Anda di halaman 1dari 111

GUIDE D'UTILISATION SPSS

Exercice : analyser des données avec


Comment faire un test t
SPSS
Corriger votre exercice Comment faire un khi-deux
Analyser les données de votre
Comment faire un test binomial
recherche
Arbre de décision : choisir une
Comment faire une analyse de variance
analyse/test
Décrire vos variables/données Comment faire un test de corrélation (r)
Moyenne et fréquence Comment faire un test de contingence (C)
Comparer vos variables/données Analyses principale ou secondaire ?
Transformer une variable quantitative en
Distinguer Nominal/Ordinal/Quantitatif
classe
Distinguer analyses
Fusionner deux variables en une seule
principale/secondaire
Distinguer hypothèse Sélectionner une classe de sujets dans un
uni/bidirectionnelle groupe
Groupes indépendants/mesures
Faire un tableau de résultats
répétées ?
Hypothèse statistique = ? Tracer un graphique avec SPSS
Télécharger votre fichier d'analyse Modifier un graphique
Arbre de décision : choisir une analyse/un
* Version 22
test

Quand et pourquoi faire un test t


Comment formuler les hypothèses statistiques (H0 et H1) de
B
ce test
C1 pour groupes indépendants
C Comment faire un test t...
C2 pour mesures répétées

Comment analyser les D1 pour groupes indépendants


D
résultats de ces tests D2 pour mesures répétées
Ce qu'il faut écrire dans l'analyse des données de votre rapport
final :

E  Dans le tableau de résultats de votre analyse de données


+ Exemple
 Dans le texte de votre analyse de données + Exemple

Consulter l'arbre de décision


Consulter les consignes de l'étape III
Comment faire un test t

A QUAND ET POURQUOI FAUT-IL FAIRE UN TEST T ?

 Quand ? À deux moments :

1. si votre recherche comporte deux groupes/échantillons indépendants et


que votre variable dépendante est quantitative;
2. ou si dans votre recherche les participants ont été l'objet de deux
mesures (= un groupe à mesures répétées) et que votre variable
dépendante est quantitative.

 Pourquoi faire un test T ? Pour comparer les moyennes de ces deux groupes
(ou mesures) afin d'inférer une relation entre X et Y (le sexe et la scolarité,
par exemple).
 Les tests statistiques comme le test t permettent au chercheur de rejeter ou
non l'hypothèse nulle, donc de prendre une décision statistique.
 Avant de procéder à un test t, il faut formuler vos hypothèses statistiques (Ho
et H1).

B FORMULER LES HYPOTHÈSES STATISTIQUES D'UN TEST T

 Dans la logique d'un test d'hypothèses - test t, khi-carré, etc. - il y a


toujours 2 hypothèses statistiques.

1. La première - l'hypothèse nulle ou Ho - est une hypothèse qui postule


qu'il n'y a pas de différence significative entre les moyennes des deux
groupes (ou mesures);notez : Groupe 1 = Groupe 2 ou Mesure1 =
Mesure2.
2. La seconde - l'hypothèse alternative ou H1 - correspond habituellement
à l'hypothèse de votre recherche; notez : Groupe 1 <> Groupe 2 ou
Mesure1 <> Mesure2. Ici <> signifie n'égale pas.

 Contrairement à l'hypothèse nulle, l'hypothèse alternative postule qu'il existe


une différence significative entre les moyennes des deux groupes (ou des
deux mesures).
 L'existence de cette différence - donc le rejet de l'hypothèse nulle - permet
d'inférer l'existence d'un lien entre X et Y.
 Attention : dans le test-t, il y a aussi deux types d'hypothèses alternatives ;
1. l'hypothèse unilatérale (ou unidirectionnel)
2. l'hypothèse bilatérale (ou bidirectionnelle).
 Une hypothèse unilatérale est formulée lorsque le chercheur désire vérifier
une hypothèse de recherche.
 Par exemple : est-il vrai que la scolarité des hommes est supérieure à celle
des femmes ?
 Si le chercheur répond oui à cette question, il formulera une hypothèse
statistique unilatérale : H > F.
 On pourrait également formuler l'hypothèse inverse (H < F). Ici, c'est
l'un ou l'autre; ou bien on affirme H > F, ou bien on affirme H < F.
 Une hypothèse bilatérale est formulée lorsque le chercheur se contente de
formuler un objectif de recherche.
 Par exemple : est-il vrai de dire que les scolarités des hommes et des femmes
sont différentes ?
 Ici le mot important est différente.
 Différente signifie logiquement deux choses : H > F et H < F, d'où le terme
«bilatérale» (bi = deux, uni = un).
 Ici, c'est l'un et l'autre, il est possible que H > F et il se peut également que H
< F.
 + de détails sur les hypothèses statistiques ?

UNI/BI/LATÉRALES

 À quoi servent les tests d'hypothèse ?


 Le rôle d'un test d'hypothèse est de permettre aux chercheurs de prendre
une décision.
 En effet, le chercheur qui analyse ses données doit décider si l'hypothèse de
recherche qu'il a formulée dans sa problématique est vraie ou fausse.
 Avant de prendre cette décision, il doit d'abord transformer son
l'hypothèse/objectif, selon le cas, en hypothèse statistique.
 Cette transformation est nécessaire si on veut prendre une décision
statistique.
 Pour faire cette transformation, vous devez d'abord consultez le dernier
paragraphe de votre problématique pour savoir si vous avez formulé
un objectif ou une hypothèse de recherche.

Si dans votre Analyse/Transformation


Synonymes
problématique... pour SPSS

Vous avez une On dit aussi


hypothèse de donc Hypothèse statistique unicaudale ou
recherche unilatérale unidirectionnelle

ou ou
On dit aussi
Vous avez un
donc Hypothèse statistique bicaudale ou
objectif de
bilatérale bidirectionnelle
recherche

 + de détails sur hypothèse ou un objectif ?


 Donc si vous avez une hypothèse de recherche = hypothèse statistique
unilatérale; si objectif de recherche = hypothèse statistique bilatérale.
 Maintenant, qu'elle soit unilatérale ou bilatérale, une hypothèse statistique
contient toujours deux sous-hypothèses : une hypothèse nulle (H0) et une
hypothèse alternative (H1).
 Notez :

H0 : A = B
Hypothèse et
statistique unilatérale
H1 : A > B ou A < B

ou ou

H0 : A = B
Hypothèse et
statistique bilatérale
H1 : A B (A > B et A < B)

 H0 est l'hypothèse nulle.


 Elle stipule qu'il n'y a pas de différence significative entre les deux
groupes/mesures de votre recherche, donc A = B.
 L'hypothèse nulle a toujours la même forme, qu'elle soit bilatérale ou
unilatérale.

Hypothèse unilatérale nulle


H0 A=B
Hypothèse bilatérale nulle

 H1 est l'hypothèse alternative.


 C'est généralement l'hypothèse/objectif du chercheur, celle/celui qu'il
soutient dans sa problématique.
 Cette hypothèse alternative stipule qu'il y a une différence
significative entre les deux groupes/mesures de votre recherche, donc
qu'un groupe est plus grand ou plus petit qu'un autre (A > B ou A < B).
 Le test que vous avez choisi pour analyser vos données - khi-deux, test t,
test binomial, analyse de variance, etc. - vous offre donc deux possibilités :
1. ne pas rejeter l'hypothèse nulle (si p > 0.05), donc l'accepter,
ce qui signifie que l'hypothèse de votre recherche est fausse, et
donc que X n'a pas d'effet sur Y.
2. rejeter l'hypothèse nulle et donc accepter l'hypothèse
alternative (si p < 0.05), ce qui signifie que l'hypothèse de
votre recherche est vraie, et donc que X influence Y.
 Une seule de ces deux possibilités est vraie. Laquelle ?
 Pour trancher cette question, il faut effectuer un test statistique, donc
prendre une décision.
 Il existe deux façons de formuler cette hypothèse alternative (H1).
 Vous pouvez formuler :

H1 Hypothèse alternative unilatérale A > B ou A < B

ou ou

H1 Hypothèse alternative bilatérale A B

 Ce choix dépend de vous.


 Si, dans votre problématique, vous avez une hypothèse de recherche, vous
postulez qu'un groupe (ou une mesure) sera supérieur à un autre, alors notez
:

H0 : A = B
Hypothèse de recherche
H1 : A > B ou A < B

 Il s'agit ici donc d'une hypothèse statistique unilatérale.


 Ici le préfixe UNI signifie "une seule hypothèse"; car le chercheur doit choisir
l'une ou l'autre des deux hypothèses alternatives possible : A > B ou A < B.
 C'est l'une ou l'autre; jamais les deux à la fois.
 Autrement dit, le chercheur précise dans quelle direction (ou à l'avantage de
qui), on observera cette différence :

H1 : A > B

ou
H1 : A < B

 Maintenant si, dans votre problématique, vous avez plutôt un objectif, cela
signifie que vous postulez que vos deux groupes seront simplement
différents, alors notez :

H0 : A = B
Objectif de recherche
H1 : A B

 Il s'agit alors d'une hypothèse statistique bilatérale.


 Une hypothèse bilatérale contient logiquement deux possibilités, d'où son
nom.
 En effet, le préfixe BI signifie ici deux, donc l'une et l'autre.

H1 : A est B donc logiquement A > B et A < B

o Une hypothèse unilatérale est plus précise qu'une hypothèse bilatérale


puisqu'elle précise le sens de la relation entre les deux
groupes/mesures.
o Cette relation peut être plus grande ou plus petite (< ou >); alors que
l'hypothèse bilatérale n'indique pas le sens de cette relation, mais
simplement l'existence ou non d'une différence.
o En résumé : Dans une problématique, une hypothèse de recherche
correspond toujours à une hypothèsestatistique unilatérale (nulle et
alternative); un objectif de recherche à une hypothèse statistique
bilatérale (nulle et alternative).

H0 : A = B
Si vous avez une
Hypothèse et
hypothèse de donc statistique
recherche H1 : A > B ou A <
unilatérale
B

ou ou ou

Si vous avez un Hypothèse H0 : A = B


objectif de donc statistique et
recherche bilatérale
H1 : A B

o Attention : Lorsqu'il n'y a pas d'hypothèse de recherche concernant


deux groupes/mesures - notamment dans le cas de vos analyses
secondaires - le chercheur doit toujours formuler une hypothèse
bilatérale.
o Il s'agit d'un choix par défaut.

o Maintenant votre fichier d'analyse et procédez à vos


analyses SPSS.

Une hypothèse statistique est une hypothèse de


recherche ou un objectif de recherche que l'on
transforme pour prendre une décision statistique
(ici avec SPSS).

Une hypothèse statistique peut-être unilatérale ou


bilatérale; Unilatérale signifie une seule possibilité
(= hypothèse de recherche), alors que bilatérale
renvoie à deux (=objectif de recherche).
Définition
Le «OU» logique = une possiblité (UNI), alors que
le «ET» logique = deux possibilités (BI).

Une hypothèse nulle (H0) est une hypothèse


statistique qui postule une absence de différence,
alors qu'une hypothèse alternative est une
hypothèse statistique qui suggère l'existence d'une
différence (H1).

o Attention : Lorsque vous rédigez vos hypothèses statistiques, il faut


parfois écrire un ou «n'égale pas».
o Dans WORD, choisir le menu Insertion.
o Choisir ensuite Autre symbole à l'extrême droite du menu.
o Cliquez sur
o Maintenant procédez à vos analyses SPSS.

LES ÉTAPE POUR FAIRE UN TEST T À GROUPES


C1
INDÉPENDANTS

1. Première étape : Ouvrez votre matrice de données SPSS.


2. Il y a deux types de test-t :

o Si vous n'avez qu'un seul groupe à mesures répétées, cliquez ici.


o Si vos groupes/échantillons sont indépendants, choisir le
menu ANALYSE + COMPARER LES MOYENNES + TEST T POUR
ÉCHANTILLONS INDÉPENDANTS.

GROUPE

Avant/Échantillonnage Pendant/Mesure Après/Comparaison

Plan à groupes indépendants = 2 groupes distincts ou + /


généralement une seule mesure par groupe (Y1)

X1 = Groupe 1 :
Groupe 1/Mesure 1
n=15
1 Échantillon : N=30
X2 = Groupe 2 :
= ou < >
Groupe 2/Mesure 2
n=15
OU
Plan à mesures répétées/non simultanées = 1 seul groupe mesuré à
au moins 2 reprises, à des moments différents

Groupe 1/Mesure 1
2 Échantillon : N=30
X1 - X2= Groupe
1: n = 30
= ou < >
Groupe 1/Mesure 2

OU
Plan à mesures répétées/simultanées = 1 seul groupe mesuré à au
moins 2 reprises, au même moment

Groupe 1/Mesure 1
3 Échantillon : N=30
X1/X2= Groupe
1 : n = 30
= ou < >
Groupe 1/Mesure 2

Attention :

 Un groupe est constitué à partir des sujets de l'échantillon,


distribués au hasard ou non, dans le n groupes de la recheche.
 Tous les sujets d'un groupe donné sont exposés à au moins l'un
des deux niveaux de la variable indépendante (X).
 Certaines recherches ne comportent qu'un seul groupe; tous les
sujets sont alors mesurés à au moins deux reprises afin de
comparer ces mesures entre elles.
 Lorsqu'il n'y a qu'un seul groupe tous les sujets sont exposés aux
mêmes conditions, soit au même moment (X1/X2), soit à des
moments différents (X1- X2).
 Dans l'exercice SPSS, suivez les flèches rouges du document
WORD pour savoir ce qu'il faut faire pour décrire et comparer les
indicateurs de votre Y.
3. Une fenêtre s'ouvre...
4. Au moyen des flèches choisissez la Variable à tester (= la ou les
VD/Indicateurs de votre recherche). Dans cet exemple, [Scolarité].
5. Choisir ensuite votre Variable de regroupement. Dans cet exemple ci-haut, la
variable [Sexe] est divisée en deux groupes : les hommes et les femmes.
6. Le but de ce test est de comparer la moyenne des deux groupes - HOMMES et
FEMMES - afin de vérifier l'hypothèse de recherche.
7. Cette hypothèse avance que les niveaux de scolarité des hommes et des
femmes sont différentes au sein de la population.
8. Cliquez ensuite sur Définir les groupes pour assigner une valeur à vos deux
groupes.
9. Une fenêtre s'ouvre...
10. Si dans votre matrice de données, les hommes =1, inscrire un [1] à la suite
du GROUPE 1, et un [2] à la suite du GROUPE 2 pour les femmes.
11. Ne rien ajouter dans l'espace point de césure.
12. Cliquez ensuite sur Poursuivre.
13. Notez que les points d'interrogation de la variable Sexe se sont transformés
en 1 et 2, vos deux groupes.
14. Finalement, en cliquant sur Option à droite, vérifiez si l'intervalle de confiance
de votre Test-t est fixée à 95 % (donc seuil de signification à 5 %).
15. Si tel est le cas, cliquez sur Poursuivre.
16. Puis sur OK.
17. Voici le résultat final : un beau Test t à groupes indépendants, de luxe !

18. Le premier tableau = analyse descriptive de votre échantillon (moyenne); le


second = analyse comparative (ou inférentielle).
19. S'il y a d'autres tableaux, ils sont inutiles; ne copiez que ces deux-là dans
votre exercice ou dans le fichier d'objectifs.
20. Maintenant, pour analyser ce test, cliquez ici.

C2 LES ÉTAPES POUR FAIRE UN TEST T À MESURES RÉPÉTÉES

1. Ouvrez votre matrice de données SPSS.


2. Si, dans votre recherche, vous n'avez qu'un seul groupe mesuré à au
moins deux reprises, choisir le menu ANALYSE + COMPARER LES
MOYENNES + TEST TPOUR ÉCHANTILLONS APPARIÉES.

3. Une fenêtre s'ouvre...


4. Notez les deux tests/mesures qui ont été ajoutés à votre matrice de données.

5. Au moyen de la flèche choisir les deux mesures qui correspondent aux


VARIABLES 1 et 2. Dans cet exemple : [Test 1] et [Test 2].
6. Rappelons que, dans le cas présent, il n'y a qu'un seul groupe; chaque sujet
de ce groupe a cependant fait l'objet d'au moins 2 mesures distinctes, d'où
l'expression groupe à mesures répétées.
7. Cliquez ensuite sur OK.
8. Voici le résultat final : un beau test t à mesures répétées !
9. Le premier tableau = analyse descriptive de votre échantillon; le second =
analyse comparative (ou inférentielle).
10. S'il y a d'autres tableaux, ils sont inutiles; ne les copiez pas dans votre
exercice ou dans le fichier d'objectifs.
11. Pour analyser ce test, cliquez ici.

D1 COMMENT ANALYSER LE RÉSULTAT D'UN TEST T

 Dans l'analyse d'un test T à groupes indépendants, il y a 2 tableaux


importants :

1. Le tableau des moyennes qui décrit vos groupes.


2. Le tableau du Test-t qui permet de comparer vos groupes.

 Dans ce second tableau, voir ci-dessous, il y a 3 résultats importants :


1. Le résultat du test t (,727 dans le tableau ci-bas).
2. Le ddl ou degré de liberté, ici 28 (On écrit habituellement dl = 28).
3. La valeur de p du test ou Sig.(bilatérale), dans ce cas-ci 0,473
lorsque les variances sont égales (hypothèse de variances égales).
 Ici le t et ddl des tableaux ci-haut permettent à SPSS de calculer la valeur de
p ou Sig.(bilatérale) de votre Test t. (Sig. veut ici dire signification).
 Autrement dit, 1 + 2 = 3.
 La valeur de p ou Sig. est l'erreur alpha. Il s'agit de la probabilité ou du risque
de commettre une erreur en déclarant qu'il existe une différence entre les
deux groupes (ou les deux mesures) de votre recherche.
 Cette valeur permet de confirmer ou d'infirmer votre hypothèse statistique
(H1) et, partant, l'hypothèse ou l'objectif de votre recherche.
 Rappelons qu'en sciences humaines, le seuil de signification est généralement
fixé à 0,05.
 Si la Signification (bilatérale) ou valeur de p est supérieure à 0,05, vous
devez accepter l'hypothèse nulle et conclure qu'il n'y a pas de différence
significative entre vos deux groupes (ou mesures).
 Si la Signification (bilatérale) ou valeur de p est inférieure à 0,05, vous devez
rejeter l'hypothèse nulle et conclure qu'il y a une différence significative entre
vos deux groupes (ou vos deux mesures).
 Attention : si votre hypothèse statistique est unilatérale, vous devez diviser
la signification (bilatérale) du tableau par 2 (0,000/2 = 0,000).
 Que faut-il écrire dans l'analyse de votre rapport final ?

D2 COMMENT ANALYSER LE RÉSULTAT D'UN TEST T


 Voici maintenant le tableau SPSS si ce test T est à mesures
répétées/échantillons appariées :

 Dans ce tableau, il y a 3 résultats importants :

1. Le résultat du test t (1,179 dans le tableau ci-bas).


2. Le ddl ou degré de liberté, ici 31 (On écrit habituellement dl = 28).
3. La valeur de p du test ou Sig.(bilatérale), dans ce cas-ci 0,247.

 Ici le t et ddl des tableaux ci-haut permettent à SPSS de calculer la valeur de


p ou Sig.(bilatérale) de votre Test t. (Sig. veut ici dire signification).
 Autrement dit, 1 + 2 = 3.
 La valeur de p ou Sig. est l'erreur alpha. Il s'agit de la probabilité ou du risque
de commettre une erreur en déclarant qu'il existe une différence entre les
deux groupes (ou les deux mesures) de votre recherche.
 Cette valeur permet de confirmer ou d'infirmer votre hypothèse statistique
(H1) et, partant, l'hypothèse ou l'objectif de votre recherche.
 Rappelons qu'en sciences humaines, le seuil de signification est généralement
fixé à 0,05.
 Si la Signification (bilatérale) ou valeur de p est supérieure à 0,05, vous
devez accepter l'hypothèse nulle et conclure qu'il n'y a pas de différence
significative entre vos deux groupes (ou mesures).
 Si la Signification (bilatérale) ou valeur de p est inférieure à 0,05, vous devez
rejeter l'hypothèse nulle et conclure qu'il y a une différence significative entre
vos deux groupes (ou vos deux mesures).
 Attention : si votre hypothèse statistique est unilatérale, vous devez diviser
la signification (bilatérale) du tableau par 2 (0,000/2 = 0,000).
 Que faut-il écrire dans l'analyse de votre rapport final ?
CE QU'IL FAUT ÉCRIRE DANS VOTRE ANALYSE DE
E
DONNÉES

 Dans le tableau de votre analyse de données du rapport final, vous devez


inscrire les 5 informations suivantes :

1. La moyenne de chacun des groupes ou (voir tableau ci-bas.)


2. Le résultat du Test t (dans le tableau ci-bas = 0,727 et 2,684).
3. Sig.(2-tailed) ouValeur de p, où p = probabilité de commettre
l'erreur alpha, dans ce cas-ci = 0,473.
4. Le nombre de participants de chaque groupe (n = 15).
5. Un astérisque - * - si la valeur de p de votre test est inférieure à
0,05 (5%) donc résultat significatif.

 Attention : si votre hypothèse statistique est unilatérale, vous devez diviser


la valeur de p ou signification (bilatérale) du tableau par 2, comme ceci :
(0,012/2).
 Voici maintenant un exemple de tableau de données :

Tableau 1
Comparaisons entre les hommes et femmes sur le
Titre --» plan de la scolarité et des revenus.

Valeur <0,05
Indicateurs Groupes n= Test t
de p =*
Scolarité Hommes 15 17,20
Analyse principale -» 0,727 0,473
(en année) Femmes 15 16,87
Revenu Hommes 15 57669
annuel (en
2,684 0,012/2 *
milliers de Femmes 15 43297
$)
Khi
Foui
carré
Analyse secondaire -»
Question Hommes 15 10
no 2 4,821 0,028 *
(=oui) Femmes 15 4

 Rappel : Les analyses SPSS (les 2 tableaux ci-dessous) contiennent les


résultats qui figurent dans votre tableau de résultats :
o Tableau 1 = analyse descriptive (n= et moyenne ou )
o Tableau 2 - analyse comparative (Valeur de p, Test t, *) de votre
test-T.
 Pour + de détails, voir Comment faire un tableau.

 Dans le texte de l'analyse de données de votre rapport final, vous devez


inscrire les moyennes de vos deux groupes et, entre parenthèses, comme
dans l'exemple ci-dessous, les 3 informations suivantes, dans l'ordre :

1. Le résultat du Test t ( = 2,684).


2. Le ddl ou degré de liberté du test ( = 28).
3. La Signification (bilatérale)ou valeur de p= probabilité de
commettre l'erreur alpha. (= 0,006).
 Dans le tableau ci-dessus, il faut choisir les résultats qui correspondent à ----
» Hypothèse de variances égales.
 Voici maintenant un exemple de ce qu'il faut écrire dans le texte de votre
analyse de données :

Exemple d'analyse des données d'un Test-T

L'analyse des données de la présente recherche


indique que les hommes gagnent en moyenne
57,669$, alors que le salaire des femmes est
de 43,297$. La différence entre les deux groupes
est donc significative (Test t = 2,684, ddl = 28, p
= 0,006). On peut donc affirmer que le sexe
influence les salaires. Et ainsi de suite pour les
autres indicateurs...

 Notez que cet exemple, celui de l'exercice, n'illustre qu'un seul indicateur;
votre recherche en compte probablement plus.
 Attention : si votre hypothèse statistique est unilatérale, vous devez diviser
le SIG. du tableau par 2 (Sig bilatérale/2 = Sig. unilatérale).
 Attention : Les couleurs - rouge, bleu, blanc - et les caractères gras de cette
page sont utilisés pour attirer votre attention; il est donc inutile de les
reproduire dans votre rapport final.
KHI-2

Quand et pourquoi faut-il faire faire un


khi-deux ?
Comment formuler les
B hypothèses statistiques
d'un khi-deux
Comment faire ce
C
test avec SPSS
Comment analyser les
D
résultats d'un khi-deux
Ce qu'il faut écrire
dans l'analyse de
données de votre
rapport final :

 Dans
le tableau de
E
résultats de
votre analyse
+ Exemple
 Dans le texte de
votre analyse
+ Exemple

Consulter l'arbre de
décision
Revenir
aux consignes de
l'étape III

Comment faire un khi-deux

A QUAND ET POURQUOI FAUT-IL FAIRE UN TEST KHI-DEUX ?

 Quand ? Si votre recherche comporte deux groupes (ou deux mesures) et


que votre variable dépendante est qualitative.

 Pourquoi faire un test khi-deux ? Pour comparer les fréquences de ces deux
groupes afin d'inférer une relation entre X (ex: sexe) et Y (Ex : les réponses -
oui ou non - à la question no 1 de l'exercice SPSS).
 Les tests statistiques comme le khi-deux permettent au chercheur de rejeter
ou non l'hypothèse nulle, donc de prendre une décision.
 Avant de procéder à ce test, il faut formuler vos hypothèses statistiques (Ho
et H1).
 Attention : On dit aussi khi-carré ou Chi-deux; ce sont des synonymes.

B FORMULER LES HYPOTHÈSES D'UN TEST KHI-DEUX ?

 Dans la logique d'un test d'hypothèse, il y a toujours deux hypothèses


statistiques.
 La première - l'hypothèse nulle ou Ho - est, comme son nom l'indique, une
hypothèse qui postule qu'il n'y a pas de différence entre les fréquences ou les
proportions des deux groupes; notez : Groupe 1 = Groupe 2.
 La seconde - l'hypothèse alternative ou H1 - correspond habituellement à
l'hypothèse de votre recherche. Contrairement à l'hypothèse nulle, cette
hypothèse postule qu'il existe une différence entre les fréquences des deux
groupes, différence qui ne serait pas due au hasard.
 L'existence de cette différence permet d'affirmer que Y dépend de X, et donc
d'inférer que X est bel et bien la cause de Y.
 Attention : contrairement au test t, il n'y a ici qu'un type d'hypothèse
alternative; l'hypothèse bilatérale.
 Par exemple : Est-il vrai de dire que les fréquences (de oui et de non à la
questions no 1) des hommes et des femmes sont différentes ou
indépendantes l'une de l'autre ?
 Différente signifie logiquement deux choses : H > F et H < F, d'où l'expression
bilatérale (bi = deux, uni = un); ici, c'est l'un etl'autre, car les deux
propositions H > F et H < F sont possibles.
 Notez cependant que, si l'hypothèse est bilatérale, le test lui-même est
toujours unilatéral.
 + de détails sur les hypothèses statistiques ?

C LES ÉTAPES POUR FAIRE UN TEST KHI-DEUX ?

1. Ouvrir votre matrice de données SPSS.


2. Choisir le menu ANALYSE + STATISTIQUES DESCRIPTIVES + TABLEAUX
CROISÉS.
3. Une fenêtre s'ouvre...
4. Au moyen des flèches choisir votre Ligne (= la VI de votre recherche).
Dans cet exemple = [Sexe].
5. Choisir ensuite votre Colonne (= la VD de votre recherche). Dans cet exemple
= [Question no 1].

6. Cliquez ensuite sur STATISTIQUES pour choisir le test khi-deux.


7. Une fenêtre s'ouvre...
8. Cochez Khi-Deux.
9. Le but de ce test est de comparer les effectifs de OUI et de NON des deux
groupes - HOMMES et FEMMES - afin de vérifier l'hypothèse selon laquelle, au
sein de la population, la fréquence des hommes est différente de la fréquence
des femmes (Nous savons déjà que ces fréquences sont légèrement
différentes au sein de l'échantillon).
10. Ensuite cliquez sur Poursuivre.
11. Puis sur OK dans la fenêtre principale.
12. Voici le résultat final : un beau khi-deux (de Pearson). Gratis !
13. Le premier tableau = analyse descriptive de votre échantillon (=fréquence ou
porportion); le second = analyse comparative (ou inférentielle).
14. S'il y a d'autres tableaux, ils sont inutiles; ne copiez que ces deux-là dans
votre exercice ou dans le fichier d'objectifs.
15. Pour analyser ce texte, cliquer ici.

D COMMENT ANALYSER LES RÉSULTATS D'UN KHI-2

 Dans l'analyse d'un Khi-deux, il y a 2 tableaux importants :

 Le tableau 1 des effectifs ou des fréquences qui décrit vos


groupes.
 Le tableau 2 du Khi-deux qui permet de comparer ces groupes.

 Dans ce second tableau, il y a 3 résultats importants :


1. Le résultat du test ou Valeur (0,159 dans le tableau ci-bas).
2. Le ddl ou degré de liberté, ici ddl =1. On écrit habituellement dl.
3. Signification asymptotique (bilatérale) ou valeur de p, dans
ce cas-ci 0,690.

 La valeur du test et le degré de liberté (ddl) permettent à SPSS de calculer la


Signification asymptotique (bilatérale).
 Autrement dit, 1 et 2 donne 3.
 La valeur de p ou Signification asymptotique est l'erreur alpha, soit la
probabilité ou le risque de commettre une erreur en déclarant qu'il existe une
différence significative entre les fréquences - oui ou non - des deux groupes,
HOMMES ET FEMMES.
 Cette valeur de p permet de confirmer ou d'infirmer votre hypthèse
statistique (H1) et, partant, l'hypothèse ou l'objectif de votre recherche.
 Rappelons qu'en sciences humaines, le seuil de signification est de 0,05.
 Si la valeur de p ou Signification asymptotique est supérieure à 0,05, vous
devez accepter l'hypothèse nulle (H0) et conclure qu'il n'y a pas de différence
significative entre les hommes et les femmes. C'est le cas ici (voir tableau ci-
haut).
 Si la valeur de p ou Signification asymptotique est inférieure à 0,05, vous
devez rejeter l'hypothèse nulle (H0) et conclure qu'il y a une différence
significative entre les hommes et les femmes (H1 est vraie).
CE QU'IL FAUT ÉCRIRE DANS VOTRE ANALYSE DE
E
DONNÉES

 Dans le tableau de l'analyse de données de votre rapport final, vous devez


inscrire les 5 information suivantes :

1. Le nombre de participants de chaque groupe (n = 15). Voir tableau 1


ci-dessus.
2. Les effectifs ou fréquences de OUI ou Foui (Fréquence de oui). Voir
tableau 1 ci-dessus.
3. Le résultat du test ou Valeur du khi-deux ( Voir tableau 2 ci-dessus = -
0,159).
4. Signification exacte (bilatérale) ou valeur de p = probabilité de de
commettre l'erreur alpha, dans cet exemple : 0,690.
5. Un astérisque - * - si la valeur de p de votre test est inférieure à 0,05
(5%) donc résultat significatif.

 Voici un exemple de tableau :

Tableau 1
Comparaisons entre les hommes et femmes sur le
plan de la scolarité, du revenu et des réponses à la
Titre --» question 1.
khi- Valeur <0,05
Indicateurs Groupes n= Foui
deux de p =*
Analyse principale --» Question Hommes 15 5
no 1 0,159 0,690
(=oui) Femmes 15 4
Test
T
Analyse secondaire --» Revenu Hommes 15 57669
(en milliers 2,684 0,012/2 *
de $) Femmes 15 43297
 Il
faut placer ce tableau à la suite du texte de votre analyse de données.
 Ce tableau présente les résultats descriptifs et comparatifs de votre test Khi-
deux.
 Pour + de détails, voir Comment faire un tableau.

 Dans le texte de l'analyse de données de votre rapport final, vous devez


inscrire les fréquences de vos groupes, ainsi que trois informations suivantes,
entre parenthèses, dans l'ordre, comme dans l'exemple ci-dessous :

1. Le résultat ou la Valeur du khi-deux (= 0,159).


2. Le ddl ou degré de liberté du test, dans ce cas-ci = 1.
3. La signification asymptotique (bilatérale) ou valeur
de p= probabilité de commettre l'erreur alpha (= 0,690).
 Voici maintenant un exemple de ce qu'il faut écrire dans l'analyse de
données de votre rapport final :

Exemple d'analyse des données d'un Khi-2

L'analyse des données de la présente recherche


indique que les hommes ont répondu oui à la
question 1 à cinq reprises, alors que les femmes ont
donné cette réponse quatre fois. La différence entre
les deux groupes n'est donc pas significative (khi-
deux = 0,159, ddl = 1, p = 0,690). On peut donc
conclure que le sexe n'influence pas les réponses à
la question No 1.

Et ainsi de suite...

 Notez que cet exemple n'illustre qu'un seul indicateur; votre recherche en
compte probablement plus.
 Attention : Les couleurs - rouge, bleu, blanc - et les caractères gras de cette
page sont utilisés pour attirer votre attention; il est donc inutile de les
reproduire dans votre rapport final.

Quand et pourquoi faut-il faire


une analyse de variance (ANOVA)
Comment formuler les
B hypothèses statistiques
(H0 et H1) d'une ANOVA
Comment faire une
C analyse de variance avec
SPSS
Comment faire un test
post-hoc si votre analyse
D
de variance est
significative
Comment analyser les
E résultats de votre analyse
de variance
Ce qu'il faut écrire dans
analyse des données de
votre rapport final :

 Dans
le tableau données
F
de votre analyse
+ Exemple
 Dans le texte de
votre analyse
+ Exemple

Consulter l'arbre de
décision
Revenir
aux consignes de cette
étape (III)
CORRÉLATION

A QUAND ET POURQUOI FAUT-IL FAIRE UNE ANOVA

 Quand ? Si votre recherche comporte deux groupes ou plus (indépendants ou


non) et que votre variable dépendante est quantitative.

 Pourquoi faut-il faire une analyse de variance (ANOVA) ?


 Pour comparer la variance de ces groupes (variable x) afin d'inférer une
relation entre X (Ex: le type de formation : science, technique, autres) et Y
(Ex: le revenu).
 Les tests statistiques comme l'analyse de variance permettent au chercheur
de rejeter ou non l'hypothèse nulle.
 Donc de prendre une décision quant à la valeur de cette hypothèse (est-elle
vraie ou fausse ?).
 Avant de procéder à une analyse de variance (ANalysis Of VAriance), il faut
formuler vos hypothèses statistiques (Ho et H1).

B COMMENT FORMULER LES HYPOTHÈSES D'UNE ANOVA

 Dans la logique de tout test d'hypothèse - test t, khi-carré, analyse de


variance, etc. - il y a toujours deux 2 hypothèses statistiques.
o La première - l'hypothèse nulle ou Ho - est une hypothèse qui postule
qu'il n'y a pas de différence entre les moyennes des trois groupes (ou
des trois mesures).
o Notez : Groupe 1 = Groupe 2 = Groupe 3 ou, s'il s'agit d'un groupe à
mesures répétées, Mesure 1 = Mesure 2 = Mesure 3.
o La seconde hypothèse - l'hypothèse alternative ou H1 - correspond
habituellement à l'hypothèse du chercheur.
o Contrairement à l'hypothèse nulle, cette hypothèse postule qu'il existe
une différence entre les moyennes des trois groupes (ou des trois
mesures).
o Notez Groupe 1 <> Groupe 2 <> Groupe 3 ( le symbole <> signifie
n'égale pas).
 L'existence de cette différence permet d'inférer que X est bien la cause de Y
(sauf errreur).
 Attention : l'hypothèse alternative d'une analyse de variance est toujours
bidirectionnelle.
 Une hypothèse bilatérale ou bidirectionnelle est formulée lorsque le
chercheur se contente de formuler un objectif de recherche.
 Par exemple : est-il vrai de dire que les revenus des individus varient en
fonction de leur formation ?
 + de détails sur les hypothèses statistiques ?
C LES ÉTAPES À SUIVRE POUR FAIRE UNE ANOVA

1. Première étape : Ouvrez votre matrice de données SPSS.


2. Pour les fins de cet exemple, notez à la droite de la matrice une nouvelle
variable nominale, la Formation (1 = science; 2 = techniques; 3 = autres).
3. Chacune des trois classes ou niveaux de cette variable compte 15 participants
pour un n total de 45.

4. Choisir maintenant le menu ANALYSE + COMPARER LES MOYENNES +


ANOVA À 1 FACTEUR.
5. Une fenêtre s'ouvre...

6. Au moyen des flèches choisissez la variable dépendante que vous


souhaitez analyser. Ici [Revenu].
7. Choisir ensuite en fonction de quelle variable indépendante ou Facteur vous
désirez analyser le revenu. Dans cet exemple, il s'agit de [formation].
8. Le but de ce test est de comparer la variance des revenus de trois types de
formation (science, technique et autre).
9. Le chercheur se pose la question suivante : La formation d'une personne
influence-t-elle son revenu ?
10. Sur le plan statisitique, il s'agit d'une hypothèse bilatérale.
11. Cliquez ensuite sur Options pour choisir vos options.
12. Une fenêtre s'ouvre...
13. Cochez Caractéristiques pour obtenir les moyennes et les variances de vos
trois groupes.
14. Cliquez ensuite sur Poursuivre.
15. De retour à la première fenêtre, cliquez sur OK.
16. Voici le résultat final :

17. Le premier tableau = analyse descriptive (moyenne) de votre échantillon; le


second = analyse comparative (ou inférentielle).
18. S'il y a d'autres tableaux, ils sont inutiles; ne les copiez pas dans votre
exercice ou dans le fichier d'objectifs.
19. Comment analyser ce résultat ?

D COMMENT ANALYSER LE RÉSULTAT D'UN TEST POST HOC

 L'analyse de variance compare généralement trois groupes ou plus.


 Le résultat significatif de ce test indique que certains groupes ou échantillons
pris deux à deux sont significativement différents; mais lorsque le test est
effectué avec trois groupes et plus, il ne précise par quelle paire de groupes
présente un écart significatif.
 Pour résoudre ce problème, il faut faire un test supplémentaire ou test post-
hoc, qui nous indiquera laquelle des trois paires de groupes sont différents
(Ex : Science et techniques ou Autres et science, ou techniques et autre).
 Ce test compare les trois groupes/échantillons deux à deux.
 Pour choisir ce test, cliquez sur le bouton Post Hoc, à droite.

 Une nouvelle fenêtre apparaît:


 Comme vous pouvez le constater, il existe un vaste de choix de test post-hoc.
 Dans votre cas, choisir le test Scheffé.
 Pluis cliquez sur Poursuivre.
 Une fenêtre de résultats apparaît :

 Voilà, les résultats de cette fenêtre - la colonne Signification- indique qu'il


n'y a pas de différence significative entre les trois groupes comparés deux à
deux (Sig.< 5 %).
 La première ligne compare la formation scientifique à la formation technique
et autres.
 La seconde ligne compare la formation technique à la formation scientifique et
autres.
 Finalement, les autres formations sont comparées à la formation scientifique
et techniques.
E COMMENT ANALYSER LES RÉSUTATS DE VOTRE ANOVA

 Dans l'analyse de variance, il y a 2 tableaux importants (Voir ci-bas) :


o Le tableau des moyennes qui décrit vos trois groupes.
o Le tableau du Test F qui permet de comparer vos trois groupes.

 Dans le second tableau, il y a 3 données importantes :


1. Le ddl ou degré de liberté, ici 44.
2. Le résultat du F (= ,591 dans le tableau ci-bas).
3. La valeur de p ouSignification, dans ce cas-ci ,559.

 Le F et le ddl permettent de calculer la valeur de p ou Signification.


 Donc 1 et 2 donne 3.
 La valeur de p ou Signification est l'erreur alpha, soit la probabilité ou le
risque de commettre une erreur en déclarant qu'il existe une différence entre
les 3 groupes ou les 3 mesures.
 La valeur de p ou Sig. permet de confirmer ou d'infirmer votre hypothèse
alternative (H1).
 Rappelons qu'en sciences humaines, le seuil de signification est de 0,05.
 Si Signification ou valeur de p est supérieure à 0,05, vous devez accepter
l'hypothèse nulle. Et conclure qu'il n'y a pas de différence significative entre
vos deux groupes (ou mesures).
 Si la signification ou la valeur de p de votre test est inférieure à 0,05, il faut
faire deux choses :
1. d'abord rejetez l'hypothèse nulle et conclure qu'il y a une différence
significative entre les trois groupes.
2. procédez à un test post-hoc afin de savoir laquelle des comparaisons
de groupes, pris deux à deux, est significativement différente.
 Un test post-hoc significatif indique quelle paire de groupes est différente.
 Pour faire ce test, cliquez ici.

CE QU'IL FAUT ÉCRIRE DANS VOTRE ANALYSE DE


F
DONNÉES

 Dans le tableau de de votre rapport final, vous devez inscrire les 5


informations suivantes :

1. Le nombre de participants de chacun des groupe ou n =


2. La moyenne de chacun des trois groupes ou
3. Le résultat de l'analyse de variance, soit le test F, dans le
tableau ci-bas = ,591
4. Le Sig. ou Valeur de p = probabilité de commettre l'erreur
alpha. (=0,559).
5. Un astérisque - * - si la valeur de p de votre test est inférieure à
0,05 (5%) donc résultat significatif.

 Voici un exemple de tableau :

Tableau 1
Titre --» Comparaisons entre les sujets sur le plan de la
scolarité.
n Valeur <0,05
Indicateurs Groupes F
= de p = =*
Analyse
principale Science 15 50030
-» Revenu Technique 15 47297 0,591 0,559
Autres 15 53205

 Pour + de détails, voir Comment faire un tableau.

 Dans le texte de l'analyse de données de votre rapport final, vous devez


inscrire entre parenthèses les 3 informations suivantes, dans l'ordre :
1. Le résultat du F dans le tableau ci-bas = 0,591.
2. Le ddl ou degré de liberté du test (= 44).
3. Sig. ou valeur de p, où p = probabilité de commettre l'erreur
alpha. Dans cet exemple = 0,559.
 Voici un exemple de ce qu'il faut écrire dans l'analyse de données de votre
rapport final :

d'analyse de données d'une


Exemple
analyse de variance

L'analyse des données de la présente recherche


indique que les individus qui ont une formation
en science gagnent 50,030$ comparativement à
47297$ pour ceux qui ont une formation en
techniques et 53205$ pour le groupe
d'individus autres (arts, métiers, etc). La
différence entre les trois groupes n'est
cependant pas significative (F = 0,591, ddl =
44, p = 0,559). On peut donc conclure que le
type de formation n'influence pas le salaire des
individus.

Et ainsi de suite avec les autres indicateurs...

d'analyse de données d'une


Exemple
analyse post-hoc

L'analyse des données de la présente recherche


indique que les individus qui ont une formation
en science gagnent 56,985, comparativement à
43,416$ pour ceux qui ont une formation en
techniques et 51,261$ pour le groupe
d'individus autres (arts, métiers, etc). La
différence entre ces trois groupes n'est
cependant pas significative (F = 0,591, ddl =
44, p = 0,559), sauf pour les formations
universitaires et techniques (Scheffé test, p =
0,03).

Et ainsi de suite avec les autres indicateurs...


 Il convient de noter que cet exemple n'illustre qu'un seul indicateur; votre
recherche en compte probablement plus.
 Attention : Les couleurs - rouge, bleu, blanc - et les caractères gras de cette
page sont utilisés pour attirer votre attention; il est donc inutile de les
reproduire dans votre rapport rapport final.

CONTINGENCE

Quand et pourquoi calculer


un coefficient de contingence

Comment formuler les


B hypothèses
statistiques d'un C

Comment faire pour pour


C calculer un coefficient de
contingence (C)

Comment analyser le
D résultat d'un test de
contingence avec SPSS

Ce qu'il faut écrire dans


l'analyse des données de
votre rapport final :

 Dans votre tableau


E
de
résultats + Exemple
 Dans le texte de
votre analyse des
données + Exemple

Consulter l'arbre de
décision

Consulter les consignes de


l'étape III
QUAND ET POURQUOI FAUT-IL CALCULER UN
A
COEFFICIENT (C) ?

 Quand ? Si vous voulez décrire la relation entre deux variables qualitatives


nominales (X et Y).

 Pourquoi faut-il calculer ce coefficient ?


o Pour établir l'existence d'une association entre X et Y au sein de
l'échantillon.
o Pour mesurer le degré d'association ou de co-occurrence entre X et Y
au sein de l'échantillon.
o Pour inférer une relation entre X et Y au sein de la population (C + test
de signification).

COMMENT FORMULER LES HYPOTHÈSES D'UN


B
COEFFICIENT (C)

 Dans la logique d'un test d'hypothèse, il y a toujours deux hypothèses


statistiques.
 La première - l'hypothèse nulle ou Ho - est, comme son nom l'indique, une
hypothèse qui postule que la relation entre X et Y est due au hasard,
autrement dit qu'il n'y a pas de relation entre X et Y (nulle= absence de
relation).
 La seconde - l'hypothèse alternative ou H1 - correspond habituellement à
l'hypothèse de votre recherche. Contrairement à l'hypothèse nulle, cette
hypothèse suggère que la relation entre X et Y ne peut être attribuée au
hasard; il existe donc un lien entre X et Y au sein de la population.
 Notez hypothèse nulle: C = 0 et hypothèse alternative: C <> 0.
 Rappelons qu'en sciences humaines, le risque maximum d'erreur est de 0,05
(= seuil de signification).
 Si votre SIG. ou valeur de p est supérieure à 0,05, vous devez accepter
l'hypothèse nulle et conclure que l'association ou la co-occurrence observée
entre X et Y est due au hasard.
 Si votre SIG. ou valeur de p est inférieure à 0,05, vous devez rejeter
l'hypothèse nulle et accepter l'hypothèse alternative, et donc conclure qu'il
existe une relation entre X et Y au sein de la population.
 + de détails sur les hypothèses statistiques ?

LES ÉTAPES À SUIVRE POUR CALCULER UN COEFFICIENT


C
(C)

1. Ouvrir votre matrice de données SPSS.


2. Choisir le menu ANALYSE + STATISTIQUES DESCRIPTIVES + TABLEAUX
CROISÉS.

3. Une fenêtre s'ouvre :


4. Au moyen des flèches choisir votre Ligne (= la VI de votre recherche).
Dans l'exemple ci-bas le sexe des participants.
5. Choisir ensuite votre Colonne (= la VD de votre recherche). Dans cet exemple
VD = les réponses à la question no 1.

6. Cliquez ensuite sur Statistiques pour choisir votre test C.


7. Une petite fenêtre s'ouvre....
8. Cochez Coefficient de contingence.
9. Le but de ce test est de décrire le degré d'association entre deux variables
nominales.
10. Cliquez sur Poursuivre.
11. Puis sur OK dans la grande fenêtre.
12. Voici le résultat :
13. Le deuxième tableau = analyse descriptive de votre échantillon
(fréquence); le troisième = analyse comparative (ou inférentielle).
14. S'il y a d'autres tableaux, ils sont inutiles; ne copiez que ces deux-là dans
votre exercice ou dans le fichier d'objectifs.
15. Maintenant, pour analyser ce test, cliquez ici.
D COMMENT ANALYSER LE RÉSULTAT D'UN COEFFICIENT (C)

 Dans l'analyse d'un coefficient de contingence, il y a 2 tableaux importants :

o Le tableau des observations de votre échantillon.


o Le tableau du coefficient de contingence qui met en relation X et Y.

 Dans ces 2 tableaux SPSS, il y a 3 résulats importants :

1. Le nombre de sujet de l'échantillon ou petit N.


2. Le résultat du coefficient de contingence
ou Valeur, ici ,073 (voir tableau ci-bas).
3. La valeur de p du test C ou Signification approximée, dans ce
cas-ci ,690.

 Le premier résultat - 0,073 - mesure le degré de co-occurrence entre les


variables dépendante nominale (Y) et indépendante nominale (X) de votre
échantillon.
 Rappelons que 0 équivaut à une absence de lien, alors qu'un lien parfait entre
X et Y = 1.
 Par convention, on dira que la relation entre X et Y est :
 parfaite si la valeur de C = 1
 très forte si C > 0,8.
 forte si C se situe entre 0,5 et 0,8.
 d'intensité moyenne si C se situe entre 0,2 et 0,5.
 faible si C se situe entre 0 et 0.2.
 nulle si C = 0
 Il convient de noter que ces qualificatifs (intensité forte, moyenne, faible) ne
sont utilisés dans le texte qu'au fin de comparaison, et non dans le but
d'évaluer l'intensité de la relation entre deux variables. Ils ne peuvent se
substituer au coefficient de contingence, qui est une mesure bien plus précise
que les mots.
 Le second résultat - 0,690 - est un seuil de signification (ou valeur de p)
obtenu au moyen d'un test d'hypothèse.
 Ce test permet de décider si ce lien - 0,073 - est significatif, autrement dit,
si l'association observée entre X et Y (= votre échantillon) existe au sein de la
population à l'étude.
 Dans la logique d'un test d'hypothèses, il y a toujours deux hypothèses
statistiques.
 La première - l'hypothèse nulle ou Ho - est, comme son nom l'indique, une
hypothèse qui postule que la relation entre X et Y est due au hasard,
autrement dit qu'il n'y a pas de relation entre X et Y (nulle= absence de
relation).
 La seconde - l'hypothèse alternative ou H1 - correspond habituellement à
l'hypothèse de votre recherche. Contrairement à l'hypothèse nulle, cette
hypothèse suggère que la relation entre X et Y ne peut être attribuée au
hasard; il existe donc un lien entre X et Y au sein de la population.
 Notez hypothèse nulle : C = 0 et hypothèse alternative : C <> 0.
 Rappelons qu'en sciences humaines, le seuil de signification est de 0,05.
 Si la Signification approximée ou valeur de p est supérieure à 0,05, vous
devez accepter l'hypothèse nulle et conclure que l'association ou la co-
occurrence observée entre X et Y est due au hasard.
 Si la Signification approximée ou valeur de p est inférieure à 0,05, vous
devez rejeter l'hypothèse nulle et conclure que la corrélation entre X et Y
existe bel et bien au sein de la population.

E CE QU'IL FAUT ÉCRIRE DANS VOTRE RAPPORT FINAL

 Dans votre tableau de résulats, vous devez inscrire les 4 informations


suivantes :

1. Le nombre n= de participants, dans ce cas 30.


2. Le C ou la valeur du coefficient de contingence, ici 0,073.
3. La Valeur de p= ou Signification approximée, soit la probabilité de
commettre l'erreur alpha, dans cet exemple = 0,690.
4. Un astérisque - * - si la valeur de p de votre test est inférieure à 0,05
(5%) donc résultat significatif. Ici ce n'est pas le cas.

 Voici un exemple de tableau :


Tableau 1
Relation entre le sexe des participants et la
réponse à la question no 1.
Titre --»
Valeur <0,05
Contingence n= C
de p= =*

Sexe des
Analyse principale --» participants

Réponse à la 30 0,073 0,690


question no
1

 Pour + de détails, voir Comment faire un tableau.

 Dans le texte de l'analyse de données de votre rapport final, vous devez


inscrire entre parenthèses les deux informations suivantes, dans l'ordre :

1. Le coefficient de contingence ou Valeur de C= 0,073.


2. La Signification approximée ou valeur de p, soit la probabilité de
commettre l'erreur alpha, soit 0,690.

 Voici maintenant un exemple de ce qu'il faut écrire dans votre analyse de


données :

Exemple d'analyse de données d'un test de contingence

L'analyse des données de la présente recherche


montre qu'il n'existe aucune relation entre le sexe
des sujets et la réponse à la question no 1 (C =
0,073, p = 0,690).

Et ainsi de suite avec les autres variables...

 Notez que cet exemple n'illustre qu'un seul indicateur; votre recherche en
compte probablement plus.
 Attention : Les couleurs - rouge, bleu, blanc - et les caractères gras de cette
page sont utilisés pour attirer votre attention; il est donc inutile de les
reproduire dans votre rapport final.

Analyses principale ou secondaire ?

 Dans une recherche, il y a presque toujours deux types d'analyse de


données à faire : l'analyse principale et l'analyse secondaire.

Exemple dans Tout


Dans votre Votre
l'exercice En résumé autre
recherche X
SPSS X

1 : Toute analyse 1: X (Sexe) -


relative à votre ---»
hypothèse/objectif, Principaux
Analyse soit la relation Indicateurs
principale entre (PI) de Y
votre variable (Revenu)
indépendante (X) Principaux
et les principaux Indicateurs 1 2b
indicateurs (PI) de (PI) de Y
votrevariable
dépendante (Y).

Exemple dans
Dans votre
l'exercice
recherche
SPSS

Analyse
Toute analyse qui Toute
secondaire
concerne la analyse qui Indicateurs
relation entre : concerne la Secondaires 2a 2c
relation (IS) de Y
2a : Votre variable entre :
X et les indicateurs
secondaires (IS) 2a : X
de votre Y (Sexe) ----»
IS (Scolarité
2b : Tout autre X ou question
et les PI de votre Y no 1)

2c : Tout autre X 2b : Pas


et les IS de votre Y d'exemple
dans
l'exercice

2c : Pas
d'exemple
dans
l'exercice

 L'analyse principale concerne votre hypothèse/objectif, donc la relation


entre votre X (variable indépendante) et votre Y (variable dépendante), telle
que formulée dans votre problématique.
 L'objectif de cette ou de ces analyses est de vérifier si votre hypothèse est
vraie ou fausse.
o Attention : Dans une recherche, il peut y avoir un ou plusieurs
indicateurs de la variable dépendante (Y).
o Ces principaux indicateurs (PI) se trouvent dans votre grille
d'observation.
o Il faut les analyser séparément et, parfois, les regrouper en une seule
variable (= indice).
o Donc, il y a autant d'analyses principales à faire qu'il y a d'indicateurs
principaux (PI) de votre Y.

Votre X -----------------» Y (principaux


Principale indicateurs/PI)

 L'analyse secondaire, elle, concerne tous les autres X et Y de votre grille


d'observation.
 L'objectif de cette ou de ces analyses est de découvrir de nouveaux
phénomènes ou de nouvelles relation qui n'ont sans doute pas été abordés
dans votre problématique.
o Par tout autre X, on entend l'ensemble des variables en mesure d'agir
comme des causes (X), donc d'influencer votre Y.
o Il peut donc s'agir de variables parasites que vous avez contrôlées (EX:
sexe, âge, lieu de la recherche, heure, ethnie, programme d'étude,
etc.).
o Pour analyser ces variables, il faut parfois les transformer en
classes/variable nominale.
o Par tout autre Y, on entend les indicateurs secondaires (IS) de
votre Y.
o Ce sont généralement des variables associées ou concomitantes à votre
Y, qui accompagnent l'apparition des principaux indicateurs (EX:
Sourire lorsqu'on aide. Aide = principal indicateur du comportement
d'aide et sourire = indicateur secondaire).
o Ces autres X et Y se trouvent dans votre grille d'observation/Matrice de
variable SPSS.
o Attention : Dans certains cas, plutôt rares, il n'y a tout simplement pas
d'indicateurs secondaires ou d'autres X.

Votre X -------------------» Y (indicateurs


secondaires/IS)
Tout autre X ------------» Y (principaux
Secondaire
imdicateurs/PI)
Tout autre X -------------» Y (indicateurs
secondaires/IS)

 Attention : Les analyses non-pertinentes ou inutiles sont des analyses qui


mettent en relation deux X ou deux Y.
 Dans certains cas, ces analyses sont utiles, mais dans votre cas, elles sont
non-pertinentes ou non-nécssaires.

Votre X ---------------» Tout autre X

Inutile Un de vos Y (principal/secondaire) ---» Un de vos Y


(principal/secondaire)

X : Variable indépendante (assignée ou manipulée de


votre recherche) ou Variable parasite contrôlées (=
Définitions autres X).

Y : Variable dépendante, donc variable observée et


mesurée.
Indicateur (I) : Comportement qui indique un Y.

PI : Principaux indicateurs de votre variable


dépendante (Y).

IS : Indicateur secondaire. Il s'git de comportements


concomitants, qui accompagnent l'apparition des
principaux indicateurs de votre variable dépendante
(Y) (EX: Le sourire si vous mesurez l'aide (Y),
l'hésitation si vous mesurez le conformisme (Y), etc).

TRANSFORMER

La transformation d'une variable quantitative en classe (ou


valeur) se fait en 3 étapes :

1. Trouver le point-milieu
2. Transformer votre variable quantitative
3. Créer des classes pour votre nouvelle variable

4.

5.

1. Étape 1 : Pour transformer en deux classes égales une variable quantitative,


il faut d'abord trouver le point milieu de la distribution de données de cette
variable.
2. Comme le nom l'indique, le point milieu (=médiane) est le point qui permet
de diviser la distribution d'une variable en deux parties égales ou quasi-
égales.
3. Exemple : si votre distribution de données est : 1-3-4-5-6-7, le point milieu
est 4-5; si 1-2-3- le point milieu est 2.
4. Ce point vous permettra de diviser votre variable en deux classes égales, soit
Classe 1 = (1, 3, 4) et Classe 2 = (5, 6, 7).
5. Pour trouver ce point milieu, choisir dans le menu SPSS ANALYSE +
STATISTIQUES DESCRIPTIVES + FRÉQUENCES.
6. Une fenêtre apparaît :
7. Choisir la variable que vous souhaitez transformer en classe,
ici [Scolarité].
8. Puis cliquez ensuite sur Statistiques.
9. Une seconde fenêtre apparaît :
10. Inscrire dans la fenêtre de gauche, Point de césure pour, le nombre de classe
que vous désirez former, dans ce cas [2].
11. Moyenne et médiane sont déjà cochées; vous pouvez décocher moyenne.
12. Puis, cliquez sur Poursuivre au bas de la fenêtre.
13. SPSS déterminera le point milieu de la distribution de données (= médiane,
ici 17), ce qui vous permettra de diviser la variableScolarité en deux parties
égales (ou rang centile = 50).
14. Voici le résultat :
15. Si ce chiffre n'est pas un entier, arrondissez-le (Ex : 17.15 ----» 17).
16. Conservez ce chiffre en mémoire pour l'étape suivante : transformer votre
variable quantitative en classe.

17. Étape 2 : Maintenant pour transformer votre variable, choisir dans le


menu TRANSFORMER + CRÉATION DE VARIABLES.
18. Une fenêtre s'ouvre; on y trouve à gauche la liste de vos variable et
à droite une fenêtre qui contiendra la ou les variables que vous souhaitez
transformer (ou variable d'entrée):
19. Maintenant, choisir la variable quantitative que vous souhaitez transformer,

ici [Scolarité] au moyen de la flèche bleue


20. Donnez à cette variable un nouveau nom, car dans SPSS deux variables ne
peuvent avoir le même nom.
21. À l'extrême droite, entrez ce nouveau nom dans la fenêtre Variable de
destination, ici [classescolarité].
22. Modifiez également le libellé.
23. Confirmer le nouveau nom en pressant sur Changer.
24. Voici le résultat :
25. Ensuite cliquez sur Anciennes et nouvelles valeurs pour compléter la
création de votre nouvelle variable : Classescolarité.
26. Une nouvelle fenêtre s'ouvre; on y trouve à gauche les anciennes valeurs de
votre variable, à droite les valeurs que vous souhaitez définir, celles de votre
nouvelles variable [classescolarité].
27. A gauche, cochez le bouton Plage pour diviser votre distribution.
28. Quel est votre point-milieu de cette distribution? (ici 17)
29. Inscrire les valeurs inférieure et supérieures ( = point-milieu) de votre
première plage, ici [15 à 17].
30. Puis inscrire à droite la nouvelle valeur correspondant à cette plage, ici [1].
31. Ensuite cliquez sur Ajouter pour confirmer votre choix.
32. Ce choix apparaît maintenant dans la fenêtre Ancienne ---» Nouvelle.
33. Inscrire la seconde plage de valeurs, ici [18 à 19].
34. Puis inscrire à droite la nouvelle valeur correspondante à cette plage, ici [2].
35. Ensuite cliquez Ajouter pour confirmer votre choix.
36. Ce choix apparaît maintenant dans la fenêtre Ancienne ---» Nouvelle.
37. Cliquez sur Poursuivre pour confirmer la transformation.
38. Finalement, confirmer le tout en cliquant sur OK.
39. Vérifiez le résultat de cette transformation dans votre matrice de données.
40. Une nouvelle colonne [Classescoalarité] a été créée à la droite de votre
matrice.
41. Étape 3 : Complétez la transformation de vos données en créant deux
nouvelles classes de scolarité.
42. Si ce n'est déjà fait, choisir Vue des variables au bas de votre matrice de
données SPSS.
43. Notez que la variable [Classescoalarité] figure maintenant parmi les variables
de votre matrice.
44. Ensuite, sous Valeurs, cliquez sur le carré bleu pour faire apparaître la fenêtre
des Libellés de valeurs, comme suit :
45. Transformer les 1 en jeune et les 2 en vieux, de manière à former deux
nouvelles classes/niveaux.
46. Finalement, cliquez sur OK.
47. Voilà, vous pouvez maintenant utiliser la classe scolarité comme variable
indépendante nominale dans vos analyses secondaires.

48. Facultatif : Pour transformer une variable ordinale (1-2-3-4-5-6) en variable


nominale (1-2), et donc réduire le nombre de classes de six à deux, il faut,
à l'étape 26, cocher VALEUR, plutôt que PLAGE.
49. Ensuite il faut associer vos vieilles classes (disons 1-2-3) à l'une de vos deux
nouvelles classes ( =1 ), une à la fois, et ainsi de suite (4-5-6 = 2).

50. Poursuivre l'analyse de vos données.

FUSIONNER DEUX VARIABLES EN UNE

Fusionner deux indicateurs ou + en deux étapes :

1. Fusionner les variables/indicateurs de votre choix


2. Définir les paramètres de la nouvelle variable fusionnée
1. Étape 1 : Dans le menu SPSS choisir TRANSFORMER + CALCULER LA
VARIABLE

2. Une fenêtre s'ouvre : D'abord, notez les deux variables qui, pour les fins de
cet exemple, ont été ajoutées à la matrice de données
:[premiertest] et [secondtest].
3. Supposons maintenant que vous désirez analyser le résultat global de ces
deux tests, plutôt que de les analyser séparément.
4. Pour ce faire, vous devez fusionner ces deux indicateurs en un seul.
5. Donnez d'abord un nom à votre Variable cible, c-à-d au nouvel indicateur que
vous souhaitez créer en fusionnant le résultat de ces deux
tests, ici [Indicateurglobal].
6. Au moyen de ajouter dans la fenêtre de droite les indicateurs que vous
désirez fusionner pour former ce nouvel indicateur global.
7. Dans cet exemple, il s'agit des [premiertest] et [seconddtest].
8. Attention : Vous devez ajouter un [+] entre chaque variable/indicateur,
puisque vous les fusionnez.
9. Dernière étape, pressez sur OK pour calculer la somme de vos deux variables.
10. Voici le résultat, qui fait maintenant partie de votre matrice de données :
11.

12. Étape 2 : Maintenant définir les paramètres de votre nouvelle variable


fusionnée [indicateur global] sous Vue des variables.

13. Attention : Cette nouvelle variable fusionnée se nomme


généralement indicateur global ou indice.
14. Voilà, vous pouvez maintenant analyser cet indice avec SPSS.
15. Retour à l'arbre de décision ou à l'étape 3 ?

SÉLECTIONNER

La sélection d'une classe se fait en 2 étapes :

1. D'abord exclure les sujets des autres classes


2. Ensuite vérifier les exclusions et le filtre
1. Étape 1 : Si votre variable est nominale ou ordinale, il peut être utile de sélectionner
seulement une classe de sujets afin de procéder à des analyses plus fines.
2. Par exemple, si vous avez une variable Sexe, il peut être intéressant d'analyser seulement les
données de la classe HOMMES (ou l'inverse).
3. Pour ce faire, il faut exclure les FEMMES de votre matrice de données.
4. Voici comment faire : Dans SPSS, choisir le menu DONNÉES + SELECTIONNER DES
OBSERVATIONS.

5. Une fenêtre s'ouvre :


6. Dans cette fenêtre, cliquez sur le bouton Selon une condition logique.
7. Ensuite, cliquez sur le bouton SI...
8. Une nouvelle fenêtre s'ouvre :
9. Dans la fenêtre de droite, choisir au moyen de la variable que vous souhaitez analyser
(Ex : sexe).
10. Le nom de la variable choisie (on dit aussi variable filtrée) apparaît dans la fenêtre de droite.
11. Indiquez ensuite la classe ou le niveau de votre choix, ici homme [1], en inscrivant à la suite
du nom de la variable [Sexe =].
12. Voici le résultat :

13. Notez que sexe = 1 (FILTER) fait maintenant partie de vos variables.
14. Cliquez ensuite sur Poursuivre, au bas de la fenêtre.

15. Étape 2 : Une fenêtre s'ouvre :


16. Voici le résultat de l'opération de sélection/exlusion :
17. Notez les barres obliques dans la colonne de gauche, qui correspondent aux participants
femme=2, ce qui indique qu'elles ont été exclues de la matrice.
18. Notez également la colonne FILTRE_$ à droite de la matrice.
19. Vous pouvez maintenant effectuer vos analyses sur les hommes seulement =1.
20. Il va de soi que l'on pourrait répéter l'opération avec les hommes en indiquant = 2 dans la
fenêtre ci-haut (à la place d'un 1).

21. Pour supprimer le filtre HOMMES = 1, retournez à cette fenêtre en cliquant sur l'icône-
raccourci :
22. Notez qu'il existe également un raccourci-menu dans la barre d'icônes qui permet de choisir
la fonction Sélectionner.

Retourner à l'analyse de vos données.

TABLEAU DE RÉSULTATS

À quoi sert un tableau


de résultats ?

Comment construire ce
2
tableau ?

Les différents formats de


3
tableau

Que contient un tableau


4
de résultats ?

Comment présenter votre


5
tableau ?

Voir un modèle de
6
tableau

Qu'est-ce qu'un bon


7
titre de tableau ?

Où devez-
8 vous placer votre tableau
?

Comment tracer un X
barre dans votre tableau ?
Comment centrer un titre
dans Word ?

Consignes
suivantes/Faire un
graphique

Consignes de l'étape 3

Où suis-je ?

1 LE RÔLE D'UN TABLEAU DE RÉSULTATS

 Le rôle d'un tableau est de présenter au lecteur les résultats importants


d'une recherche sous forme de chiffres.
 Par «important», on entend tous les résultats de l'analyse principale et
seulement les résultats significatifs de l'analyse secondaire.
 Votre tableau regroupe donc l'ensemble de ces résultats (Voir votre fichier
d'analyse).
 Il s'agit donc d'une synthèse de vos analyses statistiques faites avec SPSS.
 Attention : Le tableau ci-dessous a été construit à partir des données de
l'exercice SPSS (scolarité/revenu chez les hommes et les femmes, sauf pour
la question no 2 que j'ai inventée pour les fins de cet exemple).
 Il s'agit donc d'un modèle à suivre :

Tableau 1

Comparaisons entre les hommes et femmes sur le plan


Titre -----» de la scolarité, du revenu et des réponses à la question
2.

Test Valeur <0,05


Analyse principale --» Indicateurs Groupes n= t de p =*

Hommes 15 17,20
Scolarité -
0,473
(en année) 0,727
Femmes 15 16,87
Hommes 15 57669
Revenu
annuel (en 2,684 0,012/2 *
millier de $) Femmes 15 43297

Analyse secondaire --» Khi


Foui
carré

Question no Hommes 15 10
2 4,821 0,028 *
(=oui) Femmes 15 4

 Attention : Votre analyse des données ne doit contenir qu'un seul et unique
tableau.
 Rappel : Ce tableau résume donc les résultats de tous les petits tableaux
SPSS que vous avez copiés dans le fichier des objectifs de votre recherche.
 Pour vous aider à construire ce tableau, cliquez ici.

2 COMMENT CONSTRUIRE VOTRE TABLEAU

 Pour construire votre tableau, ouvrez :

 Créez un tableau semblable au tableau ci-bas (5X7) grâce au


menu WORD INSERTION (à gauche) + TABLEAU [Choisir le nombre de
lignes x colonnes nécessaires].
 Nommez vos x colonnes et x lignes, puis centrez les titres (indicateurs,
groupes, n =, etc.).
 Voir le tableau des formats ci-bas pour + de détails.

3 FORMAT DE TABLEAU ADAPTÉ À VOS ANALYSES

 La forme et le contenu de votre tableau dépendent de la nature de vos


données et du ou des tests statistique(s) que vous avez choisi(s) pour les
analyser.
 Cliquez sur le test que vous avez utilisé pour obtenir un format de tableau
adapté à vos analyses :

Exemples Analyse
Test Khi- Test
de Corrélation Contingence de
T deux binomial
formats variance
4 LE CONTENU D'UN TABLEAU

 Votre tableau contient les résultats :

o de votre analyse principale (que les résultats soient significatifs ou


non)
o de votre analyse secondaire (seulement les résultats significatifs).

 Pour chaque analyse, il faut fournir au lecteur deux types de résultats :


1. Les résultats descriptifs (n =, moyenne, fréquence ou
pourcentage, selon le cas)
2. Les résultats comparatifs (test T, khi-carré, test binomial, valeur
de p et * si p est significatif donc <0,05)
 Ces résultats se trouvent dans les tableaux SPSS que vous avez copiés dans
votre fichier d'objectifs.
 Copiez-les dans votre tableaux de résultats.
 Maintenant, comment présenter ce tableau.

5/6 COMMENT PRÉSENTER VOTRE TABLEAU + MODÈLE

 Pour présenter ce tableau dans votre rapport final, observez les règles
suivantes :

o Placez toujours les indicateurs de l'analyse principale dans le haut du


tableau; ceux de l'analyse secondaire dans le bas; En science, il s'agit
d'une convention.
o Ensuite, placez les principaux indicateurs de l'analyse principale en
haut du tableau.
o Si vous avez un indicateur global/Indice, placez-le avant tous les autres
indicateurs.
o Un indice est une valeur qui provient de la fusion de plusieurs
indicateurs.
o Attention : Certaines équipes n'ont pas d'indices, seulement des
indicateurs.
o Ensuite, identifiez votre tableau comme suit : Tableau 1.
o Centrez ce titre au-dessus du tableau, commeci-dessous :
o Donnez un titre précis à ce tableau. + de détails
o Pour aider le lecteur, annoncez votre tableau entre parenthèse dans le
texte de votre analyse de données. Exemple : (Voir Tableau 1).
MODÈLE Tableau 1

Comparaisons entre les hommes et femmes sur le plan


Titre -----» de la scolarité, du revenu et des réponses à la question
2.

Test Valeur <0,05


Indicateurs Groupes n=
Analyse principale --» t de p =*

Hommes 15 17,20
Scolarité -
0,473
(en année) 0,727
Femmes 15 16,87

Hommes 15 57669
Revenu
annuel (en 2,684 0,012/2 *
millier de $) Femmes 15 43297

Analyse secondaire --» Khi


Foui
carré

Question no Hommes 15 10
2 4,821 0,028 *
(=oui) Femmes 15 4

 Votre tableau est terminé ? Copiez-le dans votre fichier d'objectifs et dans
le gabarit du rapport final.
 Pour savoir exactement où placer votre tableau dans le rapport final, cliquez
ici.

7 TABLEAU : UN BON TITRE

 Que contient le titre d'un tableau ?


 Ce titre doit décrire le contenu général de votre tableau : l'analyse principale
et l'analyse secondaire (si cette dernière est significative).
 Vous devez donc préciser la nature de votre X (Variable indépendante) et de
votre Y (Variable dépendante).
 Dans certains cas, on peut nommer les principaux indicateurs de Y.
 Contrairement au graphique, il faut placer ce titre au dessus du tableau,
comme dans l'exemple ci-dessous.
 Si votre titre est trop long, vous pouvez omettre l'analyse secondaire
significative.
 Voici un modèle de titre, extrait de l'exercice :
MODÈLE Tableau 1

Comparaisons entre les hommes et femmes sur le plan de la


Titre -----»
scolarité, du revenu et des réponses à la question 2.

Valeur de <0,05
Indicateurs Groupes n= X Test t
p =*

Hommes 15 17,20
Scolarité
-0,727 0,473
(en année)
Femmes 15 16,87

Hommes 15 57669
Revenu
annuel (en 2,684 0,012/2 *
millier de $)
Femmes 15 43297

Khi
Foui
carré

Hommes 15 10
Question no 2
4,821 0,028 *
(=oui)
Femmes 15 4

8 OÙ PLACER VOTRE TABLEAU

 Finalement, où faut-il placer ce tableau ?

o Insérez votre tableau dans l'analyse des données principales de


votre rapport final (voir gabarit).
o Ne jamais placer votre tableau au tout début du texte de votre analyse
principale; commenez par le texte (voir ci-dessous).
o Insérez plutôt ce tableau à la suite du texte qui présente vos résultats.
o Dans tous les cas, il faut présenter votre tableau avant le graphique
1/figure de l'analyse principale.
o Autant que possible, placez du texte entre le tableau et le graphique 1.
 Voici un exemple de présentation de vos résultat, dans l'ordre :

Texte

Votre tableau de résultats


Texte

Graphique 1/Figure principale

Texte

Graphique 2/Figure secondaire


(s'il y a lieu)

Texte

 Attention : Si en raison des nombreuses analyses secondaires significatives,


votre tableau fait plus d'une page, même après l'avoir réduit (police 10 ou 9
plutôt que 12), scindez-le en deux :
o Un premier tableau pour l'analyse principale, placé dans l'analyse
des données.
o Un second tableau pour l'analyse secondaire, placé en annexe de
votre rapport final.

 Pour vous aider, si ce n'est déjà fait, le gabarit du rapport


final.
 Passez maintenant à l'étape suivante : Tracez votre/vos graphique(s)
 Ou revenir à l'étape précédente.

SYMBOLE DE LA MOYENNE : X-BARRE

 Ah oui, vous n'arrivez pas à tracer un x-barre dans votre tableau WORD...
 Comme vous le savez, ce est le symbole de la moyenne.
 Pour trouver ce symbole dans WORD, choisir le menu Insertion.
 Choisir ensuite Symboles, à droite.
 Puis sélectionner la police MS référence sans serif.
 Le est à la toute fin...
 Passez maintenant à l'étape suivante : Tracez votre/vos graphique(s)
 Ou revenir à l'étape précédente.

CENTRER UN TITRE DANS LA CELLULE D'UN TABLEAU WORD

 Comment centrer un titre dans une cellule de tableau WORD ?


 Placez votre curseur dans la cellule concernée. EX : Analyse principale.
 Soyez attentif car Outils de tableau apparaît alors dans votre menu WORD.
 Ensuite, dans ce nouveau munu WORD, choisir Outils de
tableau/Disposition/Alignement.
 Une petite fenêtre s'ouvre; choisir le centrage vertical/horizontal.
Attention !
 Attention : Votre section Analyse des données ne
doit contenir qu'un seul et unique tableau.
 Beaucoup d'équipes perdent des points car elles
oublient de titrer leur tableau...
 Qu'est-ce qu'un bon titre ?

GRAPHIQUE

1 Le rôle d'un graphique

2 Choisir entre SPSS et EXCEL pour tracer votre graphique


si x qualitatif et y = quantitatif
Tracer un
graphique...
si x et y = qualitatifs

Modifier un graphique avec SPSS

Tracer un graphique avec EXCEL

Exemple d'un graphique

Exemple d'un graphique/Analyse de données

3 Titrer votre/vos graphique(s) ?

4 Où placer votre/vos graphique(s) ?

Construire votre tableau de résultats

1 LIRE CECI AVANT DE TRACER VOTRE GRAPHIQUE

 En science, le rôle d'un graphique est d'illustrer les résultats d'une


recherche.
 Plus précisément, un graphique illustre les résultats de votre échantillon, de
vos groupes.
 Dans un ouvrage scientifique, on appelle «figure» l'espace réservé pour coller
les graphiques.
 Dans un rapport ou un article scientifique, on trouve ces figures dans la
section Analyse des données (parfois en annexes).
 Dans votre recherche, combien de graphiques devez-vous tracer ?
 Réponse : un ou deux, selon le cas.
o Vous devez absolument tracer un premier graphique qui présente les
résultats de votre analyse principale, que les résultats de cette analyse
soient ou non significatifs.
o Vous devez tracer une second graphique qui illustre les résultats de
votre analyse secondaire, seulement si ces résultats sont significatifs
(<0,05).
o Tout autre graphique que vous jugez pertinent doit être placée
en annexe du rapport final.
 Attention : Un graphique ne permet pas de déclarer qu'il existe une différence
significative entre deux groupes.
 Maintenant, tracez votre premier graphique : avec SPSS ou EXCEL ?
 Comment choisir entre ces deux logiciels ?

Attention !
On ne peut pas déterminer s'il existe une difference
significative entre deux groupes en examinant un
graphique/diagramme; seul un test statistique - comme le
Test-T ou le Kh-ideux - permet d'inférer l'existence de
cette différence. Voir Arbre de décision.

2 POUR TRACER UN GRAPHIQUE : SPSS ou EXCEL ?

 Vous pouvez tracer votre graphique avec SPSS ou EXCEL.


 Lequel choisir ? C'est simple, si vous voulez illustrer dans un même
graphique :

... un seul indicateur de Y, ... plusieurs indicateurs de Y,


OU
cliquez sur SPSS cliquez sur EXCEL

SPSS COMMENT TRACER UN GRAPHIQUE AVEC SPSS

1. Vous n'avez qu'un seul indicateur/indice à illustrer ?


2. Ouvrir SPSS.
3. Choisir le menu GRAPHIQUES.

4. Une petite fenêtre s'ouvre : confirmez l'utilisation du générateur de


graphiques en cliquant au bas de la page sur OK.
5. Deux fenêtres s'ouvrent...
6. Si Statistiques : = Effectif, Fermez la première fenêtre en cliquant sur le coin
rouge.
7. Notez que la seconde fenêtre se divise en trois : en haut, à gauche, vos
variables; à droite, un espace blanc de travail; finalement, en bas,
sous Galerie, les différents types de diagrammes (= graphiques).
8. Figure, graphique et diagramme sont ici synonymes.
9. Il faut d'abord choisir dans la fenêtre du bas le diagramme ou le graphique qui
vous permettra d'illustrer vos variables.
10. Quel diagramme choisir ? Le choix dépend de la nature de vos variables :
 Si X et Y sont qualitatifs.
 Si X est qualitatif et Y est quantitatifs
11. Si X est qualitatif et Y est quantitatif - ici [Sexe] et [Revenu] - faites
glisser dans la fenêtre du haut le diagramme en bâtons.

12. Ensuite, glissez vos variables X [Sexe] et Y [Revenu] dans les rectangles de la
fenêtre du haut, comme suit :
13. Puis cliquez sur OK pour confirmer vos choix.
14. Pour modifier les caractéristiques de votre
graphique/diagramme, cliquez sur Propriétés des éléments.
15. Maintenant si vos deux variables sont qualitatives, glissez le diagramme en
bâtons qui permet d'illustrer quatre colonnes dans la fenêtre du haut.
16. Ensuite glissez vos variables X [Sexe] et Y [Question no 1] dans les rectangles
de la fenêtre du haut.
17. Cliquez sur OK pour confirmer vos choix.
18. Pour modifier les caractéristiques de votre
graphique/diagramme, cliquez sur Propriétés des éléments.
19. Vos graphiques sont beaux ?
20. Je les ai vus ?
21. Si oui, placez-les dans votre dossier d'analyse WORD.
22. Puis, passez sans tarder à l'étape 3b : la rédaction de votre analyse de
données.
Dans un rapport scientifique, comme le vôtre,
ou dans un article scientifique, la figure est un
espace réservé pour coller
Définition
un graphique/diagramme, un schéma ou un
croquis. On trouve généralement les figures
dans la section Analyse des données.

EXCEL COMMENT TRACER UN GRAPHIQUE AVEC EXCEL

1. Vous
voulez illustrer plusieurs indicateurs de Y au moyen d'un seul graphique ?

2. Ouvrir EXCEL en double-cliquant son icone dans le menu au bas de


votre écran.

3. Une matrice de données s'ouvre.


4. Inscrire vos indicateurs (=Y) et vos groupes (X) de la façon suivante :
5. Saisir les résultats des tableaux SPSS que vous désirez illustrer (moyenne,
fréquence, pourcentage, etc.).
6. Attention : Placez des virgules pour indiquer les décimales, et non des points.
7. Choisir ensuite INSERTION + GRAPHIQUE RECOMMANDÉS.

8. Choisir ensuite le type de graphique qui correspond à vos données.


9. Attention : Assurez-vous que les axes X et Y sont clairement nommées (Ici
résultats moyens et Groupes).
10. Copiez le graphique produit par EXCEL dans votre fichier
d'objectifs WORD ou directement dans votre Analyse des données.
11. Dans WORD, ajoutez un titre à votre graphique.
12. Maintenant, passez sans tarder à l'étape 3b : la rédaction de votre Analyse
de données.

Dans un rapport scientifique, comme le vôtre,


ou dans un article scientifique, la figure est un
espace réservé pour coller
Définition un graphique/diagramme, un croquis ou tout
autre schéma qui illustre vos résultats. On
trouve généralement ces figures dans la
section Analyse des données et parfois en
annexe.
3 TITRER VOS-VOTRE GRAPHIQUE(S) ?

 Le titre d'un graphique, contrairement à celui du tableau, est placé au bas de


la figure.
 Comme il s'agit d'une figure, on utilise Fig 1, Fig 2 pour les identifier.
 Voici un exemple :

 Maintenant où faut-il placer ce graphique ?

4 OÙ PLACER VOTRE/VOS GRAPHIQUE(S) ?

 Dans un premier temps, placez vos graphiques dans le dossier d'analyse, au


fur et à mesure qu'ils sont faits.
 Cependant, si vous êtes prêts à rédiger votre Analyse de

données, immédiatement le gabarit du rapport final et


transférez-les dans la section Les résultats.
 Placez-les à la suite de votre texte, dans l'ordre, comme suit :

Texte/Introduction

Texte/Analyse principale

Votre tableau de résultats

Texte/Analyse principale

Graphique 1/Figure
principale
Texte/Analyse secondaire

Graphique 2/Figure
secondaire
(S'il y a lieu)

Texte/Conclusion

 + de détails sur la présentation des graphiques ?


 Passez à l'étape suivante.

Anda mungkin juga menyukai