1 / 34

Séminaire d’Analyses comparatives et enquête sociologique

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

tracy
Download Presentation

Séminaire d’Analyses comparatives et enquête sociologique

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Séminaire d’Analyses comparatives et enquête sociologique Séances 8 et 9 L’analyse des résultats

  2. 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)

  3. 1. Estimer des grandeurs absolues

  4. 1. Estimer des grandeurs absolues

  5. 2. Estimer des valeurs relatives

  6. 2. Estimer des valeurs relatives

  7. 3. Décrire une (sous-)population

  8. 4. Vérifier une hypothèse

  9. 4. Vérifier une hypothèse

  10. 4. Vérifier une hypothèse

  11. 4. Vérifier une hypothèse

  12. 4. Vérifier une hypothèse

  13. Types de variables Variables quantitatives/métriques Variables ordinales Variables discrètes/nominales

  14. Variables quantitatives • Moyennes • Taux • Matrices de corrélations • Graphiques de courbes ou de nuages de points

  15. 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…

  16. Tableaux croisés et mesures d’association (vs corrélation) • Quelques exemples • Des tableaux croisés simples • Des tableaux croisés avec mesures d’association • Des tableaux synthétiques

  17. 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)

  18. Exemple de l’extrémisme politique 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)

  19. Exemple de l’extrémisme politique NI E P

  20. Exemple de l’extrémisme politique

  21. Exemple de l’extrémisme politique

  22. Exemple de l’extrémisme politique

  23. Exemple de l’extrémisme politique 75% 6.25% 56.25% 75%

  24. Exemple de l’écoute radiophonique d’émissions religieuses 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)

  25. Exemple de l’écoute radiophonique d’émissions religieuses NI E A

  26. Exemple de l’écoute radiophonique d’émissions religieuses

  27. Exemple de l’écoute radiophonique d’émissions religieuses

  28. Exemple de l’écoute radiophonique d’émissions religieuses

  29. Exemple de l’écoute radiophonique d’émissions religieuses 9.16% 11.25% 28.75% 31.67%

  30. Se pose la question : • Comment alors régler l’articulation de toutes ces variables ? • Deux réponses ont été développées par la tradition sociologique : • l’analyse des correspondances multiples • les régressions multiples N.B. : Nous ne tenterons pas d’aborder ces techniques d’un point de vue statistique. Nous tenterons de comprendre leurs visées générales.

  31. 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)

  32. Analyse de correspondances multiples (analyse factorielle) • 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)

  33. 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

  34. 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

More Related