Analyse de données

OBJECTIFS DU MODULE :

Les objectifs de ce cours vont permettre aux étudiants de :

  1. Comprendre les concepts clés et maîtriser les techniques de collecte de données et de calcul d’échantillons ;
  2. Savoir choisir et utiliser des techniques de sondage adaptées pour obtenir des données représentatives.
  3. Réviser les statistiques univariées pour décrire et résumer les données avant l’analyse approfondie.
  4. Maîtriser le test du Khi-deux, la corrélation, et les régressions linéaires et non linéaires pour explorer et interpréter les relations entre les variables.
  5. Utiliser des méthodes avancées telles que l’analyse en composantes principales (ACP) et les modèles à équations structurelles pour analyser des ensembles de données complexes.
  6. Apprendre à modéliser des données qualitatives et à comprendre les associations entre variables catégorielles via l’analyse factorielle des correspondances (AFC).

LES RESULTATS DE L’APPRENTISSAGE

À l’issu du cours l’étudiant devra être capable de :

  1. Concevoir et conduire une recherche quantitative en choisissant les méthodes appropriées pour la collecte et l’analyse des données.
  2. Effectuer un échantillonnage adéquat pour les enquêtes, en calculant la taille optimale de l’échantillon en fonction des objectifs de la recherche.
  3. Analyser des données univariées en utilisant des statistiques descriptives pour obtenir des résumés clairs et pertinents.
  4. Appliquer des tests statistiques tels que le test Khi-deux et les analyses de corrélation pour examiner les relations entre les variables.
  5. Réaliser des régressions linéaires et non linéaires pour prédire et modéliser les relations entre des variables dépendantes et indépendantes.
  6. Appliquer des régressions multiples pour traiter des situations où plusieurs variables expliquent un phénomène.
  7. Utiliser des méthodes multivariées, notamment l’ACP, pour réduire la dimensionnalité des données tout en conservant l'essentiel de l'information.
  8. Modéliser des phénomènes complexes à l’aide de la régression logistique et des modèles à équations structurelles.
  9. Maîtriser l’analyse factorielle des correspondances (AFC) pour analyser les relations entre variables catégorielles et détecter des structures latentes dans les données.