Introduction à l'analyse des enquêtes

Analyser des données d’enquête en Python

EbunOluwa Andrew

Data Scientist

Qu'est-ce que l'analyse des données d'enquête ?

Gagner en insight
- Plus de réponses = meilleure compréhension
Mesurer les effets
- Un taux de réponse élevé est crucial
- Exemple : la réponse à une enquête de suivi indique si les modifications du produit sont efficaces

Nous voulons votre avis – Bannière

Qu'est-ce qu'une donnée d'enquête ?

Réponses de participants à une recherche
Quantitatives ou numériques
Qualitatives ou descriptives
Représentation fidèle des opinions du public

Photo de Celpax sur Unsplash - femme répondant à une enquête

¹ Photo de Celpax sur Unsplash

Types de données d'enquête

Ordinale
- Réponses ordonnées de façon logique
- Exemple de question : À quelle fréquence utilisez-vous notre produit ?
- Exemples de réponses : Jamais, Rarement, Parfois, Souvent, Toujours
- L'ordre compte

Remplir un questionnaire

Types de données d'enquête

Nominale
- Groupes/catégories distincts
- Pas d'ordre entre les catégories
- Exemples : ville de naissance, genre, origine ethnique

Acte de naissance

Types de données d'enquête

Intervalle
- Données ordonnées
- Distance entre valeurs : significative et égale
- Exemples de réponses : 22C, 24C ou 26C

Thermomètre - Photo de Bianca Ackermann sur Unsplash

Ratio
- Mesures précises
- Zéro absolu
- Exemple de réponse : $5321

Maison en billets de cent dollars - Photo de Kostiantyn Li sur Unsplash

Définir les objectifs

Définir les objectifs de recherche
Taux de réponse
Tirer des enseignements des retours

échantillon non représentatif

Échantillonnage pour les enquêtes

Impossible d'interroger toute une grande population
L'échantillonnage sert à estimer ou tester des hypothèses sur la population
Différentes techniques pour obtenir des échantillons non biaisés

Photo de Joseph Chan sur Unsplash - personnes avec parapluie sur la route en journée

¹ Photo de Joseph Chan sur Unsplash

Aperçu des techniques d'échantillonnage

Aléatoire simple
- Sous-groupe sélectionné au hasard dans la population
Aléatoire stratifié
- Population divisée en strates (ex. : origine, genre, etc.)
- Sous-groupe tiré au hasard dans chaque strate

Analytics Vidhya - échantillonnage aléatoire stratifié

Aperçu des techniques d'échantillonnage

Pondéré
- Choisir un sous-groupe reflétant les proportions de la population
Par grappes
- Diviser la population en grappes (ex. : écoles, villes, etc.)
- Sous-groupe tiré au hasard parmi les grappes

Aoife Dalton sur SlideServe - illustration de l'échantillonnage en grappes

¹ Aoife Dalton sur SlideServe

Table de contingence : une méthode courante pour analyser des enquêtes

.crosstab() -> examine la relation entre deux variables nominales.

print(survey.head())

| Age     | Occupation_Title          | Current Student | Gender | Education  |
|---------|---------------------------|-----------------|--------|------------|
| 18 - 24 | Credit officer            | No              | Female | Bachelor's |
| 18 - 24 | Student                   | Yes, Full-Time  | Male   | Bachelor's |
| 18 - 24 | Student                   | Yes, Full-Time  | Female | Bachelor's |
| 25 - 34 | Senior Financial Analyst  | No              | Female | Bachelor's |
| 35 - 44 | Public Relations Director | No              | Female | Bachelor's |

Fonction crosstab

cross_tabulation = pd.crosstab(survey.Age, survey.Gender)
cross_tabulation

|         | Female | Male |
|---------|--------|------|
| 18 - 24 |     39 |   12 |
| 25 - 34 |     28 |   12 |
| 35 - 44 |      5 |    1 |
| 45 - 54 |      3 |    0 |

Passons à la pratique !

Analyser des données d’enquête en Python