Cours Analyse Qualitative et
Quantitative
Chapitre 2
Analyse des données
qualitatives: Les échelles de
mesure
Chokri OUERFELLI, Cours d'analyse de
données, IHEC de Sousse
Objectif
Présenter les principales méthodes de
description des données afin de
produire une première analyse des
données collectées lors d’une
enquête.
Chokri OUERFELLI, Cours d'analyse de
données, IHEC de Sousse
1/ La notion de variable
Deux types de variables: qualitative ou quantitative
(métrique)
- Une variable qualitative (VQl)
La déscription d’une VQl consiste à présenter les effectifs
et les fréquences. Dans le language d’étude de marché
on parle de tri à plat.
- Une variable quantitative (VQ)
Plusieurs indicateurs permettent de décrire une VQ:
Les indicateurs de tendance centrale: moyenne,
médiane, mode.
Les indicateurs de dispersion: étendue, variance,
écart-type, coefficient de variation.
Des représentations graphiques: histogrammes,
polygône des fréquences, etc.
Chokri OUERFELLI, Cours d'analyse de
données, IHEC de Sousse
2/ Mesurer un caractère (variable) qualitative
Permet de mesurer des phénomènes mentaux, telles les
opinions, les attitudes ou encore les préférences au
travers d’indicateurs: les échelles de mesure.
- L’échelle nominale: coder les modalités d’une
variable qualitative ou chacune des modalité est
équivalente aux autres.
Exemple: Etes-vous 1. un homme 2. une femme ?
Chokri OUERFELLI, Cours d'analyse de
données, IHEC de Sousse
- L’échelle ordinale: est une échelle de classement. Peut être
utilisée pour classer les préférences.
Exemple: Notez de 1 à 5 la qualité gustative du chocolat X
- L’échelle métrique: possède les propriétés des échelles
nominale et ordinale.
Exemple: - Echelle d’Osgood
Avez vous trouvé que le goût du produit X était ?
Mauvais 1 2 3 4 5 Bon
- Echelle de Stapel
Choisissez un nombre positif si vous pensez que le mot décrit bien
le chocolat X, un nombre négatif dans le cas contraire en notant
de -5 à +5
amer sucré acide etc.
-3 +2 -5
Chokri OUERFELLI, Cours d'analyse de
données, IHEC de Sousse
- Echelle de Likert
Le chocolat X a bon goût ?
Pas du tout d’accord 1 2 3 4 5 Tout à fait d’accord
- Echelle d’intention
Si la marque M lançait ce type de produit:
Je n’achèterai certainement 1 2 3 4 5 Je achèterai certainement
pas ce produit ce produit
En marketing, les variables sont utilisées dans la formulation de modèles.
Un modèle vise à définir une relation de cause à effet entre deux nature de
variables: variables indépendantes (explicatives X) et les variables
dépendantes (expliquées Y).
L’effet de X sur Y peut se mesurer par l’intermédiaire d’une variable Z dite
“médiatrice” X influence Z qui à son tour influence Y.
La variable dépendante peut être influencée par une variable modératrice.
Chokri OUERFELLI, Cours d'analyse de
données, IHEC de Sousse
3. Le concept de mesure
M (mesure obtenue) = V (vraie valeur) + Es(erreur systématique)
+ Ea (erreur aléatoire)
Ces termes d’erreur ajoutent du “bruit” aux variables observées.
Par exemple, une corrélation ou une moyenne peuvent être
artificiellement renforcées ou diminuées par l’erreur de mesure.
“ la validation d’un questionnaire consiste à tester les instruments de
mesure utilisés”.
Ces outils de mesure doivent répondre à deux critères: la fiabilité et
la validité.
Fiabilité: cohérence entre les indicateurs de mesure du concept.
Validité: capacité d’un instrument de mesure à appréhender un
phénomène.
Chokri OUERFELLI, Cours d'analyse de
données, IHEC de Sousse
3. Validité et fiabilité d’une échelle de mesure
Avant toute analyse, il faut sélectionner les
échelles de mesure (jeux d’items pour
mesurer un concept), soumettre à l’analyse
factorielle exploratoire puis au test de
fiabilité.
3.1 Validité d’une échelle de mesure
La validité d’une échelle de mesure désigne sa
capacité à appréhender un phénomène.
“Mesure-t-on ce qu’on cherche à mesuer ?”
Il existe plusieurs techniques pour vérifier la
validité.
Chokri OUERFELLI, Cours d'analyse de
données, IHEC de Sousse
La validité faciale ou de contenu
Il s’agit de savoir si la mesure capture les différents aspects du
phénomène étudié. Par exemple, lors du test du questionnaire, les
experts du domaine, les experts du domaine peuvent émettre un avis sur
la capacité des items à couvrir tous les aspects d’un concept.
La validité de trait ou de construit
- Validité convergente: il faut vérifier si les indicateurs censés
mesurer le même phénomène sont suffisamment corrélés.
- Validité discriminante: les indicateurs de mesure d‘un
construit sont faiblement corrélés aux indicateurs de mesure
d’autres construits conceptuellement distincts du premier.
Validité nomologique ou prédictive
la mesure d’un concept est établie lorsque, conformément à ce que
prédit la théorie et/ou l’intuition, la mesure est corrélée à d’autres
mesures avec lesquelles elle est cesée être corrélée (validité
nomologique) ou qu’elle est censée prédire (validité prédictive).
Chokri OUERFELLI, Cours d'analyse de
données, IHEC de Sousse
3.2/ Fiabilité d’une échelle de mesure
La fiabilité ou fidélité est la capacité d’un instrument à mesurer de
façon constante le construit qu’il est censé mesurer, c’est à dire si
l’on trouve plusieurs fois les mêmes résultats sur les mêmes sujets.
Trois méthodes pour tester la fiabilité d’une mesure:
La méthode du “test/retest”: le questionnaire est administré deux
fois à la même population et les résultats obtenus sont comparés.
La méthode du “Split half”, ou des deux moitiés: le questionnaire est
administré au même moment à des échantillons différents
(l’échantillon est scindé en deux) et les résulats sont comparés.
La technique des formes alternatives: il s’agit d’introduire dans le
questionnaire plusieurs questions sur le même phénomène mais
formulées différemment. On peut utiliser le coefficient alpha de
Cronbach.
Chokri OUERFELLI, Cours d'analyse de
données, IHEC de Sousse
Exemple : Estimer la fiabilité avec le coef. Alpha de Cronback
C’est un coefficient de fiabilité qui varie entre 0 et 1.
Plus il est proche de 1, plus la fiabilité est forte.
On élimine donc les items qui diminuent alpha.
Les valeurs de l’alpha de Cronback
< 0.6 Insuffisant
Entre 0.6 et 0.65 faible
Entre 0.65 et 0.7 Minimum acceptable
Entre 0.7 et 0.8 Bon
Entre 0.8 et 0.9 Très bon
> 0.9 Considérer la réduction du
nombre d’items
Remarque:
Au dela de 0.9, l’alpha risque de traduire davantage une
rédondance inter-items, apauvrissant ainsi le domaine
conceptuel étudié.
Chokri OUERFELLI, Cours d'analyse de
données, IHEC de Sousse
