Cours SPSS

Leçon 1 • Navigation dans l'interface SPSS

Couvre les fenêtres principales, les menus et les barres d'outils dans SPSS. Établit une familiarité spatiale nécessaire pour toutes les opérations ultérieures.

Leçon 2 • Sauvegarde et gestion des fichiers SPSS

Explique les formats de fichiers SPSS et les bonnes pratiques pour l'organisation des fichiers. Une gestion fiable des fichiers soutient la reproductibilité dans tous les projets du cours.

Leçon 3 • Configuration de la vue des variables

Enseigne la définition des variables, y compris le nom, l'étiquette, les valeurs et les codes de valeurs manquantes. Une configuration appropriée garantit un étiquetage précis de la sortie tout au long du cours.

Leçon 4 • Compréhension des types de données et de la mesure

Définit les niveaux de mesure nominal, ordinal et d'échelle, ainsi que leur rôle dans l'analyse. Une classification correcte évite les erreurs dans les procédures statistiques ultérieures.

Leçon 1 • Détection et correction des valeurs aberrantes

Utilise des boîtes à moustaches et des statistiques descriptives pour localiser les valeurs extrêmes. Les décisions concernant les valeurs aberrantes affectent directement la précision des moyennes et des estimations de régression.

Leçon 2 • Fusion et restructuration des ensembles de données

Couvre l'ajout de cas, l'ajout de variables et la transposition entre les formats large et long. La restructuration permet l'analyse de données longitudinales et multi-sources.

Leçon 3 • Tri, sélection et filtrage des cas

Démontre le tri des lignes et l'application de filtres de cas pour l'analyse de sous-groupes. L'analyse sélective est essentielle pour comparer des groupes et valider des hypothèses.

Leçon 4 • Identification et gestion des données manquantes

Couvre la détection des valeurs manquantes et les stratégies pour les gérer. Aborde un problème universel de qualité des données qui affecte tous les types d'analyse.

Leçon 1 • Exploration des distributions avec Explorer

Utilise la procédure Explorer pour produire des diagrammes tige-et-feuilles, des boîtes à moustaches et des tests de normalité. L'évaluation de la normalité informe le choix entre les tests paramétriques et non paramétriques.

Leçon 2 • Tableaux croisés et tableaux de contingence

Construit des tableaux croisés avec des pourcentages en ligne, en colonne et totaux pour les relations catégorielles. Jette les bases du test du chi-deux introduit dans le chapitre suivant.

Leçon 3 • Création de graphiques dans le générateur de graphiques SPSS

Introduit le générateur de graphiques pour les histogrammes, les diagrammes en barres et les nuages de points. Les compétences en visualisation soutiennent à la fois l'exploration et le reporting professionnel.

Leçon 4 • Fréquences et résumés descriptifs

Génère des tableaux de fréquences et des mesures de tendance centrale pour les variables catégorielles et continues. Fournit le résumé de base dont tout rapport d'analyse a besoin.

Leçon 1 • Alternatives non paramétriques

Introduit les tests de Mann-Whitney, Wilcoxon et Kruskal-Wallis pour les données non normales. Fournit des options valides lorsque les hypothèses paramétriques ne peuvent pas être respectées.

Leçon 2 • Tests du chi-deux pour les données catégorielles

Applique les tests d'indépendance et d'ajustement du chi-deux aux variables catégorielles. Fait le lien avec les compétences en tableaux croisés développées dans le chapitre précédent.

Leçon 3 • ANOVA univariée et tests post hoc

Compare les moyennes de trois groupes ou plus à l'aide de l'ANOVA univariée avec des comparaisons post hoc. Étend la logique du test t aux conceptions à plusieurs groupes sans gonfler les taux d'erreur.

Leçon 4 • Tests t pour échantillons indépendants et appariés

Exécute des tests t pour les comparaisons de moyennes à deux groupes avec des échantillons indépendants et appariés. Couvre le test de Levene pour l'égalité des variances comme vérification d'hypothèse requise.

Leçon 1 • Nuages de points et relations linéaires

Utilise des nuages de points avec des lignes d'ajustement pour évaluer visuellement la linéarité avant la régression. L'inspection visuelle est la première vérification d'hypothèse pour l'analyse de régression.

Leçon 2 • Exécution de la régression linéaire simple

Exécute la régression linéaire simple et interprète les coefficients, le R-carré et le test de Fisher. Établit le flux de travail de régression utilisé dans le chapitre sur la régression multiple.

Leçon 3 • Vérification des hypothèses de la régression

Examine les graphiques des résidus, la normalité des erreurs et l'homoscédasticité pour la régression simple. Les violations d'hypothèses identifiées ici guident les stratégies de remédiation dans les chapitres avancés.

Leçon 1 • Méthodes de sélection de variables

Compare les méthodes de sélection Entrer, Pas à pas, Avant et Arrière et leurs compromis. Le choix de la méthode affecte la parcimonie et la généralisabilité du modèle.

Leçon 2 • Construction de modèles de régression multiple

Ajoute plusieurs prédicteurs au cadre de la régression et interprète les coefficients partiels. La compréhension des effets partiels est essentielle pour contrôler les facteurs de confusion.

Leçon 3 • Codage muet des prédicteurs catégoriels

Crée des variables muettes pour inclure des prédicteurs nominaux dans les modèles de régression. Un codage approprié permet d'estimer et d'interpréter les effets des groupes catégoriels.

Leçon 4 • Diagnostics de régression et cas influents

Identifie les observations influentes à l'aide des statistiques D de Cook, levier et DFBêta. La suppression ou l'ajustement des cas influents améliore la stabilité et la validité du modèle.

Leçon 1 • ANOVA mixte : facteurs inter-sujets et intra-sujets

Combine des facteurs inter-sujets et intra-sujets dans un seul modèle. Les plans mixtes sont courants dans la recherche longitudinale et expérimentale.

Leçon 2 • ANOVA univariée à mesures répétées

Analyse les plans intra-sujets où les mêmes participants sont mesurés plusieurs fois. Le test et la correction de la sphéricité sont des exigences uniques des plans à mesures répétées.

Leçon 3 • ANOVA factorielle à deux facteurs

Teste simultanément les effets principaux et les interactions de deux facteurs indépendants. L'interprétation de l'interaction est la compétence clé qui distingue l'ANOVA factorielle de l'ANOVA univariée.

Leçon 4 • MANOVA : variables dépendantes multiples

Étend l'ANOVA pour tester simultanément les différences de groupes sur plusieurs résultats. La MANOVA contrôle l'erreur familiale lorsque plusieurs variables dépendantes sont théoriquement liées.

Leçon 1 • Régression logistique binaire

Modélise la probabilité d'un résultat binaire à l'aide de la régression logistique avec des rapports de cotes. Étend les compétences en régression aux variables dépendantes catégorielles courantes dans la recherche appliquée.

Leçon 2 • Analyse factorielle exploratoire

Réduit un grand ensemble de variables à des facteurs sous-jacents à l'aide de méthodes de composantes principales et de facteurs communs. L'analyse factorielle est fondamentale pour le développement et la validation d'échelles.

Leçon 3 • Analyse de fiabilité avec l'alpha de Cronbach

Évalue la cohérence interne des échelles multi-items à l'aide de l'alpha de Cronbach et des statistiques d'items. Une preuve de fiabilité est requise avant que les scores d'échelle ne soient utilisés dans une analyse ultérieure.

Leçon 4 • Utilisation de la syntaxe SPSS pour la reproductibilité

Écrit et exécute la syntaxe SPSS pour automatiser et documenter les flux de travail analytiques. L'analyse basée sur la syntaxe garantit la reproductibilité et l'efficacité pour les projets volumineux ou répétés.