Loic sarton spss 2011

727 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
727
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?

×