Initiation au logiciel PASW Statistics 18
Année académique 2011-2012
LSMS2000 : Etudes et modèles de marché
Virginie Brune...
1. Où trouver ce logiciel?
a) Salles informatiques 3-4-5
Start > Programs > DOYENS Didactic Softwares > SPSS > PASW
Statis...
2. Comment utiliser PASW Statistics 18?
1) Manipulations de base
2) Analyse d’1 variable
1) Tableau de fréquence
2) Analys...
1. Manipulations de base
a) Ouvrir un fichier SPSS
1. « File > Open > Data »
2. Chercher le fichier SPSS dans le répertoir...
b) Variable view / data view
1. Data view: observations encodées par l’enquêteur
2. Variable view : « dictionnaire » de la...
c) Sauver un fichier SPSS
1. « File > Save as »
2. Choisir un répertoire
3. « Save »
Échantillon
unique
Variable
quali
Tableau
de
fréquence
2) Analyse d’une variable
 Utilisation
 Variable qualitative
 Objectif: déterminer le nombre de réponses associées
aux ...
Tableau de fréquence
 Commande
1. « Analyze > Descriptive Statistics > Frequencies »
 Commande
1. « Analyze > Descriptive Statistics > Frequencies »
2. Choisir les variables
Tableau de fréquence
 Commande
1. « Analyze > Descriptive Statistics > Frequencies »
2. Choisir les variables
3. Dans « Statistics », sélectio...
 Commande
1. « Analyze > Descriptive Statistics > Frequencies »
2. Choisir les variables
3. Dans « Statistics », sélectio...
 Interprétation
Tableau de fréquence
Échantillon
unique
Variable
quali
Variable
quanti
Tableau
de
fréquence
Analyse
descriptive
et Test t
Analyse descriptive d’une variable
quantitative
 Faites le tableau des statistiques descriptives
des facteurs influençant...
 Commande
1. « Analyze > Descriptive Statistics > Descriptives »
Analyse descriptive
 Commande
1. « Analyze > Descriptive Statistics > Descriptives »
2. Choisir les variables
Analyse descriptive
 Commande
1. « Analyze > Descriptive Statistics > Descriptives »
2. Choisir les variables
3. Dans « Options », sélectionn...
 Interprétation
Analyse descriptive
 Est-ce les femmes attachent plus
d’importance au fait de trouver un place
de parking plus rapidement que les
hommes?
Ana...
 Commande
1. « Analyze > Descriptive Statistics > Explore »
Analyse descriptive
 Commande
1. « Analyze > Descriptive Statistics > Explore »
2. Choisir les variables à analyser et les placer dans
« Depe...
 Interprétation
Analyse descriptive
One-sample
 Utilisation
 Variable(s) quantitaive(s)
 Échantillon unique
 Objectif: juger une variable par rapport à un...
One-sample
 Commande
1. « Analyze > Compare means > One-sample T-test »
Comparaison de moyennes
One-sample
 Commande
1. « Analyze > Compare means > One-sample T-test »
2. Choisir la ou les variable(s) à tester, les pl...
 Interprétation
P-value < 0.025
Rejet H0 : l’importance moyenne accordée au prix
est différente de 3
Ho : µ = 3
Hi : µ ≠ ...
Test bilatéral
µ=3 3,41
Zone d’acceptationHo : µ = 3
Hi : µ ≠ 3
Test unilatéral
µ=3 3,41
Zone d’acceptation
Ho : µ ≥ 3
Hi ...
 Interprétation
P-value = 1- 0/2= 1 > 0.05
NON rejet de H0
Ho : µ ≥ 3
Hi : µ < 3
Comparaison de moyennes
(t-test) unilaté...
Échantillon
unique
Deux
échantillons
indépendants
Variable
quali
Variable
quanti
Tableau
de
fréquence
Analyse
descriptive
...
Tableau croisé et Chi-carré
 Utilisation
 X : variable(s) qualitative(s) et Y : variable(s)
qualitative(s)
 Objectif: d...
 Commande
1. « Analyze > Descriptive Statistics > Crosstabs »
Tableau croisé et Chi-carré
 Commande
1. « Analyze > Descriptive Statistics > Crosstabs »
2. Placer une variable dans « Row » et une variable dans « ...
 Commande
1. « Analyze > Descriptive Statistics > Crosstabs »
2. Placer une variable dans « Row » et une variable dans « ...
 Commande
1. « Analyze > Descriptive Statistics > Crosstabs »
2. Placer une variable dans « Row » et une variable dans « ...
 Interprétation Pourcentage ligne
Pourcentage colonne
Ho : pf = ph
Hi : pf ≠ ph
P-value > 0.05
On ne peut rejeter H0
Pas ...
Échantillon
unique
Deux
échantillons
indépendants
Variable
quali
Variable
quanti
Tableau
de
fréquence
Analyse
descriptive
...
Comparaison des moyennes (t-test) sur
échantillons indépendants
Independent-samples
 Utilisation
 X : variable non métri...
Comparaison de moyennes
Independent-samples
 Commande
1. « Analyze > Compare means > Independent-Samples T-test »
Comparaison de moyennes
Independent-samples
 Commande
1. « Analyze > Compare means > Independent-Samples T-test »
2. Choi...
Comparaison de moyennes
Independent-samples
 Commande
1. « Analyze > Compare means > Independent-Samples T-test »
2. Choi...
Comparaison de moyennes
 Interprétation
P-value < 0.05
Rejet H0 : l’hypothèse d’égalité des variances
n’est pas respectée...
 Utilisation
 X : variable qualitative et Y : quantitative
 Objectif: évaluer les écarts des valeurs moyennes d’une
var...
 Commande
1. « Analyze > Compare means > One-way ANOVA».
ANOVA
 Commande
1. « Analyze > Compare means > One-way ANOVA».
2. Choisir les variables à tester , les placer dans « Dependent ...
 Commande
1. « Analyze > Compare means > One-way ANOVA».
2. Choisir les variables à tester , les placer dans « Dependent ...
 Commande
1. « Analyze > Compare means > One-way ANOVA».
2. Choisir les variables à tester , les placer dans « Dependent ...
 Interprétation
P-value > 0.05
Non rejet de H0 : l’hypothèse
d’homogénéité des variances est respectée
P-value < 0.05
Rej...
 Interprétation P-value < 0.05
Rejet H0 : les moyennes pour
Namur et Liège sont différentes
ANOVA
Échantillon
unique
Deux
échantillons
indépendants
Variable
quali
Variable
quanti
Tableau
de
fréquence
Analyse
descriptive
...
Régression linéaire
 Utilisation
 X : variable(s) quantitative(s) et Y : variable quantitative
 Objectif: analyser la r...
Régression linéaire
 Commande
1. « Analyze > Regression > Linear»
Régression linéaire
 Commande
1. « Analyze > Regression > Linear»
2. Choisir la ou les variable(s) à tester, placer la va...
Régression linéaire
 Commande
1. « Analyze > Regression > Linear»
2. Choisir la ou les variable(s) à tester, placer la va...
Ho : R2 = 0
Hi : R2 ≠ 0
Régression linéaire
 Interprétation Proportion de la variable totale de Y
expliquée par la variat...
Échantillon
unique
Deux
échantillons
indépendants
Variable
quali
Variable
quanti
Tableau
de
fréquence
Analyse
descriptive
...
Corrélation
 Utilisation
 Variables quantitatives
 Pas de relation de dépendance entre les 2 variables
 Objectif: anal...
Corrélation
 Commande
1. « Analyze > Correlate > Bivariate»
2. Choisir la ou les variable(s) à tester
3. « OK »
Corrélation
 Interprétation
P-value < 0.05
=> Rejet H0: corrélation significative
P-value > 0.05
=> Non rejet de H0 : cor...
Échantillon
unique
Deux
échantillons
indépendants
Variable
quali
Variable
quanti
Tableau
de
fréquence
Analyse
descriptive
...
Exercices
1. Quel est le pourcentage de la population qui fréquente les
parkings environ 1 fois par quinzaine?
2. Quelle e...
Loic sarton  spss 2011
Prochain SlideShare
Chargement dans…5
×

Loic sarton spss 2011

682 vues

Publié le

loic sarton

0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
682
Sur SlideShare
0
Issues des intégrations
0
Intégrations
2
Actions
Partages
0
Téléchargements
61
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Loic sarton spss 2011

  1. 1. Initiation au logiciel PASW Statistics 18 Année académique 2011-2012 LSMS2000 : Etudes et modèles de marché Virginie Bruneau virginie.bruneau@uclouvain.be A217
  2. 2. 1. Où trouver ce logiciel? a) Salles informatiques 3-4-5 Start > Programs > DOYENS Didactic Softwares > SPSS > PASW Statistics 18 b) Sur votre ordinateur demande de licence pour toute la durée de vos études http://www.uclouvain.be/359151.html Formulaire d’inscription + 20€ -> permanence SGSI
  3. 3. 2. Comment utiliser PASW Statistics 18? 1) Manipulations de base 2) Analyse d’1 variable 1) Tableau de fréquence 2) Analyse descriptive 3) Comparaison des moyennes sur 1 échantillon 3) Analyse de la relation entre 2 variables ou plus 1) Tableau croisé et chi-carré 2) Comparaison des moyennes 3) ANOVA 4) Régression linéaire 5) Corrélation
  4. 4. 1. Manipulations de base a) Ouvrir un fichier SPSS 1. « File > Open > Data » 2. Chercher le fichier SPSS dans le répertoire 3. « open »
  5. 5. b) Variable view / data view 1. Data view: observations encodées par l’enquêteur 2. Variable view : « dictionnaire » de la data view • Name • Type : numeric ou string • Label • Values • Measure: nominal, ordinal ou scale
  6. 6. c) Sauver un fichier SPSS 1. « File > Save as » 2. Choisir un répertoire 3. « Save »
  7. 7. Échantillon unique Variable quali Tableau de fréquence
  8. 8. 2) Analyse d’une variable  Utilisation  Variable qualitative  Objectif: déterminer le nombre de réponses associées aux différentes valeurs de la variable Ex : A quelle fréquence les répondants viennent-ils en visite dans le centre-ville? 1) Tableau de fréquence
  9. 9. Tableau de fréquence  Commande 1. « Analyze > Descriptive Statistics > Frequencies »
  10. 10.  Commande 1. « Analyze > Descriptive Statistics > Frequencies » 2. Choisir les variables Tableau de fréquence
  11. 11.  Commande 1. « Analyze > Descriptive Statistics > Frequencies » 2. Choisir les variables 3. Dans « Statistics », sélectionner les statistiques associées à la distribution de fréquences souhaitées, puis « Continue » Tableau de fréquence
  12. 12.  Commande 1. « Analyze > Descriptive Statistics > Frequencies » 2. Choisir les variables 3. Dans « Statistics », sélectionner les statistiques associées à la distribution de fréquences souhaitées, puis « Continue » 4. Dans « Charts », choisir entre bar chart, pie chart et histogram, puis « Continue » 5. « ok » Tableau de fréquence
  13. 13.  Interprétation Tableau de fréquence
  14. 14. Échantillon unique Variable quali Variable quanti Tableau de fréquence Analyse descriptive et Test t
  15. 15. Analyse descriptive d’une variable quantitative  Faites le tableau des statistiques descriptives des facteurs influençant le choix du parking  Utilisation  Variable(s) quantitative(s)  Objectif : analyse des statistiques de base
  16. 16.  Commande 1. « Analyze > Descriptive Statistics > Descriptives » Analyse descriptive
  17. 17.  Commande 1. « Analyze > Descriptive Statistics > Descriptives » 2. Choisir les variables Analyse descriptive
  18. 18.  Commande 1. « Analyze > Descriptive Statistics > Descriptives » 2. Choisir les variables 3. Dans « Options », sélectionner les statistiques souhaitées, puis « Continue » 4. « OK » Analyse descriptive
  19. 19.  Interprétation Analyse descriptive
  20. 20.  Est-ce les femmes attachent plus d’importance au fait de trouver un place de parking plus rapidement que les hommes? Analyse descriptive
  21. 21.  Commande 1. « Analyze > Descriptive Statistics > Explore » Analyse descriptive
  22. 22.  Commande 1. « Analyze > Descriptive Statistics > Explore » 2. Choisir les variables à analyser et les placer dans « Dependent List » 3. Choisir une variable de classement et la placer dans « Factor List » 4. “ok” Analyse descriptive
  23. 23.  Interprétation Analyse descriptive
  24. 24. One-sample  Utilisation  Variable(s) quantitaive(s)  Échantillon unique  Objectif: juger une variable par rapport à une norme connue ou fixée Ex: L’importance moyenne accordée au prix est-elle égale ou différente à 3? Comparaison de moyennes
  25. 25. One-sample  Commande 1. « Analyze > Compare means > One-sample T-test » Comparaison de moyennes
  26. 26. One-sample  Commande 1. « Analyze > Compare means > One-sample T-test » 2. Choisir la ou les variable(s) à tester, les placer « Test variable(s) », noter la valeur de test dans « Test Value » et cliquer sur « OK » Comparaison de moyennes
  27. 27.  Interprétation P-value < 0.025 Rejet H0 : l’importance moyenne accordée au prix est différente de 3 Ho : µ = 3 Hi : µ ≠ 3 Comparaison de moyennes (t-test) bilatéral Rejet de
  28. 28. Test bilatéral µ=3 3,41 Zone d’acceptationHo : µ = 3 Hi : µ ≠ 3 Test unilatéral µ=3 3,41 Zone d’acceptation Ho : µ ≥ 3 Hi : µ < 3 Zone de rejet Zone de rejet Ho : µ ≤ 3 Hi : µ > 3 Zone de rejet p =1- sig(bilatérale)/2 p = sig(bilatérale)/2 µ=3 3,41 Zone d’acceptation Zone de rejet
  29. 29.  Interprétation P-value = 1- 0/2= 1 > 0.05 NON rejet de H0 Ho : µ ≥ 3 Hi : µ < 3 Comparaison de moyennes (t-test) unilatéral
  30. 30. Échantillon unique Deux échantillons indépendants Variable quali Variable quanti Tableau de fréquence Analyse descriptive et Test t X=quali Y=quali Relation de dépendance Test du chi- carré
  31. 31. Tableau croisé et Chi-carré  Utilisation  X : variable(s) qualitative(s) et Y : variable(s) qualitative(s)  Objectif: déterminer l’existence d’une dépendance entre 2 variables en évaluant la signification statistique (test chi-carré)  Test d’hypothèse : Ho : les proportions de tous les groupes sont égales (pas de relation de dépendance) Hi : il y a (au moins) 1 proportion qui est différente (relation de dépendance) Ex: La fréquence de visite est-elle en fonction du sexe?
  32. 32.  Commande 1. « Analyze > Descriptive Statistics > Crosstabs » Tableau croisé et Chi-carré
  33. 33.  Commande 1. « Analyze > Descriptive Statistics > Crosstabs » 2. Placer une variable dans « Row » et une variable dans « Column » Tableau croisé et Chi-carré
  34. 34.  Commande 1. « Analyze > Descriptive Statistics > Crosstabs » 2. Placer une variable dans « Row » et une variable dans « Column » 3. Dans « Statistics », sélectionner « Chi-square » et « Correlations », puis “Continue” Tableau croisé et Chi-carré
  35. 35.  Commande 1. « Analyze > Descriptive Statistics > Crosstabs » 2. Placer une variable dans « Row » et une variable dans « Column » 3. Dans « Statistics », sélectionner « Chi-square » et « Correlations », puis “Continue” 4. Dans « Cells… », sélectionner « Counts Observed » et « Counts Expected » ainsi que « Percentages in Row, Column and Total », puis « Continue » 5. « ok » Tableau croisé et Chi-carré
  36. 36.  Interprétation Pourcentage ligne Pourcentage colonne Ho : pf = ph Hi : pf ≠ ph P-value > 0.05 On ne peut rejeter H0 Pas de relation de dépendance Tableau croisé et Chi-carré
  37. 37. Échantillon unique Deux échantillons indépendants Variable quali Variable quanti Tableau de fréquence Analyse descriptive et Test t X=quali Y=quali X=quali Y=quanti Relation de dépendance Test du chi- carré Test t ou ANOVA (si + que 2 échantillons)
  38. 38. Comparaison des moyennes (t-test) sur échantillons indépendants Independent-samples  Utilisation  X : variable non métrique et Y : variable(s) métrique(s)  2 échantillons indépendants  Objectif: tester des hypothèses concernant des paramètres relatifs à 2 populations différentes Ex: Est-ce les hommes et les femmes accordent la même importance au prix?
  39. 39. Comparaison de moyennes Independent-samples  Commande 1. « Analyze > Compare means > Independent-Samples T-test »
  40. 40. Comparaison de moyennes Independent-samples  Commande 1. « Analyze > Compare means > Independent-Samples T-test » 2. Choisir la ou les variable(s) à tester, les placer dans « Test variable(s) »et placer la variable de catégorie dans « Grouping Variable »
  41. 41. Comparaison de moyennes Independent-samples  Commande 1. « Analyze > Compare means > Independent-Samples T-test » 2. Choisir la ou les variable(s) à tester, les placer dans « Test variable(s) »et placer la variable de catégorie dans « Grouping Variable » 3. Définir des groupes pour cette « Grouping Variable » en cliquant sur « Define Groups ». Noter 1 pour « Group1 » et 2 pour « Group2 », puis »Continue » 4. « ok »
  42. 42. Comparaison de moyennes  Interprétation P-value < 0.05 Rejet H0 : l’hypothèse d’égalité des variances n’est pas respectée P-value < 0.05 Rejet H0 : l’importance moyenne accordée au prix diffère selon le sexe Ho : µf = µg Hi : µf ≠ µg Ho : σ2 f = σ2 g Hi : σ2 f ≠ σ2 g
  43. 43.  Utilisation  X : variable qualitative et Y : quantitative  Objectif: évaluer les écarts des valeurs moyennes d’une variable dépendante sous l’effet d’une variable indépendante contrôlée  Test d’hypothèse: Ho : la moyenne de tous les groupes est la même Hi : il y a (au moins) 1 moyenne qui est différente Ex: Est-ce que l’importance des aménagements pour retrouver son véhicule rapidement diffère en fonction du lieu de l’enquête ? Analyse de la relation entre 2 variables ou plus ANOVA
  44. 44.  Commande 1. « Analyze > Compare means > One-way ANOVA». ANOVA
  45. 45.  Commande 1. « Analyze > Compare means > One-way ANOVA». 2. Choisir les variables à tester , les placer dans « Dependent list » et placer la variable de catégorie dans « Factor » ANOVA
  46. 46.  Commande 1. « Analyze > Compare means > One-way ANOVA». 2. Choisir les variables à tester , les placer dans « Dependent list » et placer la variable de catégorie dans « Factor » 3. Dans « Post Hoc… », sélectionner « Bonferroni », « Scheffe » et « Tukey », puis « Continue » ANOVA
  47. 47.  Commande 1. « Analyze > Compare means > One-way ANOVA». 2. Choisir les variables à tester , les placer dans « Dependent list » et placer la variable de catégorie dans « Factor » 3. Dans « Post Hoc… », sélectionner « Bonferroni », « Scheffe » et « Tukey », puis « Continue » 4. Dans « Options… », sélectionner « Descriptive », « Homogeneity of variance test » et « Welch », puis « Continue ». 5. “ok” ANOVA
  48. 48.  Interprétation P-value > 0.05 Non rejet de H0 : l’hypothèse d’homogénéité des variances est respectée P-value < 0.05 Rejet H0 : l’importance accordée aux aménagements diffère selon le lieu de l’enquête Ho : µLN = µN = µL Hi : Ǝ au - 1 différence entre µLN µN et µL Ho : σ2 f = σ2 g Hi : σ2 f ≠ σ2 g ANOVA
  49. 49.  Interprétation P-value < 0.05 Rejet H0 : les moyennes pour Namur et Liège sont différentes ANOVA
  50. 50. Échantillon unique Deux échantillons indépendants Variable quali Variable quanti Tableau de fréquence Analyse descriptive et Test t X=quali Y=quali X=quanti Y=quanti X=quali Y=quanti Relation de dépendance Test du chi- carré Test t ou ANOVA (si + que 2 échantillons) Régression linéaire
  51. 51. Régression linéaire  Utilisation  X : variable(s) quantitative(s) et Y : variable quantitative  Objectif: analyser la relation de causalité entre une variable dépendante et une ou plusieurs variables indépendantes Ex: Est-ce que l’importance accordée à un parking très propre peut être expliqué en fonction de l’âge? 3) Analyse de la relation entre 2 variables ou plus
  52. 52. Régression linéaire  Commande 1. « Analyze > Regression > Linear»
  53. 53. Régression linéaire  Commande 1. « Analyze > Regression > Linear» 2. Choisir la ou les variable(s) à tester, placer la variable dépendante dans « Dependent » et la ou les variable(s) indépendantes dans « Independent(s) »
  54. 54. Régression linéaire  Commande 1. « Analyze > Regression > Linear» 2. Choisir la ou les variable(s) à tester, placer la variable dépendante dans « Dependent » et la ou les variable(s) indépendantes dans « Independent(s) » 3. Dans « Statistics », sélectionner « Model fit », « collinearity diagnostics » « Estimates » et « Confidence intervals » puis « Continue » 4. « ok »
  55. 55. Ho : R2 = 0 Hi : R2 ≠ 0 Régression linéaire  Interprétation Proportion de la variable totale de Y expliquée par la variation de X P-value < 0.05 Rejet H0: Existence d’un modèle de régression linéaire P-value < 0.05 Rejet H0 : β ≠ 0: La contribution de l’âge est significative Ho : β = 0 Hi : β ≠ 0 Parking très propre = 2,311 + 0,015 (Age)
  56. 56. Échantillon unique Deux échantillons indépendants Variable quali Variable quanti Tableau de fréquence Analyse descriptive et Test t X=quali Y=quali X=quanti Y=quanti X=quali Y=quanti X=quanti Y=quanti Relation de dépendance Relation d’association Test du chi- carré Test t ou ANOVA (si + que 2 échantillons) Régression linéaire Corrélation
  57. 57. Corrélation  Utilisation  Variables quantitatives  Pas de relation de dépendance entre les 2 variables  Objectif: analyser le degré d’association linéaire entre 2 variables Ex: Y a-t-il une corrélation entre le bon éclairage, la bonne réputation, le parking connu, les emplacements faciles au niveau des manœuvres et le prix?
  58. 58. Corrélation  Commande 1. « Analyze > Correlate > Bivariate» 2. Choisir la ou les variable(s) à tester 3. « OK »
  59. 59. Corrélation  Interprétation P-value < 0.05 => Rejet H0: corrélation significative P-value > 0.05 => Non rejet de H0 : corrélation non significative Ho : ρ = 0 Hi : ρ ≠ 0
  60. 60. Échantillon unique Deux échantillons indépendants Variable quali Variable quanti Tableau de fréquence Analyse descriptive et Test t X=quali Y=quali X=quanti Y=quanti X=quali Y=quanti X=quanti Y=quanti Relation de dépendance Relation d’association Test du chi- carré Test t ou ANOVA (si + que 2 échantillons) Régression linéaire Corrélation
  61. 61. Exercices 1. Quel est le pourcentage de la population qui fréquente les parkings environ 1 fois par quinzaine? 2. Quelle est l’importance moyenne accordée par la population à la bonne réputation des parkings? 3. Quelle est l’importance moyenne accordée par les femmes à la bonne réputation des parkings? 4. L’importance moyenne accordée à la bonne réputation des parkings diffère-t-elle selon le sexe? 5. La fréquentation des parkings diffère-t-elle selon le sexe? 6. L’importance moyenne accordée au bon éclairage des parkings est-elle différente de 3? 7. L’importance moyenne accordée à la bonne réputation des parkings diffère-t-elle selon le lieu de l’enquête? 8. L’importance accordée à la bonne réputation des parkings et au bon éclairage sont-elles corrélées? 9. L’âge peut-il expliquer la variation de l’importance accordée à la bonne réputation des parkings?

×