0% ont trouvé ce document utile (0 vote)

59 vues54 pages

IBM SPSS Complex Samples

Transféré par

Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.

Formats disponibles

Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

0% ont trouvé ce document utile (0 vote)

59 vues54 pages

IBM SPSS Complex Samples

Transféré par

prof Kadari

Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.

Formats disponibles

Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

IBM SPSS Complex Samples 28

IBM
Important
Avant d'utiliser le présent document et le produit associé, prenez connaissance des informations
générales figurant à la section «Remarques», à la page 41.

Notice d'édition
La présente édition s'applique à la version 28.0.0 d'IBM® SPSS Statistics et à toutes les éditions et modifications
ultérieures sauf mention contraire dans les nouvelles éditions.
© Copyright International Business Machines Corporation .
Table des matières

Chapitre 1. Echantillons complexes........................................................................1

Introduction aux procédures d'échantillons complexes............................................................................ 1
Propriétés des échantillons complexes................................................................................................. 1
Utilisation des procédures Echantillons complexes..............................................................................2
Références supplémentaires................................................................................................................. 2
Echantillonnage depuis un plan complexe..................................................................................................3
Création d'un plan d'échantillonnage.................................................................................................... 3
Assistant d'échantillonnage : Variables du plan.................................................................................... 3
Assistant d'échantillonnage : Méthode d'échantillonnage....................................................................4
Assistant d'échantillonnage : Taille de l'échantillon..............................................................................5
Assistant d'échantillonnage : Variables destination..............................................................................6
Assistant d'échantillonnage : Récapitulatif du plan.............................................................................. 6
Assistant d'échantillonnage - Réaliser un échantillon : Options de sélection......................................6
Assistant d'échantillonnage - Réaliser un échantillon : Fichiers de sortie........................................... 7
Assistant d'échantillonnage : Fin........................................................................................................... 7
Modification d'un plan d'échantillonnage existant................................................................................ 7
Assistant d'échantillonnage : Récapitulatif du plan.............................................................................. 7
Exécution d'un plan d'échantillonnage existant.................................................................................... 8
Fonctions supplémentaires des commandes SPLAN et CSSELECT......................................................8
Préparation d'un échantillon complexe en vue d'une analyse .................................................................. 8
Création d'un plan d'analyse.................................................................................................................. 8
Assistant de préparation d'analyse : Variables du plan........................................................................ 9
Assistant de préparation d'analyse : Méthode d'estimation................................................................. 9
Assistant de préparation d'analyse : Taille.......................................................................................... 10
Assistant de préparation d'analyse : Récapitulatif du plan.................................................................11
Assistant de préparation d'analyse : Fin..............................................................................................11
Modification d'un plan d'analyse existant........................................................................................... 11
Assistant de préparation d'analyse : Récapitulatif du plan.................................................................11
Plan d'échantillonnages complexes.......................................................................................................... 11
Echantillons complexes - Effectifs............................................................................................................ 12
Statistiques de fréquences des échantillons complexes....................................................................12
Valeurs manquantes d'échantillons complexes..................................................................................13
Options d'échantillons complexes.......................................................................................................13
Echantillons complexes - Caractéristiques...............................................................................................13
Statistiques des descriptifs des échantillons complexes................................................................... 14
Valeurs manquantes des descriptifs d'échantillons complexes.........................................................14
Options d'échantillons complexes.......................................................................................................15
Tableaux croisés des échantillons complexes..........................................................................................15
Statistiques de tableaux croisés d'échantillons complexes............................................................... 15
Valeurs manquantes d'échantillons complexes..................................................................................16
Options d'échantillons complexes.......................................................................................................17
Echantillons complexes - Rapports...........................................................................................................17
Echantillons complexes – Rapports : Statistiques.............................................................................. 18
Echantillons complexes – Rapports : Valeurs manquantes................................................................18
Options d'échantillons complexes.......................................................................................................18
Modèle linéaire général des échantillons complexes...............................................................................18
Modèle linéaire général des échantillons complexes......................................................................... 19
Modèle linéaire général des échantillons complexes - Statistiques.................................................. 20
Tests d'hypothèse des échantillons complexes.................................................................................. 20
Modèle linéaire général des échantillons complexes - Moyennes estimées..................................... 21
Modèle linéaire général des échantillons complexes - Enregistrement.............................................21

iii
Modèle linéaire général des échantillons complexes - Options......................................................... 22
Fonctions supplémentaires de la commande CSGLM.........................................................................22
Régression logistique des échantillons complexes.................................................................................. 22
Régression logistique des échantillons complexes - Catégorie de référence....................................23
Modèle de régression logistique des échantillons complexes........................................................... 23
Régression logistique des échantillons complexes - Statistiques......................................................24
Tests d'hypothèse des échantillons complexes.................................................................................. 25
Régression logistique des échantillons complexes - Rapports des cotes..........................................25
Régression logistique des échantillons complexes - Enregistrement................................................ 25
Régression logistique des échantillons complexes - Options.............................................................26
Fonctions supplémentaires de la commande CSLOGISTIC................................................................27
Régression ordinale des échantillons complexes.....................................................................................27
Probabilités des réponses de régression ordinale des échantillons complexes................................28
Modèle de régression ordinale des échantillons complexes.............................................................. 28
Régression ordinale des échantillons complexes - Statistiques........................................................ 29
Tests d'hypothèse des échantillons complexes.................................................................................. 29
Régression ordinale des échantillons complexes - Rapports des cotes............................................ 30
Régression ordinale des échantillons complexes - Enregistrement...................................................30
Régression ordinale des échantillons complexes - Options............................................................... 31
Fonctions supplémentaires de la commande CSORDINAL................................................................ 32
régression de Cox des échantillons complexes........................................................................................ 32
Définition d'un événement .................................................................................................................. 34
Prédicteurs .......................................................................................................................................... 34
Sous-groupes .......................................................................................................................................35
Modèle ................................................................................................................................................. 35
Statistiques ..........................................................................................................................................35
Tracés ...................................................................................................................................................36
Tests d'hypothèse ................................................................................................................................37
Enregistrer ........................................................................................................................................... 37
Exportation .......................................................................................................................................... 38
Options .................................................................................................................................................39
Fonctions supplémentaires de la commande CSCOXREG.................................................................. 40

Remarques..........................................................................................................41
Marques......................................................................................................................................................42

Index.................................................................................................................. 45

iv
Chapitre 1. Echantillons complexes

Les fonctions d'échantillonnage complexes suivantes sont incluses dans SPSS Statistics Premium Edition
ou l'option Echantillons complexes.

Introduction aux procédures d'échantillons complexes

Les procédures d'analyse effectuées dans les packs logiciel traditionnels se basent sur les observations
d'un fichier de données qui ne représentent qu'un échantillon aléatoire simple de la population ciblée. De
nombreuses entreprises et de nombreux chercheurs trouvent cela insuffisant et estiment qu'il est plus
économique et pratique d'obtenir des échantillons de façon plus structurée.
L'option Echantillons complexes vous permet de sélectionner un échantillon en fonction d'un plan
complexe et d'incorporer les spécifications de plan dans l'analyse de données, garantissant ainsi la
validité des résultats.

Propriétés des échantillons complexes

Un échantillon complexe peut différer d'un échantillon aléatoire simple de plusieurs façons. Dans un
échantillon aléatoire simple, des unités d'échantillonnage individuelles sont sélectionnées aléatoirement
à probabilité égale et sans remplacement (WOR), directement dans la population entière. A l'opposé, un
échantillon complexe spécifique peut avoir une partie ou la totalité des fonctions suivantes :
Stratification : Un échantillonnage stratifié nécessite de sélectionner des échantillons indépendamment
dans des sous-groupes de population ou des strates qui ne se chevauchent pas. Par exemple, les strates
peuvent être des groupes socioéconomiques, des catégories d'emploi, des groupes d'âge ou des groupes
ethniques. La stratification vous garantit des tailles d'échantillons adéquates pour les sous-groupes
d'intérêt, améliore la précision des estimations globales et permet d'utiliser différentes méthodes
d'échantillonnage strate par strate.
Classification : L'échantillonnage en cluster nécessite la sélection de groupes d'unités d'échantillonnage
ou de clusters. Par exemple, les clusters peuvent être des écoles, des hôpitaux ou des zones
géographiques, et les unités d'échantillonnage peuvent être des étudiants, des patients ou des habitants.
La classification est commune dans les plans à plusieurs phases et dans les échantillons de zones
(géographiques).
Phases multiples : Dans un échantillonnage à plusieurs phases, vous sélectionnez un échantillon de
première phase basé sur les clusters. Vous créez ensuite un échantillon de deuxième phase en créant des
sous-échantillons à partir des clusters sélectionnés. Si l'échantillon de la deuxième phase se base sur les
sous-classes, vous pouvez ajouter une troisième phase à l'échantillon. Par exemple, dans la première
phase d'une enquête, vous pouvez créer un échantillon de villes. Vous pouvez ensuite échantillonner les
ménages à partir des villes sélectionnées. Enfin, vous pouvez interroger les individus composant les
ménages sélectionnés. Les assistants d'échantillonnage et de préparation d'analyse vous permettent de
définir un plan en trois phases.
Echantillonnage non aléatoire : Lorsqu'il est difficile d'obtenir une sélection aléatoirement, les unités
peuvent être échantillonnées systématiquement (à intervalles fixes) ou séquentiellement.
Probabilités de sélection inégales : Lors de l'échantillonnage de clusters contenant des nombres
d'unités inégaux, vous pouvez utiliser l'échantillonnage de probabilité proportionnelle à la taille
(probability proportional to size - PPS) pour qu'une probabilité de sélection de cluster soit égale à la
proportion d'unités qu'elle contient. L'échantillonnage PPS peut également utiliser des schémas de
pondération plus généraux pour sélectionner les unités.
Echantillonnage sans restriction : Un échantillonnage sans restriction sélectionne des unités avec
remplacement (WR). Par conséquent, une unité individuelle peut être sélectionnée plusieurs fois pour
l'échantillon.
Pondérations d'échantillonnage : Les pondérations d'échantillonnage sont automatiquement calculées
lors de la création d'un plan complexe et correspondent idéalement à la « fréquence » de chaque unité
d'échantillonnage dans la population cible. Par conséquent, la somme des pondérations de l'échantillon
doit estimer la taille de la population. Les procédures d'analyse d'échantillons complexes nécessitent des
pondérations d'échantillonnage pour analyser correctement un échantillon complexe. Ces pondérations
doivent être entièrement utilisées dans le module Echantillonnage et ne doivent pas être utilisées avec
d'autres procédures d'analyse via la procédure Observations pondérées, qui traite les pondérations
comme des réplications d'observations.

Utilisation des procédures Echantillons complexes

Votre utilisation des procédures Echantillons complexes dépend de vos besoins. Les principaux « types »
d'utilisateurs sont ceux qui :
• Planifient et mènent des enquêtes en fonction de plans complexes et qui analysent éventuellement
l'échantillon ultérieurement L'outil principal des sondeurs est l'Assistant d'échantillonnage.
• Analysent les fichiers de données d'échantillons précédemment obtenus en fonction de plans
complexes. Avant d'utiliser des procédures d'analyse d'échantillons complexes, vous devez utiliser
l'Assistant de préparation d'analyse.
Indépendamment du type d'utilisateur que vous êtes, vous devez fournir les informations sur le plan dans
les procédures d'échantillons complexes. Ces informations sont stockées dans un fichier de plan, pour
que vous puissiez les réutiliser rapidement.

Fichiers de plan
Un fichier de plan contient les spécifications des échantillons complexes. Il existe deux types de fichiers
de plan :
Plan d'échantillonnage : Les spécifications fournies dans l'assistant d'échantillonnage définissent un
plan d'échantillonnage utilisé pour réaliser un échantillon complexe. Le fichier de plan d'échantillonnage
contient ces spécifications. Le fichier de plan d'échantillonnage contient également un plan d'analyse par
défaut qui utilise les méthodes d'estimation appropriées pour le plan d'échantillonnage spécifié.
Plan d'analyse : Contient des informations nécessaires aux procédures d'analyse d'échantillons
complexes. Ces informations permettent de calculer correctement les estimations de variance d'un
échantillon complexe. Le plan contient la structure de l'échantillon, les méthodes d'estimation de chaque
phase et les références aux variables requises, telles que les pondérations d'échantillon. L'assistant de
préparation d'analyse vous permet de créer et de modifier les plans d'analyse.
L'enregistrement de vos spécifications dans un fichier de plan présente plusieurs avantages :
• Un sondeur peut indiquer la première phase d'un plan d'échantillonnage à plusieurs phases et créer les
unités de la première phase immédiatement, collecter les informations sur les unités d'échantillonnage
de la deuxième phase, puis modifier le plan d'échantillonnage afin d'y inclure la deuxième phase.
• Un analyste qui n'a pas accès au fichier de plan d'échantillonnage peut spécifier un plan d'analyse et
faire référence à ce plan depuis chaque procédure d'analyse d'échantillons complexes.
• Le créateur d'échantillons d'usage public à grande échelle peut publier le fichier de plan
d'échantillonnage ; ainsi, les instructions sont simplifiées pour les analystes et ceux-ci ne sont pas dans
l'obligation de spécifier leurs propres plans d'analyse.

Références supplémentaires
Pour plus d'informations sur les techniques d'échantillonnage, reportez-vous aux textes suivants :
Cochran, W. G. 1977. Sampling Techniques, 3rd ed. New York: John Wiley and Sons.
Kish, L. 1965. Survey Sampling. New York: John Wiley and Sons.
Kish, L. 1987. Statistical Design for Research. New York: John Wiley and Sons.
Murthy, M. N. 1967. Sampling Theory and Methods. Calcutta, India: Statistical Publishing Society.

2 IBM SPSS Complex Samples 28

Särndal, C., B. Swensson, and J. Wretman. 1992. Model Assisted Survey Sampling. New York: Springer-
Verlag.

Echantillonnage depuis un plan complexe

L'assistant d'échantillonnage vous guide lors de la création, de la modification ou de l'exécution d'un
fichier de plan d'échantillonnage. Avant d'utiliser l'assistant, pensez à définir précisément la population
cible, la liste des unités d'échantillonnage et le plan d'échantillonnage.

Création d'un plan d'échantillonnage

1. Dans les menus, sélectionnez :
Analyse > Echantillons complexes > Sélectionner un échantillon...
2. Sélectionnez Concevoir un échantillon et choisissez le nom de fichier de plan sous lequel enregistrer
le plan d'échantillonnage.
3. Cliquez sur Suivant pour poursuivre la procédure avec l'assistant.
4. A l'étape Variables du plan, vous pouvez éventuellement définir des strates, des clusters et des
pondérations d'échantillon d'entrée. Une fois ces éléments définis, cliquez sur Suivant.
5. A l'étape Méthode d'échantillonnage, vous pouvez éventuellement choisir une méthode de sélection
des éléments.
Si vous sélectionnez l'échantillonnage de Brewer ou de Murthy avec PPS, vous pouvez cliquer sur Fin
pour réaliser l'échantillon. Sinon, cliquez sur Suivant, puis effectuez les opérations suivantes :
6. A l'étape Taille de l'échantillon, spécifiez le nombre ou la proportion d'unités à échantillonner.
7. Vous pouvez désormais cliquer sur Fin pour réaliser l'échantillon.
Les étapes suivantes sont facultatives. Elles permettent :
• Sélectionnez les variables destination à enregistrer.
• D'ajouter une deuxième ou une troisième étape au plan.
• Définissez les différentes options de sélection : phases auxquelles les échantillons sont réalisés, valeur
de départ de nombre aléatoire. Indiquez également si les valeurs manquantes de l'utilisateur doivent
être traitées comme valeurs valides des variables de plan.
• Sélectionnez l'emplacement d'enregistrement des données de sortie.
• De coller vos sélections en tant que syntaxe de commande.

Assistant d'échantillonnage : Variables du plan

Cette étape vous permet de sélectionner les variables de stratification et de classification, et de définir
des pondérations d'échantillon d'entrée. Vous pouvez également spécifier un libellé pour cette étape.
Stratifier par : La classification croisée des variables de stratification définit des sous-populations
distinctes, ou strates. Des échantillons distincts sont disponibles pour chaque strate. Pour améliorer la
précision de vos estimations, les unités comprises dans les strates doivent être homogènes pour les
caractéristiques d'intérêt.
Clusters : Les variables de cluster définissent les groupes d'unités d'observation, ou clusters. Les clusters
sont utiles lorsque l'échantillonnage direct des unités d'observation de la population est coûteux ou
impossible. Vous pouvez alors échantillonner des clusters de population, puis échantillonner des unités
d'observation à partir des clusters sélectionnés. Cependant, l'utilisation de clusters peut créer des
corrélations entre les unités d'échantillonnage. Il peut donc en résulter une perte de précision. Pour
minimiser ce risque, les unités comprises dans les clusters doivent être hétérogènes pour les
caractéristiques d'intérêt. Vous devez définir au moins une variable de cluster afin de concevoir un plan à
plusieurs phases. Les clusters sont également nécessaires pour utiliser plusieurs méthodes
d'échantillonnage. Pour plus d'informations, voir «Assistant d'échantillonnage : Méthode
d'échantillonnage», à la page 4.

Chapitre 1. Echantillons complexes 3

Entrer une pondération d'échantillon : Si le plan d'échantillonnage actuel fait partie d'un plan
d'échantillon plus important, vous devez disposer des pondérations d'échantillon du plan plus important
(obtenues lors d'une phase précédente). Vous pouvez spécifier une variable numérique contenant ces
pondérations dans la première phase du plan actuel. Les pondérations d'échantillon sont
automatiquement calculées pour les étapes suivantes du plan actuel.
Libellé d'étape : Vous pouvez spécifier un libellé de type chaîne de caractères pour chaque étape. Elle est
utilisée dans la sortie pour identifier les informations de chaque étape.
Remarque : La liste des variables source compile le contenu obtenu lors de l'exécution des étapes de
l'assistant. En d'autres termes, les variables supprimées de la liste source à une étape sont supprimées
de toutes les étapes dans la liste. Les variables renvoyées à la liste source apparaissent dans la liste de
toutes les étapes.

Contrôles d'arbre de navigation de l'assistant d'échantillonnage

Chaque étape de l'assistant d'échantillonnage dispose à sa gauche d'une légende. Vous pouvez parcourir
l'assistant en cliquant sur le nom d'une étape disponible dans la légende. Les étapes sont disponibles tant
que les étapes précédentes sont valides. Cela signifie qu'elles le sont si chaque étape précédente a fourni
les spécifications minimales requises pour cette étape. Pour plus d'informations sur les raisons de
l'invalidité d'une étape, reportez-vous à l'aide de chaque étape.

Assistant d'échantillonnage : Méthode d'échantillonnage

Cette étape vous permet de spécifier le mode de sélection des observations depuis le jeu de données
actif.
Méthode : Les contrôles de ce groupe sont utilisées pour choisir une méthode de sélection. Certains
types d'échantillonnage vous permettent de choisir entre un échantillonnage avec remplacement (WR) ou
sans remplacement (WOR). Pour plus d'informations, reportez-vous aux descriptions des types
d'échantillonnage. Certains types de probabilité proportionnelle à la taille (PPS) ne sont disponibles que
lorsque les clusters ont été définies. Tous les types PPS ne sont disponibles que dans la première phase
d'un plan. En outre, les méthodes WR ne sont disponibles que dans l'étape finale d'un plan.
• Echantillonnage aléatoire simple : Les unités sont sélectionnées à probabilité égale. Elles peuvent être
sélectionnées avec ou sans remplacement.
• Systématique simple : Les unités sont sélectionnées à intervalles fixes dans le cadre d'échantillonnage
(ou les strates, si celles-ci ont été spécifiées) et extraites sans remplacement. Une unité sélectionnée
aléatoirement dans le premier intervalle est définie comme point de départ.
• Séquentiel simple : Les unités sont sélectionnées séquentiellement à probabilité égale et sans
remplacement.
• PPS : Méthode de première phase qui effectue une sélection aléatoire avec probabilité proportionnelle
à la taille. N'importe quelle unité peut être sélectionnée avec remplacement ; seules les clusters
peuvent être échantillonnées sans remplacement.
• Systématique avec PPS : Méthode de première phase qui effectue une sélection systématique des
unités avec probabilité proportionnelle à la taille. Elles sont sélectionnées sans remplacement.
• Séquentiel avec PPS : Méthode de première phase qui effectue une sélection séquentielle des unités
avec probabilité proportionnelle à la taille du cluster et sans remplacement.
• Brewer avec PPS : Méthode de première phase qui sélectionne deux clusters dans chaque strate avec
probabilité proportionnelle à la taille du cluster et sans remplacement. Une variable de cluster doit être
spécifiée pour que cette méthode puisse être utilisée.
• PPS Murthy : Méthode de première phase qui sélectionne deux clusters dans chaque strate avec
probabilité proportionnelle à la taille du cluster et sans remplacement. Une variable de cluster doit être
spécifiée pour que cette méthode puisse être utilisée.
• Sampford avec PPS : Méthode de première phase qui sélectionne plus de deux clusters dans chaque
strate avec probabilité proportionnelle à la taille du cluster et sans remplacement. Il s'agit d'une

4 IBM SPSS Complex Samples 28

extension de la méthode Brewer. Une variable de cluster doit être spécifiée pour que cette méthode
puisse être utilisée.
• Utiliser une estimation WR pour l'analyse : Par défaut, une méthode d'estimation est spécifiée dans le
fichier de plan. Celle-ci est adaptée à la méthode d'échantillonnage sélectionnée. Cela vous permet
d'utiliser une estimation avec remplacement, même si la méthode d'échantillonnage nécessite une
estimation sans remplacement. Cette option n'est disponible que dans la phase 1.
Mesure de la taille (MOS) : Si une méthode PPS est sélectionnée, vous devez spécifier une mesure de
taille permettant de définir la taille de chaque unité. Ces tailles peuvent être définies dans une variable,
ou calculées à partir des données. Vous pouvez éventuellement définir des limites inférieure et
supérieure dans la mesure de taille, qui ignorent les valeurs trouvées dans la variable de mesure de taille
ou calculées à partir des données. Ces options ne sont disponibles que dans la phase 1.

Assistant d'échantillonnage : Taille de l'échantillon

Cette phase vous permet de spécifier le nombre ou la proportion d'unités à échantillonner dans la phase
en cours. La taille de l'échantillon peut être fixe ou varier en fonction des strates. Pour spécifier la taille de
l'échantillon, les clusters choisies dans les phases précédentes peuvent être utilisées pour définir les
strates.
Unités : Vous pouvez spécifier une taille d'échantillon exacte ou une proportion d'unités à échantillonner.
• Valeur : Une valeur unique est appliquée à toutes les strates. Si vous sélectionnez Effectifs comme
unité de mesure, vous devez saisir un entier positif. Si vous sélectionnez Proportions, vous devez saisir
une valeur non négative. A moins qu'il ne s'agisse d'un échantillonnage avec remplacement, les valeurs
de proportion ne doivent également pas être supérieures à 1.
• Valeurs inégales pour les strates : Vous permet de saisir les tailles pour chaque strate via la boîte de
dialogue Définition de tailles inégales.
• Lire les valeurs à partir de la variable : Vous permet de sélectionner une variable numérique
contenant les valeurs de taille des strates.
Si vous sélectionnez Proportions, vous pouvez éventuellement définir des limites inférieure et supérieure
pour le nombre d'unités échantillonnées.

Définition de tailles inégales

Figure 1. Boîte de dialogue Définition de tailles inégales

Chapitre 1. Echantillons complexes 5

sur Libellés ou sur Valeurs pour afficher les valeurs de libellés ou les valeurs de données des variables de
stratification et de cluster dans les cellules de la grille. Les cellules contenant des valeurs non libellées
affichent toujours des valeurs. Cliquez sur Rafraîchir les strates pour que la grille affiche chaque
combinaison de valeurs de données libellées des variables dans la grille.
Exclure : Pour spécifier les tailles d'un sous-ensemble de combinaisons de strate/cluster, déplacez une
ou plusieurs valeurs dans la liste Exclure. Ces variables ne sont pas utilisées pour définir les tailles des
échantillons.

Assistant d'échantillonnage : Variables destination

Cette étape vous permet de choisir des variables à enregistrer lors de la réalisation de l'échantillon.
Taille de la population : Nombre d'unités estimées dans la population d'une phase spécifique. Le nom de
racine de la variable enregistrée est PopulationSize_.
Proportion d'échantillon : Fréquence d'échantillonnage à une phase spécifique. Le nom de racine de la
variable enregistrée est SamplingRate_.
Taille de l'échantillon : Nombre d'unités réalisées à une phase spécifique. Le nom de racine de la variable
enregistrée est SampleSize_.
Pondération d'échantillon : L'inverse des probabilités d'inclusion. Le nom de racine de la variable
enregistrée est SampleWeight_.
Certaines variables définies au cours des différentes étapes sont générées automatiquement. Parmi
celles-ci, notons :
Probabilités d'inclusion : Proportion des unités réalisées à une phase spécifique. Le nom de racine de la
variable enregistrée est InclusionProbability_.
Pondération cumulée : Pondération d'échantillon cumulée entre les phases précédentes et la phase
actuelle incluse. Le nom de racine de la variable enregistrée est SampleWeightCumulative_.
Index : Identifie les unités sélectionnées plusieurs fois dans une phase spécifique. Le nom de racine de la
variable enregistrée est Index_.
Remarque : Les noms de racine des variables enregistrées contiennent un suffixe entier faisant référence
au numéro d'étape, par exemple PopulationSize_1_ est la taille de population enregistrée de l'étape 1.

Assistant d'échantillonnage : Récapitulatif du plan

Il s'agit de la dernière étape de chaque phase ; elle fournit un récapitulatif des spécifications de plan
d'échantillonnage dans la phase actuelle. Vous pouvez ensuite soit passer à la phase suivante (en la
créant, si nécessaire), soit définir les options de réalisation de l'échantillon.

Assistant d'échantillonnage - Réaliser un échantillon : Options de sélection

Cette étape vous permet de choisir de réaliser un échantillon. Vous pouvez également contrôler d'autres
options d'échantillonnage telles que la gestion de la valeur de départ aléatoire et des valeurs
manquantes.
Réaliser un échantillon : Outre le fait de choisir de réaliser un échantillon, vous pouvez également choisir
d'exécuter une partie du plan d'échantillonnage. Les étapes doivent être réalisées dans l'ordre, ce qui
signifie que l'étape 2 ne peut pas être exécutée avant l'étape 1. Lors de la modification ou de l'exécution
d'un plan, vous ne pouvez pas rééchantillonner les phases verrouillées.
Valeur de départ : Vous permet d'attribuer une valeur de départ utilisée pour les nombres aléatoires.
Inclure les valeurs manquantes de l'utilisateur : Permet de déterminer si les valeurs manquantes de
l'utilisateur sont valides. Si c'est le cas, les valeurs manquantes de l'utilisateur sont traitées séparément.
Données déjà triées : Si votre cadre d'échantillon est prétrié par les valeurs des variables de
stratification, cette option vous permet d'accélérer le processus de sélection.

6 IBM SPSS Complex Samples 28

Assistant d'échantillonnage - Réaliser un échantillon : Fichiers de sortie
Cette étape vous permet de choisir l'emplacement de redirection des observations échantillonnées et des
variables de pondération, ainsi que des probabilités conjointes et des règles de sélection des
observations.
Données exemple : Ces options vous permettent de déterminer l'emplacement d'enregistrement de
l'échantillon de sortie. Celui-ci peut être ajouté à un nouveau jeu de données ou sauvegardé vers un
fichier de données externe IBM SPSS Statistics. Les jeux de données sont disponibles lors de la session
en cours mais ne sont pas disponibles lors des sessions suivantes, sauf si vous les enregistrez clairement
comme fichiers de données. Les noms des jeux de données doivent être conformes aux règles de
dénomination de variables. Si vous spécifiez un fichier externe ou un nouveau jeu de données, les
variables destination d'échantillonnage et les variables du jeu de données actif des observations
sélectionnées sont enregistrées dans le fichier.
Probabilités conjointes : Ces options vous permettent de déterminer l'emplacement d'enregistrement
des probabilités conjointes. Elles sont enregistrées dans un fichier de données externe IBM SPSS
Statistics. Les probabilités conjointes sont produites si vous spécifiez une méthode PPS WOR, PPS
Brewer, PPS Sampford ou PSS Murthy et que vous ne définissez pas d'estimation avec remplacement.
Règles de sélection d'observation : Si vous réalisez votre échantillon phase par phase, vous souhaiterez
peut-être enregistrer les règles de sélection des observations dans un fichier texte. Elles sont utiles pour
réaliser le sous-cadre des phases suivantes.

Assistant d'échantillonnage : Fin

Il s'agit de l'étape finale. Vous pouvez enregistrer le fichier de plan et réaliser l'échantillon maintenant, ou
coller vos sélections dans une fenêtre de syntaxe.
Lorsque vous apportez des modifications aux phases du fichier de plan existant, vous pouvez enregistrer
le plan modifié dans un nouveau fichier ou remplacer le fichier existant. Lorsque vous ajoutez des phases
sans modifier les phases existantes, l'assistant remplace automatiquement le fichier de plan existant.
Pour enregistrer le plan dans un nouveau fichier, sélectionnez Coller la syntaxe générée par l'assistant
dans une fenêtre de syntaxe et modifiez le nom du fichier dans les commandes de la syntaxe.

Modification d'un plan d'échantillonnage existant

1. Dans les menus, sélectionnez :
Analyse > Echantillons complexes > Sélectionner un échantillon...
2. Sélectionnez Modifier un plan d'échantillonnage et choisissez le fichier de plan à modifier.
3. Cliquez sur Suivant pour poursuivre la procédure avec l'assistant.
4. Révisez le plan d'échantillonnage dans l'étape Récapitulatif du plan, puis cliquez sur Suivant.
Les étapes suivantes sont pratiquement les mêmes que celles effectuées pour un nouveau plan. Pour
plus d'informations, reportez-vous à l'aide de chaque étape.
5. Allez jusqu'à l'étape Fin et spécifiez un nouveau nom pour le fichier de plan modifié, ou choisissez
d'écraser le fichier de plan existant.
Sinon, vous pouvez :
• Spécifiez les phases qui ont déjà été échantillonnées.
• Supprimez les étapes du plan.

Assistant d'échantillonnage : Récapitulatif du plan

Cette phase vous permet de réviser le plan d'échantillonnage et d'indiquer les phases qui ont déjà été
échantillonnées. Si vous modifiez un plan, vous pouvez également supprimer des phases du plan.
Etapes précédemment échantillonnées : Si un cadre d'échantillonnage étendu n'est pas disponible,
vous devez exécuter un plan d'échantillonnage multiphase, phase par phase. Sélectionnez dans la liste

Chapitre 1. Echantillons complexes 7

déroulante les phases qui ont déjà été échantillonnées. Toutes les phases qui ont été exécutées sont
verrouillées ; elles ne sont pas disponibles dans l'étape Réalisation de l'échantillon : Options de sélection
et ne peuvent être interverties lors de la modification d'un plan.
Supprimer du plan les étapes : Vous pouvez supprimer les phases 2 et 3 d'un plan à plusieurs phases.

Exécution d'un plan d'échantillonnage existant

1. Dans les menus, sélectionnez :
Analyse > Echantillons complexes > Sélectionner un échantillon...
2. Sélectionnez Réaliser un échantillon et sélectionnez un fichier de plan à exécuter.
3. Cliquez sur Suivant pour poursuivre la procédure avec l'assistant.
4. Révisez le plan d'échantillonnage dans l'étape Récapitulatif du plan, puis cliquez sur Suivant.
5. Les étapes individuelles contenant des informations de phase sont ignorées lors de l'exécution d'un
plan d'échantillonnage. Vous pouvez passer à l'étape Fin à tout moment.
Vous pouvez également spécifier les étapes qui ont déjà été échantillonnées.

Fonctions supplémentaires des commandes SPLAN et CSSELECT

Le langage de syntaxe de commande vous permet également d'effectuer les actions suivantes :
• Spécifier les noms personnalisés des variables destination.
• Contrôler la sortie dans le visualiseur. Par exemple, vous pouvez supprimer le résumé de chaque phase
du plan qui est affiché si un échantillon est réalisé ou modifié, supprimer le récapitulatif de la
distribution des observations échantillonnées par strates qui apparaît si le plan d'échantillonnage est
exécuté et demander un récapitulatif de traitement des observations.
• Choisir un sous-ensemble de variables dans le jeu de données actif pour effectuer l'enregistrement
dans un fichier d'exemple externe ou dans un jeu de données différent.
Reportez-vous au manuel Command Syntax Reference pour plus d'informations sur la syntaxe.

Préparation d'un échantillon complexe en vue d'une analyse

L'assistant de préparation d'analyse vous guide dans la création ou la modification d'un plan d'analyse à
utiliser avec les diverses procédures d'analyse des échantillons complexes. Avant d'utiliser l'assistant,
vous devez réaliser un échantillon en fonction d'un plan spécifique.
La création d'un nouveau plan est principalement utile lorsque vous n'avez pas accès au fichier de plan
d'échantillonnage utilisé pour réaliser l'échantillon (n'oubliez pas que le plan d'échantillonnage contient
un plan d'analyse par défaut). Si vous avez accès au fichier de plan d'échantillonnage utilisé pour réaliser
l'échantillon, vous pouvez utiliser le plan d'analyse par défaut contenu dans le fichier de plan
d'échantillonnage ou ignorer les spécifications d'analyse par défaut et enregistrer vos modifications dans
un nouveau fichier.

Création d'un plan d'analyse

1. Dans les menus, sélectionnez :
Analyse > Echantillons complexes > Préparer pour l'analyse...
2. Sélectionnez Créer un fichier de plan et attribuez un nom au fichier dans lequel enregistrer le plan
d'analyse.
3. Cliquez sur Suivant pour poursuivre la procédure avec l'assistant.
4. A l'étape Variables de plan, spécifiez la variable contenant les pondérations d'échantillon et définissez
éventuellement des strates et des clusters.
5. Vous pouvez alors cliquer sur Fin pour enregistrer le plan.

8 IBM SPSS Complex Samples 28

Les étapes suivantes sont facultatives. Elles permettent :
• De sélectionner la méthode d'estimation des erreurs standard à l'étape Méthode d'estimation.
• De spécifier le nombre d'unités échantillonnées ou la probabilité d'inclusion par unité à l'étape Taille.
• D'ajouter une deuxième ou une troisième étape au plan.
• De coller vos sélections en tant que syntaxe de commande.

Assistant de préparation d'analyse : Variables du plan

Cette étape vous permet d'identifier les variables pour la définition des couches et grappes, et pour celle
des pondérations d'échantillon. Vous pouvez également associer un libellé à cette étape.
Strates : La classification croisée des variables de stratification définit des sous-populations distinctes,
ou strates. La totalité de votre échantillon représente la combinaison des échantillons indépendants de
chaque strate.
Clusters : Les variables de cluster définissent les groupes d'unités d'observation, ou clusters. Les
échantillons réalisés en plusieurs étapes sélectionnent les clusters des étapes précédentes, puis sous-
échantillonnent les unités à partir des clusters sélectionnées. Lors de l'analyse d'un fichier de données
obtenu par échantillonnage en clusters avec remplacement, vous devez inclure l'index de duplication
comme variable de cluster.
Pondération d'échantillon : Vous devez fournir des pondérations d'échantillon à la première étape. Les
pondérations d'échantillon sont automatiquement calculées pour les étapes suivantes du plan actuel.
Libellé d'étape : Vous pouvez spécifier un libellé de type chaîne de caractères pour chaque étape. Elle est
utilisée dans la sortie pour identifier les informations de chaque étape.
Remarque : La liste des variables source compile le contenu obtenu lors de l'exécution des étapes de
l'assistant. En d'autres termes, les variables supprimées de la liste source à une étape sont supprimées
de toutes les étapes dans la liste. Les variables renvoyées à la liste source apparaissent à toutes les
étapes.

Contrôles d'arbre de navigation de l'assistant d'analyse

Chaque étape de l'assistant d'analyse dispose à sa gauche d'une légende. Vous pouvez parcourir
l'assistant en cliquant sur le nom d'une étape disponible dans la légende. Les étapes sont disponibles tant
que les étapes précédentes sont valides. Cela signifie qu'elles le sont si chaque étape précédente a fourni
les spécifications minimales requises pour cette étape. Pour plus d'informations sur les raisons de
l'invalidité d'une étape, reportez-vous à l'aide de chaque étape.

Assistant de préparation d'analyse : Méthode d'estimation

Cette étape vous permet d'indiquer une méthode d'estimation pour l'étape.
WR (échantillonnage avec remplacement) : L'estimation WR n'inclut pas de correction d'échantillonnage
d'une population finie (FPC) lors de l'estimation de la variance dans le plan d'échantillonnage complexe.
Vous pouvez choisir d'inclure ou d'exclure la correction FPC lors de l'estimation de la variance dans un
échantillonnage aléatoire simple (SRS).
Il est recommandé de ne pas inclure la correction FPC pour l'estimation de la variance SRS lorsque les
pondérations d'analyse ont été redimensionnées afin de ne pas s'ajouter à la taille de la population.
L'estimation de la variance SRS est utilisée dans le calcul de statistiques telles que l'effet de plan.
L'estimation WR ne peut être spécifiée que dans l'étape finale d'un plan. L'assistant ne vous laisse plus
ajouter d'autre étape ensuite.
WOR égal (échantillonnage de probabilité égale sans remplacement) : L'estimation WOR égal inclut la
correction de population finie et part du principe que les unités sont échantillonnées à probabilité égale.
L'estimation WOR égal peut être spécifiée dans n'importe quelle étape d'un plan.
WOR inégal (échantillonnage de probabilité inégale sans remplacement) : Outre l'utilisation de la
correction de population finie, l'estimation WOR inégal échantillonne les unités (généralement des

Chapitre 1. Echantillons complexes 9

clusters) sélectionnées à probabilité inégale. Cette méthode d'estimation n'est disponible qu'à la
première étape.

Assistant de préparation d'analyse : Taille

Cette étape est utilisée pour spécifier les probabilités d'inclusion ou les tailles de population de l'étape en
cours. Ces tailles peuvent être fixes ou varier suivant les strates. Les clusters spécifiées dans les étapes
précédentes peuvent être utilisées pour définir les strates dans le cadre de la spécification des tailles.
Notez que cette étape est nécessaire seulement si vous avez choisi la méthode d'estimation WOR égal.
Unités : Vous pouvez spécifier des tailles de population exactes ou les probabilités d'échantillonnage des
unités.
• Valeur : Une valeur unique est appliquée à toutes les strates. Si vous définissez l'unité de mesure sur
Tailles de population, vous devez saisir un entier non négatif. Si vous définissez l'unité de mesure sur
Probabilités d'inclusion, vous devez saisir une valeur comprise entre 0 et 1 inclus.
• Valeurs inégales pour les strates : Vous permet de saisir les tailles pour chaque strate via la boîte de
dialogue Définition de tailles inégales.
• Lire les valeurs à partir de la variable : Vous permet de sélectionner une variable numérique
contenant les valeurs de taille des strates.

Définition de tailles inégales

Figure 2. Boîte de dialogue Définition de tailles inégales

La boîte de dialogue Définition de tailles inégales vous permet de saisir des tailles par strate.
Grille des spécifications de taille : La grille affiche les classifications croisées de cinq variables ou de
clusters maximum avec une combinaison strate/cluster par ligne. Les variables de grille sélectionnables
incluent toutes les variables de stratification de la phase en cours et des phases précédentes, ainsi que
les variables de clusters des phases précédentes. Les variables peuvent être réorganisées dans la grille
ou déplacées dans la liste Exclure. Saisissez les tailles dans la colonne située à l'extrême droite. Cliquez
sur Libellés ou sur Valeurs pour afficher les valeurs de libellés ou les valeurs de données des variables de
stratification et de cluster dans les cellules de la grille. Les cellules contenant des valeurs non libellées
affichent toujours des valeurs. Cliquez sur Rafraîchir les strates pour que la grille affiche chaque
combinaison de valeurs de données libellées des variables dans la grille.
Exclure : Pour spécifier les tailles d'un sous-ensemble de combinaisons de strate/cluster, déplacez une
ou plusieurs valeurs dans la liste Exclure. Ces variables ne sont pas utilisées pour définir les tailles des
échantillons.

10 IBM SPSS Complex Samples 28

Assistant de préparation d'analyse : Récapitulatif du plan
Il s'agit de la dernière étape de chaque phase ; celle-ci fournit un récapitulatif des spécifications de plan
d'analyse dans l'étape en cours. Vous pouvez ensuite soit passer à la phase suivante (en la créant, si
nécessaire), soit enregistrer les spécifications d'analyse.
Les raisons pour lesquelles vous ne pouvez pas ajouter d'autre étape sont principalement les suivantes :
• A l'étape Variables de plan, aucune variable de cluster n'a été spécifiée.
• Vous avez sélectionné l'estimation WR à l'étape Méthode d'estimation.
• Il s'agit de la troisième étape de l'analyse et l'assistant n'en prend pas en charge davantage.

Assistant de préparation d'analyse : Fin

Il s'agit de l'étape finale. Vous pouvez enregistrer le fichier de plan maintenant ou collecter vos sélections
dans une fenêtre de syntaxe.
Lorsque vous apportez des modifications aux phases du fichier de plan existant, vous pouvez enregistrer
le plan modifié dans un nouveau fichier ou remplacer le fichier existant. Lorsque vous ajoutez des phases
sans modifier les phases existantes, l'assistant remplace automatiquement le fichier de plan existant.
Pour enregistrer le plan dans un nouveau fichier, sélectionnez Coller la syntaxe générée par l'assistant
dans une fenêtre de syntaxe et modifiez le nom du fichier dans les commandes de la syntaxe.

Modification d'un plan d'analyse existant

1. Dans les menus, sélectionnez :
Analyse > Echantillons complexes > Préparer pour l'analyse...
2. Sélectionnez Modifier un fichier de plan et attribuez un nom au fichier de plan dans lequel enregistrer
le plan d'analyse.
3. Cliquez sur Suivant pour poursuivre la procédure avec l'assistant.
4. Révisez le plan d'analyse dans l'étape Récapitulatif du plan, puis cliquez sur Suivant.
Les étapes suivantes sont pratiquement les mêmes que celles effectuées pour un nouveau plan. Pour
plus d'informations, reportez-vous à l'aide de chaque étape.
5. Allez jusqu'à l'étape Fin et spécifiez un nouveau nom pour le fichier de plan modifié ou choisissez
d'écraser le fichier de plan existant.
Vous pouvez éventuellement supprimer des étapes du plan.

Assistant de préparation d'analyse : Récapitulatif du plan

Cette étape vous permet de passer en revue le plan d'analyse et de supprimer des phases du plan.
Supprimer du plan les étapes : Vous pouvez supprimer les phases 2 et 3 d'un plan à plusieurs phases.
Comme un plan nécessite au moins une phase, vous pouvez modifier la phase 1 du plan, mais pas la
supprimer.

Plan d'échantillonnages complexes

Les procédures d'analyse d'échantillons complexes nécessitent des spécifications d'analyse depuis un
fichier de plan d'analyse ou d'échantillon, afin de disposer de résultats valides.
Plan : Spécifiez le chemin d'un fichier de plan d'analyse ou d'échantillon.
Probabilités conjointes : Pour utiliser l'estimation WOR inégal avec les clusters créées à l'aide d'une
méthode PPS WOR, vous devez spécifier un fichier distinct ou un jeu de données ouvert contenant les
probabilités conjointes. Le fichier ou le jeu de données est créé par l'assistant d'échantillonnage lors de
l'échantillonnage.

Chapitre 1. Echantillons complexes 11

Echantillons complexes - Effectifs
La procédure Echantillons complexes - Fréquences génère les tables de fréquences des variables
sélectionnées et affiche des statistiques univariées. Vous pouvez éventuellement classer les statistiques
par sous-groupes, définis par une ou plusieurs variables catégorielles.
Exemple : La procédure Echantillons complexes - Fréquences vous permet d'obtenir les statistiques
tabulaires univariées de la consommation de vitamines des Américains, basées sur les résultats du NHIS
(National Health Interview Survey) et dotées d'un plan d'analyse approprié pour ces données d'usage
public.
Statistiques : La procédure génère pour chaque estimation les estimations des tailles de population et
les pourcentages de tableaux, ainsi que les erreurs standard, les intervalles de confiance, les coefficients
de variation, les effets de plan, les racines carrées d'effets de plan, les valeurs cumulées et les effectifs
non pondérés. En outre, les statistiques khi-carré et de rapport de vraisemblance sont calculées pour le
test d'uniformité des proportions des cellules.
Remarques concernant les données de fréquence des échantillons complexes
Données : Les variables pour lesquelles les tables de fréquences sont produites doivent être
catégorielles. Les variables de sous-population peuvent être du type chaîne de caractères ou numérique,
mais ne doivent pas être catégorielles.
Hypothèses : Les observations dans le fichier de données représentent un échantillon provenant d'un
plan complexe et devant être analysées en fonction des spécifications du fichier sélectionné dans la Boîte
de dialogue Plan d'échantillonnages complexes.
Obtention de fréquences d'échantillons complexes
1. A partir des menus, sélectionnez :
Analyse > Echantillons complexes > Fréquences...
2. Sélectionnez un fichier de plan. Vous pouvez également sélectionner un fichier personnalisé de
probabilités conjointes.
3. Cliquez sur Poursuivre.
4. Dans la boîte de dialogue Echantillons complexes - Effectifs, sélectionnez au moins une variable
d'effectif.
Vous pouvez éventuellement spécifier les variables définissant les sous-populations. Les statistiques sont
calculées séparément pour chaque sous-population.

Statistiques de fréquences des échantillons complexes

Cellules : Ce groupe vous permet de demander les estimations des tailles de population de cellule et les
pourcentages en tableau.
Statistiques : Ce groupe génère des statistiques associées à la taille de la population ou au pourcentage
en tableau.
• Erreur standard : Erreur standard de l'estimation.
• Intervalle de confiance : Intervalle de confiance de l'estimation utilisant le niveau spécifié.
• Coefficient de variation : Rapport entre l'erreur standard de l'estimation et l'estimation.
• Effectif non pondéré : Nombre d'unités utilisées pour calculer l'estimation.
• Effet de plan : Rapport entre la variance de l'estimation et la variance, en partant du principe que
l'échantillon est un échantillon aléatoire simple. Il s'agit d'une mesure de l'effet de spécification d'un
plan complexe, où les valeurs éloignées de 1 indiquent des effets importants.
• Racine carrée de l'effet de plan : Il s'agit d'une mesure de l'effet de spécification d'un plan complexe,
où les valeurs éloignées de 1 indiquent des effets importants.
• Valeurs cumulées : Estimation cumulée pour chaque valeur de la variable.

12 IBM SPSS Complex Samples 28

Test d'uniformité des proportions des cellules : Ce test génère des tests du khi-carré et de rapport de
vraisemblance basés sur l'hypothèse que les catégories d'une variable possèdent des fréquences égales.
Des tests distincts sont effectués pour chaque variable.

Valeurs manquantes d'échantillons complexes

Figure 3. Boîte de dialogue Valeurs manquantes

Tableaux : Ce groupe détermine les observations utilisées dans l'analyse.

• Utiliser toutes les données disponibles : Les valeurs manquantes sont définies tableau par tableau.
Ainsi, les observations utilisées pour calculer les statistiques peuvent varier selon la fréquence ou les
tableaux croisés.
• Utiliser une base d'observations cohérente : Les valeurs manquantes sont déterminées dans toutes
les variables. Par conséquent, les observations utilisées pour calculer les statistiques sont cohérentes
dans tous les tableaux.
Variables de plan qualitatives : Ce groupe détermine si les valeurs manquantes de l'utilisateur sont
valides ou non.

Options d'échantillons complexes

Figure 4. Boîte de dialogue Options

Affichage des sous-populations : Vous pouvez choisir d'afficher les sous-populations dans le même
tableau ou dans des tableaux distincts.

Echantillons complexes - Caractéristiques

La procédure Echantillons complexes – Descriptives affiche les statistiques récapitulatives univariées de
plusieurs variables. Vous pouvez éventuellement classer les statistiques par sous-groupes, définis par
une ou plusieurs variables catégorielles.
Exemple : La procédure Echantillons complexes – Caractéristiques vous permet d'obtenir les statistiques
descriptives univariées des niveaux d'activité des Américains, basées sur les résultats du NHIS (National
Health Interview Survey) et dotées d'un plan d'analyse approprié à ces données d'usage public.

Chapitre 1. Echantillons complexes 13

Statistiques : La procédure calcule pour chaque estimation la moyenne et la somme, ainsi que des tests
t, les erreurs standard, les intervalles de confiance, les coefficients de variation, les effectifs non
pondérés, les tailles de population, les effets de plan et les racines carrées d'effets de plan.
Remarques concernant les données descriptives des échantillons complexes
Données : Les mesures doivent être des variables d'échelle. Les variables de sous-population peuvent
être du type chaîne de caractères ou numérique, mais ne doivent pas être catégorielles.
Hypothèses : Les observations dans le fichier de données représentent un échantillon provenant d'un
plan complexe et devant être analysées en fonction des spécifications du fichier sélectionné dans la Boîte
de dialogue Plan d'échantillonnages complexes.
Obtention de caractéristiques des échantillons complexes
1. A partir des menus, sélectionnez :
Analyse > Echantillons complexes > Descriptives...
2. Sélectionnez un fichier de plan. Vous pouvez également sélectionner un fichier personnalisé de
probabilités conjointes.
3. Cliquez sur Poursuivre.
4. Dans la boîte de dialogue Echantillons complexes - Caractéristiques, sélectionnez au moins une
variable de mesure.
Vous pouvez éventuellement spécifier les variables définissant les sous-populations. Les statistiques sont
calculées séparément pour chaque sous-population.

Statistiques des descriptifs des échantillons complexes

Principales statistiques : Ce groupe vous permet de demander les estimations des moyennes et des
sommes des variables de mesure. En outre, vous pouvez effectuer des tests t sur les estimations en vous
basant sur une valeur spécifiée.
Statistiques : Ce groupe génère des statistiques associées à la moyenne ou à la somme.
• Erreur standard : Erreur standard de l'estimation.
• Intervalle de confiance : Intervalle de confiance de l'estimation utilisant le niveau spécifié.
• Coefficient de variation : Rapport entre l'erreur standard de l'estimation et l'estimation.
• Effectif non pondéré : Nombre d'unités utilisées pour calculer l'estimation.
• Taille de la population : Nombre d'unités estimées composant la population.
• Effet de plan : Rapport entre la variance de l'estimation et la variance, en partant du principe que
l'échantillon est un échantillon aléatoire simple. Il s'agit d'une mesure de l'effet de spécification d'un
plan complexe, où les valeurs éloignées de 1 indiquent des effets importants.
• Racine carrée de l'effet de plan : Il s'agit d'une mesure de l'effet de spécification d'un plan complexe,
où les valeurs éloignées de 1 indiquent des effets importants.

Valeurs manquantes des descriptifs d'échantillons complexes

Statistiques des variables de mesure : Ce groupe détermine les observations utilisées dans l'analyse.
• Utilisez toutes les données disponibles : Les valeurs manquantes sont déterminées variable par
variable ; par conséquent, les observations utilisées pour calculer les statistiques peuvent varier suivant
les variables de mesure.
• Assurez-vous de disposer d'une base d'observations cohérente : Les valeurs manquantes sont
déterminées dans toutes les variables ; par conséquent, les observations utilisées pour calculer les
statistiques sont cohérentes.
Variables de plan qualitatives : Ce groupe détermine si les valeurs manquantes de l'utilisateur sont
valides ou non.

14 IBM SPSS Complex Samples 28

Options d'échantillons complexes

Figure 5. Boîte de dialogue Options

Affichage des sous-populations : Vous pouvez choisir d'afficher les sous-populations dans le même
tableau ou dans des tableaux distincts.

Tableaux croisés des échantillons complexes

La procédure Echantillons complexes - Tableaux croisés génère les tableaux croisés des paires de
variables sélectionnées et affiche des statistiques à deux entrées. Vous pouvez éventuellement classer
les statistiques par sous-groupes, définis par une ou plusieurs variables catégorielles.
Exemple : La procédure Echantillons complexes - Tableaux croisés vous permet d'obtenir les statistiques
de classification croisée fréquence consommation de cigarette/consommation de vitamines des
Américains, basées sur les résultats du NHIS (National Health Interview Survey) et dotées d'un plan
d'analyse pour ces données d'usage public.
Statistiques : La procédure génère pour chaque estimation des tailles de population, des pourcentages
en lignes, colonnes et tableaux, des erreurs standard, des intervalles de confiance, des coefficients de
variation, des valeurs théoriques, des effets de plan, des racines carrées d'effets de plan, des résidus, des
résidus ajustés et des effectifs non pondérés. Le rapport des cotes, le risque relatif et la différence de
risque sont calculés pour les tableaux 2*2. En outre, les statistiques de Pearson et de rapport de
vraisemblance sont calculées pour le test d'indépendance des variables de ligne et de colonne.
Remarques concernant les données de la procédure Echantillons complexes - Tableaux croisés
Données : Les variables de ligne et de colonne doivent être catégorielles. Les variables de sous-
population peuvent être du type chaîne de caractères ou numérique, mais ne doivent pas être
catégorielles.
Hypothèses : Les observations dans le fichier de données représentent un échantillon provenant d'un
plan complexe et devant être analysées en fonction des spécifications du fichier sélectionné dans la Boîte
de dialogue Plan d'échantillonnages complexes.
Obtention de tableaux croisés des échantillons complexes
1. A partir des menus, sélectionnez :
Analyse > Echantillons complexes > Tableaux croisés...
2. Sélectionnez un fichier de plan. Vous pouvez également sélectionner un fichier personnalisé de
probabilités conjointes.
3. Cliquez sur Poursuivre.
4. Dans la boîte de dialogue Tableaux croisés des échantillons complexes, sélectionnez au moins une
variable de ligne et une variable de colonne.
Vous pouvez éventuellement spécifier les variables définissant les sous-populations. Les statistiques sont
calculées séparément pour chaque sous-population.

Statistiques de tableaux croisés d'échantillons complexes

Cellules : Ce groupe vous permet de demander les estimations des tailles de population de cellule et les
pourcentages de ligne, de colonne et de tableau.

Chapitre 1. Echantillons complexes 15

Statistiques : Ce groupe génère des statistiques associées à la taille de la population et au pourcentage
de ligne, de colonne et de tableau.
• Erreur standard : Erreur standard de l'estimation.
• Intervalle de confiance : Intervalle de confiance de l'estimation utilisant le niveau spécifié.
• Coefficient de variation : Rapport entre l'erreur standard de l'estimation et l'estimation.
• Effectifs théoriques : Valeur théorique de l'estimation, sous l'hypothèse de l'indépendance de la
variable en ligne et en colonne.
• Effectif non pondéré : Nombre d'unités utilisées pour calculer l'estimation.
• Effet de plan : Rapport entre la variance de l'estimation et la variance, en partant du principe que
l'échantillon est un échantillon aléatoire simple. Il s'agit d'une mesure de l'effet de spécification d'un
plan complexe, où les valeurs éloignées de 1 indiquent des effets importants.
• Racine carrée de l'effet de plan : Il s'agit d'une mesure de l'effet de spécification d'un plan complexe,
où les valeurs éloignées de 1 indiquent des effets importants.
• Résidus : La valeur théorique correspond au nombre d'observations attendues dans la cellule quand il
n'existe pas de relation entre les deux variables. Un résidu positif indique que la cellule contient plus
d'observations que si les variables de ligne et de colonne étaient indépendantes.
• Résidus ajustés : Résidu d'une cellule (valeur observée moins valeur théorique) divisé par une
estimation de son erreur standard. Le résidu standardisé qui en résulte est exprimé en écarts par
rapport à la moyenne.
Récapitulatifs pour les tableaux 2*2 : Ce groupe génère les statistiques des tableaux dans lesquels les
variables de ligne et de colonne possèdent chacune 2 catégories. Chaque groupe est une mesure de la
force de l'association entre la présence d'un facteur et la réalisation d'un événement.
• Rapport des cotes : Peut être utilisé comme estimation du risque relatif dans le cas où la réalisation du
facteur est rare.
• Risque relatif : Rapport entre le risque que survienne un événement en présence du facteur et le risque
que survienne l'événement en l'absence du facteur.
• Différence de risque : Différence entre le risque que survienne un événement en présence du facteur et
le risque que survienne l'événement en l'absence du facteur.
Test d'indépendance des lignes et des colonnes : Ce test génère des tests du khi-carré et de rapport de
vraisemblance sur l'hypothèse de l'indépendance entre une ligne et une colonne. Des tests distincts sont
effectués pour chaque paire de variables.

Valeurs manquantes d'échantillons complexes

Figure 6. Boîte de dialogue Valeurs manquantes

Tableaux : Ce groupe détermine les observations utilisées dans l'analyse.

16 IBM SPSS Complex Samples 28

Options d'échantillons complexes

Figure 7. Boîte de dialogue Options

Affichage des sous-populations : Vous pouvez choisir d'afficher les sous-populations dans le même
tableau ou dans des tableaux distincts.

Echantillons complexes - Rapports

La procédure Echantillons complexes – Rapports affiche les statistiques récapitulatives univariées des
rapports de variables. Vous pouvez éventuellement classer les statistiques par sous-groupes, définis par
une ou plusieurs variables catégorielles.
Exemple : La procédure Echantillons complexes – Rapports vous permet d'obtenir les statistiques
descriptives du rapport entre la valeur de propriété en cours et la dernière valeur estimée, basée sur les
résultats d'une enquête nationale menée en fonction d'un plan complexe et dotée d'un plan d'analyse
approprié pour les données.
Statistiques : La procédure génère des estimations de rapport, des tests t, des erreurs standard, des
intervalles de confiance, des coefficients de variation, des effectifs non pondérés, des tailles de
population, des effets de plan et des racines carrées d'effets de plan.
Remarques concernant les données de rapports d'échantillons complexes
Données : Les numérateurs et les dénominateurs doivent être des variables d'échelle positives. Les
variables de sous-population peuvent être du type chaîne de caractères ou numérique, mais ne doivent
pas être catégorielles.
Hypothèses : Les observations dans le fichier de données représentent un échantillon provenant d'un
plan complexe et devant être analysées en fonction des spécifications du fichier sélectionné dans la Boîte
de dialogue Plan d'échantillonnages complexes.
Obtention de rapports d'échantillons complexes
1. A partir des menus, sélectionnez :
Analyse > Echantillons complexes > Rapports...
2. Sélectionnez un fichier de plan. Vous pouvez également sélectionner un fichier personnalisé de
probabilités conjointes.
3. Cliquez sur Poursuivre.
4. Dans la boîte de dialogue Echantillons complexes - Rapports, sélectionnez au moins une variable de
numérateur et une variable de dénominateur.

Chapitre 1. Echantillons complexes 17

Vous pouvez également indiquer des variables pour définir les sous-groupes pour lesquels les statistiques
sont produites.

Echantillons complexes – Rapports : Statistiques

Statistiques : Ce groupe produit les statistiques associées à l'estimation du rapport.
• Erreur standard : Erreur standard de l'estimation.
• Intervalle de confiance : Intervalle de confiance de l'estimation utilisant le niveau spécifié.
• Coefficient de variation : Rapport entre l'erreur standard de l'estimation et l'estimation.
• Effectif non pondéré : Nombre d'unités utilisées pour calculer l'estimation.
• Taille de la population : Nombre d'unités estimées composant la population.
• Effet de plan : Rapport entre la variance de l'estimation et la variance, en partant du principe que
l'échantillon est un échantillon aléatoire simple. Il s'agit d'une mesure de l'effet de spécification d'un
plan complexe, où les valeurs éloignées de 1 indiquent des effets importants.
• Racine carrée de l'effet de plan : Il s'agit d'une mesure de l'effet de spécification d'un plan complexe,
où les valeurs éloignées de 1 indiquent des effets importants.
Test t : Vous pouvez demander d'effectuer des tests t sur les estimations basés sur une valeur spécifiée.

Echantillons complexes – Rapports : Valeurs manquantes

Ratios : Ce groupe détermine les observations utilisées dans l'analyse.
• Utiliser toutes les données disponibles : Les valeurs manquantes sont définies rapport par rapport.
Ainsi, les observations utilisées pour calculer les statistiques peuvent varier d'une paire numérateur-
dénominateur à l'autre.
• Assurez-vous de disposer d'une base d'observations cohérente : Les valeurs manquantes sont
déterminées dans toutes les variables. Par conséquent, les observations utilisées pour le calcul des
statistiques sont cohérentes.
Variables de plan qualitatives : Ce groupe détermine si les valeurs manquantes de l'utilisateur sont
valides ou non.

Options d'échantillons complexes

Figure 8. Boîte de dialogue Options

Affichage des sous-populations : Vous pouvez choisir d'afficher les sous-populations dans le même
tableau ou dans des tableaux distincts.

Modèle linéaire général des échantillons complexes

La procédure relative au modèle linéaire général des échantillons complexes effectue une analyse de
régression linéaire, ainsi qu'une analyse de variance et de la covariance, pour les échantillons réalisés à
l'aide de méthodes d'échantillonnage complexes. Vous pouvez également demander une analyse pour
une sous-population.
Exemple : Une chaîne d'épiceries a interrogé, en fonction d'un plan complexe, un groupe de clients au
sujet de leurs habitudes de consommation. Compte tenu des résultats de l'enquête et de la somme

18 IBM SPSS Complex Samples 28

dépensée par les clients au cours du mois précédent, l'enseigne souhaite voir si la fréquence des achats
est liée aux dépenses mensuelles, et ce en prenant en compte le sexe du client et en intégrant le plan
d'échantillonnage.
Statistiques : La procédure produit des estimations, des erreurs standard, des intervalles de confiance,
des tests t, des effets de plan, des racines carrées d'effets de plan pour les paramètres du modèle ; elle
fournit également les corrélations et les covariances des estimations des paramètres. Les mesures de
qualité d'ajustement et les statistiques descriptives pour les variables dépendantes et indépendantes
sont également disponibles. Vous pouvez également demander la moyenne marginale estimée pour les
niveaux de facteurs de modèles et les interactions entre facteurs
Remarques sur les données du modèle linéaire général des échantillons complexes
Données : La variable dépendante est quantitative. Les facteurs sont catégoriels. Les covariables sont des
variables quantitatives liées à la variable dépendante. Les variables de sous-population peuvent être du
type chaîne de caractères ou numérique, mais ne doivent pas être catégorielles.
Hypothèses : Les observations dans le fichier de données représentent un échantillon provenant d'un
plan complexe et devant être analysées en fonction des spécifications du fichier sélectionné dans la Boîte
de dialogue Plan d'échantillonnages complexes.
Obtention d'un modèle linéaire général des échantillons complexes
1. A partir des menus, sélectionnez :
Analyse > Echantillons complexes > Modèle linéaire général...
2. Sélectionnez un fichier de plan. Vous pouvez également sélectionner un fichier personnalisé de
probabilités conjointes.
3. Cliquez sur Poursuivre.
4. Dans la boîte de dialogue Modèle linéaire général des échantillons complexes, sélectionnez une
variable dépendante.
Sinon, vous pouvez :
• Sélectionner des variables pour les facteurs et covariables, en fonction de vos données.
• Indiquez une variable pour définir une sous-population. L'analyse est effectuée uniquement pour la
catégorie sélectionnée de la variable de sous-population.

Modèle linéaire général des échantillons complexes

Chapitre 1. Echantillons complexes 19

fréquente qu'un seul de ces magasins, l'effet Client peut être considéré comme étant imbriqué dans
l'effet Emplacement des magasins.
En outre, vous pouvez inclure des effets d'interaction, tels que des termes polynomiaux impliquant la
même covariable, ou ajouter plusieurs niveaux d'imbrication au terme imbriqué.
Limites : Les termes imbriqués comportent les restrictions suivantes :
• Tous les facteurs d'une interaction doivent être uniques. Ainsi, si A est un facteur, la spécification A*A
n'est pas valide.
• Tous les facteurs d'un effet imbriqué doivent être uniques. Ainsi, si A est un facteur, la spécification A(A)
n'est pas valide.
• Aucun effet ne peut être imbriqué dans un effet de covariable. Ainsi, si A est un facteur et X une
covariable, la spécification A(X) n'est pas valide.
Constante : La constante est généralement incluse dans le modèle. Si vous partez du principe que les
données passent par l'origine, vous pouvez exclure la constante. Même si vous incluez la constante dans
le modèle, vous pouvez supprimer les statistiques qui lui sont associées.

Modèle linéaire général des échantillons complexes - Statistiques

Paramètres du modèle : Ce groupe permet de contrôler l'affichage des statistiques associées aux
paramètres du modèle.
• Estimation : Affiche des estimations des coefficients.
• Erreur standard : Affiche l'erreur standard pour chaque estimation de coefficient.
• Intervalle de confiance : Affiche l'intervalle de confiance pour chaque estimation de coefficient. Le
niveau de confiance de l'intervalle est défini dans la boîte de dialogue Options.
• Test t : Affiche un test t pour chaque estimation de coefficient. L'hypothèse nulle de chaque test
correspond au cas où la valeur du coefficient est 0.
• Covariances des estimations de paramètres : Affiche une estimation de la matrice de covariance pour
les coefficients du modèle.
• Corrélations des estimations de paramètres : Affiche une estimation de la matrice de corrélation pour
les coefficients du modèle.
• Effet de plan : Rapport entre la variance de l'estimation et la variance, en partant du principe que
l'échantillon est un échantillon aléatoire simple. Il s'agit d'une mesure de l'effet de spécification d'un
plan complexe, où les valeurs éloignées de 1 indiquent des effets importants.
• Racine carrée de l'effet de plan : Il s'agit d'une mesure de l'effet de spécification d'un plan complexe,
où les valeurs éloignées de 1 indiquent des effets importants.
Qualité de l'ajustement : Affiche les statistiques de R 2 et d'erreur quadratique moyenne.
Moyennes des populations pour les variables et covariables dépendantes : Affiche les informations
récapitulatives sur la variable dépendante, les covariables et les facteurs.
Informations sur le plan d'échantillonnage : Affiche les informations récapitulatives relatives à
l'échantillon, y compris les effectifs non pondérés et la taille de la population.

Tests d'hypothèse des échantillons complexes

20 IBM SPSS Complex Samples 28

Ajustement pour les comparaisons multiples : Lors de l'exécution de tests d'hypothèse avec plusieurs
contrastes, vous pouvez ajuster le niveau global de signification à partir des niveaux de signification des
contrastes inclus. Ce groupe vous permet de choisir la méthode d'ajustement.
• Différence la moins significative : Cette méthode ne contrôle pas l'intégralité de la probabilité de rejet
des hypothèses qui présentent des contrastes linéaires différents des valeurs d'hypothèse nulles.
• Sidak séquentiel. Il s'agit d'une procédure descendante de rejet séquentiel de Sidak beaucoup moins
stricte en ce qui concerne le rejet des différentes hypothèses mais qui conserve le même niveau global
de signification.
• Bonferroni séquentiel. Il s'agit d'une procédure descendante de rejet séquentiel de Bonferroni beaucoup
moins stricte en ce qui concerne le rejet des différentes hypothèses mais qui conserve le même niveau
global de signification.
• Sidak. Cette méthode fournit des limites plus strictes que l'approche de Bonferroni.
• Bonferroni. Cette méthode ajuste le niveau d'importance observé au fait que plusieurs contrastes sont
en cours de test.

Modèle linéaire général des échantillons complexes - Moyennes estimées

La boîte de dialogue Moyennes estimées permet d'afficher les moyennes marginales estimées du modèle
pour les niveaux de facteurs et les interactions entre facteurs indiqués dans la sous-boîte de dialogue
Modèle. Vous pouvez également demander l'affichage de la moyenne de population globale.
Terme : Les moyennes estimées sont calculées pour les interactions entre facteurs et les facteurs
sélectionnés.
Contraste : Le contraste détermine le mode de définition des tests d'hypothèse pour la comparaison des
moyennes estimées.
• Simple. Compare la moyenne de chaque niveau à celle d'un niveau donné. Ce type de contraste est utile
lorsqu'il y a un groupe de contrôle.
• Déviation. Compare la moyenne de chaque niveau (hormis une catégorie de référence) à la moyenne de
tous les niveaux (grande moyenne). Les niveaux du facteur peuvent être de n'importe quel ordre.
• Différence. Compare la moyenne de chaque niveau (hormis le premier) à la moyenne des niveaux
précédents. (Parfois appelé contraste de Helmert inversé.)
• Helmert. Compare la moyenne de chaque niveau de facteur (hormis le dernier) à la moyenne des
niveaux suivants.
• Répété. Compare la moyenne de chaque niveau (hormis le premier) à la moyenne du niveau suivant.
• Polynomial. Compare l'effet linéaire, l'effet quadratique, l'effet cubique etc. Le premier degré de liberté
contient l'effet linéaire sur toutes les catégories, le second degré l'effet quadratique, etc. Ces contrastes
servent souvent à estimer les tendances polynomiales.
Catégorie de référence : Les contrastes simple et d'écart nécessitent une catégorie de référence ou un
niveau de facteur servant de base de comparaison avec les autres.

Modèle linéaire général des échantillons complexes - Enregistrement

Enregistrer les variables : Ce groupe permet d'enregistrer les prévisions et les résidus du modèle en tant
que nouvelles variables dans le fichier de travail.
Exporter le modèle en tant que données IBM SPSS Statistics. Ecrit un jeu de données dans un format
IBM SPSS Statistics contenant la corrélation des paramètres ou la matrice de covariance avec les
estimations des paramètres, les erreurs standard, les valeurs de signification et les degrés de liberté.
L'ordre des variables dans le fichier de matrice est le suivant.
• rowtype_ : Prend les valeurs (et libellés de valeurs) suivantes : COV (covariances), CORR (corrélations),
EST (estimations des paramètres), SE (erreurs standard), SIG (niveau de signification) et DF (degrés de
liberté du plan d'échantillonnage). Il existe une observation distincte avec le type de ligne COV (ou

Chapitre 1. Echantillons complexes 21

CORR) pour chaque paramètre de modèle et une observation distincte pour chacun des autres types de
ligne.
• varname_ : Prend les valeurs P1, P2, etc., correspondant à une liste triée de tous les paramètres de
modèle pour les types de ligne COV ou CORR, avec des libellés de valeur correspondant aux chaînes de
paramètres affichées dans le tableau Estimations des paramètres. Les cellules sont vides pour les
autres types de ligne.
• P1, P2, ... Ces variables correspondent à une liste triée de tous les paramètres de modèle, avec des
libellés de variable correspondant aux chaînes de paramètres affichées dans le tableau Estimations des
paramètres, et prennent leurs valeurs en fonction du type de ligne. Pour les paramètres redondants,
toutes les covariances et les estimations de paramètres sont définies sur zéro, et l'ensemble des
corrélations, erreurs standard, niveaux de signification et degrés de liberté résiduels sont définis sur la
valeur système manquante.
Remarque : Ce fichier n'est pas immédiatement utilisable pour d'autres analyses dans d'autres
procédures que la lecture d'un fichier de matrice, sauf si ces procédures acceptent tous les types de ligne
exportés ici.
Exporter le modèle au format XML : Enregistre les estimations et la matrice de covariance des
paramètres, si vous l'avez sélectionnée, au format XML (PMML). Vous pouvez utiliser ce fichier de modèle
pour appliquer les informations du modèle aux autres fichiers de données à des fins d'évaluation.

Modèle linéaire général des échantillons complexes - Options

Valeurs manquantes de l'utilisateur : Toutes les variables de plan, ainsi que la variable dépendante et
les covariables, doivent contenir des données valides. Les observations comportant des données non
valides pour l'une de ces variables sont supprimées de l'analyse. Vous pouvez ainsi décider si les valeurs
manquantes de l'utilisateur sont traitées comme étant valides dans la strate, le cluster, la sous-
population et les facteurs.
Intervalle de confiance : Il s'agit du niveau d'intervalle de confiance pour les estimations de coefficient
et les moyennes marginales estimées. Spécifiez une valeur supérieure ou égale à 50 et inférieure à 100.

Fonctions supplémentaires de la commande CSGLM

Le langage de syntaxe de commande vous permet également d'effectuer les actions suivantes :
• Spécifier les tests d'effets par rapport à une combinaison linéaire d'effets ou une valeur (à l'aide de la
sous-commande CUSTOM).
• Donner aux covariables des valeurs autres que leur moyenne lors du calcul de la moyenne marginale
estimée (à l'aide de la sous-commande EMMEANS).
• Spécifier les mesures pour les contrastes polynomiaux (à l'aide de la sous-commande EMMEANS).
• Indiquer une valeur de tolérance pour le contrôle des singularités (à l'aide de la sous-commande
CRITERIA).
• Créer des noms définis par l'utilisateur pour les variables enregistrées (à l'aide de la sous-commande
SAVE).
• Générer un tableau des fonctions générales estimées (en utilisant la sous-commande PRINT).
Reportez-vous au manuel Command Syntax Reference pour plus d'informations sur la syntaxe.

Régression logistique des échantillons complexes

La procédure de régression logistique des échantillons complexes effectue une analyse de régression
logistique sur une variable dépendante binaire ou multinomiale, pour les échantillons réalisés à l'aide de
méthodes d'échantillonnage complexes. Vous pouvez également demander une analyse pour une sous-
population.
Exemple : Un responsable des prêts a recueilli l'historique des prêts octroyés aux clients à différents
guichets, en fonction d'un plan complexe. Lors de l'intégration du plan d'échantillonnage, il souhaite voir

22 IBM SPSS Complex Samples 28

si la probabilité de défaut de paiement est liée à l'âge, au parcours professionnel et au montant de la
dette.
Statistiques : La procédure produit des estimations, des estimations exponentielles, des erreurs
standard, des intervalles de confiance, des tests t, des effets de plan des racines carrées d'effets de plan
pour les paramètres du modèle ; elle fournit également les corrélations et les covariances des estimations
des paramètres. Les statistiques de pseudo R 2, les tables de classification et les statistiques descriptives
des variables dépendantes et indépendantes sont également disponibles.
Remarques sur les données de régression logistique des échantillons complexes
Données : La variable dépendante est qualitative. Les facteurs sont catégoriels. Les covariables sont des
variables quantitatives liées à la variable dépendante. Les variables de sous-population peuvent être du
type chaîne de caractères ou numérique, mais ne doivent pas être catégorielles.
Hypothèses : Les observations dans le fichier de données représentent un échantillon provenant d'un
plan complexe et devant être analysées en fonction des spécifications du fichier sélectionné dans la Boîte
de dialogue Plan d'échantillonnages complexes.
Obtention de la régression logistique des échantillons complexes
1. A partir des menus, sélectionnez :
Analyse > Echantillons complexes > Régression logistique...
2. Sélectionnez un fichier de plan. Vous pouvez également sélectionner un fichier personnalisé de
probabilités conjointes.
3. Cliquez sur Poursuivre.
4. Dans la boîte de dialogue Régression logistique des échantillons complexes, sélectionnez une variable
dépendante.
Sinon, vous pouvez :
• Sélectionner des variables pour les facteurs et covariables, en fonction de vos données.
• Indiquez une variable pour définir une sous-population. L'analyse est effectuée uniquement pour la
catégorie sélectionnée de la variable de sous-population.

Régression logistique des échantillons complexes - Catégorie de référence

Par défaut, la procédure de régression logistique des échantillons complexes fait de la catégorie ayant la
valeur la plus élevée la catégorie de référence. Cette boîte de dialogue vous permet de spécifier la valeur
la plus élevée, la plus basse ou une catégorie personnalisée en tant que catégorie de référence.

Modèle de régression logistique des échantillons complexes

Chapitre 1. Echantillons complexes 23

Dans cette procédure, vous pouvez construire des termes imbriqués pour votre modèle. Les termes
imbriqués sont utiles pour modéliser l'effet d'un facteur ou d'une covariable dont les valeurs
n'interagissent pas avec les niveaux d'un autre facteur. Par exemple, une chaîne d'épiceries peut suivre
les habitudes d'achat de ses clients à divers emplacements de magasin. Puisque chaque client ne
fréquente qu'un seul de ces magasins, l'effet Client peut être considéré comme étant imbriqué dans
l'effet Emplacement des magasins.
En outre, vous pouvez inclure des effets d'interaction, tels que des termes polynomiaux impliquant la
même covariable, ou ajouter plusieurs niveaux d'imbrication au terme imbriqué.
Limites : Les termes imbriqués comportent les restrictions suivantes :
• Tous les facteurs d'une interaction doivent être uniques. Ainsi, si A est un facteur, la spécification A*A
n'est pas valide.
• Tous les facteurs d'un effet imbriqué doivent être uniques. Ainsi, si A est un facteur, la spécification A(A)
n'est pas valide.
• Aucun effet ne peut être imbriqué dans un effet de covariable. Ainsi, si A est un facteur et X une
covariable, la spécification A(X) n'est pas valide.
Constante : La constante est généralement incluse dans le modèle. Si vous partez du principe que les
données passent par l'origine, vous pouvez exclure la constante. Même si vous incluez la constante dans
le modèle, vous pouvez supprimer les statistiques qui lui sont associées.

Régression logistique des échantillons complexes - Statistiques

Qualité de l'ajustement : Contrôle l'affichage des statistiques qui mesurent les performances globales du
modèle.
• Pseudo R-carré : La statistiqueR 2 de la régression linéaire n'a pas de véritable équivalent dans les
modèles de régression logistique. On trouve, à la place, plusieurs mesures qui essaient de reproduire
les propriétés de la statistique R 2.
• Table de classification : Affiche les classifications croisées mises en tableau des catégories observées,
classées selon les catégories prévues par le modèle en fonction de la variable dépendante.
Paramètres : Ce groupe permet de contrôler l'affichage des statistiques associées aux paramètres du
modèle.
• Estimation : Affiche des estimations des coefficients.
• Estimation mise en exposant : Affiche la base du logarithme népérien élevée à la puissance des
estimations des coefficients. L'estimation présente des propriétés parfaitement adaptées aux tests
statistiques ; l'estimation exponentielle, ou exp(B), est, quant à elle, plus facile à interpréter.
• Erreur standard : Affiche l'erreur standard pour chaque estimation de coefficient.
• Intervalle de confiance : Affiche l'intervalle de confiance pour chaque estimation de coefficient. Le
niveau de confiance de l'intervalle est défini dans la boîte de dialogue Options.
• Test t : Affiche un test t pour chaque estimation de coefficient. L'hypothèse nulle de chaque test
correspond au cas où la valeur du coefficient est 0.
• Covariances des estimations de paramètres : Affiche une estimation de la matrice de covariance pour
les coefficients du modèle.
• Corrélations des estimations de paramètres : Affiche une estimation de la matrice de corrélation pour
les coefficients du modèle.
• Effet de plan : Rapport entre la variance de l'estimation et la variance, en partant du principe que
l'échantillon est un échantillon aléatoire simple. Il s'agit d'une mesure de l'effet de spécification d'un
plan complexe, où les valeurs éloignées de 1 indiquent des effets importants.
• Racine carrée de l'effet de plan : Il s'agit d'une mesure de l'effet de spécification d'un plan complexe,
où les valeurs éloignées de 1 indiquent des effets importants.
Statistiques récapitulatives des variables de modèle : Affiche les informations récapitulatives sur la
variable dépendante, les covariables et les facteurs.

24 IBM SPSS Complex Samples 28

Informations sur le plan d'échantillonnage : Affiche les informations récapitulatives relatives à
l'échantillon, y compris les effectifs non pondérés et la taille de la population.

Tests d'hypothèse des échantillons complexes

Statistique de test : Ce groupe vous permet de sélectionner le type de statistiques à utiliser pour tester
les hypothèses. Vous avez le choix entre F, F ajusté, khi-carré et khi-carré ajusté.
Degrés de liberté de l'échantillonnage : Ce groupe permet de contrôler les degrés de liberté du plan
d'échantillonnage utilisés pour calculer les valeurs p pour toutes les statistiques de test. Si elle est basée
sur le plan d'échantillonnage, cette valeur correspond à la différence entre le nombre d'unités
d'échantillonnage principales et le nombre de strates présentes à la première étape de l'échantillonnage.
Vous pouvez également définir un degré de liberté personnalisé en indiquant un entier positif.
Ajustement pour les comparaisons multiples : Lors de l'exécution de tests d'hypothèse avec plusieurs
contrastes, vous pouvez ajuster le niveau global de signification à partir des niveaux de signification des
contrastes inclus. Ce groupe vous permet de choisir la méthode d'ajustement.
• Différence la moins significative : Cette méthode ne contrôle pas l'intégralité de la probabilité de rejet
des hypothèses qui présentent des contrastes linéaires différents des valeurs d'hypothèse nulles.
• Sidak séquentiel. Il s'agit d'une procédure descendante de rejet séquentiel de Sidak beaucoup moins
stricte en ce qui concerne le rejet des différentes hypothèses mais qui conserve le même niveau global
de signification.
• Bonferroni séquentiel. Il s'agit d'une procédure descendante de rejet séquentiel de Bonferroni beaucoup
moins stricte en ce qui concerne le rejet des différentes hypothèses mais qui conserve le même niveau
global de signification.
• Sidak. Cette méthode fournit des limites plus strictes que l'approche de Bonferroni.
• Bonferroni. Cette méthode ajuste le niveau d'importance observé au fait que plusieurs contrastes sont
en cours de test.

Régression logistique des échantillons complexes - Rapports des cotes

La boîte de dialogue Rapports des cotes permet d'afficher les rapports des cotes estimés par modèle pour
les covariables et les facteurs indiqués. Un groupe de rapports des cotes distinct est calculé pour chaque
catégorie de la variable dépendante, à l'exception de la catégorie de référence.
Facteurs : Pour chaque facteur sélectionné, affiche le rapport des cotes de chaque catégorie du facteur
par rapport à celui de la catégorie de référence indiquée.
Covariables : Pour chaque covariable sélectionnée, affiche le rapport des cotes au niveau de la valeur
moyenne de la covariable et des unités de modification indiquées, par rapport à celui de la moyenne.
Lors du calcul des rapports des cotes d'un facteur ou d'une covariable, la procédure paramètre tous les
autres facteurs à leur niveau le plus haut et toutes les autres covariables à leur moyenne. Si un facteur ou
une covariable interagit avec les autres prédicteurs du modèle, tous les rapports des cotes dépendent
alors non seulement de la modification apportée à la variable indiquée, mais aussi des valeurs des
variables avec lesquelles il interagit. Si une covariable spécifiée interagit avec elle-même dans le modèle
(par exemple, âge*âge), les rapports des cotes dépendent alors de la modification de la covariable et de la
valeur covariable.

Régression logistique des échantillons complexes - Enregistrement

Enregistrer les variables : Ce groupe permet d'enregistrer les catégories estimées et les probabilités
prévues du modèle en tant que nouvelles variables dans le jeu de données actif.
Exporter le modèle en tant que données IBM SPSS Statistics. Ecrit un jeu de données dans un format
IBM SPSS Statistics contenant la corrélation des paramètres ou la matrice de covariance avec les
estimations des paramètres, les erreurs standard, les valeurs de signification et les degrés de liberté.
L'ordre des variables dans le fichier de matrice est le suivant.

Chapitre 1. Echantillons complexes 25

• rowtype_ : Prend les valeurs (et libellés de valeurs) suivantes : COV (covariances), CORR (corrélations),
EST (estimations des paramètres), SE (erreurs standard), SIG (niveau de signification) et DF (degrés de
liberté du plan d'échantillonnage). Il existe une observation distincte avec le type de ligne COV (ou
CORR) pour chaque paramètre de modèle et une observation distincte pour chacun des autres types de
ligne.
• varname_ : Prend les valeurs P1, P2, etc., correspondant à une liste triée de tous les paramètres de
modèle pour les types de ligne COV ou CORR, avec des libellés de valeur correspondant aux chaînes de
paramètres affichées dans le tableau Estimations des paramètres. Les cellules sont vides pour les
autres types de ligne.
• P1, P2, ... Ces variables correspondent à une liste triée de tous les paramètres de modèle, avec des
libellés de variable correspondant aux chaînes de paramètres affichées dans le tableau Estimations des
paramètres, et prennent leurs valeurs en fonction du type de ligne. Pour les paramètres redondants,
toutes les covariances et les estimations de paramètres sont définies sur zéro, et l'ensemble des
corrélations, erreurs standard, niveaux de signification et degrés de liberté résiduels sont définis sur la
valeur système manquante.
Remarque : Ce fichier n'est pas immédiatement utilisable pour d'autres analyses dans d'autres
procédures que la lecture d'un fichier de matrice, sauf si ces procédures acceptent tous les types de ligne
exportés ici.
Exporter le modèle au format XML : Enregistre les estimations et la matrice de covariance des
paramètres, si vous l'avez sélectionnée, au format XML (PMML). Vous pouvez utiliser ce fichier de modèle
pour appliquer les informations du modèle aux autres fichiers de données à des fins d'évaluation.

Régression logistique des échantillons complexes - Options

Estimation : Ce groupe permet de contrôler plusieurs critères utilisés dans l'estimation du modèle.
• Maximum des itérations : Nombre maximal d'itérations exécutées par l'algorithme. Spécifiez un
nombre entier non négatif.
• Nombre maximum de dichotomies : A chaque itération, la taille de l'étape est réduite par un facteur de
0,5 jusqu'à ce que les augmentations de log de vraisemblance ou le nombre maximum de dichotomie
soient atteints. Spécifiez un nombre entier positif.
• Limiter les itérations basées sur les changements dans les estimations de paramètres : Lorsque
cette option est sélectionnée, l'algorithme s'interrompt après une itération dans laquelle la modification
relative ou absolue apportée aux estimations de paramètre est inférieure à la valeur spécifiée, qui ne
doit pas être négative.
• Limiter les itérations basées sur les changements dans les rapports de log de vraisemblance :
Lorsque cette option est sélectionnée, l'algorithme s'interrompt après une itération dans laquelle la
modification relative ou absolue apportée à la fonction de log de vraisemblance est inférieure à la valeur
spécifiée, qui ne doit pas être négative.
• Vérifier la séparation complète des points de données : Lorsque cette option est sélectionnée,
l'algorithme effectue les tests permettant de s'assurer que les estimations de paramètre contiennent
des valeurs uniques. La séparation s'opère lorsque la procédure peut produire un modèle capable de
classer correctement chaque observation.
• Afficher l'historique des itérations : Affiche les estimations de paramètre et les statistiques toutes les
n itérations, en commençant par l'itération 0 (les estimations initiales). Si vous imprimez l'historique des
itérations, la dernière itération est toujours imprimée, indépendamment de la valeur de n.
Valeurs manquantes de l'utilisateur : Toutes les variables de plan, ainsi que la variable dépendante et
les covariables, doivent contenir des données valides. Les observations comportant des données non
valides pour l'une de ces variables sont supprimées de l'analyse. Vous pouvez ainsi décider si les valeurs
manquantes de l'utilisateur sont traitées comme étant valides dans la strate, le cluster, la sous-
population et les facteurs.
Intervalle de confiance : Il s'agit du niveau d'intervalle de confiance pour les estimations de coefficient,
les estimations de coefficient exponentielles et les rapports des cotes. Spécifiez une valeur supérieure ou
égale à 50 et inférieure à 100.

26 IBM SPSS Complex Samples 28

Fonctions supplémentaires de la commande CSLOGISTIC
Le langage de syntaxe de commande vous permet également d'effectuer les actions suivantes :
• Spécifier les tests d'effets par rapport à une combinaison linéaire d'effets ou une valeur (à l'aide de la
sous-commande CUSTOM).
• Définir des valeurs pour les autres variables de modèle lors du calcul des rapports des cotes des
facteurs et covariables (à l'aide de la sous-commande ODDSRATIOS).
• Indiquer une valeur de tolérance pour le contrôle des singularités (à l'aide de la sous-commande
CRITERIA).
• Créer des noms définis par l'utilisateur pour les variables enregistrées (à l'aide de la sous-commande
SAVE).
• Générer un tableau des fonctions générales estimées (en utilisant la sous-commande PRINT).
Reportez-vous au manuel Command Syntax Reference pour plus d'informations sur la syntaxe.

Régression ordinale des échantillons complexes

La procédure de régression ordinale des échantillons complexes effectue une analyse de régression sur
une variable dépendante binaire ou ordinale, pour les échantillons réalisés à l'aide de méthodes
d'échantillonnage complexes. Vous pouvez également demander une analyse pour une sous-population.
Exemple : Des élus étudiant un projet de loi devant l'assemblée législative souhaitent savoir si ce projet
est populaire auprès des électeurs et déterminer le lien existant entre cette popularité et la répartition
démographique des électeurs. Les enquêteurs conçoivent et mènent des entretiens en fonction d'un plan
d'échantillonnage complexe. Avec la procédure de régression ordinale des échantillons complexes, vous
pouvez ajuster un modèle concernant la cote de popularité du projet de loi en fonction de la répartition
démographique des électeurs.
Remarques sur les données de régression ordinale des échantillons complexes
Données : La variable dépendante est ordinale. Les facteurs sont qualitatifs. Les covariables sont des
variables quantitatives liées à la variable dépendante. Les variables de sous-population peuvent être du
type chaîne de caractères ou numérique, mais ne doivent pas être catégorielles.
Hypothèses : Les observations dans le fichier de données représentent un échantillon provenant d'un
plan complexe et devant être analysées en fonction des spécifications du fichier sélectionné dans la Boîte
de dialogue Plan d'échantillonnages complexes.
Obtention de la régression ordinale des échantillons complexes
1. A partir des menus, sélectionnez :
Analyse > Echantillons complexes > Régression ordinale...
2. Sélectionnez un fichier de plan. Vous pouvez également sélectionner un fichier personnalisé de
probabilités conjointes.
3. Cliquez sur Poursuivre.
4. Dans la boîte de dialogue Régression ordinale des échantillons complexes, sélectionnez une variable
dépendante.
Sinon, vous pouvez :
• Sélectionner des variables pour les facteurs et covariables, en fonction de vos données.
• Indiquez une variable pour définir une sous-population. L'analyse n'est effectuée que pour la catégorie
sélectionnée de la variable de sous-population, bien que les variances soient correctement estimées
sur le jeu de données entier.
• Sélectionnez une fonction de lien.
Fonction de lien : La fonction de lien consiste en une transformation des probabilités cumulées
permettant d'estimer le modèle. Les cinq fonctions de lien suivantes sont disponibles.

Chapitre 1. Echantillons complexes 27

• Logit : f(x)=log(x/(1−x) ). Cette option est généralement utilisée pour les catégories distribuées de façon
égale.
• Log-log complémentaire : f(x)=log(−log(1−x)). Cette option est généralement utilisée lorsque les
catégories supérieures sont les plus probables.
• Log-log négatif : f(x)=−log(−log(x)). Cette option est généralement utilisée lorsque les catégories
inférieures sont les plus probables.
• Probit : f(x)=Φ−1(x). Cette option est généralement utilisée lorsque la variable de latence est
normalement distribuée.
• Cauchit (Cauchy inverse) : f(x)=tan(π(x−0.5)). Cette option est généralement utilisée lorsque la
variable de latence possède un grand nombre de valeurs extrêmes.

Probabilités des réponses de régression ordinale des échantillons

complexes
La boîte de dialogue Probabilités de réponses permet d'indiquer si la probabilité cumulée d'une réponse
(à savoir la probabilité d'appartenir à une catégorie particulière de la variable dépendante et d'inclure
cette catégorie) augmente avec les valeurs croissantes ou décroissantes de la variable dépendante.

Modèle de régression ordinale des échantillons complexes

Spécifier les effets du modèle : Par défaut, la procédure élabore un modèle contenant des effets
principaux à l'aide des covariables et facteurs spécifiés dans la boîte de dialogue principale. Vous pouvez
également créer un modèle personnalisé contenant des effets d'interaction et des termes imbriqués.
Termes non imbriqués
Pour les facteurs et covariables sélectionnés :
Interaction : Crée le terme d'interaction du plus haut niveau pour toutes les variables sélectionnées.
Effets principaux : Crée un terme d'effet principal pour chaque variable sélectionnée.
Toutes d'ordre 2 : Crée toutes les interactions d'ordre 2 possibles des variables sélectionnées.
Toutes d'ordre 3 : Crée toutes les interactions d'ordre 3 possibles des variables sélectionnées.
Toutes d'ordre 4 : Crée toutes les interactions d'ordre 4 possibles des variables sélectionnées.
Toutes d'ordre 5 : Crée toutes les interactions d'ordre 5 possibles des variables sélectionnées.
Termes imbriqués
Dans cette procédure, vous pouvez construire des termes imbriqués pour votre modèle. Les termes
imbriqués sont utiles pour modéliser l'effet d'un facteur ou d'une covariable dont les valeurs
n'interagissent pas avec les niveaux d'un autre facteur. Par exemple, une chaîne d'épiceries peut suivre
les habitudes d'achat de ses clients à divers emplacements de magasin. Puisque chaque client ne
fréquente qu'un seul de ces magasins, l'effet Client peut être considéré comme étant imbriqué dans
l'effet Emplacement des magasins.
En outre, vous pouvez inclure des effets d'interaction, tels que des termes polynomiaux impliquant la
même covariable, ou ajouter plusieurs niveaux d'imbrication au terme imbriqué.
Limites : Les termes imbriqués comportent les restrictions suivantes :
• Tous les facteurs d'une interaction doivent être uniques. Ainsi, si A est un facteur, la spécification A*A
n'est pas valide.
• Tous les facteurs d'un effet imbriqué doivent être uniques. Ainsi, si A est un facteur, la spécification A(A)
n'est pas valide.
• Aucun effet ne peut être imbriqué dans un effet de covariable. Ainsi, si A est un facteur et X une
covariable, la spécification A(X) n'est pas valide.

28 IBM SPSS Complex Samples 28

Régression ordinale des échantillons complexes - Statistiques
Qualité de l'ajustement : Contrôle l'affichage des statistiques qui mesurent les performances globales du
modèle.
• Pseudo R-carré : La statistiqueR 2 de la régression linéaire n'a pas de véritable équivalent dans les
modèles de régression ordinale. On trouve, à la place, plusieurs mesures qui essaient de reproduire les
propriétés de la statistique R 2.
• Table de classification : Affiche les classifications croisées mises en tableau des catégories observées,
classées selon les catégories prévues par le modèle en fonction de la variable dépendante.
Paramètres : Ce groupe permet de contrôler l'affichage des statistiques associées aux paramètres du
modèle.
• Estimation : Affiche des estimations des coefficients.
• Estimation mise en exposant : Affiche la base du logarithme népérien élevée à la puissance des
estimations des coefficients. L'estimation présente des propriétés parfaitement adaptées aux tests
statistiques ; l'estimation exponentielle, ou exp(B), est, quant à elle, plus facile à interpréter.
• Erreur standard : Affiche l'erreur standard pour chaque estimation de coefficient.
• Intervalle de confiance : Affiche l'intervalle de confiance pour chaque estimation de coefficient. Le
niveau de confiance de l'intervalle est défini dans la boîte de dialogue Options.
• Test t : Affiche un test t pour chaque estimation de coefficient. L'hypothèse nulle de chaque test
correspond au cas où la valeur du coefficient est 0.
• Covariances des estimations de paramètres : Affiche une estimation de la matrice de covariance pour
les coefficients du modèle.
• Corrélations des estimations de paramètres : Affiche une estimation de la matrice de corrélation pour
les coefficients du modèle.
• Effet de plan : Rapport entre la variance de l'estimation et la variance, en partant du principe que
l'échantillon est un échantillon aléatoire simple. Il s'agit d'une mesure de l'effet de spécification d'un
plan complexe, où les valeurs éloignées de 1 indiquent des effets importants.
• Racine carrée de l'effet de plan : Il s'agit d'une mesure, exprimée en unités comparables à celles de
l'erreur standard, de l'effet de spécification d'un plan complexe où les valeurs éloignées de 1 indiquent
des effets importants.
Droites parallèles : Ce groupe permet de demander des statistiques associées à un modèle avec courbes
non parallèles où une courbe de régression distincte est ajustée pour chaque catégorie de réponse (sauf
la dernière).
• Test de Wald : Produit un test de l'hypothèse nulle selon laquelle les paramètres de régression sont
égaux pour toutes les réponses cumulées. Le modèle avec courbes non parallèles est estimé et le test
de Wald des paramètres égaux est appliqué.
• Estimations des paramètres : Affiche les estimations des coefficients et des erreurs standard du
modèle avec courbes non parallèles.
• Covariances des estimations de paramètres : Affiche une estimation de la matrice de covariance pour
les coefficients du modèle avec courbes non parallèles.
Statistiques récapitulatives des variables de modèle : Affiche les informations récapitulatives sur la
variable dépendante, les covariables et les facteurs.
Informations sur le plan d'échantillonnage : Affiche les informations récapitulatives relatives à
l'échantillon, y compris les effectifs non pondérés et la taille de la population.

Tests d'hypothèse des échantillons complexes

Statistique de test : Ce groupe vous permet de sélectionner le type de statistiques à utiliser pour tester
les hypothèses. Vous avez le choix entre F, F ajusté, khi-carré et khi-carré ajusté.

Chapitre 1. Echantillons complexes 29

Degrés de liberté de l'échantillonnage : Ce groupe permet de contrôler les degrés de liberté du plan
d'échantillonnage utilisés pour calculer les valeurs p pour toutes les statistiques de test. Si elle est basée
sur le plan d'échantillonnage, cette valeur correspond à la différence entre le nombre d'unités
d'échantillonnage principales et le nombre de strates présentes à la première étape de l'échantillonnage.
Vous pouvez également définir un degré de liberté personnalisé en indiquant un entier positif.
Ajustement pour les comparaisons multiples : Lors de l'exécution de tests d'hypothèse avec plusieurs
contrastes, vous pouvez ajuster le niveau global de signification à partir des niveaux de signification des
contrastes inclus. Ce groupe vous permet de choisir la méthode d'ajustement.
• Différence la moins significative : Cette méthode ne contrôle pas l'intégralité de la probabilité de rejet
des hypothèses qui présentent des contrastes linéaires différents des valeurs d'hypothèse nulles.
• Sidak séquentiel. Il s'agit d'une procédure descendante de rejet séquentiel de Sidak beaucoup moins
stricte en ce qui concerne le rejet des différentes hypothèses mais qui conserve le même niveau global
de signification.
• Bonferroni séquentiel. Il s'agit d'une procédure descendante de rejet séquentiel de Bonferroni beaucoup
moins stricte en ce qui concerne le rejet des différentes hypothèses mais qui conserve le même niveau
global de signification.
• Sidak. Cette méthode fournit des limites plus strictes que l'approche de Bonferroni.
• Bonferroni. Cette méthode ajuste le niveau d'importance observé au fait que plusieurs contrastes sont
en cours de test.

Régression ordinale des échantillons complexes - Rapports des cotes

La boîte de dialogue Rapports des cotes permet d'afficher les rapports des cotes cumulées estimés par
modèle pour les covariables et les facteurs indiqués. Cette fonction n'est disponible que pour les modèles
utilisant la fonction de lien logit. Un rapport des cotes cumulées unique est calculé pour toutes les
catégories de la variable dépendante, à l'exception de la dernière. Le modèle d'odds proportionnel émet
le postulat selon lequel toutes les catégories sont égales.
Facteurs : Pour chaque facteur sélectionné, affiche le rapport des cotes cumulées de chaque catégorie du
facteur par rapport à celui de la catégorie de référence indiquée.
Covariables : Pour chaque covariable sélectionnée, affiche le rapport des cotes cumulées au niveau de la
valeur moyenne de la covariable et des unités de modification indiquées, par rapport à celui de la
moyenne.
Lors du calcul des rapports des cotes d'un facteur ou d'une covariable, la procédure paramètre tous les
autres facteurs à leur niveau le plus haut et toutes les autres covariables à leur moyenne. Si un facteur ou
une covariable interagit avec les autres prédicteurs du modèle, tous les rapports des cotes dépendent
alors non seulement de la modification apportée à la variable indiquée, mais aussi des valeurs des
variables avec lesquelles il interagit. Si une covariable spécifiée interagit avec elle-même dans le modèle
(par exemple, âge*âge), les rapports des cotes dépendent alors de la modification de la covariable et de la
valeur covariable.

Régression ordinale des échantillons complexes - Enregistrement

Enregistrer les variables : Ce groupe permet d'enregistrer les probabilités prévues du modèle, la
probabilité de catégorie prévue, la probabilité de catégorie observée, les probabilités cumulées et les
probabilités prévues en tant que nouvelles variables dans le jeu de données actif.
Exporter le modèle en tant que données IBM SPSS Statistics. Ecrit un jeu de données dans un format
IBM SPSS Statistics contenant la corrélation des paramètres ou la matrice de covariance avec les
estimations des paramètres, les erreurs standard, les valeurs de signification et les degrés de liberté.
L'ordre des variables dans le fichier de matrice est le suivant.
• rowtype_ : Prend les valeurs (et libellés de valeurs) suivantes : COV (covariances), CORR (corrélations),
EST (estimations des paramètres), SE (erreurs standard), SIG (niveau de signification) et DF (degrés de
liberté du plan d'échantillonnage). Il existe une observation distincte avec le type de ligne COV (ou

30 IBM SPSS Complex Samples 28

Régression ordinale des échantillons complexes - Options

Méthode d'estimation : Vous pouvez sélectionner une méthode d'estimation de paramètre. Vous avez le
choix entre la méthode de Newton-Raphson, les évaluations de Fisher ou une méthode hybride dans
laquelle les itérations des évaluations de Fisher sont effectuées avant le passage à la méthode de
Newton-Raphson. En cas de convergence durant la phase des évaluations de Fisher de la méthode
hybride, avant que le nombre maximal d'itérations de Fisher soit atteint, l'algorithme passe à la méthode
de Newton-Raphson.
Estimation : Ce groupe permet de contrôler plusieurs critères utilisés dans l'estimation du modèle.
• Maximum des itérations : Nombre maximal d'itérations exécutées par l'algorithme. Spécifiez un
nombre entier non négatif.
• Nombre maximum de dichotomies : A chaque itération, la taille de l'étape est réduite par un facteur de
0,5 jusqu'à ce que les augmentations de log de vraisemblance ou le nombre maximum de dichotomie
soient atteints. Spécifiez un nombre entier positif.
• Limiter les itérations basées sur les changements dans les estimations de paramètres : Lorsque
cette option est sélectionnée, l'algorithme s'interrompt après une itération dans laquelle la modification
relative ou absolue apportée aux estimations de paramètre est inférieure à la valeur spécifiée, qui ne
doit pas être négative.
• Limiter les itérations basées sur les changements dans les rapports de log de vraisemblance :
Lorsque cette option est sélectionnée, l'algorithme s'interrompt après une itération dans laquelle la
modification relative ou absolue apportée à la fonction de log de vraisemblance est inférieure à la valeur
spécifiée, qui ne doit pas être négative.
• Vérifier la séparation complète des points de données : Lorsque cette option est sélectionnée,
l'algorithme effectue les tests permettant de s'assurer que les estimations de paramètre contiennent
des valeurs uniques. La séparation s'opère lorsque la procédure peut produire un modèle capable de
classer correctement chaque observation.
• Afficher l'historique des itérations : Affiche les estimations de paramètre et les statistiques toutes les
n itérations, en commençant par l'itération 0 (les estimations initiales). Si vous imprimez l'historique des
itérations, la dernière itération est toujours imprimée, indépendamment de la valeur de n.
Valeurs manquantes de l'utilisateur : Les variables de plan d'échelle, ainsi que la variable dépendante et
les covariables, doivent contenir des données valides. Les observations comportant des données non
valides pour l'une de ces variables sont supprimées de l'analyse. Vous pouvez ainsi décider si les valeurs
manquantes de l'utilisateur sont traitées comme étant valides dans la strate, le cluster, la sous-
population et les facteurs.

Chapitre 1. Echantillons complexes 31

Intervalle de confiance : Il s'agit du niveau d'intervalle de confiance pour les estimations de coefficient,
les estimations de coefficient exponentielles et les rapports des cotes. Spécifiez une valeur supérieure ou
égale à 50 et inférieure à 100.

Fonctions supplémentaires de la commande CSORDINAL

Le langage de syntaxe de commande vous permet également d'effectuer les actions suivantes :
• Spécifier les tests d'effets par rapport à une combinaison linéaire d'effets ou une valeur (à l'aide de la
sous-commande CUSTOM).
• Donner aux autres variables de modèle des valeurs autres que leur moyenne lors du calcul des rapports
des cotes cumulées des facteurs et covariables (à l'aide de la sous-commande ODDSRATIOS).
• Utiliser des valeurs non libellées comme catégories de référence personnalisées pour les facteurs
lorsque les rapports des cotes sont demandés (à l'aide de la sous-commande ODDSRATIOS).
• Indiquer une valeur de tolérance pour le contrôle des singularités (à l'aide de la sous-commande
CRITERIA).
• Générer un tableau des fonctions générales estimées (en utilisant la sous-commande PRINT).
• Enregistrer plus de 25 variables de probabilité (à l'aide de la sous-commande SAVE).
Reportez-vous au manuel Command Syntax Reference pour plus d'informations sur la syntaxe.

régression de Cox des échantillons complexes

La procédure de la régression de Cox des échantillons complexes effectue une analyse de survie pour les
échantillons réalisés à l'aide de méthodes d'échantillonnage complexes. Vous pouvez également
demander une analyse pour une sous-population.
Exemples : Une administration chargée de l'application de la loi s'inquiète des taux de récidive dans sa
juridiction. L'une des mesures de récidive est le temps qui s'écoule avant la deuxième arrestation des
délinquants. L'agence souhaite modéliser le temps s'écoulant jusqu'à la deuxième arrestation à l'aide
d'une régression de Cox, mais craint que l'hypothèse des risques proportionnels ne soit pas valide sur
l'ensemble des tranches d'âge.
Des chercheurs en médecine étudient les durées de survie des patients qui quittent un programme de
rééducation à la suite d'un accident ischémique. Il est possible d'avoir plusieurs observations par sujet,
étant donné que les antécédents des patients changent à mesure que des événements non mortels
significatifs sont constatés et que l'heure de ces événements est enregistrée. L'échantillon est également
tronqué à gauche dans le sens où les durées de survie observées sont « augmentées » par la durée de la
rééducation. En effet, si le risque commence au moment de l'accident ischémique, seuls les patients
survivant au programme de rééducation sont inclus dans l'échantillon.
Remarques sur les données de régression de Cox des échantillons complexes
Durée de survie : La procédure applique la régression de Cox à l'analyse des durées de survie, c'est-à-
dire le temps qui s'écoule avant qu'un événement se produise. Il existe deux façons d'indiquer la durée de
survie, en fonction de l'heure de début de l'intervalle :
• Temps=0 : En général, vous aurez des informations complètes concernant le début de l'intervalle pour
chaque sujet et vous aurez simplement une variable contenant les heures de fin (ou créerez une
variable unique avec des heures de fin à partir des variables de date et d'heure (voir ci-dessous).
• Varie en fonction du sujet : Cette solution est adaptée lorsque vous avez une troncation à gauche,
également appelée entrée différée. Par exemple, si vous analysez les durées de survie de patients
quittant un programme de rééducation suite à une attaque, vous pouvez considérer que le risque
commence au moment de l'attaque. Cependant, si votre échantillon ne comprend que des patients
ayant survécu au programme de rééducation, il est tronqué à gauche car les durées de survie observées
sont "augmentées" par la durée de la rééducation. Pour représenter cette information, indiquez l'heure
à laquelle ils ont quitté le programme de rééducation comme heure d'entrée dans l'étude.

32 IBM SPSS Complex Samples 28

Variables de date et d'heure : Vous ne pouvez pas utiliser les variables de date et d'heure pour définir
directement le début et la fin de l'intervalle. Si vous disposez de variables de ce type, vous devez les
utiliser pour créer des variables contenant des durées de survie. En l'absence de troncation à gauche, il
suffit de créer une variable contenant des heures de fin, basée sur la différence entre la date d'entrée
dans l'étude et la date d'observation. En présence d'une troncation à gauche, créez une variable
contenant des heures de début, basée sur la différence entre la date de début de l'étude et la date
d'entrée, et une variable contenant des heures de fin, basée sur la différence entre la date de début de
l'étude et la date d'observation.
Statut des événements : Vous avez besoin d'une variable pour enregistrer si le sujet a vécu l'événement
étudié dans l'intervalle. Les sujets qui n'ont pas connu cet événement sont censurés à droite.
Identificateur de sujet : Vous pouvez facilement incorporer des prédicteurs chronologiques de constante
"par morceau" en scindant les observations d'un sujet sur plusieurs observations. Par exemple, si vous
analysez les durées de survie des patients suite à l'attaque, les variables représentant leurs antécédents
médicaux doivent être utiles en tant que prédicteurs. Au fil du temps, ils peuvent vivre des événements
médicaux majeurs modifiant leurs antécédents médicaux. Le tableau ci-dessous montre comment
structurer un tel jeu de données : ID patient est l'identificateur de sujet, Heure de fin définit les intervalles
observés, Statut enregistre des événements médicaux majeurs, et Antécédents d'attaques cardiaques et
Antécédents d'hémorragies sont des prédicteurs chronologiques de constance "par morceau".

Tableau 1. Structure de données permettant d'intégrer des prédicteurs chronologiques de constante "par
morceau"
ID patient Fin du Statut Antécédents d'attaques Antécédents
programme cardiaques d'hémorragies
1 5 Attaque cardiaque Non Non
1 7 Hémorragie Oui Non
1 8 Décédé Oui Oui
2 24 Décédé Non Non
3 8 Attaque cardiaque Non Non
3 15 Décédé Oui Non

Hypothèses : Les observations dans le fichier de données représentent un échantillon provenant d'un
plan complexe et devant être analysées en fonction des spécifications du fichier sélectionné dans la Boîte
de dialogue Plan d'échantillonnages complexes.
En général, les modèles de régression de Cox partent du principe que les risques sont proportionnels,
c'est-à-dire que le rapport des risques d'une observation à une autre ne doit pas varier dans le temps. Si
cette hypothèse n'est pas valable, il peut être nécessaire d'ajouter au modèle des prédicteurs
chronologiques.
Analyse Kaplan-Meier : Si vous ne sélectionnez aucun prédicteur (ou que vous n'entrez aucun prédicteur
sélectionné dans le modèle) et que vous choisissez la méthode de limite du produit pour calculer la
courbe de survie de la ligne de base dans l'onglet Options, la procédure effectue une analyse de survie de
type Kaplan-Meier.
Pour obtenir une régression de Cox des échantillons complexes
1. A partir des menus, sélectionnez :
Analyse > Echantillons complexes > Régression de Cox...
2. Sélectionnez un fichier de plan. Vous pouvez également sélectionner un fichier personnalisé de
probabilités conjointes.
3. Cliquez sur Poursuivre.
4. Spécifiez la durée de survie en sélectionnant les heures d'entrée et de sortie de l'étude.
5. Sélectionnez une variable de statut de l'événement.

Chapitre 1. Echantillons complexes 33

6. Cliquez sur Définir un événement et précisez au moins une valeur.
Vous pouvez également sélectionner un identificateur de sujet.

Définition d'un événement

Spécifiez les valeurs indiquant qu'un événement final s'est produit.
• Valeur(s) individuelle(s) : Spécifiez une ou plusieurs valeurs en les entrant dans la grille ou en les
sélectionnant à partir d'une liste de valeurs contenant des libellés de valeur définis.
• Plage de valeurs : Spécifiez une plage de valeurs en entrant les valeurs minimum et maximum, ou en
sélectionnant des valeurs à partir d'une liste contenant des libellés de valeur définis.

Prédicteurs
L'onglet Prédicteurs vous permet d'indiquer les covariables et facteurs utilisés pour élaborer des effets de
modèle.
Facteurs : Les facteurs sont des prédicteurs catégoriels de type numérique ou chaîne.
Covariables : Les covariables sont des prédicteurs d'échelle ; elles doivent être numériques.
Prédicteurs chronologiques : Dans certains cas, l'hypothèse des risques proportionnels n'est pas
valable. Les taux de probabilité des risques varient dans le temps. Les valeurs de l'un ou plusieurs de vos
prédicteurs sont différentes à différentes dates. Dans de tels cas, vous devez spécifier des prédicteurs
chronologiques. Pour plus d'informations, voir «Définition d'un prédicteur chronologique », à la page 34.
Les prédicteurs chronologiques peuvent être sélectionnés en tant que facteurs ou covariables.

Définition d'un prédicteur chronologique

La boîte de dialogue Définir une prédicteur chronologique vous permet de créer un prédicteur dépendant
de la variable de temps intégrée T_. Vous pouvez l'utiliser pour définir des prédicteurs chronologiques de
deux façons :
• Si vous voulez estimer un modèle de régression de Cox étendue autorisant des risques non
proportionnels, vous pouvez définir votre prédicteur chronologique sous forme de fonction de la
variable de temps T_ et de la covariable en question. Exemple : le simple produit de la variable de
temps et du prédicteur. Vous pouvez également définir des fonctions plus complexes.
• Certaines variables peuvent avoir différentes valeurs à des périodes différentes sans pour autant être
liées au temps (chronologiques). Dans ce cas, vous devez définir une prédicteur chronologique
segmentée à l'aide d'une expression logique. Les expressions logiques prennent la valeur 1 si elles sont
vraies, 0 si elles sont fausses. A l'aide d'une série d'expressions logiques, vous pouvez créer votre
prédicteur chronologique à partir d'un ensemble de mesures. Par exemple, si votre pression artérielle
est mesurée une fois par semaine pendant les quatre semaines de votre étude, (mesures identifiées par
PA1 to PA4), vous pouvez définir votre prédicteur chronologique sous la forme (T_ < 1) * PA1 + (T_ >= 1
& T_ < 2) * PA2 + (T_ >= 2 & T_ < 3) * PA3 + (T_ >= 3 & T_ < 4) * PA4. Notez qu'un seul des termes entre
parenthèses est égal à 1 pour chaque cas, tandis que les autres termes sont égaux à 0. Cette fonction
peut être interprétée ainsi : "Si le temps est inférieur à une semaine, utilisez PA1. S'il est supérieur à
une semaine mais inférieur à deux, utilisez PA2, et ainsi de suite."
Remarque : Si votre prédicteur chronologique segmenté est constant dans les segments, comme dans
l'exemple de pression artérielle ci-dessus, il vous sera plus facile d'indiquer le prédicteur chronologique
de constante "par morceau" en scindant les sujets sur plusieurs observations. Pour plus d'informations,
voir la section relative aux identificateurs de sujets dans «régression de Cox des échantillons
complexes», à la page 32.
Dans la boîte de dialogue Définir un prédicteur chronologique, vous pouvez utiliser des contrôles de
construction de fonction pour construire l'expression pour le prédicteur chronologique ou bien vous
pouvez la saisir directement dans la zone de texte Expression numérique. Notez que les constantes
alphanumériques doivent être saisies entre guillemets ou apostrophes, tandis que les constantes
numériques doivent être en format Américain avec un point en tant que délimiteur décimal. Le nom

34 IBM SPSS Complex Samples 28

attribué à la variable est celui que vous spécifiez. Cette variable doit être incluse comme facteur ou
covariable dans l'onglet Prédicteurs.

Sous-groupes
Strates de la ligne de base : Une fonction de risque de base et de survie distincte est calculée pour
chaque valeur de cette variable, alors qu'un ensemble unique de coefficients du modèle est estimé sur
l'ensemble des strates.
Variable de sous-population : Indiquez une variable pour définir une sous-population. L'analyse est
effectuée uniquement pour la catégorie sélectionnée de la variable de sous-population.

Modèle
Spécifier les effets du modèle : Par défaut, la procédure élabore un modèle contenant des effets
principaux à l'aide des covariables et facteurs spécifiés dans la boîte de dialogue principale. Vous pouvez
également créer un modèle personnalisé contenant des effets d'interaction et des termes imbriqués.
Termes non imbriqués
Pour les facteurs et covariables sélectionnés :
Interaction : Crée le terme d'interaction du plus haut niveau pour toutes les variables sélectionnées.
Effets principaux : Crée un terme d'effet principal pour chaque variable sélectionnée.
Toutes d'ordre 2 : Crée toutes les interactions d'ordre 2 possibles des variables sélectionnées.
Toutes d'ordre 3 : Crée toutes les interactions d'ordre 3 possibles des variables sélectionnées.
Toutes d'ordre 4 : Crée toutes les interactions d'ordre 4 possibles des variables sélectionnées.
Toutes d'ordre 5 : Crée toutes les interactions d'ordre 5 possibles des variables sélectionnées.
Termes imbriqués
Dans cette procédure, vous pouvez construire des termes imbriqués pour votre modèle. Les termes
imbriqués sont utiles pour modéliser l'effet d'un facteur ou d'une covariable dont les valeurs
n'interagissent pas avec les niveaux d'un autre facteur. Par exemple, une chaîne d'épiceries peut suivre
les habitudes d'achat de ses clients à divers emplacements de magasin. Puisque chaque client ne
fréquente qu'un seul de ces magasins, l'effet Client peut être considéré comme étant imbriqué dans
l'effet Emplacement des magasins.
En outre, vous pouvez inclure des effets d'interaction, tels que des termes polynomiaux impliquant la
même covariable, ou ajouter plusieurs niveaux d'imbrication au terme imbriqué.
Limites : Les termes imbriqués comportent les restrictions suivantes :
• Tous les facteurs d'une interaction doivent être uniques. Ainsi, si A est un facteur, la spécification A*A
n'est pas valide.
• Tous les facteurs d'un effet imbriqué doivent être uniques. Ainsi, si A est un facteur, la spécification A(A)
n'est pas valide.
• Aucun effet ne peut être imbriqué dans un effet de covariable. Ainsi, si A est un facteur et X une
covariable, la spécification A(X) n'est pas valide.

Statistiques
Informations sur le plan d'échantillonnage : Affiche les informations récapitulatives relatives à
l'échantillon, y compris les effectifs non pondérés et la taille de la population.
Récapitulatif de l'événement et de la censure : Affiche des informations récapitulatives relatives au
nombre et au pourcentage d'observations censurées.
Ensemble des risques au moment des événements : Affiche le nombre d'événements et le nombre à
risque au moment de chaque événement dans chacune des strates de la ligne de base.

Chapitre 1. Echantillons complexes 35

Paramètres : Ce groupe permet de contrôler l'affichage des statistiques associées aux paramètres du
modèle.
• Estimation : Affiche des estimations des coefficients.
• Estimation mise en exposant : Affiche la base du logarithme népérien élevée à la puissance des
estimations des coefficients. L'estimation présente des propriétés parfaitement adaptées aux tests
statistiques ; l'estimation exponentielle, ou exp(B), est, quant à elle, plus facile à interpréter.
• Erreur standard : Affiche l'erreur standard pour chaque estimation de coefficient.
• Intervalle de confiance : Affiche l'intervalle de confiance pour chaque estimation de coefficient. Le
niveau de confiance de l'intervalle est défini dans la boîte de dialogue Options.
• Test t : Affiche un test t pour chaque estimation de coefficient. L'hypothèse nulle de chaque test
correspond au cas où la valeur du coefficient est 0.
• Covariances des estimations de paramètres : Affiche une estimation de la matrice de covariance pour
les coefficients du modèle.
• Corrélations des estimations de paramètres : Affiche une estimation de la matrice de corrélation pour
les coefficients du modèle.
• Effet de plan : Rapport entre la variance de l'estimation et la variance, en partant du principe que
l'échantillon est un échantillon aléatoire simple. Il s'agit d'une mesure de l'effet de spécification d'un
plan complexe, où les valeurs éloignées de 1 indiquent des effets importants.
• Racine carrée de l'effet de plan : Il s'agit d'une mesure de l'effet de spécification d'un plan complexe,
où les valeurs éloignées de 1 indiquent des effets importants.
Hypothèses du modèle : Ce groupe vous permet de générer un test de l'hypothèse des risques
proportionnels. Le test compare le modèle ajusté à un modèle alternatif incluant des prédicteurs
chronologiques x*_TF pour chaque prédicteur x, _TF étant la fonction d'heure indiquée.
• Fonction d'heure : Indique la forme de _TF pour le modèle alternatif. Pour la fonction d'identité,
_TF=T_. Pour la fonction log, _TF=log(T_). Pour Kaplan-Meier, _TF=1−S KM(T_), où S KM(.) correspond à
l'estimation Kaplan-Meier de la fonction de survie. Pour le rang, _TF est le rang de T_ parmi les heures
de fin observées.
• Estimations des paramètres pour modèle alternatif : Affiche l'estimation, l'erreur standard et
l'intervalle de confiance pour chaque paramètre du modèle alternatif.
• Matrice de covariance pour modèle alternatif : Affiche la matrice de covariances estimées entre les
paramètres du modèle alternatif.
Fonctions de survie et de risque cumulées de la ligne de base : Affiche la fonction de survie de la ligne
de base et la fonction de risques cumulés de la ligne de base, ainsi que leurs erreurs standard.
Remarque : Si des prédicteurs chronologiques définis dans l'onglet Prédicteurs sont inclus dans le
modèle, cette option n'est pas disponible.

Tracés
L'onglet Tracés vous permet de demander des tracés des fonctions de risque, de survie, LN (-Logn) de la
fonction de survie et un moins survie. Vous pouvez également choisir de tracer les intervalles de
confiance le long des fonctions spécifiées. Le niveau de confiance est défini dans l'onglet Options.
Motifs de prédicteurs : Vous pouvez indiquer un motif de valeurs de prédicteur à utiliser pour les tracés
demandés et le fichier de survie exporté dans l'onglet Exporter. Notez que ces options ne sont pas
disponibles si les prédicteurs chronologiques définis dans l'onglet Prédicteurs sont inclus dans le modèle.
• Tracer les facteurs à : Par défaut, chaque facteur est évalué à son niveau maximum. Entrez ou
sélectionnez un autre niveau, si vous le souhaitez. Vous pouvez également choisir de tracer des courbes
distinctes pour chaque niveau d'un facteur unique en cochant la case de ce facteur.
• Tracer les covariables à : Chaque covariable est évaluée à sa moyenne. Entrez ou sélectionnez une
autre valeur, si vous le souhaitez.

36 IBM SPSS Complex Samples 28

Tests d'hypothèse
Statistique de test : Ce groupe vous permet de sélectionner le type de statistiques à utiliser pour tester
les hypothèses. Vous avez le choix entre F, F ajusté, khi-carré et khi-carré ajusté.
Degrés de liberté de l'échantillonnage : Ce groupe permet de contrôler les degrés de liberté du plan
d'échantillonnage utilisés pour calculer les valeurs p pour toutes les statistiques de test. Si elle est basée
sur le plan d'échantillonnage, cette valeur correspond à la différence entre le nombre d'unités
d'échantillonnage principales et le nombre de strates présentes à la première étape de l'échantillonnage.
Vous pouvez également définir un degré de liberté personnalisé en indiquant un entier positif.
Ajustement pour les comparaisons multiples : Lors de l'exécution de tests d'hypothèse avec plusieurs
contrastes, vous pouvez ajuster le niveau global de signification à partir des niveaux de signification des
contrastes inclus. Ce groupe vous permet de choisir la méthode d'ajustement.
• Différence la moins significative : Cette méthode ne contrôle pas l'intégralité de la probabilité de rejet
des hypothèses qui présentent des contrastes linéaires différents des valeurs d'hypothèse nulles.
• Sidak séquentiel. Il s'agit d'une procédure descendante de rejet séquentiel de Sidak beaucoup moins
stricte en ce qui concerne le rejet des différentes hypothèses mais qui conserve le même niveau global
de signification.
• Bonferroni séquentiel. Il s'agit d'une procédure descendante de rejet séquentiel de Bonferroni beaucoup
moins stricte en ce qui concerne le rejet des différentes hypothèses mais qui conserve le même niveau
global de signification.
• Sidak. Cette méthode fournit des limites plus strictes que l'approche de Bonferroni.
• Bonferroni. Cette méthode ajuste le niveau d'importance observé au fait que plusieurs contrastes sont
en cours de test.

Enregistrer
Enregistrer les variables : Ce groupe vous permet d'enregistrer les variables liées au modèle dans le jeu
de données actif pour les utiliser ultérieurement dans les diagnostics et les rapports des résultats. Notez
qu'elles ne sont pas disponibles quand des prédicteurs chronologiques sont inclus dans le modèle.
• Fonction de survie : Enregistre la probabilité de survie (valeur de la fonction de survie) au moment
observé et les valeurs des prédicteurs pour chaque observation.
• Borne inférieure de l'intervalle de confiance pour la fonction de survie : Enregistre la borne
inférieure de l'intervalle de confiance pour la fonction de survie au moment observé et les valeurs des
prédicteurs pour chaque observation.
• Borne supérieure de l'intervalle de confiance pour la fonction de survie : Enregistre la borne
supérieure de l'intervalle de confiance pour la fonction de survie au moment observé et les valeurs des
prédicteurs pour chaque observation.
• Fonction de risque cumulée : Enregistre le risque cumulé, ou -ln(survie), au moment observé et les
valeurs des prédicteurs pour chaque observation.
• Borne inférieure de l'intervalle de confiance pour la fonction de risque cumulée : Enregistre la borne
inférieure de l'intervalle de confiance pour la fonction de risque cumulée au moment observé et les
valeurs des prédicteurs pour chaque observation.
• Borne supérieure de l'intervalle de confiance pour la fonction de risque cumulée : Enregistre la
borne supérieure de l'intervalle de confiance pour la fonction de risque cumulée au moment observé et
les valeurs des prédicteurs pour chaque observation.
• Prévision du prédicteur linéaire : Enregistre la combinaison linéaire des coefficients de régression
pour les heures des prédicteurs corrigés de la valeur de référence. Le prédicteur linéaire correspond au
rapport entre la fonction de risque et de risque de base. Dans le modèle des risques proportionnels,
cette valeur est constante dans le temps.
• Résidu de Schoenfeld : Pour chaque observation non censurée et chaque paramètre non redondant du
modèle, le résidu de Schoenfeld correspond à la différence entre la valeur observée du prédicteur
associé au paramètre du modèle et la valeur théorique du prédicteur pour les observations de

Chapitre 1. Echantillons complexes 37

l'ensemble des risques au moment où les événements sont observés. Les résidus de Schoenfeld
peuvent être utilisés pour évaluer l'hypothèse des risques proportionnels. Par exemple, pour un
prédicteur x, les tracés des résidus de Schoenfeld pour le prédicteur chronologique x*ln(T_) par rapport
au temps doivent montrer une ligne horizontale au niveau de 0 si les risques proportionnels sont
valables. Une variable distincte est enregistrée pour chaque paramètre non redondant du modèle. Les
résidus de Schoenfeld sont uniquement calculés pour les observations non censurées.
• Résidu de Martingale : Pour chaque observation, le résidu de Martingale correspond à la différence
entre la censure observée (0 si elle est censurée, 1 si ce n'est pas le cas) et la prévision d'un événement
pendant le temps d'observation.
• Résidus au sens déviance : Les résidus au sens déviance sont des résidus de Martingale "ajustés" pour
paraître plus symétriques au niveau de 0. Les tracés des résidus au sens déviance par rapport aux
prédicteurs ne doivent révéler aucun motif.
• Résidu de Cox-Snell : Pour chaque observation, le résidu de Cox-Snell correspond à la prévision d'un
événement pendant la période d'observation, ou la censure observée moins le résidu de Martingale.
• Résidu de score : Pour chaque observation et chaque paramètre non redondant du modèle, le résidu de
score est la contribution de l'observation à la première dérivée de la pseudo-vraisemblance. Une
variable distincte est enregistrée pour chaque paramètre non redondant du modèle.
• Résidu de la différence de Bêta : Pour chaque observation et chaque paramètre non redondant du
modèle, le résidu de la différence de Bêta se rapproche du changement de la valeur de l'estimation des
paramètres lorsque l'observation est supprimée du modèle. Il est possible que les observations ayant
des résidus de la différence de Bêta relativement élevés aient un effet d'annulation sur l'analyse. Une
variable distincte est enregistrée pour chaque paramètre non redondant du modèle.
• Résidus agrégés : Quand plusieurs observations représentent un sujet unique, le résidu agrégé d'un
sujet est simplement la somme des résidus de l'observation correspondante sur l'ensemble des
observations appartenant au même sujet. Pour le résidu de Schoenfeld, la version agrégée est
semblable à celle de la version non agrégée parce que le résidu de Schoenfeld est défini uniquement
pour les observations non censurées. Ces résidus ne sont disponibles que si un identificateur de sujet
est spécifié dans l'onglet Heure et événement.
Noms des variables enregistrées : Grâce à la génération automatique de nom, vous conservez
l'ensemble de votre travail. Les noms personnalisés vous permettent de supprimer/remplacer les
résultats d'exécutions précédentes sans supprimer d'abord les variables enregistrées dans l'éditeur de
données.

Exportation
Exporter le modèle en tant que données IBM SPSS Statistics. Ecrit un jeu de données dans un format
IBM SPSS Statistics contenant la corrélation des paramètres ou la matrice de covariance avec les
estimations des paramètres, les erreurs standard, les valeurs de signification et les degrés de liberté.
L'ordre des variables dans le fichier de matrice est le suivant.
• rowtype_ : Prend les valeurs (et libellés de valeurs) suivantes : COV (covariances), CORR (corrélations),
EST (estimations des paramètres), SE (erreurs standard), SIG (niveau de signification) et DF (degrés de
liberté du plan d'échantillonnage). Il existe une observation distincte avec le type de ligne COV (ou
CORR) pour chaque paramètre de modèle et une observation distincte pour chacun des autres types de
ligne.
• varname_ : Prend les valeurs P1, P2, etc., correspondant à une liste triée de tous les paramètres de
modèle pour les types de ligne COV ou CORR, avec des libellés de valeur correspondant aux chaînes de
paramètres affichées dans le tableau Estimations des paramètres. Les cellules sont vides pour les
autres types de ligne.
• P1, P2, ... Ces variables correspondent à une liste triée de tous les paramètres de modèle, avec des
libellés de variable correspondant aux chaînes de paramètres affichées dans le tableau Estimations des
paramètres, et prennent leurs valeurs en fonction du type de ligne. Pour les paramètres redondants,
toutes les covariances et les estimations de paramètres sont définies sur zéro, et l'ensemble des
corrélations, erreurs standard, niveaux de signification et degrés de liberté résiduels sont définis sur la
valeur système manquante.

38 IBM SPSS Complex Samples 28

Remarque : Ce fichier n'est pas immédiatement utilisable pour d'autres analyses dans d'autres
procédures que la lecture d'un fichier de matrice, sauf si ces procédures acceptent tous les types de ligne
exportés ici.
Exporter la fonction de survie sous forme de données IBM SPSS Statistics : Ecrit un jeu de données
dans un format IBM SPSS Statistics contenant la fonction de survie, l'erreur standard de la fonction de
survie, les bornes supérieure et inférieure de l'intervalle de confiance de la fonction de survie, et la
fonction des risques cumulés pour chaque échec ou moment de l'événement, évaluées à la ligne de base
et aux motifs de prédicteurs spécifiés dans l'onglet Tracé. L'ordre des variables dans le fichier de matrice
est le suivant.
• Variable Strate de base : Des tableaux de survie distincts sont générés pour chaque valeur de la
variable de strates.
• Variable Durée de survie : Moment de l'événement. Une observation distincte est créée à chaque
moment de l'événement.
• Sur_0, LCL_Sur_0, UCL_Sur_0. Fonction de survie de la ligne de base et bornes supérieure et inférieure
de son intervalle de confiance.
• Sur_R, LCL_Sur_R, UCL_Sur_R. Fonction de survie évaluée au motif de « référence » (consultez le
tableau des valeurs de motif dans les sorties) et les bornes supérieure et inférieure de son intervalle de
confiance.
• Sur_#.#, LCL_Sur_#.#, UCL_Sur_#.#, … Fonction de survie évaluée à chaque modèle de prédicteurs
spécifié sur l'onglet Tracés et bornes supérieure et inférieure de leur intervalle de confiance. Consultez
le tableau des valeurs de motif dans les sorties pour faire correspondre les motifs au nombre #.#.
• Haz_0, LCL_Haz_0, UCL_Haz_0. Fonction de la ligne de base de risque cumulée et les bornes
supérieure et inférieure de son intervalle de confiance.
• Haz_R, LCL_Haz_R, UCL_Haz_R. Fonction de risque cumulée évaluée au motif de « référence »
(consultez le tableau des valeurs de motif dans les sorties) et les bornes supérieure et inférieure de son
intervalle de confiance.
• Haz_#.#, LCL_Haz_#.#, UCL_Haz_#.#, … Fonction de risque cumulée évaluée à chaque modèle de
prédicteurs spécifié sur l'onglet Tracés et bornes supérieure et inférieure de leur intervalle de confiance.
Consultez le tableau des valeurs de motif dans les sorties pour faire correspondre les motifs au
nombre #.#.
Exporter le modèle au format XML : Enregistre toutes les informations nécessaires pour prévoir la
fonction de survie, y compris les estimations des paramètres et la fonction de survie de la ligne de base,
au format XML (PMML). Vous pouvez utiliser ce fichier de modèle pour appliquer les informations du
modèle aux autres fichiers de données à des fins d'évaluation.

Options
Estimation : Ces contrôles spécifient des critères pour l'estimation des coefficients de régression.
• Maximum des itérations : Nombre maximal d'itérations exécutées par l'algorithme. Spécifiez un
nombre entier non négatif.
• Nombre maximum de dichotomies : A chaque itération, la taille de l'étape est réduite par un facteur de
0,5 jusqu'à ce que les augmentations de log de vraisemblance ou le nombre maximum de dichotomie
soient atteints. Spécifiez un nombre entier positif.
• Limiter les itérations basées sur les changements dans les estimations de paramètres : Lorsque
cette option est sélectionnée, l'algorithme s'interrompt après une itération dans laquelle la modification
relative ou absolue apportée aux estimations de paramètre est inférieure à la valeur spécifiée, qui doit
être positive.
• Limiter les itérations basées sur les changements dans les rapports de log de vraisemblance :
Lorsque cette option est sélectionnée, l'algorithme s'interrompt après une itération dans laquelle la
modification relative ou absolue apportée à la fonction de log de vraisemblance est inférieure à la valeur
spécifiée, qui doit être positive.

Chapitre 1. Echantillons complexes 39

• Afficher l'historique des itérations : Affiche l'historique des itérations pour les estimations des
paramètres et le pseudo log de vraisemblance, et imprime la dernière évaluation du changement des
estimations des paramètres et de la pseudo log de vraisemblance. Le tableau de l'historique des
itérations imprime toutes les n itérations en commençant par l'itération 0 (les estimations initiales), n
étant la valeur de l'incrément. Si l'historique des itérations est requis, la dernière itération est toujours
affichée quel que soit n.
• Méthode de départage pour l'estimation des paramètres : Lorsque vous observez des heures d'échec
ex aequo, l'une de ces méthodes est utilisée pour départager les ex aequo. La méthode d'Efron
nécessite plus de calculs.
Fonctions de survie : Ces contrôles spécifient des critères pour les calculs impliquant la fonction de
survie.
• Méthode d'estimation des fonctions de survie de la ligne de base : La méthode de Breslow (ou de
Nelson-Aalan ou empirique) estime le risque cumulé de la ligne de base par une fonction d'échelon non
décroissante avec des échelons aux heures d'échec observées, puis calcule la survie de la ligne de base
par la relation survie=exp(−risque cumulé). La méthode d'Efron nécessite plus de calculs et se limite à
la méthode de Breslow quand il n'y a pas d'ex aequo. La méthode de limite du produit estime la survie
de la ligne de base par une fonction continue à droite non croissante. S'il n'y a pas de prédicteurs dans
le modèle, cette méthode se limite à l'estimation de Kaplan-Meier.
• Intervalles de confiance des fonctions de survie : L'intervalle de confiance peut être calculé de trois
manières : dans les unités d'origine, via une transformation Log ou une transformation Log moins log (-
Logn). Seule la transformation LN (-Logn) garantit que les bornes de l'intervalle de confiance seront
comprises entre 0 et 1, mais la transformation log semble généralement donner de "meilleurs"
résultats.
Valeurs manquantes de l'utilisateur : Toutes les variables doivent avoir des valeurs valides pour qu'une
observation puisse être incluse dans l'analyse. Ces contrôles vous permettent de décider si les valeurs
manquantes de l'utilisateur sont considérées comme valides parmi les modèles qualitatifs (y compris les
variables catégorielles, d'événement, de strates et de sous-population) et les variables du plan
d'échantillonnage.
Intervalle de confiance (%) : Il s'agit du niveau d'intervalle de confiance utilisé pour les estimations de
coefficient, les estimations de coefficient exponentielles, les estimations de fonction de survie et les
estimations de fonction de risque cumulée. Spécifiez une valeur supérieure ou égale à 0, et inférieure à
100.

Fonctions supplémentaires de la commande CSCOXREG

Le langage de commande vous permet aussi d'effectuer les actions suivantes :
• Effectuer des tests d'hypothèse personnalisés (à l'aide de la sous-commande CUSTOM et de /PRINT
LMATRIX).
• Spécifier la tolérance (à l'aide de /CRITERIA SINGULAR).
• Générer un tableau des fonctions générales estimées (à l'aide de /PRINT GEF).
• Motifs de prédicteurs multiples (à l'aide de plusieurs sous-commandes PATTERN).
• Nombre maximum de variables enregistrées quand un nom de racine est spécifié (à l'aide de la sous-
commande SAVE). La boîte de dialogue prend en compte la valeur CSCOXREG par défaut de 25
variables.
Reportez-vous au manuel Command Syntax Reference pour plus d'informations sur la syntaxe.

40 IBM SPSS Complex Samples 28

Remarques
Le présent document a été développé pour des produits et des services proposés aux Etats-Unis et peut
être mis à disposition par IBM dans d'autres langues. Toutefois, il peut être nécessaire de posséder une
copie du produit ou de la version du produit dans cette langue pour pouvoir y accéder.
Le présent document peut contenir des informations ou des références concernant certains produits,
logiciels ou services IBM non annoncés dans ce pays. Pour plus de détails, référez-vous aux documents
d'annonce disponibles dans votre pays, ou adressez-vous à votre partenaire commercial IBM. Toute
référence à un produit, programme ou service IBM n'implique pas que seul ce produit, programme ou
service IBM puisse être utilisé. Tout autre élément fonctionnellement équivalent peut être utilisé, s'il
n'enfreint aucun droit d'IBM. Il est de la responsabilité de l'utilisateur d'évaluer et de vérifier lui-même les
installations et applications réalisées avec des produits, logiciels ou services non expressément
référencés par IBM.
IBM peut détenir des brevets ou des demandes de brevet couvrant les produits mentionnés dans le
présent document. La remise de ce document ne vous donne aucun droit de licence sur ces brevets ou
demandes de brevet. Si vous désirez recevoir des informations concernant l'acquisition de licences,
veuillez en faire la demande par écrit à l'adresse suivante :

IBM Director of Licensing

IBM Corporation
North Castle Drive, MD-NC119
Armonk, NY 10504-1785
U.S.A

Pour toute demande d'informations relatives au jeu de caractères codé sur deux octets, contactez le
service de propriété intellectuelle IBM ou envoyez vos questions par courrier à l'adresse suivante :

Intellectual Property Licensing

Legal and Intellectual Property Law
IBM Japan Ltd.
19-21, Nihonbashi-Hakozakicho, Chuo-ku
Tokyo 103-8510, Japan

LE PRESENT DOCUMENT EST LIVRE EN L'ETAT SANS AUCUNE GARANTIE EXPLICITE OU IMPLICITE. IBM
DECLINE NOTAMMENT TOUTE RESPONSABILITE RELATIVE A CES INFORMATIONS EN CAS DE
CONTREFAÇON AINSI QU'EN CAS DE DEFAUT D'APTITUDE A L'EXECUTION D'UN TRAVAIL DONNE.
Certaines juridictions n'autorisent pas l'exclusion des garanties implicites, auquel cas l'exclusion ci-
dessus ne vous sera pas applicable.
Le présent document peut contenir des inexactitudes ou des coquilles. Ce document est mis à jour
périodiquement. Chaque nouvelle édition inclut les mises à jour. IBM peut, à tout moment et sans préavis,
modifier les produits et logiciels décrits dans ce document.
Les références à des sites Web non IBM sont fournies à titre d'information uniquement et n'impliquent en
aucun cas une adhésion aux données qu'ils contiennent. Les éléments figurant sur ces sites Web ne font
pas partie des éléments du présent produit IBM et l'utilisation de ces sites relève de votre seule
responsabilité.
IBM pourra utiliser ou diffuser, de toute manière qu'elle jugera appropriée et sans aucune obligation de sa
part, tout ou partie des informations qui lui seront fournies.
Les licenciés souhaitant obtenir des informations permettant : (i) l'échange des données entre des
logiciels créés de façon indépendante et d'autres logiciels (dont celui-ci), et (ii) l'utilisation mutuelle des
données ainsi échangées, doivent adresser leur demande à :

IBM Director of Licensing

IBM Corporation
North Castle Drive, MD-NC119
Armonk, NY 10504-1785
U.S.A.

Ces informations peuvent être soumises à des conditions particulières, prévoyant notamment le paiement
d'une redevance.
Le logiciel sous licence décrit dans ce document et tous les éléments sous licence disponibles s'y
rapportant sont fournis par IBM conformément aux dispositions du Livret Contractuel IBM, des Conditions
Internationales d'Utilisation de Logiciels IBM, des Conditions d'Utilisation du Code Machine ou de tout
autre contrat équivalent.
Les données de performances et les exemples de clients sont fournis à titre d'exemple uniquement. Les
performances réelles peuvent varier en fonction des configurations et des conditions d'exploitation
spécifiques.
Les informations concernant des produits non IBM ont été obtenues auprès des fournisseurs de ces
produits, par l'intermédiaire d'annonces publiques ou via d'autres sources disponibles. IBM n'a pas testé
ces produits et ne peut confirmer l'exactitude de leurs performances ni leur compatibilité. Elle ne peut
recevoir aucune réclamation concernant des produits non IBM. Toute question concernant les
performances de produits non IBM doit être adressée aux fournisseurs de ces produits.
Toute instruction relative aux intentions d'IBM pour ses opérations à venir est susceptible d'être modifiée
ou annulée sans préavis, et doit être considérée uniquement comme un objectif.
Le présent document peut contenir des exemples de données et de rapports utilisés couramment dans
l'environnement professionnel. Ces exemples mentionnent des noms fictifs de personnes, de sociétés, de
marques ou de produits à des fins illustratives ou explicatives uniquement. Toute ressemblance avec des
noms de personnes, de sociétés ou des données réelles serait purement fortuite.
LICENCE DE COPYRIGHT :
Le présent logiciel contient des exemples de programmes d'application en langage source destinés à
illustrer les techniques de programmation sur différentes plateformes d'exploitation. Vous avez le droit de
copier, de modifier et de distribuer ces programmes exemples sous quelque forme que ce soit et sans
paiement d'aucune redevance à IBM, à des fins de développement, d'utilisation, de vente ou de
distribution de programmes d'application conformes aux interfaces de programmation des plateformes
pour lesquels ils ont été écrits ou aux interfaces de programmation IBM. Ces programmes exemples n'ont
pas été rigoureusement testés dans toutes les conditions. Par conséquent, IBM ne peut garantir
expressément ou implicitement la fiabilité, la maintenabilité ou le fonctionnement de ces programmes.
Les programmes exemples sont fournis "EN L'ETAT", sans garantie d'aucune sorte. IBM ne sera en aucun
cas responsable des dommages liés à l'utilisation des programmes exemples.
Toute copie totale ou partielle de ces programmes exemples et des oeuvres qui en sont dérivées doit
comprendre une notice de copyright, libellée comme suit :
© Copyright IBM Corp. 2021. Des segments de code sont dérivés des Programmes exemples d'IBM Corp.

Marques
IBM, le logo IBM et [Link] sont des marques d'International Business Machines Corp. dans de
nombreux pays. Les autres noms de produits et de services peuvent être des marques d'IBM ou d'autres
sociétés. La liste actualisée de toutes les marques d'IBM est disponible sur la page Web "Copyright and
trademark information" à l'adresse [Link]/legal/[Link].
Adobe, le logo Adobe, PostScript et le logo PostScript sont des marques d'Adobe Systems Incorporated
aux Etats-Unis et/ou dans certains autres pays.
Intel, le logo Intel, Intel Inside, le logo Intel Inside, Intel Centrino, le logo Intel Centrino, Celeron, Intel
Xeon, Intel SpeedStep, Itanium et Pentium sont des marques d'Intel Corporation ou de ses filiales aux
Etats-Unis et/ou dans certains autres pays.

42 Remarques
Linux est une marque de Linus Torvalds aux Etats-Unis et/ou dans certains autres pays.
Microsoft, Windows, Windows NT et le logo Windows sont des marques de Microsoft Corporation aux
Etats-Unis et/ou dans certains autres pays.
UNIX est une marque enregistrée de The Open Group aux Etats-Unis et/ou dans certains autres pays.
Java ainsi que toutes les marques et tous les logos incluant Java sont des marques d'Oracle et/ou de ses
sociétés affiliées.

Remarques 43
44 IBM SPSS Complex Samples 28
Index

B Correction Bonferroni séquentiel

dans Echantillons complexes 20, 25, 29
Bonferroni Régression de Cox des échantillons complexes 37
dans Echantillons complexes 20, 25, 29 Correction de Sidak
Régression de Cox des échantillons complexes 37 dans Echantillons complexes 20, 25, 29
Régression de Cox des échantillons complexes 37
Correction Sidak séquentiel
C dans Echantillons complexes 20, 25, 29
catégorie de référence Régression de Cox des échantillons complexes 37
dans le modèle linéaire général des échantillons corrélations des estimations de paramètres
complexes 21 dans le modèle linéaire général des échantillons
dans une régression logistique des échantillons complexes 20
complexes 23 dans une régression logistique des échantillons
catégories estimées complexes 24
dans une régression logistique des échantillons dans une régression ordinale des échantillons
complexes 25 complexes 29
dans une régression ordinale des échantillons covariances des estimations de paramètres
complexes 30 dans le modèle linéaire général des échantillons
clusters complexes 20
dans l'assistant d'échantillonnage 3 dans une régression logistique des échantillons
dans l'assistant de préparation d'analyse 9 complexes 24
Coefficient de variation (COV) dans une régression ordinale des échantillons
dans Echantillons complexes - Fréquences 12 complexes 29
dans Echantillons complexes – Descriptives 14
dans Echantillons complexes – Rapports 18 D
dans les tableaux croisés d'échantillons complexes 15
contrastes degrés de liberté
dans le modèle linéaire général des échantillons dans Echantillons complexes 20, 25, 29
complexes 21 Régression de Cox des échantillons complexes 37
contrastes de déviation différence de risque
dans le modèle linéaire général des échantillons dans les tableaux croisés d'échantillons complexes 15
complexes 21 Différence la moins significative
contrastes de différence dans Echantillons complexes 20, 25, 29
dans le modèle linéaire général des échantillons Régression de Cox des échantillons complexes 37
complexes 21
Contrastes de Helmert
dans le modèle linéaire général des échantillons
E
complexes 21 Echantillonnage
contrastes polynomiaux plan complexe 3
dans le modèle linéaire général des échantillons échantillonnage aléatoire simple
complexes 21 dans l'assistant d'échantillonnage 4
contrastes répétés échantillonnage complexe
dans le modèle linéaire général des échantillons plan d'analyse 8
complexes 21 plan d'échantillonnage 3
Contrastes simples échantillonnage PPS
dans le modèle linéaire général des échantillons dans l'assistant d'échantillonnage 4
complexes 21 échantillonnage séquentiel
convergence de vraisemblance dans l'assistant d'échantillonnage 4
dans une régression logistique des échantillons échantillonnage systématique
complexes 26 dans l'assistant d'échantillonnage 4
dans une régression ordinale des échantillons Echantillons complexes
complexes 31 options 13, 15, 17, 18
Convergence des paramètres tests d'hypothèse 20, 25, 29
dans une régression logistique des échantillons valeurs manquantes 13, 16
complexes 26 Echantillons complexes - Caractéristiques
dans une régression ordinale des échantillons statistiques 14
complexes 31 valeurs manquantes 14

Index 45
Echantillons complexes - Effectifs intervalles de confiance
statistiques 12 dans Echantillons complexes - Fréquences 12
Echantillons complexes - Rapports dans Echantillons complexes – Descriptives 14
statistiques 18 dans Echantillons complexes – Rapports 18
valeurs manquantes 18 dans le modèle linéaire général des échantillons
effectif non pondéré complexes 20, 22
dans Echantillons complexes - Fréquences 12 dans les tableaux croisés d'échantillons complexes 15
dans Echantillons complexes – Descriptives 14 dans une régression logistique des échantillons
dans Echantillons complexes – Rapports 18 complexes 24
dans les tableaux croisés d'échantillons complexes 15 dans une régression ordinale des échantillons
effet de plan complexes 29
dans Echantillons complexes - Fréquences 12 Itérations
dans Echantillons complexes – Descriptives 14 dans une régression logistique des échantillons
dans Echantillons complexes – Rapports 18 complexes 26
dans le modèle linéaire général des échantillons dans une régression ordinale des échantillons
complexes 20 complexes 31
dans les tableaux croisés d'échantillons complexes 15
dans une régression logistique des échantillons
complexes 24
K
dans une régression ordinale des échantillons khi-deux
complexes 29 dans Echantillons complexes 20, 25, 29
Régression de Cox des échantillons complexes 35 Régression de Cox des échantillons complexes 37
erreur standard khi-deux ajusté
dans Echantillons complexes - Fréquences 12 dans Echantillons complexes 20, 25, 29
dans Echantillons complexes – Descriptives 14 Régression de Cox des échantillons complexes 37
dans Echantillons complexes – Rapports 18
dans le modèle linéaire général des échantillons
complexes 20 M
dans les tableaux croisés d'échantillons complexes 15
mesure de la taille
dans une régression logistique des échantillons
dans l'assistant d'échantillonnage 4
complexes 24
méthode d'échantillonnage
dans une régression ordinale des échantillons
dans l'assistant d'échantillonnage 4
complexes 29
Méthode d'échantillonnage Brewer
estimation d'échantillonnage
dans l'assistant d'échantillonnage 4
dans l'assistant de préparation d'analyse 9
Méthode d'échantillonnage Murthy
Estimations des paramètres
dans l'assistant d'échantillonnage 4
dans le modèle linéaire général des échantillons
Méthode d'échantillonnage Sampford
complexes 20
dans l'assistant d'échantillonnage 4
dans une régression logistique des échantillons
Méthode d'estimation d'Efron
complexes 24
Régression de Cox des échantillons complexes 39
dans une régression ordinale des échantillons
Méthode d'estimation de Breslow
complexes 29
Régression de Cox des échantillons complexes 39
Régression de Cox des échantillons complexes 35
Méthode de Newton-Raphson
Evaluation de Fisher
dans une régression ordinale des échantillons
dans une régression ordinale des échantillons
complexes 31
complexes 31
Modèle linéaire général des échantillons complexes
enregistrement de variables 21
F fonctions supplémentaires de la commande 22
Modèle 19
fichier de plan 2 moyennes estimées 21
options 22
H statistiques 20
Moyenne
historique des itérations dans Echantillons complexes – Descriptives 14
dans une régression logistique des échantillons moyennes marginales estimées
complexes 26 dans le modèle linéaire général des échantillons
dans une régression ordinale des échantillons complexes 21
complexes 31
N
I
niveau de confiance
informations sur le plan d'échantillonnage dans une régression logistique des échantillons
Régression de Cox des échantillons complexes 35 complexes 26

46 IBM SPSS Complex Samples 28

niveau de confiance (suite) régression de Cox des échantillons complexes (suite)
dans une régression ordinale des échantillons options 39
complexes 31 prédicteur chronologique 34
prédicteurs 34
sous-groupes 35
P statistiques 35
plan d'analyse 8 tests d'hypothèse 37
plan d'échantillonnage 3 tracés 36
pondérations d'échantillon Variables de date et d'heure 32
dans l'assistant d'échantillonnage 6 Régression de Cox des échantillons complexes
dans l'assistant de préparation d'analyse 9 Analyse Kaplan-Meier 32
pondérations d'échantillon d'entrée Régression logistique des échantillons complexes
dans l'assistant d'échantillonnage 3 catégorie de référence 23
Pourcentages en colonne enregistrement de variables 25
dans les tableaux croisés d'échantillons complexes 15 fonctions supplémentaires de la commande 27
Pourcentages en ligne Modèle 23
dans les tableaux croisés d'échantillons complexes 15 options 26
Pourcentages en tableau rapport des cotes 25
dans Echantillons complexes - Fréquences 12 statistiques 24
dans les tableaux croisés d'échantillons complexes 15 Régression ordinale des échantillons complexes
prédicteur chronologique enregistrement de variables 30
Régression de Cox des échantillons complexes 34 modèle 28
probabilité prédite options 31
dans une régression logistique des échantillons probabilités des réponses 28
complexes 25 rapport des cotes 30
dans une régression ordinale des échantillons statistiques 29
complexes 30 Résiduels partiels de Schoenfeld
probabilités cumulées Régression de Cox des échantillons complexes 37
dans une régression ordinale des échantillons résidus
complexes 30 dans le modèle linéaire général des échantillons
probabilités d'inclusion complexes 21
dans l'assistant d'échantillonnage 6 dans les tableaux croisés d'échantillons complexes 15
probabilités des réponses résidus agrégés
dans une régression ordinale des échantillons Régression de Cox des échantillons complexes 37
complexes 28 résidus ajustés
proportion de l'échantillon dans les tableaux croisés d'échantillons complexes 15
dans l'assistant d'échantillonnage 6 résidus au sens déviance
Régression de Cox des échantillons complexes 37
résidus de Cox-Snell
R Régression de Cox des échantillons complexes 37
résidus de Martingale
racine carrée d'effet de plan
Régression de Cox des échantillons complexes 37
dans Echantillons complexes - Fréquences 12
résidus de score
dans Echantillons complexes – Descriptives 14
Régression de Cox des échantillons complexes 37
dans Echantillons complexes – Rapports 18
risque relatif
dans le modèle linéaire général des échantillons
dans les tableaux croisés d'échantillons complexes 15
complexes 20
dans les tableaux croisés d'échantillons complexes 15
dans une régression logistique des échantillons S
complexes 24
dans une régression ordinale des échantillons Séparation
complexes 29 dans une régression logistique des échantillons
Régression de Cox des échantillons complexes 35 complexes 26
rapport des cotes dans une régression ordinale des échantillons
dans les tableaux croisés d'échantillons complexes 15 complexes 31
dans une régression logistique des échantillons somme
complexes 25 dans Echantillons complexes – Descriptives 14
dans une régression ordinale des échantillons sous-population
complexes 30 Régression de Cox des échantillons complexes 35
régression de Cox des échantillons complexes statistique F
définition d'événements 34 dans Echantillons complexes 20, 25, 29
enregistrement de variables 37 Régression de Cox des échantillons complexes 37
export de modèle 38 statistique F ajustée
modèle 35 dans Echantillons complexes 20, 25, 29
Régression de Cox des échantillons complexes 37

Index 47
statistique R2 valeurs prédites
dans le modèle linéaire général des échantillons dans le modèle linéaire général des échantillons
complexes 20 complexes 21
statistiques de pseudo R2 valeurs théoriques
dans une régression logistique des échantillons dans les tableaux croisés d'échantillons complexes 15
complexes 24
dans une régression ordinale des échantillons
complexes 29
Step-halving
dans une régression logistique des échantillons
complexes 26
dans une régression ordinale des échantillons
complexes 31
strates de la ligne de base
Régression de Cox des échantillons complexes 35
stratification
dans l'assistant d'échantillonnage 3
dans l'assistant de préparation d'analyse 9

T
Table de classification
dans une régression logistique des échantillons
complexes 24
dans une régression ordinale des échantillons
complexes 29
Tableaux croisés des échantillons complexes
statistiques 15
taille de l'échantillon
dans l'assistant d'échantillonnage 5, 6
taille de la population
dans Echantillons complexes - Fréquences 12
dans Echantillons complexes – Descriptives 14
dans Echantillons complexes – Rapports 18
dans l'assistant d'échantillonnage 6
dans les tableaux croisés d'échantillons complexes 15
Test des droites parallèles
dans une régression ordinale des échantillons
complexes 29
test des risques proportionnels
Régression de Cox des échantillons complexes 35
test t
dans le modèle linéaire général des échantillons
complexes 20
dans une régression logistique des échantillons
complexes 24
dans une régression ordinale des échantillons
complexes 29

V
valeurs cumulées
dans Echantillons complexes - Fréquences 12
valeurs manquantes
dans Echantillons complexes 13, 16
dans Echantillons complexes – Descriptives 14
dans Echantillons complexes – Rapports 18
dans le modèle linéaire général des échantillons
complexes 22
dans une régression logistique des échantillons
complexes 26
dans une régression ordinale des échantillons
complexes 31

48 IBM SPSS Complex Samples 28

IBM®

Vous aimerez peut-être aussi

IBM SPSS Statistics Core System Users Guide
Pas encore d'évaluation
IBM SPSS Statistics Core System Users Guide
491 pages
IBM SPSS Statistics Brief Guide
Pas encore d'évaluation
IBM SPSS Statistics Brief Guide
182 pages
IBM SPSS Data Preparation
Pas encore d'évaluation
IBM SPSS Data Preparation
20 pages
IBM - SPSS - Custom - Tables FR
Pas encore d'évaluation
IBM - SPSS - Custom - Tables FR
108 pages
PASW Complex Samples 18 F
Pas encore d'évaluation
PASW Complex Samples 18 F
8 pages
Ibm Spss Categories FR
Pas encore d'évaluation
Ibm Spss Categories FR
66 pages
IBM SPSS Data Preparation
Pas encore d'évaluation
IBM SPSS Data Preparation
46 pages
IBM SPSS Data Preparation FR
Pas encore d'évaluation
IBM SPSS Data Preparation FR
40 pages
IBM SPSS Custom Tables
Pas encore d'évaluation
IBM SPSS Custom Tables
102 pages
IBM SPSS Advanced Statistics FR
Pas encore d'évaluation
IBM SPSS Advanced Statistics FR
132 pages
Guide SPSS Version 2010
Pas encore d'évaluation
Guide SPSS Version 2010
72 pages
IBM SPSS Statistics Core System User Guide
Pas encore d'évaluation
IBM SPSS Statistics Core System User Guide
330 pages
IBM SPSS Custom Tables
Pas encore d'évaluation
IBM SPSS Custom Tables
118 pages
IBM SPSS Statistics Brief Guide
Pas encore d'évaluation
IBM SPSS Statistics Brief Guide
102 pages
IBM SPSS Advanced Statistics
Pas encore d'évaluation
IBM SPSS Advanced Statistics
142 pages
IBM SPSS Categories
Pas encore d'évaluation
IBM SPSS Categories
64 pages
Guide SPSS Version 2010
Pas encore d'évaluation
Guide SPSS Version 2010
72 pages
Excel
Pas encore d'évaluation
Excel
27 pages
IBM SPSS Decision Trees
Pas encore d'évaluation
IBM SPSS Decision Trees
38 pages
Epi Info
Pas encore d'évaluation
Epi Info
4 pages
Formation SPSS 18.0 : Analyse et Gestion des Données
Pas encore d'évaluation
Formation SPSS 18.0 : Analyse et Gestion des Données
35 pages
Guide SPSS: Saisie, Analyse et Graphiques
Pas encore d'évaluation
Guide SPSS: Saisie, Analyse et Graphiques
97 pages
Initiation au logiciel SPSS 18.0
100% (3)
Initiation au logiciel SPSS 18.0
35 pages
SPSS A 2021
Pas encore d'évaluation
SPSS A 2021
50 pages
Enquête sur la santé et COVID-19 au Canada
Pas encore d'évaluation
Enquête sur la santé et COVID-19 au Canada
68 pages
Quelques Explications
Pas encore d'évaluation
Quelques Explications
13 pages
IBM SPSS Statistics Core System User Guide
Pas encore d'évaluation
IBM SPSS Statistics Core System User Guide
338 pages
Plans d'échantillonnage et décisions qualité
Pas encore d'évaluation
Plans d'échantillonnage et décisions qualité
35 pages
Guide pratique de R pour statistiques
Pas encore d'évaluation
Guide pratique de R pour statistiques
46 pages
Initiation au traitement de données SPSS
Pas encore d'évaluation
Initiation au traitement de données SPSS
43 pages
Commandes et analyses SPSS essentielles
Pas encore d'évaluation
Commandes et analyses SPSS essentielles
19 pages
Validation de questionnaire avec SPSS
Pas encore d'évaluation
Validation de questionnaire avec SPSS
10 pages
Statistiques et R pour les chercheurs
Pas encore d'évaluation
Statistiques et R pour les chercheurs
6 pages
11 Formation Sur Le Logiciel SPSS Ouagadougou
Pas encore d'évaluation
11 Formation Sur Le Logiciel SPSS Ouagadougou
2 pages
Fascicule Excel BA2 Juin 2012 (Version Finale)
Pas encore d'évaluation
Fascicule Excel BA2 Juin 2012 (Version Finale)
158 pages
Guide SPSS pour Débutants en Analyse
Pas encore d'évaluation
Guide SPSS pour Débutants en Analyse
12 pages
Cours - SPSS - LPAS II
Pas encore d'évaluation
Cours - SPSS - LPAS II
76 pages
0G502G Formation Introduction A Ibm Spss Statistics v21 PDF
100% (1)
0G502G Formation Introduction A Ibm Spss Statistics v21 PDF
2 pages
Cour Spss Mpse II
Pas encore d'évaluation
Cour Spss Mpse II
76 pages
Programme SPSS
Pas encore d'évaluation
Programme SPSS
3 pages
Formation CSPro et SPSS pour Enquêtes 2017
Pas encore d'évaluation
Formation CSPro et SPSS pour Enquêtes 2017
123 pages
Introduction aux Biostatistiques
Pas encore d'évaluation
Introduction aux Biostatistiques
19 pages
Outils SPSS pour Statistiques Psychologiques
Pas encore d'évaluation
Outils SPSS pour Statistiques Psychologiques
36 pages
Décisions Stratégiques et Statistiques
Pas encore d'évaluation
Décisions Stratégiques et Statistiques
4 pages
Guide pratique SPSS pour étudiants
Pas encore d'évaluation
Guide pratique SPSS pour étudiants
74 pages
Guide pratique SPSS pour sciences sociales
Pas encore d'évaluation
Guide pratique SPSS pour sciences sociales
44 pages
Formation Analyse Statistique SPSS V21
Pas encore d'évaluation
Formation Analyse Statistique SPSS V21
2 pages
Guide d'Utilisation de SPSS pour l'Analyse Statistique
Pas encore d'évaluation
Guide d'Utilisation de SPSS pour l'Analyse Statistique
183 pages
Introduction à SPSS pour l'analyse statistique
Pas encore d'évaluation
Introduction à SPSS pour l'analyse statistique
52 pages
00
Pas encore d'évaluation
00
45 pages
Éditions d'IBM SPSS Statistics For Better Decision-Making
Pas encore d'évaluation
Éditions d'IBM SPSS Statistics For Better Decision-Making
8 pages
Manuel SPSS
Pas encore d'évaluation
Manuel SPSS
26 pages
Unité 08 Travailler Avec La Syntaxe
Pas encore d'évaluation
Unité 08 Travailler Avec La Syntaxe
6 pages
Questions QM 24 Septembre Par Permal Sajjad
Pas encore d'évaluation
Questions QM 24 Septembre Par Permal Sajjad
27 pages
Analyser Des Données Avec R
Pas encore d'évaluation
Analyser Des Données Avec R
172 pages
Guide d'initiation à SPSS 2016
Pas encore d'évaluation
Guide d'initiation à SPSS 2016
58 pages
Progiciels Statistiques en Gestion 2022
Pas encore d'évaluation
Progiciels Statistiques en Gestion 2022
28 pages
Chapitre 1 IMTI Touati K
Pas encore d'évaluation
Chapitre 1 IMTI Touati K
20 pages
Eval 1
Pas encore d'évaluation
Eval 1
2 pages
Diagramme d'activités UML explicatif
Pas encore d'évaluation
Diagramme d'activités UML explicatif
26 pages
Diagrammes de séquence en UML
Pas encore d'évaluation
Diagrammes de séquence en UML
15 pages
Tuto MakeMKV Blu-Ray
Pas encore d'évaluation
Tuto MakeMKV Blu-Ray
1 page
Les Algorithmes de Tri Et de Recherche
Pas encore d'évaluation
Les Algorithmes de Tri Et de Recherche
58 pages
O1 980556
Pas encore d'évaluation
O1 980556
2 pages
Stages Créatifs à Bordeaux
Pas encore d'évaluation
Stages Créatifs à Bordeaux
2 pages
Structures de contrôle en Pascal
Pas encore d'évaluation
Structures de contrôle en Pascal
27 pages
Chap 0 Opt 19 20
Pas encore d'évaluation
Chap 0 Opt 19 20
28 pages
Rapport de Stage
Pas encore d'évaluation
Rapport de Stage
43 pages
Chapitre 3
Pas encore d'évaluation
Chapitre 3
18 pages
CV 135
Pas encore d'évaluation
CV 135
2 pages
Modulation en Télécommunication
Pas encore d'évaluation
Modulation en Télécommunication
3 pages
25 Automatisation IA Pour Gagner Du Temps Et de L'argent
Pas encore d'évaluation
25 Automatisation IA Pour Gagner Du Temps Et de L'argent
2 pages
Soutenance Stage Maintenance Finale
Pas encore d'évaluation
Soutenance Stage Maintenance Finale
24 pages
Présentation du Système de Délibération LMD
Pas encore d'évaluation
Présentation du Système de Délibération LMD
8 pages
Formation Web Scraping avec Python
100% (1)
Formation Web Scraping avec Python
3 pages
Ordonnancement Des Processus: L1 - Business Computing
Pas encore d'évaluation
Ordonnancement Des Processus: L1 - Business Computing
24 pages
Casque Bluetooth Conduction Osseuse IPX5
Pas encore d'évaluation
Casque Bluetooth Conduction Osseuse IPX5
1 page
Correction Examen FAO 2022-2023
Pas encore d'évaluation
Correction Examen FAO 2022-2023
6 pages
Cours de Maths Terminale S PDF
Pas encore d'évaluation
Cours de Maths Terminale S PDF
5 pages
Installation d'un Serveur Postfix sous Linux
Pas encore d'évaluation
Installation d'un Serveur Postfix sous Linux
7 pages
Lect6 SIG Cartographie (1686)
Pas encore d'évaluation
Lect6 SIG Cartographie (1686)
5 pages
Conversion Binaire-Hexadécimal Simplifiée
Pas encore d'évaluation
Conversion Binaire-Hexadécimal Simplifiée
3 pages
Cybersécurité Maritime : Cadre et Pratiques
Pas encore d'évaluation
Cybersécurité Maritime : Cadre et Pratiques
123 pages
Introduction au Modèle Relationnel
100% (1)
Introduction au Modèle Relationnel
8 pages
Tutoriel Prof: Construire des Ponts
Pas encore d'évaluation
Tutoriel Prof: Construire des Ponts
3 pages
TFC Huguette Le Tout
Pas encore d'évaluation
TFC Huguette Le Tout
59 pages
Pompage d'essai : principes et méthodes
Pas encore d'évaluation
Pompage d'essai : principes et méthodes
58 pages
Laboratoire 02 Multisim
Pas encore d'évaluation
Laboratoire 02 Multisim
13 pages
Bac Blanc Cde 2024-2025
Pas encore d'évaluation
Bac Blanc Cde 2024-2025
2 pages
Rapport de Stage à l'OTC Monastir
Pas encore d'évaluation
Rapport de Stage à l'OTC Monastir
26 pages
TDR Assistance Cloud
Pas encore d'évaluation
TDR Assistance Cloud
13 pages