Syntaxe: Statistiques descriptives

1
Syntaxe Statistiques descriptives

• PSY3204_Cours 3

2
Les fréquences
FREQUENCIES VARS sexe.
3
Statistiques descriptives
FREQUENCIES VARS varfi varfi varfi /statsall.
FREQUENCIES VARS age sexe /statsall.

• Moyenne
• Erreur-type
• Médiane
• Mode
• Écart-type
• Variance
• Asymétrie
• Erreur-type de lindicateur de lasymétrie
• Applatissement ou voussure
• Erreur-type de lindicateur de voussure
• Étendue
• Score minimum
• Score maximum
• Somme

4
Les commandes
Commande complète Ses paramètres par défaut et
ses possibilités FREQUENCIES VARIABLESvarlist
/FORMATAVALUE DVALUE NOTABLE
AFREQ LIMIT(n)
DFREQ /MISSINGINCLUDE
/BARCHARTMIN(n)MAX(n)FREQ(n)

PERCENT(n) /PIECHARTMIN(n)MAX(n)FREQ

PERCENT
MISSING
NOMISSING /HISTOGRAMMIN(n)MAX(n)FREQ(
n)
PERCENT(n)
NONORMAL INCREMENT(n)
NORMAL /NTILESn
/PERCENTILESvalue list /STATISTICSDEFAULT
MEANSTDDEVSUM
MINIMUMMAXIMUMRANGE
SEMEANVARIANCESKEWNESS
SESKEW MODEKURTOSISSEKURT
MEDIAN ALLNONE
/GROUPEDvarlist (width)
(boundary list) /ORDER
ANALYSIS VARIABLE.
Commande et paste FREQUENCIES
VARIABLESage sexe /ORDER ANALYSIS .
Commande simplifiée Frequencies vars varfi1
varfi2 /statsall.
5
Les sources daide

• SPSS survival guide de Julie Pallant
• Notes de cours du professeur Cousineau
• Disponible sur le site du cours
• Manuel de SPSS
• Pour trouver la commande et ses explications
• spssbase.pdf
• Disponible sur le site du cours

6
Fichier pdf, disponible sur le site du cours
7
Commande
Coisissez votre commande
Explication
8
Vérifiez lentrée de données

• Inspectez les scores de tous vos items
• Tous les scores sont-ils plausibles?
• Sinon, effacez les scores impossibles et
  recalculez vos computes

FREQUENCIES VARS aut1 app1.
9
La préparation des données

• Les variables catégorielles
• Est-ce que jai suffisamment de personnes dans
  chacune de mes catégories?
• Pour les variables dichotomiques, la taille des
  groupes ne devrait pas être plus différente
  quune proportion de 9010.
• Décrire les fréquences des variables
  catégorielles que vous utilisez

10
Les fréquences
FREQUENCIES VARS sexe.
11
La préparation des données

• Les variables continues utilisées dans les
  analyses doivent respecter les postulats
• Vérifiez donc létendue, les données manquantes
  et la normalité de la distribution
• Utilisez et vérifiez seulement les variables à un
  item et les variables représentant les
  sous-échelles (vos computes).
• Les items utilisés pour créer les variables
  représentant les sous-échelles peuvent maintenant
  être ignorés.

12
La préparation des données

• Létendue
• Est-ce que létendue est suffisante?
• Les données manquantes
• Les distributions de fréquences
• Les scores extrêmes

13
Les fréquences
FREQUENCIES VARS vita.
14
Les données manquantes

• Comprendre la raison des données manquantes
• Expliquez cette raison dans la section méthode
• Si les données manquantes sont distribuées de
  façon aléatoire peu problématique
• Sinon, cela limite la généralisation des
  résultats
• Lorsquil ny a pas de raisons évidentes,
• Moins de 5 peu problématique
• Sinon, cela limite la généralisation de vos
  résultats

15
Quoi faire?

• Enlevez les participants avec des données
  manquantes
• Peu et distribués aléatoirement
• (Pairwise ou analysis) versus listwise
• Enlevez les variables problématiques
• Peu et de moindre importance
• Estimez les données manquantes
• Moyenne de léchantillon ou de son groupe
  dappartenance (sil y a lieu)
• Analyser les données manquantes
• Y a-t-il des différences entre ceux qui ont des
  données manquantes et les autres?
• Créer une variable dichotomique (manquant vs non
  manquant)
• Répétez les analyses avec et sans les personnes
  ayant des données manquantes
• Pour les besoins du cours Expliquez vos données
  manquantes dans votre section méthode, puis
  interprétez vos résultats en conséquence.

16
Pour ceux et celles qui sont plus avancé(e)s 
Comment remplacer les données manquantes par la
moyenne
Recode varfi (missingxxxxxx).
Recode phar (missing4.82).
17
Pour ceux et celles qui sont plus avancé(e)s
Comment créer une variable dichotomique (manquant
vs non manquant)
Do if not missing (varfi). Compute nomvar
1. ELSE. Compute nomvar 2. END IF. Execute.
Do if not missing (abc). Compute misabc
1. ELSE. Compute misabc 2. END IF. Execute.
18
Les distributions de fréquences des variables
continues

• Les scores de Skewness et Kurtosis devraient être
  entre 1 et -1.
• Certains acceptent des skewness et kurtosis entre
  3 et -3 (voir Kline, 1998).
• Revisez les postulats des analyses à chaque fois,
  certaines sont robustes.
• Réfléchissez à la distribution de vos données et
  tentez de la comprendre.

19
Lhistogramme Les distributions de fréquences
GRAPH /HISTOGRAM(NORMAL)varfi .
GRAPH /HISTOGRAM(NORMAL)age .
20
Les polygones de fréquences
GRAPH /LINE(SIMPLE)COUNT BY varfi .
GRAPH /LINE(SIMPLE)COUNT BY age .
21
Quoi faire?

• Vérifiez vos scores extrêmes (voir le prochain
  cours)
• Laissez tomber la variable problématique
• Pour ceux et celles qui sont plus avancé(e)s
  Effectuez des transformations (voir Tabachnick
  Fidell, p. 86)
• Attention! Certaines transformations ont pour
  effet dinverser vos scores (p.ex., 1/varfi).
• Vérifier la distribution de la variable
  transformée, les transformations ne sont pas
  toujours efficaces.
• Linterprétation des résultats devient plus
  difficile.

NB Neffectuez PAS de transformations dans votre
travail.
22
(No Transcript)
23
(No Transcript)