Séminaire d’Analyses comparatives et enquête sociologique

Séances 8 et 9 L’analyse des résultats

Objectifs d’un questionnaire

• Quatre grands types d’objectifs :

► estimer des grandeurs absolues

► estimer des grandeurs relatives

► décrire une sous-population, une population

► vérifier des hypothèses (relations entre plusieurs variables)

1. Estimer des grandeurs absolues

1. Estimer des grandeurs absolues

2. Estimer des valeurs relatives

2. Estimer des valeurs relatives

3. Décrire une (sous-)population

4. Vérifier une hypothèse

4. Vérifier une hypothèse

4. Vérifier une hypothèse

4. Vérifier une hypothèse

4. Vérifier une hypothèse

Types de variables

Variables quantitatives/métriques

Variables ordinales

Variables discrètes/nominales

Variables quantitatives

• Moyennes

• Taux

• Matrices de corrélations

• Graphiques de courbes ou de nuages de points

Mais la plupart du temps, les variables que les sociologues utilisent ne permettent pas ces

types de présentation de résultats.

• Variables discrètes : genre, nationalité, niveau d’instruction, catégorie socio-professionnelle, affiliation religieuse… opinions, attitudes, types d’activités…

→ on est limité dans la présentation des résultats…

Tableaux croisés et mesures d’association (vs corrélation)

• Quelques exemples

A. Des tableaux croisés simples

B. Des tableaux croisés avec mesures d’association

C. Des tableaux synthétiques

Tableaux croisés

• Vite se pose la question de l’accumulation des résultats et les problèmes de variables tierces.

→ l’exemple de l’extrémisme politique

→ l’exemple des auditeurs d’émissions religieuses (Lazarsfeld)

3 variables (ordinales)

• NI : niveau d’instruction (NIH : NI Haut - NIB : NI Bas)

• P : pratique religieuse (PH : P Forte - PB : P faible)

• E : extrémisme politique (E1 : E Fort - E2 : E faible)

Exemple de l’extrémisme politique

NI

P

E

Exemple de l’extrémisme politique

Exemple de l’extrémisme politique

Niveau d’instruction élevé

Niveau d’instruction bas

Extrémisme fort 200 600

Extrémisme faible

800 400

Exemple de l’extrémisme politique

Pratique religieuse forte

Pratique religieuse faible

Extrémisme fort 600 200

Extrémisme faible

400 800

NIH NIB

PH PB PH PB

E1 150 50 200 E1 450 150 600

E2 50 750 800 E2 350 50 400

200 800 1000 800 200 1000

Exemple de l’extrémisme politique

NIH NIB

PH PB PH PB

E1 150 50 200 E1 450 150 600

E2 50 750 800 E2 350 50 400

200 800 1000 800 200 1000

75% 6.25% 56.25% 75%

Exemple de l’extrémisme politique

3 variables (ordinales ou nominales)

• NI : niveau d’instruction (NIH : NI Haut - NIB : NI Bas)

• A : âge (J : jeunes - V : vieux)

• E : écoute radiophonique d’émissions religieuses (E1 : écoute régulièrement - E2 : n’écoute pas régulièrement)

Exemple de l’écoute radiophonique d’émissions religieuses

NI

A

E

Exemple de l’écoute radiophonique d’émissions religieuses

Exemple de l’écoute radiophonique d’émissions religieuses

Niveau d’instruction bas

Niveau d’instruction élevé

Ecoute régulière

400 100

Ecoute rare 900 900

Exemple de l’écoute radiophonique d’émissions religieuses

Jeunes Vieux

Ecoute régulière

170 330

Ecoute rare 830 970

NIH NIB

J V J V

E1 55 45 100 E1 115 285 400

E2 545 355 900 E2 285 615 900

600 400 1000 400 900 1300

Exemple de l’écoute radiophonique d’émissions religieuses

NIH NIB

J V J V

E1 55 45 100 E1 115 285 400

E2 545 355 900 E2 285 615 900

600 400 1000 400 900 1300

9.16% 11.25% 28.75% 31.67%

Exemple de l’écoute radiophonique d’émissions religieuses

Se pose la question :

• Comment alors régler l’articulation de toutes ces variables ?

• Deux réponses ont été développées par la tradition sociologique :

1. l’analyse des correspondances multiples2. les régressions multiplesN.B. : Nous ne tenterons pas d’aborder ces techniques d’un point de

vue statistique. Nous tenterons de comprendre leurs visées générales.

ACM: Analyse de correspondances multiples (analyse factorielle)

• Exemple canonique : Bourdieu, La distinction;

• Objectif : appréhender le plus simplement possible la masse des données

• Souvent utile lors de la phase exploratoire (systématise la phase des tableaux croisés sans nécessiter le passage par la construction d’hypothèses)

• Principes généraux► un espace multidimensionnel (au départ une

dimension par variable) se réduit pour devenir lisible (deux dimensions à la fois, deux, trois, quatre… facteurs)

► on traduit la proximité entre modalités de variables

► on trouve des variables actives et des variables supplémentaires (sous-entendu : les secondes expliquent les premières)

Analyse de correspondances multiples (analyse factorielle)

La régression multiple

• Idée générale : rechercher l’effet propre de plusieurs variables sur un autre (variable dépendante), toutes choses égales par ailleurs

• Y=a1x1 + a2x2 + a3x3… anxn+U

Y : variable dépendante; X1…n : variables indépendantes; a1…n : coefficients de régression; u : résidu

Régression ou ACM ?

• Buts différents -> complémentarité entre les deux méthodes

• La régression « explique », l’ACM « décrit »• Une illustration des différences entre les deux types de

méthode : le cas des salaires féminins► ACM : montrera que les femmes occupent des emplois

moins qualifiés, qu’elles sont plus souvent employées et moins souvent cadres, qu’elles ont en moyenne des salaires inférieurs… que les hommes

►Régression multiple : tentera de savoir si, toutes choses égales par ailleurs, les femmes ont des salaires inférieurs