La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Traitement de données socio-économiques et techniques danalyse : Claude Marois © 2012.

Présentations similaires


Présentation au sujet: "Traitement de données socio-économiques et techniques danalyse : Claude Marois © 2012."— Transcription de la présentation:

1 Traitement de données socio-économiques et techniques danalyse : Claude Marois © 2012

2 TRAITEMENT DES DONNÉES ET TECHNIQUES DANALYSE : 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 lextraction de certaines propriétés ou de certaines caractéristiques dobjets, de personnes, dévénements; Cela implique quon attribue une valeur, un chiffre, un code ;

3 Les avantages: 1) Plus de précision: le géographe décrit à laide de nombres limportance relative du phénomène à létude; 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 dobjectivité dans lanalyse ; 4) Pouvoir comparer: il y a une certaine uniformité dans la mesure dun phénomène; 5) Vérifier la validité dune hypothèses; 6) Pouvoir généraliser/particulariser.

4 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 lobjet détude touche au comportement humain; Il y a la difficulté de traduire une information qualitative, un concept ou une donnée quantitative.

5 2) Les difficultés de linterprétation: Il ne faut pas confondre précision et validité. Être précis, cest décrire une observation en détail; Être exacte, cest 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 nest 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.

6 Variable qualitative, variable quantitative: Qualitative: variable qui nest 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.

7 Échelles de mesure: Il faut bien distinguer entre les diverses échelles de mesure: Les échelles nominales - Les échelles ordinales propriétés Les échelles dintervalle mathématiques Les échelles de rapport + Chaque échelle de mesure permet certaines opérations mathématiques.

8 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 léquivalence.

9 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 dautres personnes ou objets; Elle possède la relation déquivalence, mais aussi la relation « plus grand que » ou « plus petit que »; On assigne un rang; Il y a un type déchelle appelé « échelle nominale ordinale » (catégorical ordinal) – par exemple, on peut exprimer la variable « âge » de la façon suivante: « enfant », « adolescent », « adulte », « personnes âgées ».

10 3) Échelle intervalle: Le rapport de 2 points dépend de lunité de mesure; Il nexiste pas de zéro absolu ; Les propriétés sont: Léquivalence; Lordre; La connaissance du rapport de 2 intervalles. Exemple: Températures C ou F

11 4) Échelle de rapport: Mêmes caractéristiques que léchelle intervalle; Il comporte un zéro absolu; N.B. Une variable nominale peut être: Binominale :à 2 catégories exclusives. Multinominale:à 2 catégories et plus.

12 Choix dune technique danalyse ou de plusieurs techniques Quel est le problème à létude? 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 denquête

13 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 lespace; Expliquer : relation causale; Prédire ou projeter.

14 Sur le plan spatiale: Est-ce quil y a des variations dans lespace? Si oui: Est-ce quil y a une structure spatiale au phénomène à létude?

15 Si oui, il y a des facteurs liés au traitement qui expliquent en partie le phénomène à létude ; Quels facteurs? Environnement social, environnement socio- culturel ou socio-économique, etc.

16 Quels sont les facteurs géographiques pouvant expliquer la structure du phénomène? Facteurs reliés à la géométrie de lespace: espace indicateur; espace topologique; Points « lieux » Lignes « réseaux » Surfaces « unités spatiales » Facteurs reliés au milieu géographique: Selon les échelles géographiques; Les échelles imbriquées

17 Quelle est la part des ces facteurs dans lexplication du phénomène? Quelle est la part des autres facteurs? Statistique paramétrique: La composante de base de la statistique paramétrique est linférence statistique. Raisonnement permettant de généraliser les conclusions tirées dun échantillon à une population.

18 On passe par les tests paramétriques: Quest-ce quun test paramétrique ? Un test paramétrique est un test dont le modèle indique certaines conditions au sujet des paramètres de la population.

19 Comporte les étapes suivantes: Choisir lhypothèse à vérifier; Choisir une hypothèse alternative; Se fixer une règle pour prendre la décision daccepter ou de rejeter lhypothèse; Choisir un échantillon aléatoire et calculer la statistique; Prendre la décision.

20 Statistique non-paramétrique: Les méthodes adaptées aux données nominales et ordinales. Transformations de données: Proportions: fréquences relatives dune catégorie par rapport au total; Pourcentages: multiplier la proportion correspondante par 100.

21 Taux: Proportions exprimées par rapport à un nombre constant (1,000; 100,000); Ratios: Poids relatif des effectifs dune catégorie par rapport aux effectifs dune autre catégorie.

22 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 dun tableau statistique est fonction des objectifs de la recherche des hypothèses, de la démarche méthodologique.

23 On peut construire des tableaux à « n » dimensions: X 2 dimensions: Y 3 dimensions:ZZX Y Y 4 dimensions:

24 Analyse et interprétation des résultats: Lanalyse est un processus composé de plusieurs étapes; Identification des facteurs pertinents; Description de linterdépendance des facteurs: Quelles sont les relations entre les facteurs?

25 Évaluation de limportance relative de facteurs? Construction ou conception dun schéma descriptif ou explicatif ou préalable; Construction dun modèle ou dune théorie.


Télécharger ppt "Traitement de données socio-économiques et techniques danalyse : Claude Marois © 2012."

Présentations similaires


Annonces Google