Coefficient de variation : permet de comparer le degré de variation d’un

échantillon à un autre.
Distribution avec un skewness positif signifie une distribution asymétrique
à droite.
Moyenne harmonique sert à calculer un rapport moyen. La moyenne
géometrique sert à calculer un taux moyen.
Etude ad hoc est une étude quanti ou quali réalisée pour le compte d’un seul
client .
Baromète est une étude réalisée à date fixe comme l’omnibus , mais avec le
meme questionnaire d’une étude à l’autre , pour le compte d 1 ou plusieurs
clients.
Rls permet d’estimer la valeur d’une variable dépendante par un ensemble de
variations indépendantes quantitatives.
Méthode théorique de RLS : Y= β zero + β un fois X
Diagramme de dispersion est une représentation graphique d’un nuage de
points.
Loi normale : S ≤1 et K ≤ 1,5
Méthode des moindres carrés permet de construire une droite de régression
empirique qui minimise la somme des carrés des résidus càd les distances
verticales entre la droite et chacun des points observés.
La régression est une méthode statistique qui permet d’expliquer une
variable dépendante par une ou plusieurs variables indépendantes.Elle dite
simple si elle permet de prédire la valeur dépendante par des vars
indépendants.
Le coefficient de corrélation r yx est utilisé pour quantifier la relation entre 2
variables.
£ : différence entre valeur calculée et valeur estimée.
Relation symétrique : L'analyse cherche à mesurer la liaison entre les deux
variables.
Coefficient de détermination : r²=b² x (Ʃxi² - n (moy de x)² ) ÷ (Ʃyi² - n (moy
de y)² ) = SC rég(somme des carrés de la rég) ÷ SC totale
Lorsque le seuil de confiance grandit la marge d’erreur baisse et
l’intervalle de confiance grandit
Test hypothèses : on rejette H zero si t supérieur à t(⍺/2 (n-2)dl ou t inférieur

à - t(⍺/2 (n-2)dl
Si la valeur de 0 appartient à l’intervalle de confiance de β zero ; on rejette
l’hypothèse nulle .

On rejette H un si z supérieur à z (⍺/2 (n-2)dl ou z inférieur à - z(⍺/2 (n-2)dl

Sachant que z=(b1 – β1) ÷ Sb1 si n-2 sup à 30 ; t=(b1 – β1) ÷ Sb1 si n-2 inf à 30
 La loi du x² (x=t ou z) suit une relation Asymétrique dont la forme dépend du
nombre de degrés de liberté.

Khi-deux : analyser entre des variables qualitatives.

Degré de liberté= (nbr ligne – 1)x(nbr collones-1)
Hypothèse nulle : l’indépendance des variables à caractère qualitatif
Prémisses du test khi : Chaque Effectifs théorique dans chacune des classes
ou cases jsp ≥5
Phi (Φ) : comparer 2 variables à 2 modalités
Indice V de cramer : Association sans contrainte de taille du tableau ;
mesurer dans quelle proportion une var qualitative indépendante influence
une var qualitative dépendante.

La statistique « V de cramer » : V ≥ 70 Relation très forte ; 0 ,5≤ V≤ 0,69

forte ; 0 ,3≤ V≤ 0,49 modérée ; 0,1≤ V≤ 0,29 faible ; 0,01≤ V≤ 0,09 très
faible ; V=0 relation nulle
Test shapio-wilks et le test Test kolmogorov-smirnov mesurent la
normalité de distribution des erreurs.

La moyenne de distribution de l’échantillonnage des moys égale à la

moyenne de la population.
Ei est le symbole de résidu-erreur empirique.
Population : l’ensemble des élements étudiés . Un échantillon est un sous-
ensemble des éléments étudiés .
Coefficient de skewness évalue le défaut de symétrie d’une distrubition . le
coefficient de kurtosis évalue la dispersion des valeurs extremes par
référence à la loi normale.
Un paramètre est une valeur numérique qui indique une chose sur l’étude de
toute la poplation .Une statistique indique une chose sur l’étude d‘un
échantillon.
Lorsque la variable dépendante est de nature qualitative on choisit le modele
de regression logistique.
Tris croisés consistent à mettre en relation les réponses à des questions
différentes pour rechercher quels critères jouent les uns sur les autres.Ils sont
essentiels pour affiner l’analyse des resultats.
 Université Hassan II Mohammedia – Casablanca
Ecole Nationale de Commerce et de Gestion
‫ﺍﻟﻤﺪﺭﺳﺔ ﺍﻟﻮﻁﻨﻴﺔ ﻟﻠﺘﺠﺎﺭﺓ ﻭﺍﻟﺘﺴﻴﻴﺮ ﺍﻟﺪﺍﺭ ﺍﻟﺒﻴﻀﺎء‬
Examen final (2019/2020)
Nom : ………………………………..…………………………………..…………………………………….…..……………………….…..… Note : ……………………………………………………….…..….…..…
Matière : Analyse de données.
Aucun document n’est autorisé. Prénom : …………………………………….……………….………..…………………………………….…..…

Pr. BOULAHOUAL Adil Numéro d’examen : …………………………………..…………………………………….

Durée : 1:30.
Exercice I :

1. Quelles sont les différences cruciales entre les méthodes de Non supervisée : la segmentation ; la supervisée : pour
prédiction et nécessite une variable output et un échantillon
classification supervisées et les non supervisées. d’apprentissage.
2. Dans le cadre de la régression linéaire, si la valeur 0 Dans le cadre la régression linéaire simple oui MAIS multiple
appartient à l’intervalle de confiance de la β0 nous non, il faut vérifier les autres β i. (il faut voir les autres
acceptons le modèle ou nous le rejetons ? justifiez. prédicteurs)

3. Qu’est-ce que l'homoscédasticité ? Une des prémisses de la régression linéaire qui devrait être
vérifiée avant de continuer l’analyse, qui signifie la
variance constante des erreurs.
4. A quoi sert le test de Durbin-Watson? et comment Vérifier l’indépendance des termes d’erreurs.
L’idéal qu’il soit égal à 2 et admissible entre 1 «et 3.
l’interpréter ?
5. L'intensité et/ou le signe de la relation entre une variable
X Y
indépendante et une autre dépendante peut être
influencé par une co-variable. Expliquer à travers un Z
schéma illustratif.
6. Faites une distribution d’échantillonnage des moyennes Nombre d’échantillons : 3
(4 ; 5) (4 ; 6) (5 ; 6) qui ont comme moyenne
sachant que la population est la suivante : {4;5;6}, et que la respectivement
taille de l’échantillon est de deux (2). 4,5 5 5,5 et la moyenne des moyennes est de 5.
Enquête approfondie réalisée périodiquement sur les
mêmes clients. S'appuyant sur des échantillons importants
7. Qu’est-ce que des panels ?
de 2 000 à 10,000 individus.
…
8. L'erreur systématique est : Due à l’échelle de mesure (manque de clarté de l'échelle, ,
due à sa longueur…..),
9. L’erreur aléatoire est : Elle est due aux aléas comme la fatigue, l’humeur du
répondant, etc.
Fischer est pour tester le modèle dans sa globalité alors
que le test t de student ou Z testent les prédicteurs c’est-à-
10. Qu’elle est la différence entre le test de « Fischer », le test
dire distinguer entre celle qui expliquent Y et les autres qui
« t » et le test « Z » ? n’expliquent pas. (selon taille ou ddl)
Vérifiez l’hypothèse nulle β1 = 0 et qui consiste à comparer le t
11. En quoi consiste le test d’hypothèse sur la β1 ? calculer au t tabulé. Rejeter H0 tc est sup au tt.
1 : linéarité du phénomène.
2 : homosedasticité
12. Citez brièvement les prémisses de la régression linéaire
3 :L’indépendance des termes d’erreur
multiple. 4 : La normalité de la distribution des termes
d’erreurs ;
5 : L’indépendance des variables exogènes (pas de
colinéarité)
13. Est-ce que le niveau de satisfaction explique le rendement ANOVAa
au seuil de 80% ? justifiez. Somme des Carré
Modèle carrés ddl moyen F Sig.
Au niveau de 80% oui parce que sigANOVA ≤ α 19 ,1% ≤ 20% (100% – 80%)
1 Régression 141071,479 2,119 ,191b
14. Calculez et interprétez le coefficient de détermination. Résidu 1130332,807
R2 = SCR / SCT = 141071,479 / 1271404,286 = 11%. 11% de de la variance du Total 1271404,286
la satisfaction est expliquée par a. Variable dépendante : Rendement
Prédicteurs : (Constante), Satisfaction

Ecole Nationale de Commerce et de Gestion de Casablanca, B.P. 2725, Beau site Ain Sebaâ - Casablanca - Maroc
Tel.: +212 5 22 66 08 52/ +212 5 22 66 06 95 | Fax: +212 5 22 66 01 43 | Email: [email protected] 1/6
www.encgcasa.ac.ma
15. Interprétez le modèle et écrivez le CA en fonction des Coefficients
variables explicatives. standardisés
Modèle B Bêta t Sig.
Nous ne pouvons pas écrire le modèle parce que la publicité est une variable
1 (Constante) 140,757 19,463 ,000
non explicative, elle devrait être retirée et l’analyse devrait être refaite.
recherche 13,084 ,811 31,645 ,000
publicité -,124 -,012 -,470 ,639
a. Variable dépendante : CA

16. Devons- nous accepter ou rejeter le modèle au seuil de Coefficients

a

confiance de 97% ? justifiez. Intervalle de confiance à

Nous devons l’accepter parce que lorsque le seuil de confiance baisse l’intervalle 99,0% pour B
Borne Borne
de confiance devient plus restreint est ainsi au seuil de 97%, zéro (0)
Modèle inférieure supérieure
n’appartiendrait plus à l’intervalle de confiance. (Les deux bornes seraient du
1 (Constante) 406,460 560,206
même signe Démotivation -2,244 ,
17. Analysez les résultats de l’AFE.
Indice de Kaiser-Meyer-Olkin pour la mesure de la ,838
Les données sont FACTORISABLES. qualité d'échantillonnage.
KMO ≥≥≥ 0.3 (seuil admis) Test de sphéricité de Bartlett Khi-deux 375,529
approx.
La signification du Test de sphéricité de Bartlett ≤≤≤≤ 5% : Les données
ddl 21
sont FACTORISABLES
Signification ,000
18. Proposez des noms pour les deux axes factoriels.
AXE I : esprit d’analyse Étudiant 2 .  Étudiant 7
 Étudiant 8
AXE I : idiotisme
19. Interprétez la matrice des composantes et décrivez les
étudiants :
Les six premiers items sont fortement corrélés a la première composante Étudiant 5 .
(coefficients structurels tous supérieur très élevés) les deux derniers sont Étudiant 1 .
corrélés à la deuxième (coefficients structurels très élevés) MAIS Étudiant 3 .
l’« émotion » devrait être ignorée ou retirée de l’analyse vu qu’elle est
corrélée à deux composantes à la fois (validité discriminante) Étudiant 4 .
Matrice des composantes a

Composante
1 2
Esprit d’analyse ,979 - Les étudiants 5 ; 1 ; 3 ; et
Ambition ,996 4 sont des analystes ont les
Charisme ,963 caractères de la première composante (Esprit d’analyse, Ambition, Charisme, Niveau d’éducation,
Niveau d’éducation ,996 Raison, Imagination)
Raison ,996 - Les élements 2 et 7 sont des paresseux ont les caractères de la deuxième composante.
Imagination ,998
Emotions ,985 ,896
Paresse ,997 PS : Le nombre d’observations est inférieur à 50 et aucune analyse ne pourrait être exécutée.
Idiotisme ,989
20. interprétez les grandeurs soulignées.
Bêta : Lorsque « le niveau perception de sureté des achats sur net » augmente de son écart type « la fréquence d’achat » augmente de son écart
type x ,978.
T : t calculé est de 176,692, il faut le comparer au t tabulé de student. (test student ou test d’hypothèse.)
Tolérance : test la colinéarité, il est excellent et d’ailleurs nous n’avons qu’une seule variable indépendante donc c’est évident de ne pas avoir de
colinéarité.
21. Estimez la fréquence d’achat au seuil de 95%
Avec quelle fréquence achetez-vous sur Internet = ,028+ ,969* Je pense que faire des achats sur Internet est sûr.
Avec quelle fréquence achetez-vous sur Internet = ,095 + ,991* Je pense que faire des achats sur Internet est sûr.
Nous n’avons pas de valeur de la variable indépendante pour l’estimer !!!!!
Coefficients
Coefficients non standardisés standardisés
Modèle B Erreur standard Bêta t
1 (Constante) ,062 ,017 3,582
Je pense que faire des achats sur ,980 ,006 ,978 176,692
Internet est sûr.

Borne inférieure Borne supérieure

Modèle sig 95% 95% Tolérance
1 (Constante) ,000 ,028 ,095
Je pense que faire des achats sur ,000 ,969 ,991 1,000
Internet est sûr.

……z a. Variable dépendante : Avec quelle fréquence achetez-vous sur Internet?

Ecole Nationale de Commerce et de Gestion de Casablanca, B.P. 2725, Beau site Ain Sebaâ - Casablanca - Maroc
Tel.: +212 5 22 66 08 52/ +212 5 22 66 06 95 | Fax: +212 5 22 66 01 43 | Email: [email protected]
www.encgcasa.ac.ma 2/6
22. L’objectif de l’étude est prendre une décision à propos de la société X voulant contracter un CMT (crédit
à moyen terme). Coefficients non standardisés
Résultats du test Fonction 1
M de Box 1,186
R05 ,009
F Approximativement 8,434
R08 -,066
ddl1 28
R09 4,562
ddl2 6805,124
R10 ,418
Signification 1,000
R11 ,006
Test l'hypothèse nulle d'égalité de matrices de
covariance des populations. R12 2,535
R14 ,260

(Constante) -,796

Le score critique : (-1,760 + 1,548)/2 = -0,106

La règle de décision :
Octroyer le crédit si le score de l’entreprise X est supérieur au score critique.
La fonction discriminante :

Y = -,796 + 0,009xR05 -,066x R08 + 4,562x R09 + ,418x R10 + ,006xR11 + 2,535x R12 +,260xR14

La décision : oui accorder le crédit.

Justificatif : le score de l’entreprise x est de 1,875 est supérieur au score critique -0,106
PS : la bonne réponse : la signification de M de BOX supérieur à α (5%) l’analyse doit
s’arrêter.

Ratios R01 R02 R04 R05 R07 R08 R09 R10 R11 R12 R14
E/se X 10,764 479 5,765 0,10 0,10 0,010 0,10 0,00 0,010 0,010 10

Fonctions aux barycentres des groupes

E/se Scores moyens

Défaillante -1,760
Saine 1,548
Exercice II :
1- Les principales applications des équations structurelles sont regroupées dans le tableau sur la feuille de
réponses ainsi que l’objectif de chacune d’elles. Complétez le tableau.

Objectifs opérationnels Techniques et démarches adoptées

Rhô de Jöreskog.
Rhô de validité convergente.
Validation d’une échelle de Test de la validité discriminante.
mesure
Vérification de la validité nomologique ou prédictive.

Identification de
l’importance des
effets médiateurs dans le Test de Sobel. Procédure de bootstrap (avec simulation de
modèle. Monte Carlo).

Ecole Nationale de Commerce et de Gestion de Casablanca, B.P. 2725, Beau site Ain Sebaâ - Casablanca - Maroc 3/6
Tel.: +212 5 22 66 08 52/ +212 5 22 66 06 95 | Fax: +212 5 22 66 01 43 | Email: [email protected]
www.encgcasa.ac.ma
 2- Selon Hoyle (1995), la modélisation par les équations structurelles représente « une approche statistique
globale permettant de tester des hypothèses traitant des relations entre les variables observées et les
variables latentes ». L’élaboration d’un modèle d’équations structurelles rend nécessaire le suivi d’une
démarche composée d’un ensemble d’étapes successives. Citez-les et développez l’objectif de chaque
étape.

- Citez ici les étapes 1 : La spécification du modèle

de l’élaboration 2: L’identification du modèle
d’un modèle 3 : L’estimation du modèle
d’équations 4 : L’évaluation du modèle
structurelles
5 : La respécification du modèle
- La spécification
La spécification du modèle à étudier consiste à préciser ses principales caractéristiques
en se basant sur la théorie
cette étape contribue de manière effective à la formulation des hypothèses de
recherche.

- Respécification du
modèle. La respécification du modèle représente une phase de réflexion qui offre l’opportunité
de reconsidérer la conception du modèle et d’en proposer des modifications éventuelles,
en tenant compte du cadre théorique de la recherche en question
A titre d’exemple, il serait possible d’ajouter ou de supprimer des paramètres, de fixer
ou de modifier des contraintes, etc.

3- Votre directeur vous demande de mesurer le niveau d’ambition moyen des employés.

Précisez les étapes à suivre.

Recherche documentaire
Revue de littérature
Entretien
Élaborer une échelle de mesure, vue que la variable est subjective ou latente il faut faire
appel au paradigme de Churchill pour approcher la vraie valeur (M = V + Es + Ea)
M : Mesure obtenue
V : Vraie valeur
Es : Erreur systématique
Ea : Erreur aléatoire
Nous devrions faire appel à l’AFE ou l’ACP pour valider l’échelle de mesure

Ecole Nationale de Commerce et de Gestion de Casablanca, B.P. 2725, Beau site Ain Sebaâ - Casablanca - Maroc 4/6
Tel.: +212 5 22 66 08 52/ +212 5 22 66 06 95 | Fax: +212 5 22 66 01 43 | Email: [email protected]
www.encgcasa.ac.ma
 Université Hassan II Mohammedia – Casablanca
Ecole Nationale de Commerce et de Gestion
‫ﺍﻟﻤﺪﺭﺳﺔ ﺍﻟﻮﻁﻨﻴﺔ ﻟﻠﺘﺠﺎﺭﺓ ﻭﺍﻟﺘﺴﻴﻴﺮ ﺍﻟﺪﺍﺭ ﺍﻟﺒﻴﻀﺎء‬
Examen final (2019/2020) Nom : ………………………………..………………………………………………………………..…………………………………….…..… …….…..… Note : …………………………………………..………

Matière : Analyse de données.

Aucun document n’est autorisé. Prénom : ………………………………..………………………………………………………………..…………………………………….…..… …….…..…

Pr. BOULAHOUAL Adil Numéro d’examen : …………………………………………..………

EXERCICE III
1- Voulant établir un modèle conceptuel en matière de capacité d’innovation, basé sur les facteurs que
sont le leadership, le réseautage externe et l’innovation. Nous avons formulé une série d’hypothèses:

- Les facteurs d’innovation et le réseautage externe sont tous deux positivement associés à la capacité
d’innovation autoproclamée ;
- Les types de leadership qui sont favorables à l’innovation sont positivement associés aux facteurs que
sont la capacité d’innovation autoproclamée, le réseautage et l’innovation ;
- Les facteurs d’innovation sont positivement associés au réseautage.
La Figure ci-après et le tableau au-dessous présentent les résultats finaux de l’analyse.

TAF : Testez les hypothèses et interprétez les différents indicateurs.

Mesures CFI NFI TLI IFI RMSEA CMIN/df GFI

Modèle SEM 0,998 0,997 0,952 0,998 0,075 2,818 0,998
Modèle testé appliqué à des sous­échantillons (groupes de villes):
Barcelone 0,987 0,981 0,722 0,989 0,158 2,320 0,988
Copenhague 0,997 0,995 0,940 0,997 0,089 2,081 0,996
Rotterdam 1,0 0,999 1,0 1,0 0,00 0,300 0,999

Effets directs, scores standardises a partir des modelés par équation structurelle.
Capacité GV DU ENTREPRENEURIAL TRANSFORMA­ ALTRUISTE FACTEURS RESEAUT­
D’innovation RESEAU TIONNEL D’INNOVATION AGE
autoproclamée
Echantillon complet 0,25 0,17 0,16 −0,10 0,02 0,05
Barcelone 0,40 −0,15 0,34 −0,18 0,08 0,07
Copenhague 0,35 0,13 0,20 −0,07 −0,01 0,03
Rotterdam 0,25 0,33 0,10 0,08 0,04
−0,17

5/6
………………………………………………………………………………………………………………………………………………...…………………………………………………………………………………………………………………………………………………...……...

………………………………………………………………………………………………………………………………………………………………...…………………………………………………………………………………………………………………………………………

………...……...…………………………………………………………………………………………………………………………………………………………………...………………………………………………………………………………………………………………………

…………………………...……...…………………………………………………………………………………………………………………………………………………………………...……………………………………………………………………………………………………

……………………………………………...……...………………………………………………………………………………………………………………………………………………………………...……………………………………………………………………………………

……………………………………………………………...……...…………………………………………………………………………………………………………………………………………………………………...…………………………………………………………………

………………………………………………………………………………...……...…………………………………………………………………………………………………………………………………………………………………...………………………………………………

…………………………………………………………………………………………………...……...………………………………………………………………………………………………………………………………………………………………...………………………………

…………………………………………………………………………………………………………………...……...…………………………………………………………………………………………………………………………………………………………………...……………

……………………………………………………………………………………………………………………………………...……...………………………………………………………………………………………………………………………………………………………………

…...…………………………………………………………………………………………………………………………………………………...……...……………………………………………………………………………………………………………………………………………

………...……...…………………………………………………………………………………………………………………………………………………………………...………………………………………………………………………………………………………………………

…………………………...……...…………………………………………………………………………………………………………………………………………………………………...……………………………………………………………………………………………………

……………………………………………...……...………………………………………………………………………………………………………………………………………………………………...……………………………………………………………………………………

……………………………………………………………...……...…………………………………………………………………………………………………………………………………………………………………...…………………………………………………………………

………………………………………………………………………………...……...…………………………………………………………………………………………………………………………………………………………………...………………………………………………

…………………………………………………………………………………………………...……...………………………………………………………………………………………………………………………………………………………………...………………………………

…………………………………………………………………………………………………………………...……...…………………………………………………………………………………………………………………………………………………………………...……………

……………………………………………………………………………………………………………………………………...……...………………………………………………………………………………………………………………………………………………………………

…...…………………………………………………………………………………………………………………………………………………...……...……………………………………………………………………………………………………………………………………………

………...……...…………………………………………………………………………………………………………………………………………………………………...………………………………………………………………………………………………………………………

…………………………...……...…………………………………………………………………………………………………………………………………………………………………...……………………………………………………………………………………………………

……………………………………………...……...………………………………………………………………………………………………………………………………………………………………...……………………………………………………………………………………

……………………………………………………………...……...…………………………………………………………………………………………………………………………………………………………………...…………………………………………………………………

………………………………………………………………………………...……...…………………………………………………………………………………………………………………………………………………………………...………………………………………………

…………………………………………………………………………………………………...……...………………………………………………………………………………………………………………………………………………………………...………………………………

…………………………………………………………………………………………………………………...……...…………………………………………………………………………………………………………………………………………………………………...……………

……………………………………………………………………………………………………………………………………...……...………………………………………………………………………………………………………………………………………………………………

…...…………………………………………………………………………………………………………………………………………………...……...……………………………………………………………………………………………………………………………………………

………...……...…………………………………………………………………………………………………………………………………………………………………...………………………………………………………………………………………………………………………

…………………………...……...…………………………………………………………………………………………………………………………………………………………………...……………………………………………………………………………………………………

……………………………………………...……...………………………………………………………………………………………………………………………………………………………………...……………………………………………………………………………………

……………………………………………………………...……...…………………………………………………………………………………………………………………………………………………………………...…………………………………………………………………

………………………………………………………………………………...……...…………………………………………………………………………………………………………………………………………………………………...………………………………………………

…………………………………………………………………………………………………...……...………………………………………………………………………………………………………………………………………………………………...………………………………

…………………………………………………………………………………………………………………...……...…………………………………………………………………………………………………………………………………………………………………...……………

……………………………………………………………………………………………………………………………………...……...………………………………………………………………………………………………………………………………………………………………

…...…………………………………………………………………………………………………………………………………………………...……...……………………………………………………………………………………………………………………………………………

………...……...…………………………………………………………………………………………………………………………………………………………………...………………………………………………………………………………………………………………………

…………………………...……...…………………………………………………………………………………………………………………………………………………………………...……………………………………………………………………………………………………

……………………………………………...……...………………………………………………………………………………………………………………………………………………………………...……………………………………………………………………………………

……………………………………………………………...……...…………………………………………………………………………………………………………………………………………………………………...…………………………………………………………………

………………………………………………………………………………...……...…………………………………………………………………………………………………………………………………………………………………...………………………………………………

6/6
Analyse de Données : famille de méthodes statistiques dont les
principales caractéristiques sont d'être multidimensionnelles et descriptives,
permet de traiter un nombre très important de données et de dégager les
aspects intéressants de la structure de celles-ci.
Etude Quantitative : consiste à rechercher des infos chiffrées quantifiables et
des données statistiques
Etude Qualitative : consiste à collecter et analyser des infos permettant
d'expliquer des faits, des opinions, des comportements...
Ad-Hoc : Etude quanti ou quali réalisée pour le compte d'un seul client
Omnibus : Etude quanti réalisée à date régulière, le questionnaire utilisé
regroupe l'ensemble des questions de différents souscripteurs
Baromètre : réalisée à date fixe, le questionnaire ne change pas d'une étude à
l'autre et pour le compte d'un seul ou plusieurs clients
Panel : enquête approfondie, réalisée périodiquement sur les mêmes clients,
avec 2.000 à 10.000 individus (pseudo=diff. clients)
Marché-test : étude quanti visant à prévoir les ventes et les parts de marché
des nouveaux produits
Entretien individuel : a pour objet de recueillir le discours individuel : entretien
directif/non directif/semi-directif/associatif ou projectif
Réunion de groupe : étude quali libre et non structurée d'un groupe de 8 à 12
participants, conduite par un animateur ; discours repose sur les phénomènes
de psychologie collective des groupes restreints. (logique exploratoire)
Etudes descriptives : ont pour but de créer des structures décrivant les
caractéristiques d'une ppl cible ou marché
Etudes explicatives : ont pour but de transformer des données brutes en
structures ou en modèles mathématiques expliquant les relations de cause à
effet entre les variables
Etudes prédictives : ont pour but de transformer les données brutes collectées
sur les caractéristiques comportementales des consos, e/ses, marchés etc. pour
prédire certaines variables
Données primaires : sont collectées pour la 1ère fois pour résoudre
le problème propre à l'étude
Données secondaires : sont d'accès facile, peu coûteuses, à faible VA,
abondantes et devraient être examinées et consultées avant d'être
collectées
Variable : expression des différents états ou valeurs observés dans la
population ;
• Variables quali : (Modalité) peuvent être ordinales ou
nominales
• Variables quanti : (Occurrence) peuvent être continues ou
discrètes
Echelle de mesure : transformer les questions en mise en situation, a
pour objet de fournir au répondant un support d'expression de
phénomènes abstraits, subjectifs et complexes à mesurer facilement.
➢ Nominale : chacune des modalités sont équivalentes aux autres,
les modalités sont codifiés
➢ Ordinale : l'ensemble des modalités suivent un ordre sous-
jacent
➢ Métrique : permet de comparer la distance entre les objets et
les modalités par des espaces équidistants
▪ Osgood : mesure la qualité (1-5)
▪ Likert : L'accord du consommateur (1-5)
▪ Intention : intention d'achat
Relation médiatrice : variable intermédiaire qui permet de mesurer
l'effet de la var indép sur la var dép
Relation modératrice : une variable qui peut influencer l'intensité ou
le signe de la relation entre X et Y en décomposant l'éch en sous-éch
Mesurer à l'aide du questionnaire :
Conditions de forme : types de questions, style de rédaction
Conditions de fond : validité/fiabilité
1/échelle de mesure : obtenir une mesure parfaite pour réduire les erreurs
Erreur aléatoire : dépend des circonstances de mesure, due aux aléas tels que
la fatigue du répondant, l'humeur etc.
Erreur systématique : dépend aux instruments de mesure, due au manque de
clarté du questionnaire ou d'échelle, la longueur etc.
2/Mesurer :
Modèle de vraie valeur : consiste à décomposer le résultat d'une mesure en ses
diff éléments : la VV et les termes d'erreur Ea/Es ;
M (Mesure obtenue) = VV + Es + Ea
3/Validation du questionnaire :
Fiabilité : avoir les mêmes résultats si on refait l'analyse dans les mêmes
conditions ; sinon Ea
Validité : mesurer ce qu'on cherche à mesurer
• V. interne :
o V. convergente : Tous les items appartenant au même construit
doivent mesurer la même chose
o V. discriminante : supprimer les vars corrélées à 2 composantes
à la fois
• V.externe : tous les éléments doivent être pris en considération en
répondant aux questionnaires
4/méthodes d'analyse
L’ADD est une clé d'accès à la prise de décision à partir d'infos fiables et valides
déjà existantes.
L’analyse uni-variée : consiste à examiner la distribution des modalités de
réponse pour une variable
L'analyse bi-variée : consiste à étudier les relations entre deux variables
L'analyse multi variée : permet de dépasser les techniques précédentes
Statistique : ensemble des méthodes mathématiques qui à partir du
recueil et de l'analyse des données réelles permettent l'élaboration de
modèles probabilistes autorisant les prévisions.
Stat descriptive : décrire un ou + paramètres d'une population
Stat probabiliste : utilisation des lois usuelles
Stat inférentielles : ensemble de méthodes qui permettent l'extrapolation
des résultats qu'on a trouvé dans la stat descriptive (échan. /Estim.)
• Population : ensemble d'individus sur lesquels porte l'étude stat
• Échantillon : sous ensemble de la population
• Items : ensemble de var qui mesurent la même chose
• Construits : ensemble d'items
• Paramètre : critère utilisé pour décrire une population
Description d'une variable quali : Présenter les effectifs, les fréquences
relatives à chaque modalité + graph
Description d'une var quanti :
Mesures de tendance centrale : résumer la série d'observations par une
valeur considérée comme représentative.
• Moyenne : le centre des observations
∑ 𝑋𝑖
o Arithmétique : permet de trouver le point central 𝑋̅=
𝑛
∑ 𝐿𝑜𝑔(𝑋𝑖)
o Géométrique : calculer le taux moyen log⁡(𝑋̅)=
𝑛
1
1 ∑
𝑋𝑖
o Harmonique : calculer le rapport moyen (plus précise) =
𝐻 𝑛
Σ𝑋𝑖²
o Quadratique : calculer la variance 𝑄 2 = ⁡
𝑁
• Médiane : La valeur qui partage la série en 2 groupes égaux
o réelle : existe dans la série
o artificielle : ne fait pas partie de la série (12, 15, 16, 18)
o sans médiane : ex : (12, 13, 14, 14, 15, 16, 17)
• Mode : la valeur la plus fréquente/redondante
Mesures de dispersion :
• Etendue : Xmax - Xmin
• Variance : mesure de dispersion autour de la moyenne
1
o discrète : 𝑆 2 = Σ⁡𝑥𝑖 2 − 𝑋̅ ²⁡
𝑛
1
o continue : 𝑆 2 = Σ⁡𝑟𝑖(𝑐𝑖 − 𝑋̅)²
𝑛
• Ecart-type : mesure la dispersion en moyenne autour de la
moyenne
• Coefficient de variation : indicateur approprié pour comparer
plusieurs sous-échantillons, en terme de dispersion 𝐶𝑉 =
𝑆
⁡ ̅ × 100
𝑋

(si >= 30% dispersés sinon homogènes)

Mesures de distribution :
• coefficient de symétrie Skewness : mesure l'asymétrie d'une
distribution
• S=0 : Distribution normale
• S>1 : Distribution asymétrique à droite
• S<1 : Distribution asymétrique à gauche
• Coefficient d'aplatissement Kurtosis :
• K=0 : Distribution normale
• K<0 : les queues comptent un plus grand nombre
d'observations que dans une distribution gaussienne
• S<1 & K<1,5 : Suit une loi normale

Corrélation partielle : Consiste à quantifier et étudier la relation entre

X et Y en relevant l'élément médiateur
Corrélation multiple : consiste à mesurer la force de relation entre X
et Y
Régression : méthode statistique qui vise à expliquer et prédire une var dépendante par une ou
plusieurs vars indépendantes.

RLS : expliquer/estimer, prédire la valeur d'une var dépendante par un ensemble de vars
indépendante quantitatives explicatives

Régression Logistique : quand la var est quali. 2 modalités = binaire, sinon multinominale

Régression discriminante : comme la R Logi mais exige la normalité de la distribution des variables

Etapes de la RLS :

1/spécification du modèle : Tracer le nuage de point ou le diagramme de dispersion pour

soupçonner l'existence d'une relation linéaire entre X et Y

2/validation du modèle : Mesures possibles pour quantifier l'intensité de la relation entre X et Y

• 1_Coefficient de corrélation : Mesure la force du lien entre 2 variables. r=1 : varient dans le
même sens, r=-1: sens inverse, r=0 pas de corrélation linéaire, r>=0,7 très forte
(Non linéarité=/=Non Liaison)
• 2_Coefficient de détermination : la part de variance de Y expliquée par la variance de X.
(SCRés/SCTotal)
• 3_Covariance : vise à quantifier l'écart entre les vars
• 4_Analyse de l'ANOVA:
• SigANOVA<=α, on accepte.
• SigANOVA>=50% auto-reject

Fischer : SCReg/SCRés ; Fischer calculé >F Théorique  Lien

Erreur-Type : La dispersion de la moyenne des moyennes

Résidu=Erreur Empirique=Ecart de prévision : Diff entre V.Obs et V.Estim

3/Estimation des paramètres:

• La méthode de la vraisemblance
• La méthode des moindres carrés: méthode qui permet de tracer une droite qui minimise les
écarts et les résidus.
o Droite théorique: droite qui passe par tout les points; impossible donc on trace une
droite empirique
o Droite empirique: Minimise les écarts
▪ B0 et B1; coefficients théoriques de la régression.

4/Test des hypothèses : Vérifier si B1=/=0

Deux tests sont couramment utilisés : t ou z; ou F. Les deux test nécessitent une estimation de Se², la
variance des erreurs "e" du modèle de régression

Etapes d'un test z ou t :

▪ 1/Enoncer les hypothèses H0 et H1 (H0:B1=0 et H1:B1=/=0)

▪ 2/Préciser les conditions du test:
o La population des erreurs est normale
o La variance résiduelle est inconnue
o Le niveau de signification
 o si n-2>=30; loi normale, sinon loi student.
▪ 3/Calculer la statistique du test
▪ 4/Trouver la région critique au niveau de signification α

Conditions d'application de la régression :

▪ 1/La linéarité du phénomène mesuré

▪ 2/La variance constante du terme d'erreur ou homoscédasticité
▪ 3/L'indépendance des termes d'erreur
▪ 4/La normalité de la distribution du terme d'erreur

RLM : a pour but d'écrire Y en fonction de plusieurs X.

Etapes de la RLM :

1- La validation du modèle : Est-ce que les X sont significatives pour expliquer la variance de Y.
SigAnova > α Rejeter ; sinon il existe au moins une var significative.

2- Estimation des paramètres : SigAnova>α on rejette

SigAnova<α et SigVars<α on accepte

SigAnova<α et SigVars<α sauf une, on la supprime et on refait

l'analyse.

SigAnova<α et SigVars<α sauf deux, si elles sont corrélées (r>0,5)

eliminer l'une des deux et les remplacer par leur moyenne sinon on refait l'analyse.

3- Vérification des prémisses de la RL :

▪ ANOVA
▪ VIF : Facteur d'inflation de la variance. On cherche B≈1; si B=10 problème de
colinéarité

Si la corrélation entre deux Var indep (X1, X2) se situe à 0,9/-0,9 elle mesurent la même chose.

Ajustement du modèle: La corr entre Y et toutes les X (R≈1 = bien)

Evaluation de la performance: R²: %de variabilité de Y expliqué par toutes les X

R² Ajusté: pour comparer entre 2 modèles qui contiennent un nombre

élevé de variables

L’erreur standard: nous renseigne sur la variabilité du coefficient

dans la population

La signification de t nous permet de savoir si Bêta est différent de 0

Beta: Indique le sens de la relation. (Lorsque X augmente de l'Ecart type, Y augmente de l'Ecart
type*Beta)
Analyse Bi-Variée : La description des variables et leurs relations relève une série de
questions qu'on doit approcher 2 à 2 dans cette analyse.
Tris Croisés: permettent d'examiner les relations entre deux ou plusieurs variables en
rassemblant dans un tableau unique les distributions de fréquences ou d'effectifs de
deux ou plusieurs variables.
Test Khi-deux : cherche à tester l'indépendance des variables qualitatives présentées
dans un tableau croisé ; en comparant la distribution observée Oij à celle Théorique
Tij qui correspond à l'hypothèse selon laquelle les deux variables sont indépendantes.
(𝑂𝑖𝑗 − 𝑇𝑖𝑗)²
𝑋2 = Σ
𝑇𝑖𝑗
Procédure :
1-Emission des Hypothèses : H0/H1
2-Règle de décision : X²c>X²th ==> Rejeter H0/Accepter H1 avec X²th = X²[α;(r-
1)(c-1)]
Condition : Chaque case du tableau devrait avoir un effectif théorique au moins égal
à 5.
Interprétation : Comme l'ANOVA
Indicateurs :
Coefficient phi Ø : Dans le cas des tableaux 2x2, il est recommandé d'appliquer une
𝑋²
correction du X², ou d'utiliser le coefficient Ø = √
𝑛

Coefficient de Contingence : appliqué pour des mesures d'association sans contrainte

𝑿²
de taille de tableau C=√
𝑿𝟐 +𝒏

Coefficient d'association prédictive (lambda): mesurer dans quelle proportion une

variable quali indépendante influence une variable quali dépendante
Indice V de cramer : mesurer la force de la relation entre les deux variables 𝑽⁡ =
𝑋²
⁡√ [L=min. des lignes et des colonnes du tableau]
𝑛(𝐿−1)

Analyse Exploratoire Factorielle : permet de décrire un phénomène de manière

synthétique, les variables sont considérées chacune par rapport aux autres ; utilisée
pour la validation d'un questionnaire ou d'une échelle de mesure et la segmentation
(Regroupement des éléments qui se ressemblent)
Conditions de l’AFE :
1-Taille de l’échantillon :
Il faut un minimum de 5 observations par item (un ratio de 10 pour 1 est préférable),
le nombre total d'observations doit être d'au moins 50 et il est souhaitable
d'interroger au moins 100 individus.
2-L'adéquation des données : il faut s'assurer que les données sont factorisables,
Measure of Sampling Adequacy ou Kaiser-Meyer-Olkin; KMO>0.3; Préferable>0.7
3-Le critère du pourcentage de variance : s'assurer que l'ensemble des facteurs
retenus explique une quantité significative de variance en dépassant un certain seuil
fixé au préalable (V Expliquée>60%)
4-L'extraction des facteurs : ACP [Quanti]/ACM Quali]
Valeur Propre des composantes >1 sinon on la retire.
5-L'épuration d'une échelle de mesure se fait en deux temps :
Communalité>50%, 50% de la variance de l'item est expliquée par les facteurs ;
éliminer<50%
Coeff Structurel>50%, éliminer items avec CS>50% dans plusieurs composantes.
Rotation des facteurs : permet de changer l'angle de vue sans déformer
l'information, et cela en faisant tourner le système d'axe en minimisant la distance
entre les variables et les axes de telle sorte que chaque item initial ne soit fortement
corrélé qu'à un seul facteur.
Méthodes de rotation :
Orthogonale : Aucune rotation (90°)
Varimax : Rotation orthogonale qui minimise le nombre de variables ayant de fortes
corrélations sur chaque facteur
Oblimin direct : Rotation oblique, c'est-à-dire dans laquelle les axes se positionnent
en fonction des items et ne sont donc pas orthogonaux
Quartimax : Méthode qui minimise le nombre de facteurs requis pour expliquer
chaque variable
Equamax : Méthode de rotation qui minimise à la fois le nombre de variables qui
pèsent fortement sur un facteur et le nombre de facteurs requis pour expliquer une
variable