Relation médiatrice : variable intermédiaire qui permet de mesurer l'effet de la var indép sur la var

dép
Relation modératrice : une variable qui peut influencer l'intensité ou le signe de la relation entre X et
Y en décomposant l'éch en sous-éch

Validation du questionnaire :
Fiabilité : avoir les mêmes résultats si on refait l'analyse dans les mêmes conditions ; sinon Ea
Validité : mesurer ce qu'on cherche à mesurer

• V. interne :

o V. convergente : Tous les items appartenant au même construit doivent mesurer la même chose
o V. discriminante : supprimer les vars corrélées à 2 composantes à la fois

• V.externe : tous les éléments doivent être pris en considération en répondant aux questionnaires

4/méthodes d'analyse
L’ADD est une clé d'accès à la prise de décision à partir d'infos fiables et valides déjà existantes.
L’analyse uni-variée : consiste à examiner la distribution des modalités de réponse pour une variable
L'analyse bi-variée : consiste à étudier les relations entre deux variables
L'analyse multi variée : permet de dépasser les techniques précédentes
Statistique : ensemble des méthodes mathématiques qui à partir du recueil et de l'analyse des don-
nées réelles permettent l'élaboration de modèles probabilistes autorisant les prévisions.
Stat descriptive : décrire un ou + paramètres d'une population
Stat probabiliste : utilisation des lois usuelles
Stat inférentielles : ensemble de méthodes qui permettent l'extrapolation des résultats qu'on a
trouvé dans la stat descriptive (échan. /Estim.)
• Population : ensemble d'individus sur lesquels porte l'étude stat
• Échantillon : sous ensemble de la population
• Items : ensemble de var qui mesurent la même chose
• Construits : ensemble d'items
• Paramètre : critère utilisé pour décrire une population

coefficient de symétrie Skewness : mesure l'asymétrie d'une distribution

• S=0 : Distribution normale
• S>1 : Distribution asymétrique à droite
• S<1 : Distribution asymétrique à gauche
• Coefficient d'aplatissement Kurtosis :
• K=0 : Distribution normale
• K<0 : les queues comptent un plus grand nombre d'observations que dans une distribution gaus-
sienne
• S<1 & K<1,5 : Suit une loi normale
Corrélation partielle : Consiste à quantifier et étudier la relation entre X et Y en relevant l'élément
médiateur
Corrélation multiple : consiste à mesurer la force de relation entre X et Y
Régression : méthode statistique qui vise à expliquer et prédire une var dépendante par une ou plu-
sieurs vars indépendantes.
RLS : expliquer/estimer, prédire la valeur d'une var dépendante par un ensemble de vars indépen-
dante quantitatives explicatives
Régression Logistique : quand la var est quali. 2 modalités = binaire, sinon multinominale
Régression discriminante : comme la R Logi mais exige la normalité de la distribution des variables
Etapes de la RLS :
1/spécification du modèle : Tracer le nuage de point ou le diagramme de dispersion pour soupçon-
ner l'existence d'une relation linéaire entre X et Y
2/validation du modèle : Mesures possibles pour quantifier l'intensité de la relation entre X et Y
• 1_Coefficient de corrélation : Mesure la force du lien entre 2 variables. r=1 : varient dans le même
sens, r=-1: sens inverse, r=0 pas de corrélation linéaire, r>=0,7 très forte

(Non linéarité=/=Non Liaison)

• 2_Coefficient de détermination : la part de variance de Y expliquée par la variance de X.
(SCRés/SCTotal)
• 3_Covariance : vise à quantifier l'écart entre les vars
1 • 4_Analyse de l'ANOVA: SigANOVA<=α, on accepte.
2 • SigANOVA>=50% auto-reject
3

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

Erreur-Type : La dispersion de la moyenne des moyennes
Résidu=Erreur Empirique=Ecart de prévision : Diff entre V.Obs et V.Estim

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

Deux tests sont couramment utilisés : t ou z; ou F. Les deux test nécessitent une estimation de Se², la
variance des erreurs "e" du modèle de régression
Etapes d'un test z ou t :
▪ 1/Enoncer les hypothèses H0 et H1 (H0:B1=0 et H1:B1=/=0)
▪ 2/Préciser les conditions du test:

o La population des erreurs est normale

o La variance résiduelle est inconnue
o Le niveau de significatio

Analyse Bi-Variée : La description des variables et leurs relations relève une série de questions qu'on
doit approcher 2 à 2 dans cette analyse.
Tris Croisés: permettent d'examiner les relations entre deux ou plusieurs variables en rassemblant
dans un tableau unique les distributions de fréquences ou d'effectifs de deux ou plusieurs variables.
Test Khi-deux : cherche à tester l'indépendance des variables qualitatives présentées dans un ta-
bleau croisé ; en comparant la distribution observée Oij à celle Théorique Tij qui correspond à l'hypo-
thèse selon laquelle les deux variables sont indépendantes. 𝑋2=Σ(𝑂𝑖𝑗−𝑇𝑖𝑗)²𝑇𝑖𝑗
Procédure :
1-Emission des Hypothèses : H0/H1
2-Règle de décision : X²c>X²th ==> Rejeter H0/Accepter H1 avec X²th = X²[α;(r-1)(c-1)]
Condition : Chaque case du tableau devrait avoir un effectif théorique au moins égal à 5.
Interprétation : Comme l'ANOVA
Indicateurs :
Coefficient phi Ø : Dans le cas des tableaux 2x2, il est recommandé d'appliquer une correction du X²,
ou d'utiliser le coefficient Ø = √𝑋²𝑛
Coefficient de Contingence : appliqué pour des mesures d'association sans contrainte de taille de ta-
bleau C=√𝑿²𝑿𝟐+𝒏
Coefficient d'association prédictive (lambda): mesurer dans quelle proportion une variable quali in-
dépendante influence une variable quali dépendante
Indice V de cramer : mesurer la force de la relation entre les deux variables 𝑽⁡=⁡√𝑋²𝑛(𝐿−1)
[L=min. des lignes et des colonnes du tableau]
Analyse Exploratoire Factorielle : permet de décrire un phénomène de manière synthétique, les va-
riables sont considérées chacune par rapport aux autres ; utilisée pour la validation d'un question-
naire ou d'une échelle de mesure et la segmentation (Regroupement des éléments qui se ressem-
blent)

Conditions de l’AFE :
1-Taille de l’échantillon :
Il faut un minimum de 5 observations par item (un ratio de 10 pour 1 est préférable), le nombre total
d'observations doit être d'au moins 50 et il est souhaitable d'interroger au moins 100 individus.
2-L'adéquation des données : il faut s'assurer que les données sont factorisables,
Measure of Sampling Adequacy ou Kaiser-Meyer-Olkin; KMO>0.3; Préferable>0.7
3-Le critère du pourcentage de variance : s'assurer que l'ensemble des facteurs retenus explique une
quantité significative de variance en dépassant un certain seuil fixé au préalable (V Expliquée>60%)
4-L'extraction des facteurs : ACP [Quanti]/ACM Quali]
Valeur Propre des composantes >1 sinon on la retire.

5-L'épuration d'une échelle de mesure se fait en deux temps :

Communalité>50%, 50% de la variance de l'item est expliquée par les facteurs ; éliminer<50%
Coeff Structurel>50%, éliminer items avec CS>50% dans plusieurs composantes.
Rotation des facteurs : permet de changer l'angle de vue sans déformer l'information, et cela en fai-
sant tourner le système d'axe en minimisant la distance entre les variables et les axes de telle sorte
que chaque item initial ne soit fortement corrélé qu'à un seul facteur.

Méthodes de rotation :
Orthogonale : Aucune rotation (90°)
Varimax : Rotation orthogonale qui minimise le nombre de variables ayant de fortes corrélations sur
chaque facteur
Oblimin direct : Rotation oblique, c'est-à-dire dans laquelle les axes se positionnent en fonction des
items et ne sont donc pas orthogonaux
Quartimax : Méthode qui minimise le nombre de facteurs requis pour expliquer chaque variable
Equamax : Méthode de rotation qui minimise à la fois le nombre de variables qui pèsent fortement
sur un facteur et le nombre de facteurs requis pour expliquer une variable