Le travail de SPSS :

Le groupe :
Briki bouchra

Benagoune sarra

Omeya feriel

Fenni soundous

Rouikha djihane

Azzizi walaa

Introduction
Dans le cadre de cette étude, une analyse statistique a été réalisée à l’aide du logiciel SPSS
afin d’exploiter et d’interpréter les données collectées. Les données utilisées proviennent d’un
questionnaire élaboré et administré l’année dernière, dans le but d’analyser le comportement
et les caractéristiques des répondants à travers plusieurs variables.

L’étude repose sur l’application de plusieurs méthodes d’analyse statistique, permettant à la

fois une description des données et une exploration approfondie des relations entre les
variables. Ces méthodes ont été mobilisées afin d’obtenir des résultats fiables et pertinents,
tout en facilitant l’interprétation des variables étudiées.

L’utilisation de SPSS a permis de traiter les données, de vérifier leur cohérence et d’extraire
des résultats sous forme de tableaux et d’indicateurs statistiques, servant de base à l’analyse
et à la discussion des résultats. L’objectif principal de cette démarche est de mieux
comprendre la structure des données issues du questionnaire et de mettre en évidence les
principales tendances observées.

La méthodes de (statistiques descriptive , fréquence )

LES TABLEAU:
 Statistiques

Quel À quelle À quelle Dans Quel Quel Quelles

est fréquenc fréquence quelle type de est plateform
votre e achetez-vo mesure contenu votre es
sexe ? utilisez-v us des pensez-v influence âge ? utilisez-v
ous les produits ous être le plus ous le
réseaux suite à une influencé votre plus ?
sociaux recomman (e) par achat ? (plusieur
? dation sur les s choix
un réseau réseaux possibles
social ? sociaux )
dans vos
décisions
d’achat ?

N Valide 152 152 152 152 152 152 152

Manqu 0 0 0 0 0 0 0
ant

Quel est votre sexe ?

Fréquence Pourcentage Pourcentage Pourcentage
valide cumulé

Valide Femme 100 65.8 65.8 65.8

Homme 52 34.2 34.2 100.0
Total 152 100.0 100.0

Quel est votre âge ?

Fréquence Pourcentage Pourcentage Pourcentage
valide cumulé

Valide 18 - 25 ans 129 84.9 84.9 84.9

26 - 39 ans 14 9.2 9.2 94.1
40 ans ou plus 4 2.6 2.6 96.7
Moins de 18 ans 5 3.3 3.3 100.0
Total 152 100.0 100.0

À quelle fréquence utilisez-vous les réseaux sociaux ?

Fréquence Pourcentage Pourcentage Pourcentage
valide cumulé

Valide Plusieurs fois par jour 149 98.0 98.0 98.0

Quelques fois par 1 .7 .7 98.7
semaine
Rarement 2 1.3 1.3 100.0
Total 152 100.0 100.0
 À quelle fréquence achetez-vous des produits suite à une recommandation sur un
réseau social ?
Fréquence Pourcentage Pourcentage Pourcentage
valide cumulé

Valide Jamais 8 5.3 5.3 5.3

Parfois 72 47.4 47.4 52.6
Rarement 45 29.6 29.6 82.2
Souvent 23 15.1 15.1 97.4
Très souvent 4 2.6 2.6 100.0
Total 152 100.0 100.0

Dans quelle mesure pensez-vous être influencé(e) par les réseaux sociaux dans
vos décisions d’achat ?
Fréquence Pourcentage Pourcentage Pourcentage
valide cumulé

Valide Fortement influencé(e) 4 2.6 2.6 2.6

Moyennement 56 36.8 36.8 39.5
influencé(e)
Pas du tout influencé(e) 14 9.2 9.2 48.7
Peu influencé(e) 78 51.3 51.3 100.0
Total 152 100.0 100.0

Les graphes
La méthode d'analyse descriptive , tableau croisés

Récapitulatif de traitement des observations

Observations
Valide Manquant Total
N Pourcentag N Pourcentag N Pourcentag
e e e
Quel est votre sexe 152 100.0% 0 0.0% 152 100.0%
? * À quelle
fréquence
utilisez-vous les
réseaux sociaux ?

Quel est votre sexe 152 100.0% 0 0.0% 152 100.0%

? * Quelles
plateformes
utilisez-vous le
plus ? (plusieurs
choix possibles)

Quel est votre âge 152 100.0% 0 0.0% 152 100.0%

? * À quelle
fréquence
utilisez-vous les
réseaux sociaux ?
Quel est votre âge 152 100.0% 0 0.0% 152 100.0%
? * Quelles
plateformes
utilisez-vous le
plus ? (plusieurs
choix possibles)

Tableau croisé Quel est votre sexe ? * À quelle fréquence

utilisez-vous les réseaux sociaux ?
Effectif
À quelle fréquence utilisez-vous les réseaux Total
sociaux ?

Plusieurs Quelques Rarement

fois par jour fois par
semaine
Quel est votre Femme 99 1 0 100
sexe ?
Homme 50 0 2 52
Total 149 1 2 152
 Tableau croisé Quel est votre sexe ? * Avez-vous
déjà acheté un produit ou un service après l’avoir
vu sur un réseau social ?
Effectif
Avez-vous déjà acheté un Total
produit ou un service après
l’avoir vu sur un réseau
social ?

Non Oui
Quel est votre Femme 6 94 100
sexe ?
Homme 2 50 52
Total 8 144 152
 Tableau croisé Quel est votre âge ? * À quelle fréquence
utilisez-vous les réseaux sociaux ?
Effectif
À quelle fréquence utilisez-vous les réseaux Total
sociaux ?

Plusieurs fois Quelques fois Rarement

par jour par semaine

Quel est votre 18 - 25 ans 128 0 1 129

âge ?
26 - 39 ans 13 1 0 14
40 ans ou plus 3 0 1 4
Moins de 18 5 0 0 5
ans

Total 149 1 2 152

 Tableau croisé Quel est votre âge ? * Avez-vous déjà
acheté un produit ou un service après l’avoir vu sur un
réseau social ?
Effectif
Avez-vous déjà acheté un Total
produit ou un service après
l’avoir vu sur un réseau social
?

Non Oui
Quel est votre 18 - 25 ans 6 123 129
âge ?
26 - 39 ans 0 14 14
40 ans ou plus 1 3 4
Moins de 18 1 4 5
ans
Total 8 144 152

Analyse factorielle ACP :

Statistiques descriptives
 Moyenne Ecart Analyse N
type

Quel est votre sexe ? . . 0

Quel est votre âge ? . . 0
À quelle fréquence . . 0
utilisez-vous les
réseaux sociaux ?

Avez-vous déjà . . 0
acheté un produit ou
un service après
l’avoir vu sur un
réseau social ?

Avez-vous déjà . . 0
regretté un achat
influencé par un
réseau social ?

Nous n’avons pas obtenu de résultats exploitables pour ces données. C’est pour
cette raison que nous avons appliqué cette méthode à un autre jeu de données dans
SPSS, dont les résultats sont présentés ci-dessous

Statistiques descriptives
Moyenne Ecart type Analyse N

Age en années 42.06 12.290 6400

Statut marital .50 .500 6400
Nombre d'années à 11.56 9.938 6400
l'adresse actuelle

Revenu du foyer en 69.4748 78.71856 6400

milliers ($)

Catégories de 2.53 1.074 6400

revenu en milliers
($)

Matrice de corrélationa
Age en Statut Nombre Revenu Catégorie
années marital d'années du foyer s de
à en revenu
l'adresse milliers en
actuelle ($) milliers
($)
Corrélation Age en années 1.000 .003 .615 .335 .351
Statut marital .003 1.000 .011 .003 -.001-
Nombre .615 .011 1.000 .216 .216
d'années à
l'adresse
actuelle
Revenu du .335 .003 .216 1.000 .648
foyer en milliers
($)
Catégories de .351 -.001- .216 .648 1.000
revenu en
milliers ($)
Signification Age en années .406 .000 .000 .000
(unilatéral)
Statut marital .406 .181 .418 .478

Nombre .000 .181 .000 .000

d'années à
l'adresse
actuelle
Revenu du .000 .418 .000 .000
foyer en milliers
($)
Catégories de .000 .478 .000 .000
revenu en
milliers ($)
a. Déterminant = .309

Qualités de représentation
Initiales Extraction

Age en années 1.000 .796

Statut marital 1.000 .008
Nombre d'années à 1.000 .836
l'adresse actuelle

Revenu du foyer en 1.000 .819

milliers ($)

Catégories de 1.000 .820

revenu en milliers ($)

Méthode d'extraction : Analyse en composantes

principales.

Variance totale expliquée

Composa Valeurs propres initiales Sommes extraites du carré des Sommes
nte chargements de rotation
du carré
des
chargemen
tsa
Total % de la % Total % de la % Total
variance cumulé variance cumulé

1 2.195 43.903 43.903 2.195 43.903 43.903 1.780

2 1.084 21.680 65.583 1.084 21.680 65.583 1.561
3 .999 19.988 85.571

4 .373 7.451 93.022

5 .349 6.978 100.000

Méthode d'extraction : Analyse en composantes principales.

a. Lorsque les composantes sont corrélées, impossible d'ajouter la somme du carré de chargement
pour obtenir une variance totale.

Matrice des composantesa

Composante
1 2
Age en années .779 .435
Catégories de revenu .757 -.497-
en milliers ($)

Revenu du foyer en .750 -.506-

milliers ($)

Nombre d'années à .673 .619

l'adresse actuelle

Statut marital .010 .088

Méthode d'extraction : Analyse en composantes
principales.

a. 2 composantes extraites.

Matrice de formea
Composante
1 2
Revenu du foyer en .900 .058
milliers ($)

Catégories de revenu .899 .069

en milliers ($)

Nombre d'années à .103 .903

l'adresse actuelle

Age en années .304 .822

Statut marital -.050- .076
Méthode d'extraction : Analyse en composantes
principales.
Méthode de rotation : Oblimin avec
normalisation Kaiser.

a. Convergence de la rotation dans 8 itérations.

Matrice de structure
Composante
1 2
Revenu du foyer en .903 .109
milliers ($)

Catégories de revenu .903 .120

en milliers ($)

Nombre d'années à .154 .908

l'adresse actuelle

Age en années .350 .839

Statut marital -.046- .073
Méthode d'extraction : Analyse en composantes
principales.
Méthode de rotation : Oblimin avec
normalisation Kaiser.

Matrice de corrélation
des composantes
Composante 1 2
1 1.000 .056
2 .056 1.000
 Méthode d'extraction : Analyse en
composantes principales.
Méthode de rotation : Oblimin avec
normalisation Kaiser.

Matrice des coefficients des

composantes
Composante
1 2
Age en années .035 .536
Statut marital -.046- .064
Nombre d'années à -.106- .632
l'adresse actuelle

Revenu du foyer en .556 -.129-

milliers ($)

Catégories de revenu .553 -.121-

en milliers ($)

Méthode d'extraction : Analyse en composantes

principales.
Méthode de rotation : Oblimin avec
normalisation Kaiser.
Scores des composantes.

Matrice de covariance
des coefficients des
composantes
Composante 1 2
1 1.003 .113
2 .113 1.003
Méthode d'extraction : Analyse en
composantes principales.
Méthode de rotation : Oblimin avec
normalisation Kaiser.
Scores des composantes.

Interprétation des résultats

Statistiques descriptives
Les statistiques descriptives montrent que l’échantillon est composé de 6 400 individus. L’âge
moyen est de 42 ans, avec une dispersion modérée. Le revenu moyen du foyer présente une
forte variabilité, traduisant une hétérogénéité importante des situations économiques. Le
nombre moyen d’années passées à l’adresse actuelle est d’environ 11,5 ans, ce qui indique
une certaine stabilité résidentielle.

Matrice de corrélation

La matrice de corrélation met en évidence des relations significatives entre plusieurs

variables. L’âge est fortement corrélé au nombre d’années passées à l’adresse actuelle, ce qui
est cohérent avec une logique de stabilité croissante avec l’âge. Le revenu du foyer est
fortement corrélé à la catégorie de revenu, ce qui confirme la cohérence de ces deux
variables. En revanche, le statut marital présente des corrélations très faibles avec les autres
variables.

Ces résultats justifient le recours à une analyse factorielle de type ACP.

Qualités de représentation

Les qualités de représentation indiquent que les variables âge, revenu du foyer, catégorie de
revenu et nombre d’années à l’adresse actuelle sont bien représentées par les composantes
extraites. En revanche, le statut marital présente une très faible qualité de représentation, ce
qui signifie qu’il contribue peu à la construction des axes factoriels.

Variance totale expliquée

L’analyse de la variance totale expliquée montre que deux composantes principales possèdent
des valeurs propres supérieures à 1. Ces deux composantes expliquent environ 65,6 % de la
variance totale, ce qui constitue un niveau satisfaisant d’explication en sciences sociales. Le
choix de deux axes factoriels est donc pertinent.

Interprétation des composantes après rotation

Après rotation oblique (Oblimin), l’interprétation des axes devient plus claire :

●​ La première composante est principalement liée au revenu du foyer et à la catégorie

de revenu. Elle peut être interprétée comme une dimension économique.​

●​ La deuxième composante est fortement associée à l’âge et au nombre d’années

passées à l’adresse actuelle. Elle représente une dimension socio-démographique liée
à l’âge et à la stabilité résidentielle.​

Le statut marital ne contribue significativement à aucune des deux composantes.

Corrélation entre les composantes

La corrélation entre les deux composantes est très faible, ce qui indique qu’elles sont
quasiment indépendantes. Cela renforce la pertinence et la clarté de la structure factorielle
obtenue.

Conclusion générale
L’Analyse en Composantes Principales réalisée a permis de réduire l’information initiale en
deux dimensions principales expliquant plus de 65 % de la variance totale. La première
dimension reflète la situation économique des individus, tandis que la seconde traduit des
caractéristiques socio-démographiques liées à l’âge et à la stabilité résidentielle. Le statut
marital apparaît comme une variable peu discriminante dans cette analyse.

Analyse de AFC :

Avertissements
Les lignes et les colonnes sont indépendantes. Aucune
analyse disponible, à l'exception de PRINT = TABLE,
RPROFILES et CPROFILES.

Interprétation de l’avertissement
L’avertissement indiquant que « les lignes et les colonnes sont indépendantes » signifie qu’il
n’existe aucune association statistiquement significative entre les variables analysées.
Autrement dit, la distribution des modalités en lignes ne dépend pas de celle des modalités en
colonnes.

En conséquence, les conditions nécessaires à la réalisation d’une Analyse Factorielle des

Correspondances (AFC) ne sont pas remplies. L’AFC repose en effet sur l’existence de
relations de dépendance entre les variables qualitatives. En l’absence de telles relations,
l’analyse factorielle ne peut pas produire de résultats interprétables.

C’est pour cette raison que le logiciel limite les résultats disponibles à des sorties
descriptives, telles que les tableaux de contingence (PRINT = TABLE), les profils de lignes
(RPROFILES) et les profils de colonnes (CPROFILES), sans fournir de représentation
factorielle.

Conclusion à retenir
Cet avertissement indique que les données ne présentent pas de structure relationnelle
exploitable pour une AFC. Par conséquent, seule une analyse descriptive est pertinente dans
ce cas, et l’utilisation d’une autre méthode d’analyse ou d’un autre jeu de données est
nécessaire pour approfondir l’étude.