loic sarton spss 2011

Initiation au logiciel PASW Statistics 18

Année académique 2011-2012

LSMS2000 : Etudes et modèles de marché

Virginie Bruneau

[email protected] A217

mailto:[email protected]

1. Où trouver ce logiciel?

a) Salles informatiques 3-4-5Start > Programs > DOYENS Didactic Softwares > SPSS > PASW Statistics 18

b) Sur votre ordinateurdemande de licence pour toute la durée de vos étudeshttp://www.uclouvain.be/359151.htmlFormulaire d’inscription + 20€ -> permanence SGSI

2. Comment utiliser PASW Statistics 18?

1) Manipulations de base2) Analyse d’1 variable

1) Tableau de fréquence2) Analyse descriptive3) Comparaison des moyennes sur 1 échantillon

3) Analyse de la relation entre 2 variables ou plus1) Tableau croisé et chi-carré2) Comparaison des moyennes3) ANOVA4) Régression linéaire5) Corrélation

1. Manipulations de base

a) Ouvrir un fichier SPSS

1. « File > Open > Data »2. Chercher le fichier SPSS dans le répertoire3. « open »

b) Variable view / data view

1. Data view: observations encodées par l’enquêteur 2. Variable view : « dictionnaire » de la data view

• Name• Type : numeric ou string• Label• Values• Measure: nominal, ordinal ou scale

c) Sauver un fichier SPSS

1. « File > Save as » 2. Choisir un répertoire 3. « Save »

Échantillon unique

Variable quali

Tableau de

fréquence

2) Analyse d’une variable

Utilisation Variable qualitative Objectif: déterminer le nombre de réponses

associées aux différentes valeurs de la variable

Ex : A quelle fréquence les répondants viennent-ils en visite dans le centre-ville?

1) Tableau de fréquence

Tableau de fréquence Commande

1. « Analyze > Descriptive Statistics > Frequencies »

Commande1. « Analyze > Descriptive Statistics > Frequencies »2. Choisir les variables

Tableau de fréquence

Commande1. « Analyze > Descriptive Statistics > Frequencies »2. Choisir les variables3. Dans « Statistics », sélectionner les statistiques

associées à la distribution de fréquences souhaitées, puis « Continue »


Commande1. « Analyze > Descriptive Statistics > Frequencies »2. Choisir les variables3. Dans « Statistics », sélectionner les statistiques

associées à la distribution de fréquences souhaitées, puis « Continue »

4. Dans « Charts », choisir entre bar chart, pie chart et histogram, puis « Continue »

5. « ok »


Interprétation


Échantillon unique

Variable quali

Variable quanti

Tableau de

fréquence

Analyse descriptive et Test t

Analyse descriptive d’une variable quantitative

Faites le tableau des statistiques descriptives des facteurs influençant le choix du parking

Utilisation Variable(s) quantitative(s) Objectif : analyse des statistiques de base

Commande1. « Analyze > Descriptive Statistics > Descriptives »

Analyse descriptive

Commande1. « Analyze > Descriptive Statistics > Descriptives »2. Choisir les variables

Analyse descriptive

Commande1. « Analyze > Descriptive Statistics > Descriptives »2. Choisir les variables 3. Dans « Options », sélectionner les statistiques

souhaitées, puis « Continue »4. « OK »

Analyse descriptive

Interprétation

Analyse descriptive

Est-ce les femmes attachent plus d’importance au fait de trouver un place de parking plus rapidement que les hommes?

Analyse descriptive

Commande1. « Analyze > Descriptive Statistics > Explore »

Analyse descriptive

Commande1. « Analyze > Descriptive Statistics > Explore »2. Choisir les variables à analyser et les placer dans

« Dependent List »3. Choisir une variable de classement et la placer dans

« Factor List » 4. “ok”

Analyse descriptive

Interprétation

Analyse descriptive

One-sample Utilisation

Variable(s) quantitaive(s) Échantillon unique Objectif: juger une variable par rapport à une norme

connue ou fixée

Ex: L’importance moyenne accordée au prix est-elle égale ou différente à 3?

Comparaison de moyennes

One-sample Commande

1. « Analyze > Compare means > One-sample T-test »


One-sample Commande

1. « Analyze > Compare means > One-sample T-test » 2. Choisir la ou les variable(s) à tester, les placer « Test

variable(s) », noter la valeur de test dans « Test Value » et cliquer sur « OK »


Interprétation

P-value < 0.025Þ Rejet H0 : l’importance moyenne accordée au prix est différente de 3

Ho : µ = 3

Hi : µ ≠ 3

Comparaison de moyennes (t-test) bilatéral

Rejet de

Test bilatéral

µ=3 3,41

𝒂/𝟐𝒂/𝟐Zone d’acceptationHo : µ = 3

Hi : µ ≠ 3

Test unilatéral

µ=3 3,41

𝒂Zone d’acceptation

Ho : µ ≥ 3

Hi : µ < 3

Zone de rejetZone de rejet

Ho : µ ≤ 3

Hi : µ > 3

Zone de rejet

p =1- sig(bilatérale)/2

p = sig(bilatérale)/2

µ=3 3,41

𝒂Zone d’acceptation

Zone de rejet

Interprétation

P-value = 1- 0/2= 1 > 0.05Þ NON rejet de H0

Ho : µ ≥ 3

Hi : µ < 3

Comparaison de moyennes (t-test) unilatéral

Échantillon unique

Deux échantillons

indépendants

Variable quali

Variable quanti

Tableau de

fréquence


X=qualiY=quali

Relation de dépendance

Test du chi-

carré

Tableau croisé et Chi-carré

Utilisation X : variable(s) qualitative(s) et Y : variable(s)

qualitative(s) Objectif: déterminer l’existence d’une dépendance

entre 2 variables en évaluant la signification statistique (test chi-carré)

Test d’hypothèse :Ho : les proportions de tous les groupes sont égales (pas de relation de dépendance)Hi : il y a (au moins) 1 proportion qui est différente (relation de dépendance)

Ex: La fréquence de visite est-elle en fonction du sexe?

Commande1. « Analyze > Descriptive Statistics > Crosstabs »


Commande1. « Analyze > Descriptive Statistics > Crosstabs »2. Placer une variable dans « Row » et une variable dans « Column »


Commande1. « Analyze > Descriptive Statistics > Crosstabs »2. Placer une variable dans « Row » et une variable dans « Column »3. Dans « Statistics », sélectionner « Chi-square » et « Correlations », puis

“Continue”


Commande1. « Analyze > Descriptive Statistics > Crosstabs »2. Placer une variable dans « Row » et une variable dans « Column »3. Dans « Statistics », sélectionner « Chi-square » et « Correlations », puis

“Continue”4. Dans « Cells… », sélectionner « Counts Observed » et « Counts

Expected » ainsi que « Percentages in Row, Column and Total », puis « Continue »

5. « ok »


InterprétationPourcentage ligne

Pourcentage colonne

Ho : pf = ph

Hi : pf ≠ ph

P-value > 0.05

Þ On ne peut rejeter H0

Pas de relation de dépendance


Échantillon unique

Deux échantillons

indépendants

Variable quali

Variable quanti

Tableau de

fréquence


X=qualiY=quali

X=qualiY=quanti


Test du chi-

carré

Test t ou ANOVA (si + que 2 échantillons)

Comparaison des moyennes (t-test) sur échantillons indépendants

Independent-samples Utilisation

X : variable non métrique et Y : variable(s) métrique(s)

2 échantillons indépendants Objectif: tester des hypothèses concernant des

paramètres relatifs à 2 populations différentes

Ex: Est-ce les hommes et les femmes accordent la même importance au prix?


Independent-samples Commande

1. « Analyze > Compare means > Independent-Samples T-test »



1. « Analyze > Compare means > Independent-Samples T-test »2. Choisir la ou les variable(s) à tester, les placer dans « Test

variable(s) »et placer la variable de catégorie dans « Grouping Variable »



1. « Analyze > Compare means > Independent-Samples T-test »2. Choisir la ou les variable(s) à tester, les placer dans « Test

variable(s) »et placer la variable de catégorie dans « Grouping Variable »

3. Définir des groupes pour cette « Grouping Variable » en cliquant sur « Define Groups ». Noter 1 pour « Group1 » et 2 pour « Group2 », puis »Continue »

4. « ok »


Interprétation

P-value < 0.05Þ Rejet H0 : l’hypothèse d’égalité des variancesn’est pas respectée

P-value < 0.05Þ Rejet H0 : l’importance moyenne accordée au prix diffère selon le sexe

Ho : µf = µg

Hi : µf ≠ µg

Ho : σ2f =

σ2g

Hi : σ2f ≠

σ2g

Utilisation X : variable qualitative et Y : quantitative Objectif: évaluer les écarts des valeurs moyennes

d’une variable dépendante sous l’effet d’une variable indépendante contrôlée

Test d’hypothèse:Ho : la moyenne de tous les groupes est la mêmeHi : il y a (au moins) 1 moyenne qui est différente

Ex: Est-ce que l’importance des aménagements pour retrouver son véhicule rapidement diffère en fonction du lieu de l’enquête ?

Analyse de la relation entre 2 variables ou plus

ANOVA

Commande1. « Analyze > Compare means > One-way ANOVA».

ANOVA

Commande1. « Analyze > Compare means > One-way ANOVA». 2. Choisir les variables à tester , les placer dans « Dependent list » et

placer la variable de catégorie dans « Factor »

ANOVA


placer la variable de catégorie dans « Factor »3. Dans « Post Hoc… », sélectionner « Bonferroni », « Scheffe » et

« Tukey », puis « Continue »

ANOVA


placer la variable de catégorie dans « Factor »3. Dans « Post Hoc… », sélectionner « Bonferroni », « Scheffe » et

« Tukey », puis « Continue »4. Dans « Options… », sélectionner « Descriptive », « Homogeneity of

variance test » et « Welch », puis « Continue ».5. “ok”

ANOVA

Interprétation

P-value > 0.05Þ Non rejet de H0 : l’hypothèsed’homogénéité des variances est respectée

P-value < 0.05Þ Rejet H0 : l’importance accordée aux aménagements diffère selon le lieu de l’enquête

Ho : µLN = µN = µL

Hi : Ǝ au - 1 différence entre µLN µN et µL

Ho : σ2f = σ2

g Hi : σ2

f ≠ σ2g

ANOVA

Interprétation P-value < 0.05Þ Rejet H0 : les moyennes pour Namur et Liège sont différentes

ANOVA

Échantillon unique

Deux échantillons

indépendants

Variable quali

Variable quanti

Tableau de

fréquence


X=qualiY=quali

X=quantiY=quanti

X=qualiY=quanti


Test du chi-

carré


Régression

linéaire

Régression linéaire

Utilisation X : variable(s) quantitative(s) et Y : variable

quantitative Objectif: analyser la relation de causalité entre une

variable dépendante et une ou plusieurs variables indépendantes

Ex: Est-ce que l’importance accordée à un parking très propre peut être expliqué en fonction de l’âge?

3) Analyse de la relation entre 2 variables ou plus


Commande1. « Analyze > Regression > Linear»


Commande1. « Analyze > Regression > Linear»2. Choisir la ou les variable(s) à tester, placer la variable dépendante

dans « Dependent » et la ou les variable(s) indépendantes dans « Independent(s) »

Régression linéaire Commande

1. « Analyze > Regression > Linear»2. Choisir la ou les variable(s) à tester, placer la variable dépendante dans

« Dependent » et la ou les variable(s) indépendantes dans « Independent(s) »3. Dans « Statistics », sélectionner « Model fit », « collinearity diagnostics »

« Estimates » et « Confidence intervals » puis « Continue »4. « ok »

Ho : R2 = 0

Hi : R2 ≠ 0


Interprétation Proportion de la variable totale de Y expliquée par la variation de X

P-value < 0.05Þ Rejet H0: Existence d’un modèle de régression linéaire

P-value < 0.05Þ Rejet H0 : β ≠ 0: La contribution de l’âge est significative

Ho : β = 0 Hi : β ≠ 0

Parking très propre = 2,311 + 0,015 (Age)

Échantillon unique

Deux échantillons

indépendants

Variable quali

Variable quanti

Tableau de

fréquence


X=qualiY=quali

X=quantiY=quanti

X=qualiY=quanti

X=quantiY=quanti


Relation d’association

Test du chi-

carré


Régression

linéaire

Corrélation

Corrélation

Utilisation Variables quantitatives Pas de relation de dépendance entre les 2 variables Objectif: analyser le degré d’association linéaire entre

2 variables

Ex: Y a-t-il une corrélation entre le bon éclairage, la bonne réputation, le parking connu, les emplacements faciles au niveau des manœuvres et le prix?

Corrélation

Commande1. « Analyze > Correlate > Bivariate»2. Choisir la ou les variable(s) à tester3. « OK »

Corrélation

Interprétation

P-value < 0.05=> Rejet H0: corrélation significative

P-value > 0.05=> Non rejet de H0 : corrélation non significative

Ho : ρ = 0

Hi : ρ ≠ 0

Échantillon unique

Deux échantillons

indépendants

Variable quali

Variable quanti

Tableau de

fréquence


X=qualiY=quali

X=quantiY=quanti

X=qualiY=quanti

X=quantiY=quanti


Relation d’association

Test du chi-

carré


Régression

linéaire

Corrélation

Exercices1. Quel est le pourcentage de la population qui fréquente les

parkings environ 1 fois par quinzaine?2. Quelle est l’importance moyenne accordée par la population à

la bonne réputation des parkings?3. Quelle est l’importance moyenne accordée par les femmes à la

bonne réputation des parkings?4. L’importance moyenne accordée à la bonne réputation des

parkings diffère-t-elle selon le sexe?5. La fréquentation des parkings diffère-t-elle selon le sexe?6. L’importance moyenne accordée au bon éclairage des parkings

est-elle différente de 3?7. L’importance moyenne accordée à la bonne réputation des

parkings diffère-t-elle selon le lieu de l’enquête?8. L’importance accordée à la bonne réputation des parkings et au

bon éclairage sont-elles corrélées?9. L’âge peut-il expliquer la variation de l’importance accordée à la

bonne réputation des parkings?

loic sarton spss 2011

Documents