f
ou
kr
SPSS pour l'analyse de données
ha
aC
7 étapes expliquées en profondeur, du chargement à l'interprétation
n
ub
Lo
Le récap complet pour construire une analyse statistique solide
Loubna Chakrouf · Doctorante FEG
Loubna Chakrouf
Au programme
1 Charger & explorer ses données
2 Recoder & créer des variables
f
ou
3 Tester la fiabilité (Alpha de Cronbach)
kr
ha
aC
4 Étudier les corrélations
n
ub
Lo
5 Comparer des groupes
6 La régression linéaire
7 Lire la significativité
Loubna Chakrouf
1 · Charger & explorer ses données
Avant toute analyse, SPSS distingue la Vue des données (les valeurs
brutes) de la Vue des variables (le type, le libellé et les catégories de
chaque variable). Une variable mal typée — une échelle de Likert
codée en texte, par exemple — fausse silencieusement tous les tests
qui suivent. Le réflexe à adopter : vérifier ces réglages avant de lancer
f
la moindre analyse, puis explorer rapidement chaque variable pour
ou
repérer valeurs aberrantes et données manquantes.
kr
ha
n aC
ub
Analyze > Descriptive Statistics >
Lo
Frequencies / Descriptives
À RETENIR
Frequencies pour les variables catégorielles, Descriptives pour les variables continues
(moyenne, écart-type).
Loubna Chakrouf
2 · Recoder & créer des variables
Les données brutes sont rarement dans le bon format pour l'analyse.
Recode into Different Variables permet de regrouper des catégories —
par exemple transformer 5 tranches d'âge en 3 groupes — sans jamais
écraser la variable d'origine : un réflexe de prudence essentiel pour
pouvoir revenir en arrière. Compute Variable sert, lui, à créer un score
f
composite à partir d'une formule, comme la moyenne de plusieurs
ou
items d'un même questionnaire. Ces deux outils préparent le terrain
kr
ha
pour les analyses de fiabilité et les tests qui suivent.
n aC
ub
Transform > Recode into Different Variables
Lo
Transform > Compute Variable
À RETENIR
Garde toujours la variable d'origine à côté de la variable recodée, pour pouvoir vérifier ton
travail.
Loubna Chakrouf
3 · Tester la fiabilité (Cronbach)
Avant d'utiliser un score composite — une échelle de satisfaction en 10
items, par exemple — il faut vérifier que ces items mesurent bien la
même chose. L'alpha de Cronbach quantifie cette cohérence interne
sur une échelle de 0 à 1. Pense à cocher « Scale if item deleted » : ce
détail repère l'item qui, une fois retiré, ferait remonter la fiabilité
f
globale — souvent le signe d'une question mal formulée ou hors sujet.
ou
kr
ha
n aC
ub
Analyze > Scale > Reliability Analysis
Lo
(Model : Alpha)
À RETENIR
Un alpha > 0,70 est jugé acceptable en sciences sociales ; au-delà de 0,90, suspecte une
redondance entre items.
Loubna Chakrouf
4 · Étudier les corrélations
La corrélation de Pearson mesure la force et le sens d'une relation
linéaire entre deux variables continues, de -1 (relation négative
parfaite) à +1 (relation positive parfaite). Le tableau de sortie affiche le
coefficient r ainsi qu'une significativité bilatérale : en dessous de 0,05,
la relation observée a peu de chances d'être due au hasard. Un point
f
de vigilance à ne jamais oublier : une corrélation, même forte et
ou
significative, ne prouve jamais une causalité entre les deux variables.
kr
ha
n aC
ub
Analyze > Correlate > Bivariate (Pearson)
Lo
À RETENIR
Visualise toujours la relation avec un nuage de points avant d'interpréter le coefficient —
Pearson suppose une relation linéaire.
Loubna Chakrouf
5 · Comparer des groupes
Pour comparer la moyenne d'une variable continue entre deux groupes
— hommes et femmes, par exemple — le test t pour échantillons
indépendants convient parfaitement. Au-delà de deux groupes, on
utilise l'ANOVA à un facteur (One-Way ANOVA), disponible dans le
même menu. Dans les deux cas, une valeur Sig. inférieure à 0,05
f
indique une différence significative entre les groupes. Un préalable
ou
trop souvent négligé : vérifier le test de Levene sur l'égalité des
kr
ha
variances avant d'interpréter le test t.
n aC
ub
Analyze > Compare Means >
Lo
Independent-Samples T Test / One-Way ANOVA
À RETENIR
Si Levene est significatif (p < 0,05), lis la ligne « variances non égales » du test t, pas la
ligne par défaut.
Loubna Chakrouf
6 · La régression linéaire
La régression linéaire estime dans quelle mesure une ou plusieurs
variables indépendantes expliquent une variable dépendante continue.
Trois tableaux comptent vraiment : le Récapitulatif du modèle donne le
R², c'est-à-dire la part de variance expliquée ; le tableau ANOVA teste,
via sa colonne Sig., si le modèle dans son ensemble est significatif ;
f
enfin, le tableau des Coefficients indique, pour chaque variable, son
effet (B) et sa significativité propre.
ou
kr
ha
n aC
ub
Analyze > Regression > Linear
Lo
À RETENIR
Un R² élevé mais un ANOVA non significatif doit alerter : vérifie la taille de l'échantillon et
les hypothèses du modèle.
Loubna Chakrouf
7 · Lire la significativité
Quel que soit le test utilisé, la lecture reste la même : la colonne Sig.
correspond à la probabilité d'observer un résultat aussi extrême si
l'hypothèse nulle était vraie. En dessous du seuil conventionnel de
0,05, le résultat est jugé statistiquement significatif. Mais significativité
statistique n'est pas synonyme d'importance pratique : avec un grand
f
échantillon, un effet minuscule peut devenir « significatif » sans être
pertinent pour autant.
ou
kr
ha
n aC
ub
Sig. < 0,05 -> résultat statistiquement
Lo
significatif (au seuil de 5 %)
À RETENIR
Regarde toujours la taille de l'effet (R², d de Cohen...) en complément du simple seuil de
significativité.
Loubna Chakrouf
Le parcours en un coup d'œil
1 Charger
2 Recoder
3 Fiabilité
f
ou
4 Corrélations
kr
ha
5 Comparer
aC
6 Régression
n
ub
Lo
7 Significativité
Sauvegarde ce post pour ta prochaine analyse statistique.
Loubna Chakrouf · Doctorante, FEG – Université Ibn Tofaïl
Loubna Chakrouf