© 2006 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford, Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
PRESSES DE L’UNIVERSITÉ DU QUÉBEC Le Delta I, 2875, boulevard Laurier, bureau 450 Sainte-Foy (Québec) G1V 2M2 Téléphone: (418) 657-4399 • Télécopieur: (418) 657-2096 Courriel: puq@puq.ca • Internet : www.puq.ca Distribution : CANADA et autres pays DISTRIBUTION DE LIVRES UNIVERS S.E.N.C. 845, rue Marie-Victorin, Saint-Nicolas (Québec) G7A 3S8 Téléphone : (418) 831-7474 / 1-800-859-7474 • Télécopieur : (418) 831-4021 SUISSE SERVIDIS SA 5, rue des Chaudronniers, CH-1211 Genève 3, Suisse Téléphone: 022 960 95 25 Télécopieur: 022 776 35 27 La Loi sur le droit d’auteur interdit la reproduction des œuvres sans autorisation des titulaires de droits. Or, la photocopie non autorisée – le «photocopillage» – s’est généralisée, provoquant une baisse des ventes de livres et compromettant la rédaction et la production de nouveaux ouvrages par des professionnels. L’objet du logo apparaissant ci-contre est d’alerter le lecteur sur la menace que représente pour l’avenir de l’écrit le développement massif du «photocopillage». © 2006 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford, Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
JEAN STAFFORD PAUL BODSON Avec la collaboration de Marie-Christine STAFFORD 2006 Presses de l’Université du Québec Le Delta I, 2875, boul. Laurier, bur. 450 Sainte-Foy (Québec) Canada G1V 2M2 © 2006 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford, Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
Catalogage avant publication de Bibliothèque et Archives Canada Stafford, Jean L’analyse multivariée avec SPSS Comprend des réf. bibliogr. ISBN 2-7605-1392-0 1. Analyse multivariée – Informatique. 2. Analyse de régression – Informatique. 3. Analyse factorielle – Informatique. 4. SPSS for Windows (Fichier d’ordinateur). I. Bodson, Paul, 1935- . II. Stafford, Marie-Christine. III. Titre. QA278.S72 2005 519.5'35'0285 C2005-941522-3 Nous reconnaissons l’aide fi nancière du gouvernement du Canada par l’entremise du Programme d’aide au développement de l’industrie de l’édition (PADIÉ) pour nos activités d’édition. Mise en pages : Info 1000 mots inc. Couverture : Richard Hodgson 1 2 3 4 5 6 7 8 9 PUQ 2006 9 8 7 6 5 4 3 2 1 Tous droits de reproduction, de traduction et d’adaptation réservés © 2006 Presses de l’Université du Québec Dépôt légal – 1er trimestre 2006 Bibliothèque nationale du Québec / Bibliothèque nationale du Canada Imprimé au Canada © 2006 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford, Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
Table des matières Introduction 1 Chapitre 1 L’analyse des données 3 1 Les problèmes épistémologiques de l’analyse des données 4 1.1. Les faits sont des représentations 6 1.2. Les faits: la construction de la réalité 7 1.3. Le caractère inachevé de la représentation 7 1.4. La validité des représentations scientifiques 8 1.5. La place de l’analyse des données dans le processus de recherche 10 2. Les types de données 11 2.1. La notion de variable 12 2.2. Les types de variables 13 © 2005 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford et Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
VIII L’analyse multivariée avec SPSS 3. Les échelles de mesure. . . . . . . . . . . . . . . . . . . . . . . . 23 3.1. Les échelles de mesure et les propriétés des nombres . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.2. Les échelles de mesure et les opérations statistiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 Chapitre 2 Le traitement des données par ordinateur 33 1. Les logiciels de traitement des données. . . . . . . . . . . 34 2. Le fonctionnement du logiciel SPSS . . . . . . . . . . . . . 36 3. Les principales commandes . . . . . . . . . . . . . . . . . . . . 41 4. L’étude des fréquences et la transformation des variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 4.1. L’analyse des fréquences . . . . . . . . . . . . . . . . . . 49 4.2. La transformation des variables. . . . . . . . . . . . . 50 Chapitre 3 L’analyse factorielle en composantes principales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 1. Objectifs et aspects théoriques . . . . . . . . . . . . . . . . . . 58 1.1. Les étapes de l’analyse en composantes principales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 1.2. La diagonalisation et les saturations des variables. . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 1.3. La rotation des facteurs . . . . . . . . . . . . . . . . . . . 67 2. Les commandes avec le logiciel SPSS. . . . . . . . . . . . 69 2.1. Les commandes principales . . . . . . . . . . . . . . . . 69 2.2. Les tests statistiques. . . . . . . . . . . . . . . . . . . . . . 75 2.3. L’étude des principaux résultats de l’analyse en composantes principales . . . . . . 81 2.4. Le choix des composantes et la présentation du tableau des composantes principales . . . . . . 82 2.5. Les diverses méthodes de rotation. . . . . . . . . . . 85 3. Un exemple d’analyse factorielle en composantes principales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 3.1. La présentation des résultats . . . . . . . . . . . . . . . 93 3.2. L’étude de la validité de l’échelle de mesure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 © 2005 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford et Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
Table des matières IX Chapitre 4 L’analyse factorielle des correspondances 101 1. Objectifs et aspects théoriques 102 2. Les commandes avec le logiciel SPSS 104 3. Un exemple d’analyse 108 Chapitre 5 Analyse bivariée: tableau de contingence et khi-carré 113 1. Objectifs et aspects théoriques 113 2. Les commandes avec SPSS 117 3. Un exemple d’analyse 120 3.1. Les autres tests statistiques pour les tableaux croisés 126 3.2. Le coefficient de contingence 126 3.3. La notion de risque ou de chance 128 3.4. Les tableaux croisés à trois variables 129 Chapitre 6 Analyse bivariée: l’analyse de variance 133 1. Repères théoriques 134 2. Les commandes avec SPSS et le traitement d’un exemple 137 Chapitre 7 Analyse bivariée: corrélation et régression simple 141 1. La corrélation bivariée simple (corrélation de Pearson) 141 1.1. Repères théoriques 142 1.2. Commandes SPSS et le traitement d’un exemple 145 2. L’analyse de régression simple 147 2.1. Repères théoriques 148 2.2. Les commandes SPSS et le traitement d’un exemple 152 © 2005 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford et Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
X L’analyse multivariée avec SPSS Chapitre 8 La régression multiple 159 1 Repères théoriques 160 2. Un exemple pour les tests sur les coefficients estimés 166 3. La régression multiple avec SPSS 170 4. Régression multiple 180 5. Un exemple avec variables indépendantes quantitatives et qualitatives 183 6. La Contribution marginale d’une variable explicative 190 6.1. Le recours à des variables centrées réduites et les coefficients normalisés bêta 190 6.2. La corrélation partielle 191 7. Méthodes «mécaniques» pour dégager une équation de régression multiple 195 8. «Prévisions conditionnelles» à partir des estimations obtenues par régression multiple 199 Chapitre 9 La régression logistique 203 1. Variable dépendante binaire et relation logistique 204 1.1. Repères théoriques 206 1.2. La logistique binaire avec SPSS 208 1.3. Les résultats des estimations 210 1.4. Prévisions conditionnelles 216 2. Variable dépendante nominale comportant plus de deux catégories 217 2.1. Repères théoriques 218 2.2. La régression logistique «polytomique» avec SPSS 220 2.3. Les résultats des estimations 223 2.4. Prévisions conditionnelles et simulations 225 © 2005 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford et Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
Table des matières XI 3. Variable dépendante ordinale 226 3.1. Repères théoriques 227 3.2. La régression logistique ordinale avec SPSS 228 3.3. Les résultats des estimations 228 3.4. Les prévisions conditionnelles 230 Épilogue 231 Bibliographie 233 Tables statistiques 239 © 2005 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford et Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
© 2005 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford et Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
Introduction L’objectif de l’analyse multivariée est d’étudier les interrelations entre plusieurs variables figurant dans une base de données et, si possible, d’en généraliser les conclusions par inférence statistique. L’analyse multivariée réunit un grand nombre de méthodes, souvent complexes, qui tentent de donner une image simplifiée des multiples relations entre les variables d’une enquête ou d’une base de données. L’importance accordée aux méthodes de l’analyse multivariée correspond à une demande sociale. Les sociétés actuelles font face à une pléthore d’informations spécialisées rendues plus facilement acces- sibles par le biais de l’Internet. Les collectes des données pullulent et une grande partie de cette information, qui coûte très cher à colliger aux gouvernements et aux entreprises, n’est pas traitée correctement. Faute de connaissances et de moyens, une grande partie de l’information recueillie est laissée en jachère. © 2005 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford et Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
L’analyse multivariée avec SPSS La plupart des méthodes d’analyse multivariée sont nées avant la Deuxième Guerre mondiale, mais leur utilisation posait de multiples problèmes: les calculs à effectuer étaient longs, innombrables et fasti- dieux; ces méthodes étaient dès lors très peu utilisées. L’apparition d’or- dinateurs et de microordinateurs de plus en plus performants allait changer radicalement cette situation; des logiciels puissants et faciles à utiliser ont rendu ces méthodes accessibles aux chercheurs et aux praticiens. Ce livre s’adresse aux étudiants, aux chercheurs et aux praticiens de la recherche. Souvent, pour l’étudiant qui doit réaliser une enquête pour un travail de session ou réunir des données pour une thèse, l’analyse des données est un exercice périlleux et semé d’embûches. Pour le chercheur et le praticien, dont la connaissance de l’analyse des données n’est pas la formation première, le traitement statistique des données risque d’être superficiel ou, parfois, carrément erroné. Nous proposons ici une approche pratique et empirique qui allie l’analyse statistique à l’usage d’un logiciel statistique facile d’accès. L’interaction entre, d’une part, le traitement informatique des données et, d’autre part, l’utilisation d’une méthode statistique et l’inter- prétation des résultats facilite un apprentissage opérationnel de l’art de l’analyse multivariée. © 2005 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford et Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
Ch a p i t r e1 L’analyse des données L’analyse des données peut se définir comme l’ensemble des méthodes permettant une étude approfondie d’informations quantitatives. Selon Jean de Lagarde: «Le propre de l’analyse des données, dans son sens moderne, est justement de raisonner sur un nombre quelconque de variables, d’où le nom d’analyse multivariée qu’on lui donne souvent1.» Pour certains, le rôle principal de l’analyse des données est «de mettre en relief les structures pertinentes de grands ensembles de données2 ». La plupart des méthodes de l’analyse des données sont nées dans les années 19303 et certaines d’entre elles ont été élaborées bien avant. La philosophie sous-jacente à la création de ces méthodes est «que tout progrès, dans un domaine quelconque, ne peut être réalisé que grâce à des méthodes appropriées4 ». Cette vision très instrumentale de la science, doit bien être tempérée aujourd’hui. 1. J. de Lagarde (1995), Initiation à l’analyse des données, Paris, Dunod, p. 2. 2. J.-P. Crauser, Y. Harvatopoulos et P. Sarnin (1989), Guide pratique de l’analyse des données, Paris, Éditions d’Organisation, p. 9. 3. Voir à ce sujet: J.-M. Bouroche et G. Saporta (1980), L’analyse des données, Paris, Presses universitaires de France, p. 3. 4. L. Festinger et D. Katz (1963), Les méthodes de recherche dans les sciences sociales, Paris, Presses universitaires de France, p. 3. © 2005 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford et Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
L’analyse multivariée avec SPSS L’analyse des données, telle qu’on la connaît aujourd’hui, s’inscrit dans la convergence: • de disciplines particulières des sciences de la gestion ou des sciences sociales; • des méthodes de la statistique appliquée; • et de l’existence de logiciels très performants de traitement des données. Dans l’analyse des données, on distingue habituellement: • l’analyse univariée, qui porte sur l’étude des variables prises une à une dans la présentation et l’interprétation; • l’analyse bivariée, qui a pour objectif d’examiner les relations de deux variables en même temps; • enfin, l’analyse multivariée, qui vise l’étude de plusieurs variables en même temps. Dans ce livre, nous allons présenter seulement les méthodes de l’analyse bivariée et de l’analyse multivariée. Ce livre se veut une présentation systématique des principales méthodes d’analyse des données. Nous nous en tiendrons donc à l’exposé de ces méthodes sans tenir compte ni de ce qui précède (la formulation d’une problématique, d’hypothèses, etc.)5 ni de la suite (c’est-à-dire l’établissement de politiques ou de stratégies appropriées). 1.Les probLèmes épistémoLogiques de l’analyse des données L’épistémologie se définit, au sens strict, comme un discours sur la science (ou les sciences) et, au sens plus large, comme l’étude de la production des sciences au sein des groupes et de la société globale. Le rôle de l’épis- témologie est d’examiner de façon critique «les principes, les hypothèses générales, les conclusions des différentes sciences pour en apprécier la valeur et la portée objective6 ». 5. Voir à ce sujet: J. Stafford (1996), La recherche touristique. Introduction à la recherche quantitative par questionnaire, Sainte-Foy, Presses de l’Université du Québec. 6. G. Durozoi et A. Roussel (1987), Dictionnaire de philosophie, Paris, Nathan, p. 113. © 2005 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford et Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
L’analyse des données Dans cette perspective, l’analyse des données peut se définir comme un système de connaissance orienté vers l’établissement des faits dans l’ensemble social. L’objectif principal de l’analyse des données est la recherche et la définition des faits. On peut résumer cette démarche par un schéma reliant trois notions essentielles. La nature épistémoLogique de La recherche des faits Concept «réalité» Fait Dans ce schéma, nous posons comme principe qu’il n’y a pas d’adé- quation automatique entre une réalité et un concept; la médiation entre les deux éléments du schéma se fera grâce à la notion de fait. Donnons tout de suite un exemple: le propriétaire d’un hôtel veut connaître la satisfaction de ses clients. Dans ce cas, la satisfaction n’est pas une réalité tangible, une donnée immédiate; pour connaître la satisfaction des clients, il faudra passer par le biais d’une mesure. À la limite, on pourrait se contenter d’une seule question7 : Indiquez votre satisfaction face à cet hôtel (entourez le chiffre qui correspond à votre réponse): 1 2 3 4 Très insatisfait Insatisfait Satisfait Très satisfait Ici, la «réalité» «satisfaction des clients» se résume aux réponses obtenues par cette mesure de la satisfaction. La réponse, ou plutôt la moyenne des réponses obtenue devient un fait. La formulation de la question et la structure de l’échelle des réponses possibles (de 1 à 3, de 1 à 4, de 1 à 5 ou de 1 à n où: 1 = très insatisfait et n = très satisfait) nous amènent au cœur même des problèmes épisté- mologiques et méthodologiques de l’analyse des données. 7. Ce n’est pas l’idéal; la mesure serait plus juste si l’on posait plusieurs questions (en découpant le concept de satisfaction en plusieurs parties) portant sur l’accueil, le prix, la propreté de la chambre, la salle de bain, l’éclairage, etc. L’échelle (la réponse à la question) pourrait être de 1 à 10 (et non de 1 à 4); il existe plusieurs façons d’établir ou de mesurer la notion de satisfaction. © 2005 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford et Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
L’analyse multivariée avec SPSS 1.1. Les faits sont des représentations Depuis Platon et Kant, on admet une relative autonomie du monde des idées; ainsi, ce qu’on perçoit comme étant la réalité se rapporte à des idées, à des énoncés, et non aux choses elles-mêmes. La connaissance est faite de représentations, c’est-à-dire des idées, des mots, des propositions (hypothèses et conjectures), des schémas et des mesures. Une grande partie du travail scientifique porte sur la production, la structure et le contenu de ces représentations. Comme le signale Jean-Michel Besnier: «[I]l n’est pas de connaissance sans le truchement de signes pour inter- préter le réel et […], par conséquent, le mécanisme de production de ces représentations et de ces signes peut seul donner les clés de la compré- hension du pouvoir de l’homme de s’assimiler, ce qui n’est pas lui8.» Bruno Jarroson9 montre qu’il y a plusieurs façons de percevoir le réel; il distingue quatre théories possibles: 1. «le réalisme fort», qui suppose que la réalité a une autonomie propre de la pensée de l’homme et qu’elle est totalement connaissable par des méthodes appropriées; 2. «le réalisme faible», qui admet l’autonomie de la réalité, mais est très réservé sur la capacité de connaître facilement cette réalité; 3. «le positivisme instrumentaliste», qui ne s’intéresse qu’au comment et non au pourquoi; pour le positiviste, il s’agit de savoir comment mesurer, tout le reste appartient à la métaphysique; 4. «le positivisme idéaliste»: pour le positiviste idéaliste, «seule existe l’idée du monde en son esprit. L’accord que je rencontre avec les autres sur les mesures que je fais n’est qu’une idée10.» Nous le voyons ici, il existe plusieurs théories de la représentation; ces théories ont une influence sur le mode de pensée des scientifiques, sur les façons de travailler et de comprendre leur rôle dans l’établissement des connaissances. 8. J.-M. Besnier (1996), Les théories de la connaissance, Paris, Flammarion, p. 15. 9. B. Jarrosson (1992), Invitation à la philosophie des sciences, Paris, Seuil, p. 128. 10. Ibid., p. 131. © 2005 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford et Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
L’analyse des données 1.2. Les faits: La construction de La réaLité Pour qu’un fait soit reconnu comme scientifique, c’est-à-dire accepté comme étant valide dans notre culture, il faut le construire (le cerner, le mesurer, le reproduire) d’une certaine façon. Comme le souligne Gérard Fourez: «On n’observe donc pas passivement, mais on structure ce qu’on veut observer en utilisant les notions qui paraissent utiles en vue d’avoir une observation adéquate, c’est-à-dire qui répond au projet que l’on a. Et c’est alors qu’on dit qu’on observe des ‘‘faits’’11.» De façon pratique, la connaissance se bâtit dans une forme de bricolage sophistiqué entre les idées-propositions et les idées-mesures, dans un va-et-vient qui est rarement transparent. Ainsi: «La leçon est générale: un énoncé se produit en même temps que l’objet qu’il qualifie, et sa production s’instrumentalise dans toute une série d’opérations qui font parler l’objet de connaissance et le contraignent à reconnaître qu’il est réellement ce que l’énoncé dit qu’il est12.» Dans la plupart des sciences sociales, le travail de la connaissance se fait surtout à partir de l’étude des relations entre plusieurs variables. Les liens entre la problématique et la mesure sont formalisés à l’aide d’un modèle. Le modèle est une représentation plus ou moins structurée de la réalité observée; il peut être qualitatif ou quantitatif. La notion de modèle est l’élément commun de la plupart des disciplines scientifiques. Selon Bernard Walliser et Charles Prou: «À partir de ces matériaux [les données] et de considérations théoriques, toutes les disciplines cons- truisent des modèles empiriques sous forme de simples récits permet- tant une lecture cohérente d’un phénomène observé ou d’une évolution passée, ou de systèmes d’équations permettant de simuler un processus concret13.» 1.3. Le caractère inachevé de La représentation Nous l’avons vu, la connaissance est une construction, mais c’est une construction inachevée! La représentation de la réalité n’est jamais totale, jamais définitive: ce serait la fin de toute science. Qu’on le veuille ou 11. G. Fourez (1992), La construction des sciences, Montréal, De Boeck-ERPI, p. 32. 12. M. Callon et B. La Tour (1991), La science telle qu’elle se fait, Paris, La Découverte, p. 17. 13. B. Walliser et C. Prou (1988), La science économique, Paris, Seuil, p. 62. © 2005 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford et Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
L’analyse multivariée avec SPSS non, toute représentation, aussi scientifique soit-elle, comporte des zones d’ombre, des obscurités, un non-dit qui démontrent son caractère évanes- cent, temporaire. Selon Raymond Boudon: «Toute théorie produite par la connaissance ordinaire comme par la connaissance scientifique est entourée d’un halo d’a priori relevant de divers types: logiques, mais aussi épistémologiques, ontologiques, linguistiques, etc.14.» Le caractère inachevé de la science nous amène à plus de modestie; il ne s’agit pas de rejeter les savoirs, mais «de prendre acte du caractère inéluctablement parcellaire, fragile et contingent de toute science et de ses rapports avec les pratiques éventuelles qu’elle fonde15 ». La fragilité des représentations, il faut faire bien attention, ne concerne que la science en train de se faire à travers une recherche spécifique. Bruno Latour fait une distinction entre la «science faite» et la recherche; la science est sûre, objective, froide; un fait, c’est ce qu’on ne discute pas. La recherche, la science en train de se faire, est incer- taine, risquée, subjective, chaude; un fait est déjà construit16. Quand la recherche est terminée, le plus souvent, la science devient action sur le monde: ordinateur ou avion, médicament ou politique économique17. 1.4. La vaLidité des représentations scientifiques La représentation n’épuise pas le réel; il y a toujours un écart entre le modèle formulé et la réalité elle-même. L’oubli de cet écart «conduit à l’illusion ontologique de l’unité, de l’identité, de la stabilité et de la permanence du sens18 ». L’ampleur et la forme de cet écart sont une mesure de la validité. On peut évaluer la validité des représentations par une approche générale et une approche instrumentale, la première approche étant une condition de la deuxième. L’approche générale repose sur «le point de vue falsificationniste» de Karl Popper: «Les théories scientifiques se distinguent des mythes uniquement par ceci qu’elles sont critiquables et 14. R. Boudon (1990), L’art de se persuader, Paris, Fayard, p. 272. 15. J.-M. Lévy-Leblond (1996), La pierre de touche. La science à l’épreuve…, Paris, Gallimard, p. 50. 16. B. Latour (1995), Le métier de chercheur: regard d’un anthropologue, Paris, Éditions de l’INRA, p. 11-14. 17. Voir à ce sujet: N. Journet (1996), «Comment peut-on être relativiste?», Sciences Humaines, no 67. 18. F. Laplantine (1996), La description ethnographique, Paris, Nathan, p. 35. © 2005 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford et Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
L’analyse des données modifiables, à la lumière de la critique. Mais elles ne peuvent être véri- fiées ni rendues probables19.» Pour Raymond Boudon, cette vision de la science a un côté tragique, car «elle implique en effet que toute théorie scientifique est condamnée d’avance, que l’histoire de la science est celle d’une suite d’échecs se corrigeant les uns les autres20 ». Habituellement, on tient compte de la validité externe et de la validité interne des modèles21. La validité externe se rapporte aux liens entre les concepts choisis et le problème étudié; la plupart du temps, il y a une pléthore de problèmes et peu de concepts réellement opérationnels (mesurables). Pour certains, la seule règle de validité est de suivre les procédures usuelles de la recherche, décrites dans tous les manuels. La validité interne se concentre le plus souvent dans l’analyse des écarts entre les résultats du modèle et la réalité observée. La validité interne s’évalue à partir de l’étude méticuleuse des résidus22. On peut aussi aborder le problème de la validité interne par le biais de la cohérence formelle de la représentation présentée (refus des contradictions), par sa simplicité ou son caractère esthétique. Ainsi: «On a expliqué quelque chose lorsqu’on parvient à relier, dans un discours cohérent, la représen- tation qu’on s’est donnée d’un phénomène aux autres représentations que l’on a et auxquelles on tient23.» Il n’est pas facile de vérifier la validité des représentations formu- lées; dans la plupart des cas, cette question est abordée, soit de façon nébuleuse, en fonction des diverses théories (paradigmes) qui portent sur la teneur de la réalité étudiée, soit de façon strictement instrumentale, par l’utilisation de tests statistiques, sans tenir vraiment compte du contexte historique et social. Dans un certain sens, le «vrai» est plus un besoin humain qu’une notion démontrable. 19. K. Popper (1990), Le réalisme et la science, Paris, Hermann, p. 26. 20. R. Boudon (1995), Le juste et le vrai. Études sur l’objectivité des valeurs et de la connais- sance, Paris, Fayard, p. 520. 21. Voir à ce sujet: E. Carmines et A. Zeller (1979), Reliability and Validity Assessment, Newbury Park, Sage University Paper, no 17. 22. Voir l’élaboration des tests de validité interne des modèles par Pearson, Fisher et Gosset: A. Desrosières (1993), La politique des grands nombres. Histoire de la raison statistique, Paris, La Découverte, p. 352-355. 23. G. Fourez (1992), La construction des sciences, Montréal, De Boeck-ERPI, p. 221. © 2005 – Presses de l’Université du Québec Édifice Le Delta I, 2875, boul. Laurier, bureau 450, Sainte-Foy, Québec G1V 2M2 • Tél.: (418) 657-4399 – www.puq.ca Tiré de: L’analyse multivariée avec SPSS, Jean Stafford et Paul Bodson, ISBN 2-7605-1392-0 • D1392N Tous droits de reproduction, de traduction et d’adaptation réservés
显示前 20 页。下载资料查看完整内容。
暂无评论。快来抢沙发吧！
评论 (0)
暂无评论。快来抢沙发吧！