Le guide de recherche secondaire ultime
Upgrade your secondary research with agile market research guide.
PARTAGER L’ARTICLE SUR
Les données provenant de diverses sources peuvent être qualitatives ou quantitatives. Les données qualitatives font référence aux données qui sont descriptives et de nature longue. Alors que les données quantitatives sont de nature numérique. Ces données quantitatives peuvent être analysées au moyen de statistiques. Mais comment mesurez-vous les données dans les statistiques?
Eh bien, nous avons un concept appelé « variable », qui n’est rien d’autre qu’une propriété ou une caractéristique qui change dans toute la population. Exemple : lorsque vous recueillez des données auprès d’élèves d’une école, les variables pour cette population peuvent être le nom, l’âge, l’adresse, les coordonnées, etc. Ces variables seront différentes pour différents élèves et elles peuvent être mesurées par des moyens qualitatifs ou quantitatifs.
Supposons que vous rassembliez également leurs résultats aux tests, vous pouvez calculer les rangs des étudiants de l’école et les affecter à un programme pertinent. De même, le « niveau de mesure » en statistique fait référence à la méthode par laquelle une variable particulière est mesurée.
Mener des recherches exploratoires semble délicat, mais un guide efficace peut aider.
L’échelle nominale est le premier niveau de mesure. Il est identifié comme des variables nommées. Sur une échelle nominale, les variables reçoivent un nom descriptif ou une étiquette pour représenter leur valeur. Le hic, c’est que les variables ne sont pas organisées dans les options en fonction de leur importance ou de leur valeur. Les calculs sur ces variables sont basés sur la compréhension du chercheur concernant le sujet. Il n’y a pas de calcul statistique possible sur les données nominales car il n’y a aucune valeur numérique attachée aux variables.
Vous pouvez voir des cas où les étiquettes des variables sont des nombres, mais cela ne signifie rien de plus que de simples étiquettes pour la classification ou la bifurcation. Les résultats des calculs sur ces chiffres n’auront aucune signification quantitative.
Exemple d’échelle nominale :
Quelle cuisine aimez-vous le plus ?
Comme vous le voyez, les chiffres par rapport aux variables indiquent leur étiquette et non leur valeur numérique. Comme les options n’ont pas de priorités ou de valeur supérieure les unes par rapport aux autres, cela ne ferait aucune différence que celui que le répondant choisit tant qu’il indique simplement la cuisine qu’il aime le plus. Parmi les mesures statistiques, l’échelle nominale est connue sous le nom d’échelle de recherche fondamentale.
Analyse des données à l’échelle nominale
Les données nominales peuvent être recueillies au moyen de questions ouvertes, comme en posant des questions ouvertes aux répondants et en leur permettant de décrire brièvement leurs réponses en indiquant une variable comme réponse. Une autre façon est d’utiliser des questions à choix multiples (ou QCM), comme celle de l’exemple ci-dessus où les répondants choisiront l’option qu’ils préfèrent. Les données nominales sont analysées pour obtenir une ou plusieurs options parmi celles que les répondants préfèrent.
Le deuxième niveau de mesure variable est l’échelle ordinale. L’échelle ordinale est utilisée lorsque des variables sont utilisées pour mesurer l’étendue ou la limite de quelque chose. Ces échelles sont utilisées dans des questions qui n’ont aucune formation mathématique. Quelques exemples : la mesure de la satisfaction, du bonheur, de la douleur, etc.
Comme son nom l’indique, l’échelle ordinale est basée sur l’ordre des variables. Les variables sont présentées dans un ordre particulier de bas en haut (de tout sentiment particulier) et les répondants choisiront l’option qu’ils préfèrent.
Exemple d’échelle ordinale :
Dans quelle mesure êtes-vous satisfait de notre service client ?
Comme vous pouvez le voir, la variable ici est « satisfait » et l’échelle ordinale va de l’avant pour manipuler cette variable dans une plage où elle va de haut en bas, avec une valeur décroissante. L’astuce que la plupart des chercheurs utilisent ici est de mettre délibérément le côté positif de la gamme en premier pour influencer quelque peu les réponses.
Analyse des données ordinales
Comme les données ordinales suivent une hiérarchie et des variables basées sur des valeurs, il est possible pour les chercheurs de mettre les données sous forme de graphiques et de diagrammes. Ces chiffres aideront à dessiner visuellement les réponses et les préférences.
Il existe des tests que vous pouvez effectuer sur des données ordinales comme le test U de Mann-Whitney (en comparant les variables d’un groupe à l’autre pour voir lequel est le plus grand) et le test H de Kruskal-Wallis (en comparant deux groupes ordinaux pour voir s’ils ont la même médiane).
Découvrez le logiciel d’enquête Voxco en action avec une démonstration gratuite.
Notre troisième niveau de mesure statistique est l’ échelle d’intervalle. Une échelle d’intervalle est une échelle numérique avec l’ordre et la différence des variables connues. Comme son nom l’indique, elle est utilisée pour mesurer les intervalles entre les variables et ces variables sont calculables, constantes et familières.
Tout comme l’échelle ordinale, l’échelle d’intervalle n’a pas de point de départ ou de « vrai » zéro. Vous pouvez l’appeler une version étendue de l’échelle ordinale avec des fonctionnalités supplémentaires pour mesurer la différence entre les variables.
Exemple d’échelle d’intervalle :
Quel est votre revenu annuel ?
Ici, la différence entre la variable est assez connue et le point de départ n’est pas nul non plus. Avec des valeurs variables constantes, les répondants peuvent sélectionner leur option de revenus pertinente.
Analyse des données d’intervalle
En plus des méthodes d’analyse des données nominales et ordinales, les données d’intervalle ont leurs propres méthodes d’analyse de données telles que les statistiques descriptives, l’analyse de régression de corrélation.
Elles vous aident à calculer la moyenne, la médiane et le mode ainsi qu’à résumer les données d’une manière logique.
Le quatrième niveau de mesure statistique vous permet de connaître la différence de variable, l’ordre des variables ainsi que de commencer avec le vrai zéro. L’échelle de ratio suppose qu’il existe une différence fixe entre les variables et qu’elles sont dans un ordre particulier, en commençant par une valeur nulle.
L’échelle de ratio permet aux chercheurs d’opérer sur les données en étant en mesure de trouver la moyenne, la médiane et le mode pour une tendance centrale. En raison du zéro réel, l’échelle de ratio ne peut pas être nulle. Ainsi, lorsqu’un chercheur souhaite utiliser une échelle de ratio, il doit examiner les propriétés de la variable et savoir si elle a tout ce dont elle a besoin.
Exemple d’échelle de ratio :
Quel est l’âge de votre enfant ?
Analyse des données de ratio
Les données d’échelle de ratio et de ratio relèvent des données quantitatives, c’est pourquoi toutes les techniques d’analyse quantitative telles que les techniques SWOT, TURF, tableau croisé, fonctionneront avec les données de ratio. L’utilisation de ces méthodes d’analyse de données peut vous aider à tirer des conclusions prédictives concernant votre organisation et vos produits.
See why 450+ clients trust Voxco!
By providing this information, you agree that we may process your personal data in accordance with our Privacy Policy.
Read more
English
French