séminaire d’analyses comparatives et enquête sociologique
Post on 05-Jan-2016
26 Views
Preview:
DESCRIPTION
TRANSCRIPT
Séminaire d’Analyses comparatives et enquête sociologique
Séances 8 et 9 L’analyse des résultats
Objectifs d’un questionnaire
• Quatre grands types d’objectifs :
► estimer des grandeurs absolues
► estimer des grandeurs relatives
► décrire une sous-population, une population
► vérifier des hypothèses (relations entre plusieurs variables)
1. Estimer des grandeurs absolues
1. Estimer des grandeurs absolues
2. Estimer des valeurs relatives
2. Estimer des valeurs relatives
3. Décrire une (sous-)population
4. Vérifier une hypothèse
4. Vérifier une hypothèse
4. Vérifier une hypothèse
4. Vérifier une hypothèse
4. Vérifier une hypothèse
Types de variables
Variables quantitatives/métriques
Variables ordinales
Variables discrètes/nominales
Variables quantitatives
• Moyennes
• Taux
• Matrices de corrélations
• Graphiques de courbes ou de nuages de points
Mais la plupart du temps, les variables que les sociologues utilisent ne permettent pas ces
types de présentation de résultats.
• Variables discrètes : genre, nationalité, niveau d’instruction, catégorie socio-professionnelle, affiliation religieuse… opinions, attitudes, types d’activités…
→ on est limité dans la présentation des résultats…
Tableaux croisés et mesures d’association (vs corrélation)
• Quelques exemples
A. Des tableaux croisés simples
B. Des tableaux croisés avec mesures d’association
C. Des tableaux synthétiques
Tableaux croisés
• Vite se pose la question de l’accumulation des résultats et les problèmes de variables tierces.
→ l’exemple de l’extrémisme politique
→ l’exemple des auditeurs d’émissions religieuses (Lazarsfeld)
3 variables (ordinales)
• NI : niveau d’instruction (NIH : NI Haut - NIB : NI Bas)
• P : pratique religieuse (PH : P Forte - PB : P faible)
• E : extrémisme politique (E1 : E Fort - E2 : E faible)
Exemple de l’extrémisme politique
NI
P
E
Exemple de l’extrémisme politique
Exemple de l’extrémisme politique
Niveau d’instruction élevé
Niveau d’instruction bas
Extrémisme fort 200 600
Extrémisme faible
800 400
Exemple de l’extrémisme politique
Pratique religieuse forte
Pratique religieuse faible
Extrémisme fort 600 200
Extrémisme faible
400 800
NIH NIB
PH PB PH PB
E1 150 50 200 E1 450 150 600
E2 50 750 800 E2 350 50 400
200 800 1000 800 200 1000
Exemple de l’extrémisme politique
NIH NIB
PH PB PH PB
E1 150 50 200 E1 450 150 600
E2 50 750 800 E2 350 50 400
200 800 1000 800 200 1000
75% 6.25% 56.25% 75%
Exemple de l’extrémisme politique
3 variables (ordinales ou nominales)
• NI : niveau d’instruction (NIH : NI Haut - NIB : NI Bas)
• A : âge (J : jeunes - V : vieux)
• E : écoute radiophonique d’émissions religieuses (E1 : écoute régulièrement - E2 : n’écoute pas régulièrement)
Exemple de l’écoute radiophonique d’émissions religieuses
NI
A
E
Exemple de l’écoute radiophonique d’émissions religieuses
Exemple de l’écoute radiophonique d’émissions religieuses
Niveau d’instruction bas
Niveau d’instruction élevé
Ecoute régulière
400 100
Ecoute rare 900 900
Exemple de l’écoute radiophonique d’émissions religieuses
Jeunes Vieux
Ecoute régulière
170 330
Ecoute rare 830 970
NIH NIB
J V J V
E1 55 45 100 E1 115 285 400
E2 545 355 900 E2 285 615 900
600 400 1000 400 900 1300
Exemple de l’écoute radiophonique d’émissions religieuses
NIH NIB
J V J V
E1 55 45 100 E1 115 285 400
E2 545 355 900 E2 285 615 900
600 400 1000 400 900 1300
9.16% 11.25% 28.75% 31.67%
Exemple de l’écoute radiophonique d’émissions religieuses
Se pose la question :
• Comment alors régler l’articulation de toutes ces variables ?
• Deux réponses ont été développées par la tradition sociologique :
1. l’analyse des correspondances multiples2. les régressions multiplesN.B. : Nous ne tenterons pas d’aborder ces techniques d’un point de
vue statistique. Nous tenterons de comprendre leurs visées générales.
ACM: Analyse de correspondances multiples (analyse factorielle)
• Exemple canonique : Bourdieu, La distinction;
• Objectif : appréhender le plus simplement possible la masse des données
• Souvent utile lors de la phase exploratoire (systématise la phase des tableaux croisés sans nécessiter le passage par la construction d’hypothèses)
• Principes généraux► un espace multidimensionnel (au départ une
dimension par variable) se réduit pour devenir lisible (deux dimensions à la fois, deux, trois, quatre… facteurs)
► on traduit la proximité entre modalités de variables
► on trouve des variables actives et des variables supplémentaires (sous-entendu : les secondes expliquent les premières)
Analyse de correspondances multiples (analyse factorielle)
La régression multiple
• Idée générale : rechercher l’effet propre de plusieurs variables sur un autre (variable dépendante), toutes choses égales par ailleurs
• Y=a1x1 + a2x2 + a3x3… anxn+U
Y : variable dépendante; X1…n : variables indépendantes; a1…n : coefficients de régression; u : résidu
Régression ou ACM ?
• Buts différents -> complémentarité entre les deux méthodes
• La régression « explique », l’ACM « décrit »• Une illustration des différences entre les deux types de
méthode : le cas des salaires féminins► ACM : montrera que les femmes occupent des emplois
moins qualifiés, qu’elles sont plus souvent employées et moins souvent cadres, qu’elles ont en moyenne des salaires inférieurs… que les hommes
►Régression multiple : tentera de savoir si, toutes choses égales par ailleurs, les femmes ont des salaires inférieurs
top related