Recherche commerciale (3-101-84) - PowerPoint by 0VzlRHK

VIEWS: 35 PAGES: 26

									Recherche commerciale
(3-101-84)


             Séance 9
  Analyse statistique univariée
 Plan de la séance : introduction à l’analyse
 des données à l’aide de SPSS

1. L’analyse des données : une démarche
2. La codification et la saisie des données
3. L’analyse statistique univariée
4. Le traitement des valeurs manquantes et
   extrêmes
5. La transformation et la création de
   variables
           Analyse et interprétation
                    Analyse préliminaire


                  Formulation du problème
 Problème
ou occasion
de marketing
                     Structuration de la
                       méthodologie


                  Construction et test des
                  instruments de mesure


                   Collecte des données


                  Analyse et interprétation

                         Conclusions
                    et recommandations
Une démarche…


      Préparer         La codification
la base de données     La saisie des données


     Faire les         Les distributions de fréquences
analyses univariées    Les statistiques descriptives
                       Les transformations de variables

   Planifier les       Les relations entre les variables
analyses bivariées     Le choix d’une technique d’analyse

                       Les tableaux croisés
     Faire les         Les comparaisons de moyennes
analyses bivariées     La corrélation et la régression
 La mise en forme des données – la
 codification

Une fois la collecte des données effectuée, le checheur
doit codifier et transcrire ses données dans une base de
données.

Codification : on représente les données brutes de la
recherche par des nombres.
                                                          Codes
Veuillez indiquer votre intérêt pour le cinéma :        numériques
        J’ai très peu d’intérêt pour le cinéma      1
        J’ai moyennement d’intérêt pour le cinéma   2
        J’ai beaucoup d’intérêt pour le cinéma
                                                    3
La mise en forme des données - la
codification

Situation 1 : les variables non métriques comportant
une seule affectation (échelle nominale)

Exemple :

       Quel est votre statut civil ?

              Marié(e)        _____
              Célibataire     _____
              Séparé(e)       _____
              Veuf(ve)        _____
 La mise en forme des données - la
 codification

Situation 2 : les variables non métriques avec affectations
multiples (échelle ordinale)

Exemple 1 :

      Quelles sont les catégories de film que vous appréciez ?
      (Cochez autant de catégories que nécessaire)
             Action                Guerre
             Aventure              Histoire
             Biographie            Policier
La mise en forme des données - la
codification (situation 2- suite)

Exemple 2 :

  Veuillez choisir les cinq catégories de film que vous
  appréciez le plus. Indiquez pour chacune votre
  préférence en utilisant les nombres de 1 à 5 (1=la plus
  préférée,… 5= la moins préférée).

      Action                 Guerre
      Aventure               Histoire
      Biographie             Policier
 La mise en forme des données - la
 codification

Situation 3 : les variables métriques correspondant au
nombre donné (échelles d’intervalles et de ratios)

Exemple 1 (éch. présumée d’intervalles) :

Estimez-vous qu’en matière d’achat d’automobiles vous êtes :

    Très inexpérimenté 1 2 3 4 5 6 7 Très expérimenté


Exemple 2 (échelle de type ratio) :

               Quel âge avez-vous ? _____ans
 La mise en forme des données - la
 codification

Situation 4 : question ouverte


Exemple

      Que pensez-vous de la publicité télévisée de Bell
      Olympique («Nage synchro») ?
      ___________________________________
      ___________________________________
      __________________________
 La mise en forme des données


Construction de la base de données avec SPSS

  • Pour la préparation des variables, vous cliquez sur
       l’onglet Variable View.
  • Pour saisir les données, vous devez être dans la
       fenêtre Data View
  • Dans cette fenêtre, les colonnes correpondent aux
       questions et les rangées aux répondants/
       observations.
  •File, save as… Sauvegarder souvent!!!

  POUR PLUS DE DÉTAILS : consultez le document
  d’introduction à SPSS.
   Analyse univariée

Introduction :

 • Permet de décrire et synthétiser les résultats de la
   recherche en analysant une variable à la fois.

 • Le but de la recherche est de répondre à l’aide d’outils
   statistiques à des questions que l’on se pose!

 • Permet de repérer les valeurs manquantes ou
   extrêmes
Analyse univariée – types de variables et
information obtenue
• Le type d’information que l’on obtient dépend de
  l’échelle utilisée :

   • Distribution des fréquences dans le cas de
     variables discrètes (éch. non métriques)

   • Statistiques descriptives et/ou distribution de
     fréquences dans le cas des variables continues
     (éch. métriques)
Analyse univariée – mesures et types de
variables

   Mesures de tendance centrale :
     Échelle nominale : mode
                                               Var. discrètes
     Échelle ordinale : mode et médiane

     Échelles d’intervalles et de ratios : mode, médiane
      et moyenne
                            Var. continues


   Mesures de dispersion (étendue, écart type,
    variance) :
      Variables métriques seulement (échelles
       d’intervalles et de ratios)
 Analyse univariée – exemple 1


1. Variables non-métriques, échelle nominale : distribution
de fréquences

Quel est votre statut civil ?
               Marié(e)         __23__
               Célibataire      __17__
               Séparé(e)        __ 7 __
               Veuf(ve)         __ 1__

    Mode : valeur de la fréquence maximale = marié (23)

    Profil des répondants : Les répondants sont majoritairement
    mariés (47,9%).
 Analyse univariée – exemple 2

2. Variables non-métriques, échelle ordinale : distribution
de fréquences
Quel est votre catégorie d’âge?
                             n      F       FC
              18-25 ans      9    0,1875   0,1875
              26-30 ans      21   0,4375   0,625
              31-35 ans      12    0,25    0,875
              36 et plus     6    0,125      1
 Mode : catégorie 26-30 ans
 Médiane : catégorie 26-30 ans
 Profil des répondants :La majorité des participants appartient
 à la catégorie des 26-30 ans (43,75%). Les participants sont
 en majorité âgés de 26 ans et plus (81,25%)
  Analyse univariée – exemple 3


• Variables métriques, échelle de ratios : statistiques
descriptives

 Exemple de résultats :

 Combien de personnes, y compris vous-même, y a-t-il dans
 votre ménage?

 Tendances centrales et stat. descriptives :
      Étendue : 4
      Médiane :2             Mode : 1 personne
      Moyenne : 2,5          Écart type : 1,6
Analyse univariée – exemple 3 (suite)


   Interprétation des résultats :

L’estimation ponctuelle de la moyenne est de 2,5 personnes
par ménage mais la variance est grande (écart type = 1,6)
étant donné l’étendue de la variable (5-1=4). Cette moyenne
est donc peu significative puisqu’une majorité (au moins
50%) des répondants est issue d’un ménage comportant 1
ou 2 personne-s alors que le mode de la distribution se situe
à 1 personne par ménage.
  Analyse univariée – exemple 4


Variables métriques, échelle présumée d’intervalle :
statistiques descriptives

Exemple de résultats:

   Quel est votre degré de satisfaction face à la boutique?
      Totalement 1 2 3 4 5 6 7 Totalement
      insatisfait                         satisfait

   Tendances centrales et stat. descriptives :
      Étendue : 6
      Médiane : 6           Mode : 6
      Moyenne : 5,75        Écart type : 0,121
Analyse univariée – exemple 4 (suite)



 Il s’agit d’une échelle ordinale (mais présumée d’intervalle
 car il y a un concept de continuité). Si on regarde le degré
 de satisfaction face à la boutique, la moyenne est de 5,75
 et la variance est 0,121. Cela signifie que la majorité des
 répondants sont très satisfaits de la boutique (mode et
 médiane=6).
 La moyenne est significative puisque la variance est petite.
 Si la variance est élevée : les répondants sont donc plus
 dispersés sur la satisfaction face aux produits et ce, même
 si x% de la clientèle est satisfait.
  Analyse univariée


 A) Analyse de réponses multiples- variables
 dichotomiques

Question 2 de l’exemple distribué en classe : moment de la
  journée préféré pour regarder la télévision (base de
  données Télévision.sav)

 •     On doit avoir 6 colonnes (une par choix de réponse
 possible).
 •     On codera les réponses ainsi dans SPSS : 1
 correspond à mentionné et 0 à non-mentionné (VARIABLES
 DICHOTOMIQUES OU BINAIRES)
Analyse univariée


Analyse de réponses multiples - SPSS

  • SPSS : analyse – multiple responses – define set
  • Define set : on choisit les variables qui feront parti de
  l’ensemble de réponses (donc il y en a 6 : Q2a, Q2b,etc.)
  et on lui donne un nom (par ex. Q2).
  • Dichotomies : inscrire 1 car ce qui nous intéresse =
  ceux qui ont répondus.
  • On clic sur Add, et Close.
  •On fait ensuite une analyse de fréquences – Analyze-
  Multiple response -frequencies
    Analyse univariée


B) Analyse de réponses multiples- création de variables
catégoriques
  Toujours pour la question 2, on peut coder différemment les
réponses dans SPSS.
 On a alors besoin de 4 colonnes puisque les répondants ont

coché au plus 4 moments de la journée.
 Dans la 1
              ière colonne, vous inscrivez le numéro correspondant

à l a 1ière réponse donnée par le participant. Les choix de
réponses (matin, am, midi, etc.) sont codifiés de 1 à 6 comme
sile répondant n’avait qu’une réponse à cocher. Si le participant
n’a coché qu’une seule réponse, les 3 autres colonnes seront
vides.
Analyse univariée


Analyse de réponses multiples – SPSS

       • Analyze -Multiple response - Define sets
        Choix des variables (correspondent aux 4 colonnes

         créées)
        Catégories (1 à 6 : il y a six catégories dans le cas

         présent)
        Add et Close




     On refait la même chose pour obtenir les fréquences:
      Analyze- Multiple responses- Frequencies
 Création de nouvelles variables


Recodification de variables
   Lorsque le chercheur désire créer de nouvelles
   variables à partir d’une ou plusieurs autres

   SPSS : Transform / Recode into different variables,
     On choisit la variable,
     On choisit son nom (Name) et on valide (Change).
     On change les valeurs (Old and New Values ex: 1-2-3
     deviennent “1”, et 4-5-6 deviennent “2”)
     On effectue les analyses de fréquence sur cette
     nouvelle variable
 Transformation de variables

Recodification de variables
   Lorsque la codification d’une variable doit être modifiée
   - Cinéma : degré de cinéphilie mesure par plusieurs
   questions – ensemble des énoncés sont additionnés pour
   former la Q1:
      Transform / compute
      Target Variable : on indique le nom de la nouvelle variable(Q1)
      Numeric Expression : on écrit l’équation ciné1 + ciné2 + ciné3
      + ciné4 + ciné5 et on clic OK
      Attention si vous avez des échelles inversées!!!

   Lorsqu’une ou des catégories d’une variable discrète
   ne comporte pas assez d’observations
      Même procédure que la première

								
To top