Fiche de révision : Introduction aux méthodes statistiques sociales

📋 Plan du Cours

1. Statistique comme construction sociale
2. Approches qualitative et quantitative
3. Problématisation et effets de surprise
4. Échantillon représentatif et population de référence
5. Échantillonnage aléatoire et quotas
6. Marge d’erreur et intervalle de confiance
7. Biais de sondage et non-réponses
8. Redressement et pondération

📖 1. Statistique comme construction sociale

🔑 Notions clés & Définitions

• Statistique : La statistique est un résultat chiffré produit pour répondre à un objectif, en traduisant des phénomènes sociaux dans des catégories mesurables.
• Quantifier : Quantifier consiste à transformer des descriptions en mots en valeurs numériques, ce qui fait exister le phénomène sous une forme comptable.
• Chiffre : Le chiffre est une donnée numérique construite à partir de choix de mesure, donc liée aux conditions qui l’ont produite plutôt qu’à une neutralité totale.
• Statistiques démographiques : Les statistiques démographiques décrivent la taille et l’évolution des populations, en rendant ces dynamiques visibles par des indicateurs.
• JRAHUNET : JRAHUNET désigne une approche d’étude des croyances, illustrant que l’on cherche à mesurer des éléments sociaux au moyen de traces et de registres.

📝 Points essentiels

• Les statistiques ne sont pas des enregistrements neutres : elles répondent toujours à une demande ou à une commande, ce qui oriente ce qui est compté.
• La statistique traduit un phénomène social selon des choix de définition et de découpage, donc la donnée dépend de la question posée.
• En démographie, les indicateurs rendent visible la taille et l’évolution des populations plutôt que l’observation directe d’individus.
• Durkheim mobilise des statistiques sur le suicide pour montrer que la régularité des taux varie avec des facteurs sociaux comme le genre et l’appartenance religieuse.
• La statistique “flirte” avec les phénomènes sociaux : en les quantifiant, elle participe à les construire comme objets mesurables.

📖 2. Approches qualitative et quantitative

🔑 Notions clés & Définitions

• Qualitative : Approche de recherche fondée sur des données verbales ou observées pour comprendre une réalité dans sa singularité et ses logiques internes.
• Entretien semi-directif : Technique qualitative guidée par un cadre de thèmes, avec des relances qui laissent à l’enquêté une part d’initiative.
• Quantitative : Approche de recherche basée sur des données chiffrées pour tester des relations et produire des régularités plus générales.
• Hypotético-déductive : Démarche quantitative où l’on formule des hypothèses puis on vérifie par les données si elles prédisent ce qu’on observe.

📝 Points essentiels

• L’entretien qualitatif peut être semi-directif ou non directif, et sert à explorer motivations, idéologies ou façons de se mobiliser avant de structurer des réponses.
• L’approche qualitative vise surtout à décrire finement une réalité singulière, tandis que l’approche quantitative cherche des lois ou régularités plus générales.
• L’approche quantitative est présentée comme hypotético-déductive, en partant d’hypothèses pour confronter des données chiffrées à des prédictions.
• Dans l’étude du vote, on commence avec environ 30 enquêtés sur 50 000 via des entretiens exploratoires pour identifier motivations et idéologies.
• Toujours dans l’exemple du vote, un questionnaire passe d’environ 30 à 3000 individus sélectionnés par profils, puis les résultats sont traités par régression pour obtenir des règles générales.
• Dans l’emboîtement, on sélectionne aussi 30 entretiens “typiques” puis on relance de nouveaux entretiens pour revenir au quanti et préciser les éléments repérés.

💡 Astuce mémo

Quali = comprendre en profondeur (explorer avec peu), Quanti = généraliser (tester avec beaucoup).

📖 3. Problématisation et effets de surprise

🔑 Notions clés & Définitions

• Problématisation : Démarche qui transforme une évidence en énigme en identifiant des tensions et en cherchant des explications appuyées par des données.
• Effet de surprise : Tension entre une croyance ordinaire et des régularités observées, qui oblige à formuler une question explicative plus précise.
• Mise à l’intrigue : Technique consistant à repérer une tension non évidente dans une situation afin de la faire éclairer par un recueil de données.

📝 Points essentiels

• Une problématisation efficace s’appuie sur une croyance partagée, en tire des conséquences prédictives, puis cherche des données qui contredisent ces prédictions jusqu’à rendre l’explication nécessaire.
• Une question descriptive seule décrit un état, tandis qu’une problématisation cherche les mécanismes qui rendent ce fait possible à partir de données.
• Exemple du suicide : si l’on le réduit à un acte individuel, le taux devrait varier sans régularité, or il est relativement stable, ce qui crée une énigme à expliquer.
• Exemple des maisons : si l’on s’attend à des fenêtres rectangulaires, la présence de fenêtres rondes (4%) dans une série de bâtiments rend nécessaire une enquête pour comprendre la 25e maison.

💡 Astuce mémo

Croyance → prédiction → contradiction → « comment c’est possible ? » : l’enquête commence quand le réel dément l’évidence.

📖 4. Échantillon représentatif et population de référence

🔑 Notions clés & Définitions

• Population de référence : La population de référence est l’ensemble réel que l’on vise pour généraliser les résultats d’un sondage.
• Échantillon représentatif : Un échantillon représentatif est un sous-ensemble d’enquêtés dont la structure ressemble à celle de la population de référence sur des critères clés.
• Variables de calage : Les variables de calage sont les caractéristiques retenues pour comparer la structure de l’échantillon à celle de la population de référence.

📝 Points essentiels

• Un sondage cherche à estimer l’opinion de l’ensemble de la population à partir d’un échantillon, c’est donc la correspondance à la population de référence qui fonde la représentativité.
• L’échantillon doit reproduire les critères structurants choisis (exemples cités : sexe, âge, PCS, lieu d’habitation) pour que la comparaison soit possible.
• Omettre un critère pertinent (exemple : niveau de diplôme) peut créer des catégories sous-représentées ou sur-représentées dans l’échantillon.
• Ne pas croiser les variables augmente le risque de mauvaise répartition (par exemple répartition hommes-femmes correcte globalement mais différente selon les tranches d’âge).

💡 Astuce mémo

Population de référence = la cible ; échantillon représentatif = la “photo” qui doit retrouver la même structure sur des critères clés.

📖 5. Échantillonnage aléatoire et quotas

🔑 Notions clés & Définitions

• Échantillonnage par quotas : Approche non probabiliste où les enquêteurs sélectionnent des personnes pour reproduire, dans l’échantillon, certaines proportions observées dans la population de référence.
• Échantillonnage aléatoire : Approche probabiliste où les personnes sont tirées au hasard, avec une même probabilité d’être incluses, pour construire une représentativité fondée sur le hasard.
• Interchangeabilité des enquêtés : Principe selon lequel on considère que des individus peuvent être échangés tant qu’ils appartiennent aux mêmes catégories retenues pour construire les quotas.

📝 Points essentiels

• Le sondage cherche un échantillon qui reflète la population de référence à travers des critères comme âge, sexe, PCS et lieu de résidence.
• En quotas, les enquêteurs sélectionnent volontairement pour respecter les proportions (ex. hommes et femmes) et visent une « population miniature » représentative.
• En échantillonnage aléatoire, chaque individu a la même chance d’être sélectionné, donc les critères discriminants ne sont pas fixés au moment du tirage.
• À taille d’échantillon égale, la qualité reste limitée par l’aléatoire : la marge d’erreur est liée au fait que l’échantillon n’est jamais le reflet exact de la population.
• Le recours à des remplacements lors d’un non-disponible casse l’aléa, et l’usage de panels auto-sélectionnés empêche d’appliquer les marges d’erreur basées sur un tirage aléatoire.
• En quotas comme en aléatoire, la représentativité dépend des variables choisies, et ne pas croiser certaines variables augmente le risque de déséquilibre entre sous-groupes.

💡 Astuce mémo

Quotas = « je remplis les parts » ; Aléatoire = « je tire au hasard ».

📖 6. Marge d’erreur et intervalle de confiance

🔑 Notions clés & Définitions

• Marge d’erreur : La marge d’erreur est une incertitude due au tirage aléatoire, qui reflète la différence possible entre l’estimation d’un sondage et la valeur réelle de la population.
• Intervalle de confiance : L’intervalle de confiance est la plage de valeurs dans laquelle on estime que se situe le paramètre réel avec un certain niveau de confiance pour un sondage aléatoire.

📝 Points essentiels

• La marge d’erreur n’est pas une garantie de retrouver exactement les mêmes caractéristiques, car l’échantillon varie même avec la méthode aléatoire.
• La marge d’erreur s’utilise surtout quand l’échantillonnage est aléatoire, car c’est l’aléa qui rend l’erreur inévitable.
• Pour un niveau de confiance supérieur à 95%, il existe un risque de 5% que le résultat se trouve en dehors de l’intervalle présenté.
• À taille d’échantillon constante, une proportion proche de 50% entraîne une marge d’erreur plus grande qu’une proportion très éloignée de 50%.
• Avec environ 1000 personnes et une estimation à 40%, on attend typiquement un intervalle 37% à 43% (≈ 3 points de marge).
• Quand le sondage utilise des panels auto-sélectionnés ou un remplacement qui casse l’aléatoire, la marge d’erreur basée sur le hasard devient non applicable.

💡 Astuce mémo

95% ↔ 5% dehors ; près de 50% ⇒ marge plus grande (ex : 40% → 37-43 avec ~1000).

📖 7. Biais de sondage et non-réponses

🔑 Notions clés & Définitions

• Non-réponses totales : État où des personnes ne participent pas à l’enquête, ce qui peut distordre les résultats si ces absences ne sont pas aléatoires.
• Biais de sélection : Déformation des estimations due au fait que les répondants diffèrent de la population de référence, par exemple à cause des non-réponses.
• Auto-administration du questionnaire : Modalité où le répondant remplit seul le questionnaire, pouvant modifier qui accepte de répondre et donc créer des distorsions.
• Pondération par redressement : Procédure qui compense les écarts de structure entre répondants et population de référence à partir de coefficients adaptés.

📝 Points essentiels

• Les défauts d’un sondage peuvent venir des non-réponses totales, liées par exemple à l’auto-administration du questionnaire ou à la non-disponibilité.
• Les non-réponses peuvent être associées aux caractéristiques socio-démographiques, ce qui oblige à viser des réponses cohérentes avec le sujet étudié.
• Des ménages de zone urbaine peuvent refuser plus que des ménages de zone rurale, ce qui crée un biais de sélection si non corrigé.
• Le redressement par pondération n’a de sens, dans la logique du cours, que si l’échantillonnage est aléatoire, car il compense des biais induits par les non-réponses.
• La méthode par quotas, très utilisée en France, rompt la dimension aléatoire et rend plus délicate la fiabilité des opérations de redressement.
• Le principe d’interchangeabilité en quotas ne garantit pas à lui seul la fiabilité du redressement lorsque d’autres critères ne sont pas maîtrisés.

💡 Astuce mémo

Non-réponse ≈ répondants “pas au même profil” ⇒ redresser seulement si tirage aléatoire.

📖 8. Redressement et pondération

🔑 Notions clés & Définitions

• Redressement d’enquête : Le redressement d’enquête est une méthode qui ajuste les effectifs observés pour mieux refléter une structure de population cible.
• Pondération par poids : La pondération par poids consiste à multiplier chaque observation d’une catégorie par un coefficient pour corriger sa sur- ou sous-représentation.
• Poids de redressement : Le poids de redressement est un coefficient propre à une catégorie, calculé à partir du contraste entre pourcentage souhaité et pourcentage obtenu.
• Traitement des valeurs manquantes : Le traitement des valeurs manquantes regroupe les opérations qui corrigent le fait que certains répondants n’ont pas répondu à une question.

📝 Points essentiels

• Le redressement s’obtient en multipliant les effectifs de chaque catégorie par son coefficient (poids) de redressement pour recalculer des effectifs redressés.
• Exemple « sphinx » : femme poids 0,8360 car 51% souhaité pour 61% obtenu, donc 104×0,8360=86,94 et 57×0,8360 non applicable ici (le calcul montré porte sur les effectifs de la modalité).
• Exemple « sphinx » : homme poids 1,2564 car 49% souhaité pour 39% obtenu, donc 57×1,2564=71,61 et la somme redressée « oui » femme+homme vaut 86,94+71,61=158,59 (≈68,9%).
• Exemple « non » : femme 33×0,8360=27,59 et homme 69×1,2564=41,46 donnent 27,59+41,46=71,05 (≈31,1%) dans le calcul présenté.
• Pour redresser correctement, le cours indique de traiter à la fois les valeurs manquantes et les réponses aux questions (y compris quand des catégories sont absentes).

📅 Repères chronologiques

📊 Tableaux de synthèse

Qualitative vs quantitative (logique de recherche)

Corrélation vs causalité

⚠️ Pièges & confusions fréquents

1. Confondre quantifier et mesurer : quantifier transforme des mots en valeurs numériques, tandis que la donnée reste liée aux choix de définition/mesure.
2. Croire que des statistiques sont neutres : elles répondent toujours à un objectif/une commande et dépendent du découpage des catégories.
3. Mélanger non-réponse et biais : la non-réponse totale peut produire un biais de sélection si elle n’est pas aléatoire.
4. Penser que la marge d’erreur vaut toujours : elle est liée à l’échantillonnage aléatoire, et devient non applicable avec remplacements ou panels auto-sélectionnés.
5. Utiliser le redressement sans lien avec l’aléatoire : le cours indique que le redressement/pondération ne “compense” valablement que dans la logique d’un tirage aléatoire.
6. Interpréter une corrélation comme une causalité : sans contrôle de variables tierces, une troisième variable peut expliquer l’association.
7. Ne pas distinguer part vs taux : la part est la proportion de chômeurs dans l’ensemble, le taux est le % de chômeurs dans la population active (dénominateur différent).

✅ Checklist Examen

1. Identifier en quoi la statistique répond à un objectif et dépend des choix de définition/découpage, donc n’est pas un enregistrement neutre.
2. Donner les définitions et finalités : quantifier (faire exister en valeurs numériques) et statistique démographique (taille/évolution des populations).
3. Distinguer qualitative et quantitative à partir de leurs données, objectifs (singularité vs généralisation) et démarche (exploratoire/constructivisme vs hypotético-déductive).
4. Reconstituer le schéma de problématisation : croyance partagée → prédictions → éléments empiriques qui contredisent → question « comment c’est possible ? ».
5. Expliquer l’intérêt d’un entretien exploratoire et ce qu’on en fait : passer ensuite (emboîtement) à des questions fermées puis revenir au quanti avec des entretiens “typiques”.
6. Savoir définir population de référence, échantillon représentatif et variables de calage, et expliquer pourquoi omettre un critère (ex. diplôme) crée sous/sur-représentations.
7. Choisir entre quotas et aléatoire : expliquer leurs principes (non probabiliste vs probabiliste), le rôle de l’interchangeabilité en quotas, et le fait que l’aléatoire fonde la marge d’erreur.
8. Calculer/justifier une marge d’erreur et un intervalle de confiance à partir du cas présenté : 95% ↔ 5% dehors, plus proche de 50% plus grande marge, panels/remplacements rendent la marge non applicable.
9. Expliquer redressement/pondération : calculer un coefficient multiplicateur (proportion souhaitée/proportion obtenue), appliquer aux effectifs, et préciser qu’il faut traiter à la fois valeurs manquantes et réponses.
10. Lire/différencier une part et un taux (numérateur/dénominateur, valeur absolue vs relative) et relier ces choix aux questions posées (pertinence, validité, limites).
11. Reconnaître corrélation et causalité : définir chacune, distinguer “faire évoluer ensemble” vs “cause → effet (sens, temporalité)”, et nommer le rôle des variables tierces/confusions (paradoxe de Simpson).
12. Repérer les conditions de fiabilité des sondages : échantillon, biais de cadrage/désirabilité/non-réponse, règles de la Commission (notice) et impossibilité d’un échantillon “parfait” même en aléatoire.