pearson et
    la régression exigent que les données soient proches d'une distribution normale. Cela implique
    par exemple qu'on ne peut faire une régression avec une variable dichotomique (par exemple,
    1=réussite et 2=non-réussite).

    • Durée totale du trajet

    Durée totale du trajet Nb. cit. Fréq.

    Pas satisfait 10 20,0%

    Satisfait 40 80,0%

    TOTAL OBS. 50 100%

    Moyenne = 3,00 Ecart-type = 0,64

    La différence avec la répartition de référence est très significative. chi2 = 18,00, ddl = 1, 1-p =
    >99,99%.
    Durée totale du trajet

    80,0%

    20,0%

    Pas satisfait Satisfait

    • Confort du véhicules

    Confort du véhicules Nb. cit. Fréq.


    Très inconfortable 1 2,0%

    Inconfortable 7 14,0%

    Confortable 37 74,0%

    Très confortable 5 10,0%

    TOTAL OBS. 50 100%

    Moyenne = 2,92 Ecart-type = 0,57

    La différence avec la répartition de référence est très significative. chi2 = 65,52, ddl = 3, 1-p =
    >99,99%.

    Confort du véhicules

    74,0%

    14,0%
    10,0%
    2,0%

    Trèsinconfort Inconfortable Confortable Très


    able confortable

    • itinéraire emprunté

    itinéraire emprunté Nb. cit. Fréq.

    Pas satisfait 10 20,0%

    Satisfait 40 80,0%
    TOTAL OBS. 50 100%

    Moyenne = 2,94 Ecart-type = 0,65

    La différence avec la répartition de référence est très significative. chi2 = 18,00, ddl = 1, 1-p =
    >99,99%.

    • Sécurité du trajet

    Sécurité du trajet Nb. cit. Fréq.

    Pas satisfait 9 18,0%

    Satisfait 41 82,0%

    TOTAL OBS. 50 100%

    Moyenne = 2,92 Ecart-type = 0,60

    La différence avec la répartition de référence est très significative. chi2 = 20,48, ddl = 1, 1-p =
    >99,99%.
    Sécurité du trajet

    82,0%

    18,0%

    Pas satisfait Satisfait


    I. SATISFACTION et Impact CANTINE

    • Variété des plats

    Variété des plats Nb. cit. Fréq.

    Pas satisfait 10 20,0%

    Satisfait 40 80,0%

    TOTAL OBS. 50 100%

    Moyenne = 2,86 Ecart-type = 0,50

    La différence avec la répartition de référence est très significative. chi2 = 18,00, ddl = 1, 1-p =
    >99,99%.

    Variété des plats

    80,0%

    20,0%

    Pas s Satisf
    atisfai ait
    t

    • Qualité des plats

    Qualité des plats Nb. cit. Fréq.

    Pas satisfait 11 22,0%

    Satisfait 39 78,0%

    TOTAL OBS. 50 100%

    Moyenne = 2,80 Ecart-type = 0,53


    La différence avec la répartition de référence est très significative. chi2 = 15,68, ddl = 1, 1-p = 99,99%.
    Qualité des plats

    78,0%

    22,0%

    Pas s Satisf
    atisfai ait
    t

    • Quantité plat

    Quantité plats Nb. cit. Fréq.

    Vous aimerez peut-être aussi