.1 OBJECTIFS ET AGENDA Objectifs Les participants sont introduits aux notions et méthodes de dépouillement, de traitement et d'analyse des données socio-économiques (codification, saisie des données, tableau de données, archivage et traitement des données, etc.) Les participants ont pris connaissance d'exemples pratiques de codification, d archivage et de traitement des données. Durée totale : 3 heures 30' (14h30-18h00) Agenda 14h30 14h45 JOURNEE Introduction du module 5 et rappel des acquis du Module 4, désignation de rapporteurs (Durée : 15') Présentation PowerPoint par le formateur : Introduction aux méthodes de dépouillement, de codification de données socio-économiques (codification des données, numérique, alpha numérique, saisie des données qualitatives et quantitatives, etc., exemples et méthodes de traitement et d'analyse des données recueillies pour l élaboration des résultats, etc. (Durée : 5') Questions/réponses, discussion générale avec modération sur les aspects présentés dans le PowerPoint, synthèse (Durée : 40') Constitution de groupes (Durée : 10') 16h00 Pause café 16h30 Travaux de groupes : exercice sur la codification, la saisie et l'analyse des données, (moyenne, médiane, écart type, etc.), (Durée : 45') Restitution des résultats, discussions, leçons tirées, enseignements (Durée : 15') 17h30 Synthèse générale : Discussions et harmonisation : Questions/réponses, discussion générale avec modération sur les aspects présentés dans le PowerPoint. Le formateur modèrera la séance de synthèse en essayant de capitaliser les principaux acquis du module au niveau des participants et en orientant les discussions vers l'émergence des questions liées aux aspects pratiques d'analyse et de calcul d'indicateurs socio-économiques, etc., de favoriser la curiosité et l'extériorisation des connaissances des participants. (Durée : 30') Formation conçue dans le cadre de la mise en œuvre de la convention OSS DDC 006-010 Page 1
.. FICHE PEDAGOGIQUE DU MODULE 5 Contenu Méthodes / supports Introduction du module 5 et rappel des acquis du module 4 Durée Présentation sur flip-chart Présentation PowerPoint (Diapos 3, 4, 5 et 6) 15 Points-clés pour le formateur Liens avec les modules précédents Objectifs du module Programme Observations Faire ressortir la curiosité des participants sur les méthodes de dépouillement, de codification de données socio-économiques Présentation PowerPoint par le formateur : Introduction aux méthodes de dépouillement, de codification, de traitement et d'analyse des données socio-économiques Présentation PowerPoint (Diapos 8 à 33 0 Méthodes de Dépouillement des enquêtes socioéconomique Codification des données, numériques, alpha numériques, Saisie et archivage des données qualitatives et quantitatives, etc., Traitement et analyse des données socioéconomiques Exemples Mettre l accent sur les aspects pratiques Difficultés et risques de l application de ces méthodes
Discussion générale avec modération sur les aspects présentés dans le PowerPoint, les participants s'expriment sur leur point de vue, leur expérience, leur niveau de connaissance et d'appréhension, exemple et synthèse Questions/réponses Discussion générale avec modération Points clés retenus sur flip-chart et cartes Metaplan 40 Difficultés et points forts Spécificités des cas, Discussion ouverte suivant les cas évoqués par les participants Montrer la richesse de la méthode et sa flexibilité Traiter d'autres points et répondre aux questions des participants selon leurs préoccupations et intérêt Constitution de groupes Pause café Travaux de groupes des participants: Exemple sur la codification, la saisie et l'analyse des données, (moyenne, médiane, écart type, classification, etc.) Support sur flip-chart et cartes Metaplan Présentation PowerPoint (Diapo : Instruction et orientations aux participants, 36 à 41) 10 Documents sur papier (Questionnaire) qui présentent l'exemple, codification, donnée (fichier Excel), Support numérique sous forme de fichier world 45 Bien expliquer l'exercice Valider les tâches des groupes Travaux sur un questionnaire type Codification Saisie et introduction des données Exemple d analyse des données sur Excel Susciter l'intérêt des participants et leur implication active Les groupes travailleront sur PC Tirer les enseignements de l exemple pratique : difficultés et leçons tirées Restitution discussions, leçons tirées, enseignements Présentation PowerPoint ou sur EXCEL directement Eventuellement sur flip-chart et cartes Metaplan ou 15 Restitution résultats Difficultés Leçons tirés des Participation active des groupes 3
Synthèse générale, discussions et harmonisation : Questions/réponses, discussion générale avec modération Discussion générale avec modération Points clés retenus sur flip-chart et cartes Metaplan 30 Difficultés, avantages, leçons tirés Participation active des groupes 4
.3 DESCRIPTIF Introduction : rappels des étapes Dans le but de réaliser le dépouillement, le traitement et l'analyse des données socio-économiques recueillies pour l élaboration des résultats et des indicateurs, les étapes suivantes sont envisagées: 1. Codification de données socio-économiques. Dépouillement et transcription sur tableau des données (Saisie des données et vérification) 3. Traitement et analyse des données (Analyse générale ou tri à plat et élaboration des analyses spécifiques dont l'élaboration d'indicateurs socioéconomiques) 1. Codification des questionnaires L opération de codification consiste à traduire le langage ordinaire du questionnaire en un langage qui s apprête au traitement informatique. Au sens strict, un code est un dictionnaire des équivalences entre deux langages (Le Robert). D une manière générale, le code doit tenir compte et des objectifs de l enquête (par exemple ne s étendre que sur les aspects pertinents) et du mode de traitement (Manuel ou informatique, capacité des outils de traitement : ordinateur et logiciel). L opération de codification correspond à un chiffrement, elle consiste à accorder un chiffre unique à une variable, à une modalité ou une réponse donnée. Le chiffrement au sens strict ne correspond qu aux codes composés uniquement de chiffres. Cependant, un code peut être totalement numérique, composé de chiffres, comme il peut être alphanumérique lorsqu il combine des chiffres et des alphabets, comme par exemple : 1a, 1b, 1c ou A1, A, A3. L'opération de codage du questionnaire s'effectue en général en deux temps : Le pré codage du questionnaire : en général un questionnaire est pré codé, avant de l appliquer sur terrain. L opération consiste à accorder un code aux questions, aux réponses potentielles des questions fermées et semi fermées. Le codage a posteriori : les questions ouvertes ne prendront pas de code préétabli. Elles sont codées si c est nécessaire a posteriori. Dans ce qui suit, sont données des illustrations de cas possibles suivant le type de questions à travers des exemples simples et pratiques. Exemple de codification de questions : Questions fermées : En cas de questions fermées, les réponses doivent obligatoirement figurer parmi l éventail de réponses déjà fixées à l avance. 5
Cas simples L exploitant recrute-t-il de la main d œuvre extérieure? Code : [1. Oui,. Non] C est une question qualitative oui/non, le code est binaire 1 pour le oui et pour le non, dans certains cas on accorde 0 pour le non (réponse négative) et 1 pour le oui. Multiples réponses possibles : Niveau d instruction : 1. Analphabète,. Ecole primaire, 3. Niveau secondaire, 4. Niveau supérieur C est une question qualitative à multiples réponses possibles le code est de 1 à 4. Question semi fermée (semi ouverte) En cas de questions semi-ouvertes, des réponses possibles sont fixées à l avance. On laisse à l enquêté la possibilité d ajouter d autres alternatives. Ce type de question est envisagé lorsque les réponses sont multiples mais on peut prévoir un certain nombre de réponses sans pour autant être de toutes les réponses possibles. Dans l exemple ci-dessous, on donne la possibilité d ouverture, pour ce cas à travers la possibilité : autre, une fois c est le cas l enquêteur spécifie la réponse mais le code est toujours 10. Au cas où on s aperçoit que les réponses sous «autre» sont pertinentes par rapport à la question d étude, l on pourra a posteriori faire l extension du code à 11, 1 etc. Exemple : 13a. Quelle est l activité secondaire du chef de l'ue? Code : 1. Agriculture;. Elevage; 3. Cueillette; 4. Exploitation du bois; 5. Commerce; 6. Fonctionnaire; 7. Artisanat; 8. Apiculture; 9.Tourisme; 10. Autre (préciser) :... C'est une question semi ouverte, variable qualitative, code de 1 à 10, ici inscrire le chiffre 1 (l enquêté est agriculteur). Question ouverte : Dans ce cas l interviewé est libre de s exprimer. Il n est pas limité dans sa réponse. Ce type de question est envisagé en cas d'expression d opinions, d avis, de recommandations, etc. Ce type de question est difficile à coder mais il donne l avantage qu on ne limite pas l enquêté pour qu il se sente à l aise. Le biais d inspirer les réponses est également réduit énormément. Exemple : 6
. Quels objectifs en termes de production espérez-vous atteindre à l issue de la prochaine campagne agricole?........ Le codage est effectué lors de l'opération de dépouillement après avoir cerné les réponses et les grouper, après quoi un code leur est accordé. Exemple : si, pour un échantillon de 50 individus, les réponses à la question se présentent comme suit : Augmenter la production : 5 Améliorer la qualité : 10 Accroître la part de la production biologique : 8 Diverses réponses différentes pour les 7 restants Le code sera par exemple le suivant : 1 : Augmenter la production, : Améliorer la qualité, 3 : Accroître la part de la production biologique, 4 : autres Question filtre Ce type de question se présente en général en deux temps : une première question tente de catégoriser (filtrer) les enquêtés (oui/non),. Une deuxième question est plus spécifique à chaque catégorie ou situation (si oui, si non). Exemple : 5a. Pensez-vous que la culture de certaines espèces épuise particulièrement les sols? 1. Oui,. Non Si oui, quelles sont ces espèces et quels sont les dégâts?... Si non, pourquoi? Codification complexe Un code complexe combine plusieurs codes ensemble en un chiffre unique pour faciliter l'identification et l'interprétation du chiffre. Exemple : Numéro d identification de l UE (Unité d Exploitation) L'objectif du code complexe est de pouvoir identifier l'ue et le localiser tout de suite en lisant le code. Variable Code Explication du code Observatoire (1) Type qualitatif codé 1 pour l observatoire X (exemple Menzel Habib) et pour l observatoire Y ((exemple Haddej Bou hedma), 3 pour l observatoire Z etc. Imada () Type qualitatif codé de 1 à 7 suivant les 7 secteurs (imadas) MH : 1 : Zougrata, 3. Ouali, 4. Oued Zitoune, 5. Fjij, 6. Ségui 7. Mhemla) 7
N Unité d Exploitation (16) Ce numéro est unique, il est accordé à chaque questionnaire un numéro ascendant de 1 à n (nombre total des questionnaires retenus) Il peut être codé également pour identifier directement un aspect particulier tel que la localité, l'observatoire, etc. Le code inscrit est complexe : il comprend 4 chiffres, il est composé de deux parties : Le premier chiffre indique le code de l'observatoire (1 pour MH et pour HBH). Le deuxième chiffre indique le code du secteur administratif (Imadat) : de 1 à 7 Les deux derniers chiffres indiquent le numéro du questionnaire : de 1 à m (nombre de questionnaires par secteur). Le numéro se présente ainsi : 116 Il veut dire (de droite à gauche) : le questionnaire n 16 dans le secteur de Zougrata () dans l'observatoire de MH (1).. Dépouillement et transcription sur tableau des données Définition : Le dépouillement est l'ensemble d'opérations de vérification et d'épuration des questionnaires, de codification des questions ouvertes et semi ouvertes, etc. A ce niveau, il est demandé de résoudre le problème des questions manquantes ou au niveau desquelles on enregistre un certain nombre de refus, éliminer les questionnaires défectueux qui présentent des carences importantes au niveau du remplissage, contradiction apparente au niveau du recoupement, etc. Deux cas se présentent : Cas simples : lorsque la taille de l'échantillon est réduite et le questionnaire n'est pas complexe, l'opération de dépouillement peut donner lieu à un traitement manuel permettant de faire ressortir les résultats et leur interprétation. En pratique (Cas des grandes enquêtes) : lorsque l'enquête est grande et le nombre de questionnaires est important, il devient quasi impossible d'effectuer un dépouillement manuel et le passage par le dépouillement informatique devient une nécessité. Une fois les questionnaires rassemblés et vérifiés en profondeur et une fois le code établi, il est nécessaire de dégager les résultats pertinents et de les inscrire sur un tableau dit tableau de données. Le tableau de données est une matrice (tableau à double entrée) constitué de n lignes et m colonnes. En général les lignes sont consacrées aux individus (Chefs de ménage enquêtés, parcelles, champs, personnes, exploitants, éleveurs etc.) Les colonnes sont destinées aux caractères (caractéristiques, données collectées, âge, origine, superficie, nombre de parcelles, etc.) Il est évident que le tableau peut comprendre et les données quantitatives et les données qualitatives. Le tableau de données (1) prend la forme suivante : 8
Caractères V 1 V V j.. V m M caractères Individus Ind. 1 Ind.. Ind. i. Ind. n N individus Ind i : individu i Vj : variable j Exemple simple Le tableau de données () peut prendre la forme suivante : Individus Caractères Age** (Années ) Activité principale* Superficie (Ha)**.. 1 65 0 0,4. 40 1 1,5. 3 30 1 0,8. 4 83 1,0...... * Variables qualitative, ** Variables quantitatives SAISIE ET APUREMENT DES DONNEES Apres avoir terminé l'opération de saisie des données, il est fondamental de procéder à la vérification des erreurs et de la validité des données introduites dans une opération d'apurement. Cette opération d'apurement éviterait d'obtenir des résultats aberrants dont l'interprétation pourrait induire le spécialiste en erreur. Au cours de cette opération, des contrôles des données manquantes, de structure et de cohérence sont menés sur l'ensemble du tableau de données. Dans cette étape le spécialiste pourra recourir à des outils de contrôle (cohérence, valeur possible, etc.) et de vérification (méthodes automatiques, semi automatique et visuelles utilisées). Dans cette phase, les erreurs, minimes et sans conséquence sur la qualité des données, pourront être corrigées. Exemples pratiques : Exemple 1 : Tableau de données sur le logiciel de traitement statistique SPSS : Extrait du tableau de données relatif à l'enquête UE dans l'observatoire de MH, Tunisie. Illustration : variable qualitative fermée : niveau de formation 9
Figure 1 : Tableau "variable view" de SPSS qui décrit les caractéristiques des variables (libellé, type (qualitative, quantitative), code, etc.). Code < Figure : Tableau de données correspondant (code saisi, colonne en bleu pour la variable : niveau de formation) Individus Caractères < 10
Figure 3 : Tableau de données sous SPSS en cas de questions ouvertes (saisie directe des informations) Saisie directe de la réponse 11
Figure 4 : Exemple de tableau de données utilisé en pratique par le programme ROSELT/OSS (extrait du tableau de données sur Excel de l'enquête niveau (unité d'exploitation, UE) (Sghaier, 004) < < Individus Caractères Le tableau ci-dessous (figure 5), présente le même tableau Excel (figure 4) qui est transcrit sous SPSS. La similitude est apparente dans les deux tableaux de données. En fait, les deux programmes informatiques inter changent les données automatiquement. La saisie pourra être effectuée dans l'un et l'analyse dans l'autre. 1
Figure 5 : Tableau de données sous SPSS (même information du tableau Excel, figure 4) Dans ce qui suit, nous présentons le même tableau sous format world pour faciliter la lecture. La dernière colonne (en oranger) présente un cas "Foulen Ben Foulen" (ou untel X) avec les données introduites correspondantes. 13
Tableau 3 : Détail de la figure 4 Nom et préno ms n _ue délé gat ima da obser vat ag e niv_fo rm tribu fraction actpri nc actsec on mo_ ext nbre_ mo supttp pp sup_tt ca sup_t tar nb_pa rcp éleva ge A 1 101 1 11 1 65 Béni Zid El Houafi 1 6 99 80,0 50,0 0,0 1 0 B 1 10 1 11 1 35 4 Béni Zid El Houafi 6 1 99 4,0 0,0 0,0 1 0 C 1 103 1 11 1 33 3 Béni Zid Chiyeb 10 99 5,0 5,0 5,9 1 10 D 1 104 1 11 1 49 3 Béni Zid El Houafi 5 99 10,0 10,0 5,9 7 E 1 105 1 11 1 41 3 Béni Zid El Houafi 1 99 15,0 5,0 8, 41 F 1 106 1 11 1 7 Béni Zid El Khlafil 1 1 99 4,0 0,0 5,9 1 47 G 1 107 1 11 1 50 1 Béni Zid Ouled Khalfallah 10 1 99 50,0 15,0 50,0 1 39 H 1 108 1 11 1 49 4 Béni Zid Ouled Khalfallah 10 1 99 11,0 10,0 1, 0 I 1 109 1 11 1 74 1 Béni Zid Ouled Khalfallah 10 1 99 30,0 18,0 30,0 5 J 1 110 1 11 1 43 3 Béni Zid Ouled Khalfallah 10 99 99 5,0 5,0 5,0 1 66 Ouled K 1 111 1 11 1 55 3 Béni Zid Khalfallah 10 99 35,0 10,0 0,0 19 Ouled L 1 11 1 11 1 55 1 Béni Zid Khalfallah 10 1 99 15,0 15,0 6,5 1 71 Ouled M 1 115 1 11 1 49 1 Khalfallah Béni Zid 10 1 99 30,0 30,0 3,8 1 5 N 1 116 1 11 1 71 1 Foulen ben Foulen 1 199 1 11 1 45 4 Béni Zid Ouled Brahim Béni Zid 1 99,0,0 5,0 59 Ouled Brahim 7 4 99,0 0,5 1,5 300 14
3. TRAITEMENT ET ANALYSE DES DONNEES Une fois le tableau de données est finalisé (opérations achevées de dépouillement, de saisie et de vérification des données), l'étape de traitement et d'analyse des données pourra être entamée. Notons que dans la pratique des itérations entre dépouillement et traitement des données s'avèrent parfois nécessaires, lorsqu'on constate des résultats douteux ou incompatibles par rapport aux normes et aux connaissances sur le terrain étudié ou des hypothèses de départ. A ce moment là, les corrections sont apportées dans le tableau de données. 3.1. Types d'analyses Plusieurs types d'analyse des données peuvent être effectués selon les besoins de l'analyse scientifique et l'approche méthodologique adoptée. Ces analyses peuvent aller du cas simple au cas complexe qui demandent un niveau de maîtrise de la modélisation ou de l'économétrie. Dans ce qui suit, nous évoquerons le cas de l'analyse générale ou tri à plat. 3.1.1. Analyse générale ou tri à plat : l'analyse générale ou tri à plat consiste à réaliser des analyses statistiques élémentaires mais très utiles sur la totalité des variables ou sur une grande portion de celles-ci (variables privilégiées par la thématique). Deux grandes familles d'analyse sont pratiquées, suivant que les variables sont qualitatives ou quantitatives : 3.1.1.1. Cas des variables qualitatives : L'analyse pratiquée est l'analyse de fréquences : Nombre de fois où la cas se répète. Dans l'exemple : on peut lire dans le tableau : 9 de l'échantillon total de taille 5 individus, soit 36 % enquêtés ont le niveau "analphabète" (ligne jaune dans le tableau de résultats Les résultats sont : la fréquence, le pourcentage, le pourcentage cumulé. Les résultats sont présentés sous forme de tableau ou de graphique d'histogramme de fréquences. Exemple : Analyse de fréquences pour la variable : "Niveau de formation" (5 modalités, voir tableau, absence du niveau 5 : niveau supérieur). Dans l'exemple, nous présentons : le tableau de données avec la commande d'analyse suivant SPSS (Figure 1) les résultats issus de l'analyse SPSS o le tableau des résultats (fréquence, pourcentage, pourcentage cumulé) o l'histogramme de fréquences avec la courbe de la loi normale o le graphique type "secteurs" ou Fromage 15
Figure 6. Tableau de données avec la commande d'analyse suivant SPSS Fréquences [DataSet1] C:\Users\toshiba\Desktop\M5 codification\\exercice M5 SPSS.sav Tableau 4 : Résultats des analyses des fréquences de la variable "niveau d'instruction" Variables Fréquence Pourcentage Pourcentage Cumulé Analphabète 9 36.0 36.0 Koutteb (Ecole coranique) 3 1.0 48.0 Ecole primaire 11 44.0 9.0 Niveau secondaire 8.0 100.0 Total 5 100.0 16
Figure 7 : Représentation graphique des résultats 3.1.1.. Cas des variables quantitatives : L'analyse des variables quantitatives est effectuée suivant les analyses statistiques dites descriptives (Moyenne, Médiane, variance, écart type ou erreur type, minimum, maximum, somme). Quelques définitions : La moyenne : la moyenne arithmétique, que l on se contente généralement d appeler moyenne tout court, se calcule de la manière suivante : a) Distribution simple X1 X X3... Xi... X n X où X 1, X, X 3,, X n sont les valeurs successives de la n variable envisagée, et n le nombre total d observations. On écrira en résumé : X n X i, X se lit "x barre" Exemples Distribution simple: Soit une famille nombreuse dont les âges des membres sont 44, 4, 18, 16, 14 et 1, l âge moyen de cette famille sera de : X = 4,3 ans, ou 4 ans 4 mois 44 4 18 16 14 1 X 6 Il y a en effet 6 observations, correspondant aux 6 membres de la famille. b) Distribution de fréquences: F1 X1 F X... F X... F X X n i i n n 17
où f 1, f,.f n sont les fréquences correspondant à chaque valeur de la variable. On parle dans ce cas de moyenne pondérée. En résumé, on écrira : X FX i n i Exemple : Soient les âges observés dans une classe d école primaire. L âge moyen des enfants sera de 1*8 14*9 11*10 3*11 1*1 X 30 X = 9,6 ans ou 9ans 8mois. Il y a en effet 30 observations au total, correspondant à l effectif des 30 élèves de la classe. Les paramètres de dispersion Une distribution se caractérise également par sa dispersion. Cette notion correspond à son étendue (de sa valeur inférieure à sa valeur supérieure). Deux distributions peuvent avoir une même valeur centrale, et être de dispersions très différentes. Les paramètres de dispersion les plus importants sont la variance et l écart-type. La variance et écart-type : la variance est égale à la somme des carrés des écarts à la moyenne rapportée à l effectif de la population. L écart-type est la racine carrée de la variance. L écart à la moyenne, ou déviation, est la différence entre une valeur donnée de la variable (une donnée quelconque de la distribution) et la moyenne arithmétique. Il se note x-x a) Dans le cas d une distribution simple, la variance et l écart-type : ( x x) n s écrira : Lorsque le nombre est inférieur à 100, le dénominateur n devient n 1 : et ( x x) n 1 ( x x) n ( x x) n 1 b) Dans le cas d une distribution de fréquences, l expression de la variance devient : f ( x x) n ou n-1 et celle de l écart-type : f ( x x) n ou n-1 L écart-type est aussi appelé déviation standard ou écart quadratique moyen. 18
Exemple Reprenons, une fois de plus, notre distribution des âges dans une classe d école primaire, où l âge moyen était de 9,6 ans. Le calcul de l écart-type s élaborera au départ d un tableau du type suivant : x f x- x 8 1-1,6 9 14-0,6 10 11 0,4 11 3 1,4 1 1,4 30 (x- x ) F*(x- x,56,56 0,36 5,04 0,16 1,76 1,96 5,88 5,76 5,76 ) 1,00 1,00 1 0,7 30-1 9 0,7 0,85 ans La médiane : la médiane est le paramètre qui divise la distribution en deux parties égales. Dans une distribution simple, si le nombre d observations est impair, il n y a aucun calcul à effectuer. Soit, pour 7 entreprises d une région donnée, les effectifs de leurs personnels respectifs : 15 5 66 74 87 194 43. La médiane de la distribution est la 4 iéme observation, soit 74. De part et d autre de 74, en effet, il y a 3 observations. Si le nombre d observations est pair la médiane correspond à la moyenne arithmétique des deux observations centrales. Descriptives [DataSet1] C:\Users\toshiba\Desktop\M5 codification\\exercice M5 SPSS.sav Tableau 5: Résultats des analyses descriptives Statistique Descriptive N Minimum Maximum Somme Moyenne Ecart type Variance Superficie totale des terres privées 5 4.0 80.0 585.0 3.400 0.5589 4.667 Exemple : Analyse descriptive des variables quantitatives : "Superficie totale des terres privées", "Superficie arboricole totale" et "Superficie totale des cultures annuelles". 19
a. Tableau de données et commande des analyse sur SPSS Variables analysées Analyses demandées b. Tableau des résultats des analyses descriptives Statistiques descriptives N Minimum Maximum Somme Moyenne Ecart type Superficie totale des terres privées 5 4.0 80.0 585.0 3.400 0.5589 Superficie arboricole totale 1 1. 74.0 71.0 1.905 18.5731 Superficie totale des cultures annuelles.0 5.0 347.0 15.773 13.8390 Exemple de résultats obtenus moyennant l'analyse des mêmes variables sur Excel (le calcul est effectué sur un échantillon de taille N = 36 individus) Superficie totale des terres privées Minimum Maximum Somme Moyenne Ecart type Médiane 80 819 3 0 0 Superficie arboricole totale 0 5 503 14 13 10 Superficie totale des cultures annuelles 0 74 40 1 17 5 D'autres analyses statistiques complémentaires et approfondies sont utilisées dans la pratique. En effet, des analyses croisées simples des données et des variables, des 0
analyses statistiques et économétriques avancées et même le recours à la modélisation économétrique ou spatiale peut être réalisé. Ces analyses sont très utiles pour élaborer les indicateurs synthétiques ou d'interface. L'exemple de la modélisation SIEL en est l'un des plus révélateurs. En effet, cette modélisation est capable de fournir des indices complexes appelés "indice de pression anthropique" qui combinent et croisent un nombre important de variables simples socioéconomiques et biophysiques. L'indicateur est également spatialisé. Après avoir terminer les analyses, les spécialistes entament l'étape suivante qui consiste à l'interprétation des résultats obtenus en vue d'entamer le calcul et l'interprétation des indicateurs. Cette étape est délicate dans la mesure où elle nécessite un niveau élevé de maîtrise et des méthodes statistiques et des fondements théoriques et conceptuels. L'expérience et la connaissance de terrain aideront énormément à obtenir de bons résultats..4 LISTE DES SUPPORTS PowerPoint du module 5 Codification des questionnaires C est quoi un code? Comment procéder? Types de codes? Étape de la codification? Exemples pratiques Dépouillement et transcription sur tableau des données Transcription sur tableau des données Exemple de tableau de données : programme Roselt/OSS (extrait du tableau de données sur Excel de l'enquête niveau (UE) Cas de l observatoire de MH, IRA, Tunisie Exemple de tableau de données Tableau format SPSS (cas de l observatoire de MH, IRA, Tunisie) Traitement et analyse des données quand l opération de t&a des données pourra être entamée? Deux grandes catégories de T&A des données (selon les besoins de l'approche méthodologique adoptée) Analyse générale ou tri à plat Cas des variables qualitatives Exemple : résultats des analyses des fréquences de la variable «niveau d'instruction» Représentations graphiques Cas des variables quantitatives Exemple : analyse descriptive de 3 variables quantitatives.5 DOCUMENTS D APPUI Neveu M. (005) : Techniques d'enquête et méthode de sondage Perrier Bruslé L. Cours de statistiques descriptive, Université de Nancy, France 1
Sghaier M., Jaouad M., Tbib A, et al (005) : Rapport scientifique du thème : «Surveillance socio-économique, pratiques et usages des ressources naturelles dans l'observatoire de Menzel Habib», Institut des Régions Arides (IRA) Médenine Tunisie, IRA-ROSELT/OSS, Extrait du document.