Types de variables et codage

Dans la leçon précédente, tu as appris qu'une variable est une colonne de ton tableau. Mais toutes les colonnes ne se ressemblent pas. Le prénom d'un étudiant, son niveau de satisfaction, son nombre de frères et sœurs et son temps de trajet ne se traitent pas de la même façon. Le type de la variable décide des calculs que tu as le droit de faire. Tu vas donc apprendre à reconnaître ces types, à coder les réponses dans un fichier et à gérer les réponses manquantes. Ce sont des gestes simples, mais une erreur ici fausse tout le reste de l'analyse.

Une variable qualitative prend des valeurs qui sont des catégories et non des nombres. Quand ces catégories n'ont pas d'ordre naturel, on dit qu'elle est nominale. La ville de résidence est nominale : Abidjan ne vient ni avant ni après Kinshasa. La filière d'études aussi, ou le moyen de transport pour venir en cours : bus, gbaka, woro-woro, à pied. Avec une variable nominale, tu peux compter combien d'individus sont dans chaque catégorie et calculer des pourcentages. Tu ne peux ni additionner les valeurs, ni les classer, ni calculer une moyenne. Cela n'aurait aucun sens.

Certaines variables qualitatives ont un ordre naturel. On dit alors qu'elles sont ordinales. Le niveau de satisfaction en est l'exemple le plus courant : pas du tout satisfait, peu satisfait, assez satisfait, très satisfait. Le niveau d'études aussi. Tu peux classer ces réponses et dire qu'une personne est plus satisfaite qu'une autre. En revanche, tu ne sais pas si l'écart entre peu et assez est le même qu'entre assez et très. C'est pour cela qu'il faut rester prudent avec les moyennes de satisfaction que l'on voit dans beaucoup de rapports. La médiane et les pourcentages par catégorie sont plus honnêtes.

Une variable quantitative prend des valeurs numériques qui mesurent ou comptent quelque chose. Elle est discrète quand ses valeurs sont isolées, le plus souvent des entiers : le nombre d'enfants d'un ménage, le nombre de pièces d'un logement. Elle est continue quand elle peut prendre n'importe quelle valeur dans un intervalle : un temps de trajet, une taille, une surface. Dans la pratique, on traite aussi comme continues des variables comme le salaire ou le loyer, qui ont tellement de valeurs possibles qu'on les regroupe en classes. Avec une variable quantitative, la moyenne et l'écart type ont un sens.

Pour saisir vite et sans faute d'orthographe, on remplace souvent les catégories par des codes. Par exemple : 1 pour bus, 2 pour gbaka, 3 pour woro-woro, 4 pour à pied. C'est pratique, mais dangereux. Le tableur voit des nombres et te laisse calculer une moyenne. Si tu obtiens 2,1, cela ne veut absolument pas dire que les étudiants prennent en moyenne le gbaka. Le chiffre 2 n'est qu'une étiquette. Pour une variable ordinale, choisis des codes qui respectent l'ordre, de 1 pour pas du tout satisfait à 4 pour très satisfait. Et note toujours la correspondance quelque part.

Dans toute enquête, certaines personnes ne répondent pas à toutes les questions. Le fichier contient alors une cellule vide, ou un code réservé comme 99 ou 999, qui veut dire ne sait pas ou refus. C'est un code, pas une valeur. Si tu le laisses dans une colonne d'âges et que tu calcules une moyenne, tu fabriques des chefs de ménage de cent ans. La bonne pratique : exclure ces codes du calcul, et dire combien de réponses manquent. Par exemple : âge moyen de 45 ans, calculé sur 363 ménages, 37 n'ayant pas répondu. Le lecteur sait alors sur quoi repose ton chiffre.

Le dictionnaire des variables est un petit tableau qui accompagne ton fichier. Pour chaque colonne, il donne un nom court sans espace, comme transp, un libellé complet, comme moyen de transport principal pour venir en cours, le type de variable, l'unité si c'est une quantité, la liste des codes, et le code des valeurs manquantes. Ajoute la source et la date de collecte. Ce document paraît fastidieux, mais il sauve des analyses. Six mois plus tard, toi ou un collègue saurez encore que 3 veut dire woro-woro et que 999 veut dire ne sait pas. Sans lui, le fichier devient vite inutilisable.

Retiens les quatre types : qualitative nominale, qualitative ordinale, quantitative discrète et quantitative continue. Avant chaque calcul, demande-toi si le type de la variable l'autorise. Une moyenne sur une variable nominale n'a pas de sens, même si le tableur te donne un résultat. Les codes sont des étiquettes, et les valeurs manquantes se signalent et se comptent, elles ne se glissent pas dans les calculs. Enfin, chaque fichier mérite son dictionnaire des variables. Dans la prochaine leçon, tu vas utiliser tout cela pour construire ton premier tableau de distribution, avec des effectifs et des fréquences.