Séminaire dAnalyses comparatives et enquête sociologique Séances 8 et 9 Lanalyse des résultats

Objectifs dun questionnaire Quatre grands types dobjectifs : 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

2. Estimer des valeurs relatives

3. Décrire une (sous-)population

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 dinstruction, catégorie socio- professionnelle, affiliation religieuse… opinions, attitudes, types dactivités… on est limité dans la présentation des résultats…

Tableaux croisés et mesures dassociation (vs corrélation) Quelques exemples A.Des tableaux croisés simples B.Des tableaux croisés avec mesures dassociation C.Des tableaux synthétiques

Tableaux croisés Vite se pose la question de laccumulation des résultats et les problèmes de variables tierces. lexemple de lextrémisme politique lexemple des auditeurs démissions religieuses (Lazarsfeld)

3 variables (ordinales) NI : niveau dinstruction (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 lextrémisme politique

NI P E Exemple de lextrémisme politique

Niveau dinstruction élevé Niveau dinstruction bas Extrémisme fort Extrémisme faible

Exemple de lextrémisme politique Pratique religieuse forte Pratique religieuse faible Extrémisme fort Extrémisme faible

Exemple de lextrémisme politique

75%6.25%56.25%75% Exemple de lextrémisme politique

3 variables (ordinales ou nominales) NI : niveau dinstruction (NIH : NI Haut - NIB : NI Bas) A : âge (J : jeunes - V : vieux) E : écoute radiophonique démissions religieuses (E1 : écoute régulièrement - E2 : nécoute pas régulièrement) Exemple de lécoute radiophonique démissions religieuses

NI A E Exemple de lécoute radiophonique démissions religieuses

Niveau dinstruction bas Niveau dinstruction élevé Ecoute régulière Ecoute rare900

Exemple de lécoute radiophonique démissions religieuses JeunesVieux Ecoute régulière Ecoute rare830970

Exemple de lécoute radiophonique démissions religieuses

9.16%11.25%28.75%31.67% Exemple de lécoute radiophonique démissions religieuses

Se pose la question : Comment alors régler larticulation de toutes ces variables ? Deux réponses ont été développées par la tradition sociologique : 1.lanalyse des correspondances multiples 2.les régressions multiples N.B. : Nous ne tenterons pas daborder ces techniques dun 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 dhypothèses)

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 leffet propre de plusieurs variables sur un autre (variable dépendante), toutes choses égales par ailleurs Y=a 1 x 1 + a 2 x 2 + a 3 x 3 … a n x n +U Y : variable dépendante; X 1…n : variables indépendantes; a 1…n : coefficients de régression; u : résidu

Régression ou ACM ? Buts différents -> complémentarité entre les deux méthodes La régression « explique », lACM « 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, quelles sont plus souvent employées et moins souvent cadres, quelles 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