Plan la séance 5 Procédures d’échantillonnage

© Benoit Duguay, 2014

Plan la séance 5Procédures d’échantillonnage

Terminologie Étapes du processus d’échantillonnage Méthodes d’échantillonnage Échantillonnage sur internet Quel type d’échantillonnage utiliser ? Taille de l’échantillon Atelier :

Planification du processus d’échantillonnage


Terminologie

UniversÉchantillonRecensement

Graphique tiré et adapté de : Zikmund, W.G. 2003. Essentials of Marketing Research, 2nd ed. Mason (OH) : South-Western, 452 p.


Univers

Population ou groupe à l’étude

Différentes entités : Citoyens Employés Clients Partenaires Fournisseurs

Élément de l’univers ou de la population : Entité individuelle

d’un groupe particulier

Unité d’étude


Échantillon

Sous-ensemble d’un groupe plus large

Doit être représentatif du groupe plus large

Source : http://courses.tlt.psu.edu/course/bio12/module03/2009/10/lesson-02-samples-and-populations.html


Recensement Enquête auprès de tous les

éléments d’une population En France, dans les

communes de 10 000 habitants ou plus : Un échantillon probabiliste

représentant environ 8 % de la population est recensé chaque année

Au bout de 5 ans, l'ensemble du territoire de chaque commune est pris en compte, et 40 % environ des habitants de ces communes sont recensés

http://www.insee.fr/fr/publics/default.asp?page=communication/recensement/particuliers/organisation.htm#complus


Graphique tiré et adapté de : Zikmund, W.G. 2003. Essentials of Marketing Research, 2nd ed. Mason (OH) : South-Western, 452 p.

Définir l’univers

Méthodes d’échantillonnage

Sélection des éléments

Procédure de sélection

Taille de l’échantillon

Travail de terrain

Cadre d’échantillonnage

Étapes du processus d’échantillonnage


Définir l’univers À qui voulons-nous

parler ? Bien définir l’unité

d’étude, c’est-à-dire l’élément que nous voulons étudier dans l’univers


Cadre d’échantillonnage

Liste des éléments composant l’univers, p. ex. : Liste de clients Annuaire de

téléphone

Attention à l’erreur d’exclusion


Méthodes d’échantillonnage

Méthodes

Non probabilistes Probabilistes

De convenance

De jugement

Aléatoiresimple

Systématique

Boule de neige Stratifié

Par quota Grappes

Phasesmultiples

Volontaire

Structuréaléatoire


Échantillonnage non probabiliste


Échantillonnage de convenance

Échantillon que le chercheur a sous la main, p. ex. : Une classe

d’étudiants ou une cafétéria pour un sondage dans le cadre d’un travail de session

Représentativité limitée de l’échantillon


Échantillonnage de jugement

Échantillon sélectionné selon le jugement d’une personne d’expérience, p. ex. : Les sous-groupes de

la population utilisés par les médias pour prédire les résultats le soir d’une élection

Marchés témoins pour évaluer un nouveau produit

Source : http://www.ourbigearth.com/2011/05/02/get-out-the-vote-federal-election-is-today/


Échantillonnage boule de neige

Construction graduelle d’un échantillon en utilisant des références obtenues des premiers répondants

Les premiers répondants peuvent être sélectionnés de façon aléatoire ou non

Méthode utilisée lorsque les répondants sont difficiles à identifier


Échantillonnage par quota

Échantillon dont les sous-groupes respectent les proportions de chacun de ces groupes au sein de l’univers étudié en fonction de caractéristiques précises, p. ex. l’âge et le sexe

À ne pas confondre avec l’échantillon stratifié (probabiliste)

SexeÂge

25 et - 26 à 50 51 et + Total

H 11% 16% 22% 49%

F 10% 17% 24% 51%

Total 21% 33% 46% 100%


Échantillonnage volontaire

Échantillon composé de personnes auto sélectionnées

Par exemple : les lecteurs d’un journal ayant accepté de participer à un sondage réalisé par ce journal auprès de tous ses lecteurs


Échantillonnage structuré aléatoire1 de 3

Ce type d’échantillon n’est pas considéré comme étant probabiliste, mais il est quand même considéré comme étant scientifique

Seule alternative pratique en l’absence d’un cadre d’échantillonnage

Il s’agit de structurer la population en fonction de plusieurs critères bien définis tels le jour, l’heure et la localisation géographique

Source : http://zoom-travels.blogspot.ca/2012/08/fantasy-fridays-samba-at-carnival-rio.html



Pour un festival par exemple, on répartira la cueillette de données sur toute la durée de l’événement (p. ex. : 3 jours)

On sélectionnera les répondants à différentes heures, les mêmes chaque jour (p. ex : 10h, 14h, 18h et 22h)




On sélectionnera les répondants de façon systématique pour introduire un effet aléatoire (p. ex. : un visiteur sur trois ou sur quatre)

Cette méthode est utilisée par des chercheurs et des étudiants de cycles supérieurs et acceptée par certaines instances gouvernementales pour justifier des demandes de subvention



Échantillonnage probabiliste


Échantillonnage aléatoire simple Échantillon construit à partir

d’une liste de l’univers, dans laquelle chaque élément a une chance égale d’être choisi

Il peut être difficile d’obtenir une liste de l’univers

On utilise des tables de hasard ou des numéros générés au hasard par un ordinateur pour sélectionner les répondants

Pour les petits échantillons, on peut sélectionner les répondants avec une roulette, un boulier, des papiers dans un chapeau…

L’échantillon peut ne pas être représentatif de la population

Source : http://ccelearn.csus.edu/wasteclass/mod9/mod9_05.html


Échantillonnage systématique

Échantillon construit à partir d’une liste complète de l’univers à l’étude, comme l’échantillon simple au hasard

Les répondants sont sélectionnés à intervalle fixe, le premier devant être sélectionné au hasard comme pour l’échantillonnage aléatoire simple

Source : http://rchsbowman.wordpress.com/2009/08/16/statistics-notes-sampling-techniques-2/


Échantillonnage stratifié

Échantillon dont les sous-groupes respectent les proportions de chacun de ces groupes au sein de l’univers étudié en fonction de caractéristiques précises, p. ex. l’âge et le sexe

On utilise des tables de hasard ou des numéros générés au hasard par un ordinateur pour sélectionner les répondants dans chacune des strates

À ne pas confondre avec l’échantillonnage par quota (non probabiliste)

GenreClasses d’âges

25 et - 26 à 50 51 et + Total

H 11% 16% 22% 49%

F 10% 17% 24% 51%

Total 21% 33% 46% 100%


Échantillonnage par grappes

Échantillon dont l’unité n’est plus l’élément de l’univers qui est à l’étude mais un sous-groupe (grappe) réunissant plusieurs de ces éléments

Ces grappes sont composées d’éléments dont un des points communs est la proximité géographique

Cette méthode vise à produire un échantillon d’une façon économique tout en retenant les caractéristiques d’un échantillon probabiliste

Considéré comme échantillonnage probabiliste si la sélection des grappes est aléatoire


Exemples de grappes

Population à l’étude :

Voyageur d’affaires Montréal-Toronto

Grappes possibles :Vols Montréal-Toronto


Échantillonnage en phases multiples Échantillon sélectionné en utilisant une combinaison

de plusieurs méthodes probabilistes, p. ex. l’échantillonnage aréolaire (area sampling) : Diviser le Canada en provinces/villes/arrondissements/blocs

(échantillonnage stratifié) Sélectionner un certain nombre de blocs Recueillir les réponses de tous les répondants au sein des blocs

sélectionnés (échantillonnage par grappes)


Échantillonnage sur internet(1 de 3)

Échantillons non probabilistes de convenance pour les sondages éclair

Pour les sondages éclair, la construction d’un gros échantillon peut être très rapide pour les sites populaires

Les méthodes probabilistes les plus utilisées en ligne sont : Échantillonnage aléatoire

simple Échantillonnage

systématique



Problème de surreprésentation des visiteurs fréquents

Sélection aléatoire en utilisant une fenêtre intempestive « Pop-Up »…

… mais les fureteurs évolués bloquent les fenêtres intempestives

Utilisations de panels… … mais un panel n’est pas

toujours représentatif de la population à l’étude



Pour les sondages auprès de la clientèle, utilisation de numéros d’accès pour empêcher les réponses multiples du même répondant

Invitations à participer en personne, par courrier, par courriel ou sur un reçu de caisse

Certaines personnes ne disposent pas d’un ordinateur ou d’un accès internet rapide


Quelle méthode d’échantillonnage utiliser?

Marge d’erreur et niveau de confiance désirés

Ressources humaines et financières disponibles

Contraintes de temps Disponibilité d’une liste

de l’univers Dispersion

géographique des répondants

Nécessité d’effectuer des projections à une population plus large



N’est pas fonction de la taille de l’univers

Représentativité Marge d’erreur et niveau de confiance

E = échantillon A & B = partage des répondants (0,5 par défaut) ER = erreur permise (3%, 4%, 5%,...) Z = # d’écarts type vs niveau de confiance

(3 = 99%, 2 = 95%, 1 = 68%)

Tiré et adapté de: McGown, K.L., Marketing Research: Text and Cases, Winthrop Publishers, 1979, p. 143 165

2

ZER

BAE


Intervalle de confiance

Tiré et adapté de : Zikmund, W.G. 2003. Essentials of Marketing Research, 2nd ed. Mason (OH) : South-Western, 452 p.

MOYENNE

Écart type =-1

Écart type =+1

-2-3

+2+3

68%95%

99% 68%95%

99%



Pour le pire des scénarios, un partage 50/50 des répondants

Une marge d’erreur de 5%

Un niveau de confiance de 95% (usuel)

Taille de l’échantillon = 400 répondants

2

205,0

5,05,0

E



Supposons un partage 20/80 des répondants


Un niveau de confiance de 95% (usuel)


2

205,0

8,02,0

E





On augmente le niveau de confiance à 99%


2

305,0

5,05,0

E




On diminue la marge d’erreur à 3%

Un niveau de confiance de 95%

Taille de l’échantillon = 1 111 répondants

2

203,0

5,05,0

E




On diminue la marge d’erreur à 3%

Un niveau de confiance de 99%

Taille de l’échantillon = 2 500 répondants

2

303,0

5,05,0

E


Atelier

Planification du processus d’échantillonnage

Plan la séance 5 Procédures d’échantillonnage

Documents

Transcript of Plan la séance 5 Procédures d’échantillonnage