Dans la partie 1 précédente, nous avons démontré un exemple d'utilisation de la plateforme « catégorielle » pour agréger simultanément différents types de réponses (réponse unique, réponses multiples, score) à partir de données d'enquête.
Cela dit, vous pouvez toujours effectuer le traitement des données à l'aide d'un tableur si vous y consacrez l'effort nécessaire, et si vous utilisez un système d'enquête, celui-ci affichera les résultats sous forme de tableaux et de graphiques.
Quels sont donc les avantages de l'utilisation de la fonctionnalité « Catégorie » de JMP ?
Cela nous permet de comparer la répartition des réponses entre les groupes que nous allons étudier.
Spécifiez la variable de groupe dans « Catégorie ».
Dans l'analyse des enquêtes, outre l'agrégation des réponses individuelles, les réponses sont également agrégées selon les attributs des répondants (sexe, tranche d'âge, etc.). C'est ce qu'on appelle le croisement de données.
Prenons l'exemple de la formation SQC que nous avons abordée dans la partie 1. Dans cet exemple, il existe un attribut appelé « position » (employé général, personne occupant un poste), nous allons donc collecter et comparer d'autres réponses en fonction de la position.
1.png
Procédons à l'analyse suivante sur le tableau de données ci-dessus.
Intitulé du poste × Raison de suivre la formation (réponses multiples) : Réponses multiples
Intitulé du poste × Expérience en utilisation de logiciels statistiques (réponse unique) : Échelle nominale
Intitulé du poste × Répartition du temps, structure du texte, aspect pratique (score) : Échelle ordinale
Intitulé du poste × Niveau de satisfaction (score) : Échelle ordinale
Dans ce cas, sous « Catégorie », spécifiez « Intitulé du poste » comme [X, Catégorie de regroupement] comme suit :
nao_masukawa_0-1681374861319.png
Test d'homogénéité des proportions (Les proportions de réponses diffèrent-elles entre les groupes ?)
Commençons par examiner le rapport concernant la question à réponses multiples « raison de suivre la formation » et la variable nominale « expérience avec les logiciels statistiques » (oui/non). Un tableau croisé est présenté, distinguant les réponses « général » et « occupant un poste de direction », ainsi que le graphique de répartition correspondant.
3.png
En comparant la part des réponses concernant « la raison pour laquelle on suit ce cours » entre les participants en général et ceux occupant des postes de direction, il semble y avoir des différences sur les points suivants.
Instructions d'un superviseur : Personnel général (24,7 %), Personnel occupant des postes de direction (16,8 %)
Intérêt pour le CSQ : Grand public (8,9 %), personnes occupant des postes de direction (16,1 %)
En ce qui concerne l'expérience avec les logiciels statistiques, il semble y avoir également une différence, avec 39,6 % des utilisateurs lambda ayant de l'expérience et 50,9 % de ceux occupant des postes de direction ayant de l'expérience.
Ce que j'ai décrit ici, c'est simplement qu'il *semble* y avoir une différence. Puisque j'utilise un logiciel statistique, je souhaite vérifier si cette différence est statistiquement significative. J'utiliserai donc l'option de test d'hypothèse disponible dans la catégorie « Catégorie ».
Test d'homogénéité pour les réponses non multiples
Si les réponses ne sont pas multiples, comme c'est souvent le cas avec les logiciels statistiques, exécutez l'option [Test d'homogénéité des réponses] .
L'homogénéité des réponses entre les groupes est testée, et plus précisément l'hypothèse selon laquelle la proportion de réponses est égale pour tous les intitulés de poste. Ceci est équivalent au test du χ² utilisé pour examiner l'indépendance des tableaux de contingence.
nao_masukawa_1-1681375602235.png
Étant donné que les valeurs p du rapport de vraisemblance (chi-carré) et du chi-carré de Pearson sont inférieures à 0,05, un niveau de signification de 5 % indique que les réponses ne sont pas homogènes, ce qui signifie qu'il existe des différences dans la proportion d'expérience en logiciels statistiques parmi les différents titres de poste.
Test d'homogénéité des réponses multiples
Pour la question à choix multiple « Raisons de suivre ce cours », nous utiliserons un [test de réponse multiple] . Nous présentons ici le résultat d'un [test d'homogénéité de la distribution binomiale] , en supposant une distribution binomiale des réponses sélectionnées/non sélectionnées pour chaque catégorie de réponse.
nao_masukawa_2-1681375648352.png
Le rapport, intitulé « Tests binomiaux pour chaque réponse », présente des statistiques comparant les taux de réponse à chaque question dans différents groupes.
Par exemple, le nombre total de réponses et le nombre de répondants pour la réponse « instructions de mon patron » sont les suivants :
Dans la population générale, 144 personnes sur 392 correspondent à la description (36,7 % = 144/392).
Parmi les personnes occupant un poste de direction, 26 sur 111 correspondent à la description (23,4 % = 26/111).
À ce stade, nous calculons la valeur du chi carré et la valeur p (=0,0074) à l'aide d'un modèle logistique où Y est le taux de réponse (en supposant une distribution binomiale) et X est la réponse générale/positionnelle.
En se référant au rapport « Tests binomiaux pour chaque réponse », des différences significatives ont été constatées pour deux éléments : « Instructions du superviseur » et « Intérêt pour le CSQ ». Cela suggère que les employés ordinaires ont assisté au séminaire parce que leurs superviseurs le leur avaient demandé, tandis que ceux occupant des postes de direction étaient réellement intéressés par le CSQ en lui-même.
Bien qu'il existe des différences dans les proportions d'autres éléments entre les employés ordinaires et ceux occupant des postes de direction, ces différences ne semblent pas être statistiquement significatives.
Comparer les scores
Les questions relatives à la satisfaction des produits font souvent l'objet de réponses sur une échelle de cinq points ou un système de notation similaire. Dans ce cas, il est souhaitable de vérifier s'il existe des différences significatives entre les scores des différents groupes.
Dans cet exemple, les participants ont été invités à évaluer la répartition du temps, la structure du texte et l'aspect pratique du séminaire sur une échelle de 5 points, ainsi que leur satisfaction globale sur une échelle de 10 points. Pour comparer ces scores d'évaluation selon les différents intitulés de poste, nous utiliserions la fonction [Comparaison des scores moyens], comme indiqué ci-dessous.
nao_masukawa_0-1681431984784.png
Ce rapport détaille la répartition du temps, la structure du texte et l'aspect pratique du séminaire. La moyenne et l'écart type des réponses 1 à 5 (considérées comme des scores) sont affichés à droite du tableau croisé.
nao_masukawa_1-1681432150602.png
Dans la dernière colonne, « Comparaison des moyennes », la lettre « f » apparaît à la ligne 5 (score d’utilité générale, indiqué par E). Cela signifie que la différence est statistiquement significative au seuil de 0,1 par rapport à la ligne 6 (score d’utilité pour une position spécifique, indiqué par F). (Voir l’explication dans l’encadré rouge de la figure.)
Concernant l'aspect pratique, la note moyenne attribuée par le grand public était de 3,52, contre 3,37 pour les cadres. Cependant, la comparaison de ces moyennes par paires (test t) a révélé une valeur p inférieure à 0,1. Il est possible que les cadres aient été légèrement plus insatisfaits de l'aspect pratique du séminaire que le grand public.
Mentionnons également le rapport sur les « niveaux de satisfaction » du séminaire.
nao_masukawa_0-1681432780154.png
Le score moyen du grand public était de 7,23, et celui des cadres de 6,91. La lettre « B » apparaît dans la colonne « Comparaison des moyennes ». Étant donné qu'elle est en majuscules, elle indique un seuil de signification statistique de 0,05. Concernant la satisfaction relative au séminaire, une différence significative a été observée entre le grand public et les cadres.
Efficace pour les comparaisons de groupes sur de nombreuses questions.
Dans l'analyse par catégorie, vous pouvez spécifier une variable de regroupement pour effectuer des agrégations et des comparaisons par groupe. Dans les enquêtes réelles, on trouve souvent de nombreuses questions et de nombreux choix de réponses. Dans ce cas, de nombreux tableaux et graphiques sont affichés, ce qui rend difficile l'examen individuel de chaque réponse pour identifier les différences.
En utilisant le « test d'homogénéité des réponses » et la « comparaison des scores moyens » expliqués ici, vous pouvez rapidement identifier les éléments présentant des différences significatives, ce qui permet une comparaison efficace des réponses entre les groupes.
Dans le prochain épisode, la partie 3, nous expliquerons en détail les questions à « réponses multiples » dans les enquêtes.
