Traitement de données socio-économiques et techniques d’analyse :

Claude Marois © 2012

TRAITEMENT DES DONNÉES ET TECHNIQUES D’ANALYSE : géographie population et géographie

sociale

• Dans presque toute recherche , il y a une quantification à certaines étapes de la démarche;

• La quantification est une démarche pour la recherche et la compréhension de problèmes en géographie humaine;

• La démarche quantitative implique la mesure de phénomènes ;

• Mesurer est une opération visant l’extraction de certaines propriétés ou de certaines caractéristiques d’objets, de personnes, d’événements;

• Cela implique qu’on attribue une valeur, un chiffre, un code ;

Les avantages:

1) Plus de précision: le géographe décrit à l’aide de nombres l’importance relative du phénomène à l’étude;

2) Aider à mieux définir des concepts et à les opérationnaliser : par exemple, définir le concept de « pauvreté » et les critères qui distinguent les pauvres et autres classes de la société;

3) Introduire un niveau d’objectivité dans l’analyse ;

4) Pouvoir comparer: il y a une certaine uniformité dans la mesure d’un phénomène;

5) Vérifier la validité d’une hypothèses;

6) Pouvoir généraliser/particulariser.

Les limites:

1) Les difficultés reliés à la mesure de phénomènes: en géographie humaine comme en sciences sociales, les phénomènes ne sont pas directement mesurables lorsque l’objet d’étude touche au comportement humain;

Il y a la difficulté de traduire une information qualitative, un concept ou une donnée quantitative.

2) Les difficultés de l’interprétation:Il ne faut pas confondre précision et validité.

Être précis, c’est décrire une observation en détail; Être exacte, c’est refléter la réalité.

Par exemple, on peut calculer la distance moyenne que franchi un individu à toutes les semaines : cette mesure peut être précise, mais elle n’est pas nécessairement exacte.

De plus, il y a une autre difficulté inhérente à la limite des techniques quantitatives.

Chaque technique comporte ses limites, ses présomptions.

Variable qualitative, variable quantitative:

Qualitative: variable qui n’est pas mesurée par des nombres ; Quantitative: variable faisant appel aux propriétés mathématiques

des nombres ;

variable discrète: données numériques qui sont des données dont les valeurs sont des entiers.

variable continue: dans ce cas, les valeurs sont des entiers, mais aussi des fractions.

Échelles de mesure:

Il faut bien distinguer entre les diverses échelles de mesure:

Les échelles nominales - Les échelles ordinales propriétés Les échelles d’intervalle mathématiques Les échelles de rapport +

Chaque échelle de mesure permet certaines opérations mathématiques.

1) Échelle nominale:

Niveau de mesure le plus bas; Les nombres ou symboles choisis servent uniquement

à identifier des personnes ou des objets; La seule propriété formelle est l’équivalence.

2) Échelle ordinale:

Les nombres et les symboles sont utilisés à la fois pour identifier des personnes ou des objets et pour décrire leur relation avec d’autres personnes ou objets;

Elle possède la relation d’équivalence, mais aussi la relation « plus grand que » ou « plus petit que »;

On assigne un rang; Il y a un type d’échelle appelé « échelle nominale ordinale »

(catégorical ordinal) – par exemple, on peut exprimer la variable « âge » de la façon suivante:« enfant », « adolescent », « adulte », « personnes âgées ».

3) Échelle intervalle: Le rapport de 2 points dépend de l’unité de mesure; Il n’existe pas de zéro absolu ; Les propriétés sont:

L’équivalence; L’ordre; La connaissance du rapport de 2 intervalles.

Exemple: Températures

C ou F

4) Échelle de rapport: Mêmes caractéristiques que l’échelle intervalle; Il comporte un zéro absolu;

N.B. Une variable nominale peut être:

Binominale : à 2 catégories exclusives. Multinominale: à 2 catégories et plus.

Choix d’une technique d’analyse ou de plusieurs techniques

Quel est le problème à l’étude? Quels sont les objectifs? Quelles sont les hypothèses?

Décrire, expliquer, prédire:Pour chaque hypothèse, on peut choisir une ou des techniques spécifiques.

Collecte des données:Statistiques secondaires et/ou données d’enquête

Quels sont les types de variable et les échelles de mesure?

Quelles sont les variables associées à chacune des hypothèses?

Quelles sont les techniques associées à chacune des hypothèses?

Décrire des distributions; Établir des relations entre variables dans l’espace; Expliquer : relation causale; Prédire ou projeter.

Sur le plan spatiale:

Est-ce qu’il y a des variations dans l’espace?

Si oui: Est-ce qu’il y a une structure spatiale au phénomène à

l’étude?

Si oui, il y a des facteurs liés au traitement qui expliquent en partie le phénomène à l’étude ;

Quels facteurs? Environnement social, environnement socio-culturel ou socio-économique, etc.

Quels sont les facteurs géographiques pouvant expliquer la structure du phénomène?

Facteurs reliés à la géométrie de l’espace: espace indicateur; espace topologique;

Points « lieux »Lignes « réseaux »Surfaces « unités spatiales »

Facteurs reliés au milieu géographique:Selon les échelles géographiques;Les échelles imbriquées

Quelle est la part des ces facteurs dans l’explication du phénomène? Quelle est la part des autres facteurs?

Statistique paramétrique: La composante de base de la statistique paramétrique

est l’inférence statistique.

Raisonnement permettant de généraliser les conclusions tirées d’un échantillon à une population.

On passe par les tests paramétriques:

Qu’est-ce qu’un test paramétrique ? Un test paramétrique est un test dont le modèle indique

certaines conditions au sujet des paramètres de la population.

Comporte les étapes suivantes:

Choisir l’hypothèse à vérifier; Choisir une hypothèse alternative; Se fixer une règle pour prendre la décision d’accepter ou de

rejeter l’hypothèse; Choisir un échantillon aléatoire et calculer la statistique; Prendre la décision.

Statistique non-paramétrique:

Les méthodes adaptées aux données nominales et ordinales.

Transformations de données:

Proportions: fréquences relatives d’une catégorie par rapport au total;

Pourcentages: multiplier la proportion correspondante par 100.

Taux: Proportions exprimées par rapport à un nombre constant

(1,000; 100,000); Ratios:

Poids relatif des effectifs d’une catégorie par rapport aux effectifs d’une autre catégorie.

Standardisation: Par exemple: les valeurs centrées réduites (Z).

Tableau statistique: (Létourneau, p. 115) Mode de classement de données numériques montrant une

distribution de fréquences; La construction d’un tableau statistique est fonction des

objectifs de la recherche des hypothèses, de la démarche méthodologique.

On peut construire des tableaux à « n » dimensions:

X 2 dimensions: Y

3 dimensions: Z Z

X X

Y Y 4 dimensions:

Analyse et interprétation des résultats: L’analyse est un processus composé de plusieurs étapes; Identification des facteurs pertinents; Description de l’interdépendance des facteurs:

Quelles sont les relations entre les facteurs?

Évaluation de l’importance relative de facteurs?

Construction ou conception d’un schéma descriptif ou explicatif ou préalable;

Construction d’un modèle ou d’une théorie.