Analyse Unidimensionnelle :
Variables qualitatives : Variables quantitatives :
Analyse Statistiques Descriptives Analyse Statistiques Descriptives
fréquences. Descriptives.
Analyse bidimensionnelle :
Corrélations : (test de relation entre 2 variables Quantitatives)
Analyse Corrélation bivariée
Sélectionner les variables à tester
Cocher coefficient Pearson.
Test bilatéral.
Interprétation :
- Si le coefficient de corrélation r = 0 il n’existe aucune relation entre les 2
variables
- Si r=1 ou r= -1 il existe une relation très forte entre les 2 variables.
- Plus r est proche de 1 ou -1 plus la relation est forte
- Si r positif les 2 variables varient dans le même sens.
- Si r négatif les variables varient dans les sens opposé.
- Si la signifacation > 0.05 on accepte H0 : les variables sont indépendants l’un
d’autre.
Khi-2 : (test d’association entre 2 variables qualitatives)
Analyse Statistiques Descriptives Tableaux croisés
Interprétation :
Si la signifacation > 0.05 on accepte H0 : les variables sont indépendants l’un d’autre.
Test t : (comparaison de moyennes si la variable qualitative contient que 2
modalités)
Analyse Comparaison de moyennes test t pour échantillon indépendants
Interprétation :
- Si -2<t<2 on accepte H0 : la différence de moyenne est dû au hasard.
- Si |t|>2 on accepte H1 : la différence des moyennes est significative.
- Si la signifacation > 0.05 on accepte H0.
ANOVA : (comparaison de moyennes si la variable qualitative contient plus que 2
modalités)
Analyse Comparaison de moyennes ANOVA à 1 facteur.
Interprétation :
- Si F> 1 on accepte H1 : il existe une relation significative entre les 2 variables ;
la variation intergroupe est «F » fois supérieure que la variation intragroupe.
- Si la signifacation > 0.05 on accepte H0.
Régression : déterminer la causalité entre des variables explicatives et une variable
expliquée.
Analyse régression linéaire
Il faut tester la colinéarité entre les variables : Statistiques colinéarité.
Interprétation :
Test de qualité d’ajustement :
- Si R2 = 0 le modèle n’explique pas la variation de Y.
- Si R2= 1 le modèle explique parfaitement (à 100%) la variation de Y
- Plus R2 est proche de 1, le modèle explique plus la variation de Y.
Test de Fisher :
- Si la sign>1% aucune des variables explique la variation de Y
- Si la sign <1% au moins une variable explique la variation de Y
Test des paramètres : (test t)
- Si |t|<2 on accepte H0 : le paramètre=0. Le paramètre n’a pas un effet
significatif sur la variation de Y.
- Si la sign <5% on accepte H0.
Test de colinéarité.
- Si la tolérance to : 0,3<to<1 ou le VIF <4 les facteurs ne sont pas colinéaire
et le modèle est valide.
