Préparation des données dans SPSS

Capsule vidéo

01Objectifs

02Explication théorique

La structure d'une base SPSS

Une base de données d'enquête obéit à une règle simple : une ligne par répondant, une colonne par variable. SPSS présente deux vues. La Vue des données contient les valeurs ; la Vue des variables en décrit les propriétés : nom, type, étiquette, valeurs codées, valeurs manquantes déclarées et niveau de mesure.

Le niveau de mesure conditionne les analyses possibles :

• Nominale : catégories sans ordre (sexe, secteur). On calcule des effectifs et des pourcentages.
• Ordinale : catégories ordonnées (tranche d'âge, niveau hiérarchique, item de Likert isolé). On peut calculer une médiane.
• Échelle (intervalle ou rapport) : valeurs numériques continues (ancienneté, score moyen d'un construit). Moyenne, écart type et tests paramétriques deviennent possibles.

Les valeurs manquantes

Rubin (1976) distingue trois mécanismes :

• MCAR (missing completely at random) : l'absence ne dépend de rien, par exemple une page oubliée à l'impression. C'est le cas le plus favorable.
• MAR (missing at random) : l'absence dépend d'autres variables observées, par exemple les cadres supérieurs répondent moins aux questions sur leur supérieur.
• MNAR (missing not at random) : l'absence dépend de la valeur manquante elle-même, par exemple les employés insatisfaits ne répondent pas aux questions de satisfaction. C'est le cas le plus problématique.

La stratégie dépend de l'ampleur du problème. Hair et al. (2019) recommandent d'écarter les questionnaires dont plus de la moitié des réponses manquent. Pour les manques isolés, Tabachnick et Fidell (2019) considèrent qu'en dessous de 5 % par variable avec un mécanisme aléatoire, le choix de la méthode a peu d'influence sur les résultats.

Items inversés et calcul des scores

Pour un item inversé mesuré de 1 à \(k\), la valeur recodée vaut :

Le score d'un construit est ensuite la moyenne de ses items. La moyenne est préférable à la somme parce qu'elle reste sur l'échelle de 1 à 5, donc directement interprétable : un score de 3,8 se lit « plutôt d'accord ».

Valeurs aberrantes

Une valeur aberrante univariée s'écarte fortement de la distribution d'une variable. Tabachnick et Fidell (2019) retiennent un score z supérieur à 3,29 en valeur absolue (p < 0,001, test bilatéral) :

Une valeur aberrante multivariée présente une combinaison inhabituelle de valeurs, par exemple une satisfaction très élevée avec un leadership très faible. On la détecte avec la distance de Mahalanobis \(D^2\), comparée à la loi du khi-deux avec autant de degrés de liberté que de variables, au seuil p < 0,001.

03Conditions et vérifications préalables

• Chaque variable a un nom court, sans espace ni accent, et une étiquette complète.
• Les codes des variables qualitatives sont documentés dans la colonne Valeurs.
• Les valeurs hors échelle (0, 6, 44…) ont été recherchées avec les minimums et maximums.
• Le pourcentage de valeurs manquantes est calculé par répondant et par item.
• Les items inversés sont identifiés à partir du questionnaire, jamais à partir des données.
• Une copie de la base brute est conservée intacte ; toutes les transformations se font sur une copie.

04Procédure pas à pas dans SPSS

Étape 1 — Importer et paramétrer

1. Fichier › Importer des données › Données CSV, sélectionnez etude_fil_rouge_brute.csv. Réglez le séparateur sur « Point-virgule » et le symbole décimal sur « Point ».
2. Dans la Vue des variables, saisissez les étiquettes (colonne Étiquette) et les codes (colonne Valeurs, par exemple 1 = « Homme », 2 = « Femme »).
3. Réglez la colonne Mesure : Nominale pour Sexe et Secteur, Ordinale pour Age et Poste, Échelle pour Anciennete et les items.
4. Enregistrez au format SPSS : Fichier › Enregistrer sous (.sav).

Étape 2 — Repérer les erreurs de saisie

1. Analyse › Statistiques descriptives › Descriptives, placez les 19 items dans la liste, cliquez sur OK.
2. Repérez tout maximum supérieur à 5 ou minimum inférieur à 1. Dans le cas fil rouge, QAI3 présente un maximum de 44.
3. Retrouvez la ligne : Données › Trier les observations par QAI3 décroissant, ou Édition › Rechercher. Il s'agit du questionnaire n° 142 ; le questionnaire papier indique 4 (double frappe). Corrigez la valeur.

Étape 3 — Diagnostiquer les valeurs manquantes

1. Transformer › Calculer la variable. Variable destination : NB_MANQ ; expression : NMISS(QAI1 TO PERF5).
2. Triez par NB_MANQ décroissant. Les questionnaires 27, 125 et 200 ont 14 réponses manquantes sur 19 (73,7 %) : ils sont abandonnés en cours de route. Supprimez-les (sélection des lignes puis touche Suppr).
3. Pour les manques isolés, Analyse › Statistiques descriptives › Fréquences sur les items : 8 items présentent une seule valeur manquante (0,5 %).

Étape 4 — Repérer les réponses en ligne droite

1. Transformer › Calculer la variable : ET_REP = SD(QAI1 TO PERF5), l'écart type des réponses de chaque répondant.
2. Un écart type nul signifie que la même réponse a été donnée partout. Les questionnaires 33 (tout à 5) et 49 (tout à 4) répondent « d'accord » à la fois à LEAD1 et à son contraire LEAD5 : leurs réponses sont incohérentes. Supprimez-les.

Étape 5 — Remplacer les valeurs manquantes isolées

1. Transformer › Remplacer les valeurs manquantes.
2. Faites glisser les 8 items concernés dans Nouvelles variables, méthode : Moyenne de la série. SPSS crée des variables suffixées _1 (QAI2_1…). Une fois la vérification faite, remplacez les variables d'origine par ces versions complétées.

Étape 6 — Recoder l'item inversé

1. Transformer › Recoder dans des variables différentes.
2. Variable d'entrée : LEAD5 ; variable de sortie : LEAD5_R (étiquette « LEAD5 recodé »), cliquez sur Modifier.
3. Anciennes et nouvelles valeurs : 1 → 5, 2 → 4, 3 → 3, 4 → 2, 5 → 1. Poursuivre puis OK.

Recodez toujours dans une nouvelle variable : vous gardez la trace de la réponse d'origine et vous évitez de recoder deux fois par erreur.

Étape 7 — Calculer les scores

1. Transformer › Calculer la variable. Destination : LEAD ; expression : MEAN(LEAD1, LEAD2, LEAD3, LEAD4, LEAD5_R).
2. Répétez pour SAT et PERF. Pour QAI, attendez la décision du module 3 sur QAI4 : le score final sera MEAN(QAI1, QAI2, QAI3, QAI5).

Étape 8 — Valeurs aberrantes

1. Univariées : Analyse › Statistiques descriptives › Descriptives, cochez Enregistrer les valeurs standardisées dans des variables. SPSS crée ZQAI, ZLEAD, ZSAT et ZPERF ; recherchez les valeurs supérieures à 3,29 en valeur absolue.
2. Multivariées : Analyse › Régression › Linéaire, variable dépendante : ID, variables indépendantes : les 4 scores. Bouton Enregistrer : cochez Mahalanobis. La régression elle-même n'a pas de sens ici ; seule la variable MAH_1 créée nous intéresse.
3. Transformer › Calculer la variable : P_MAH = 1 - CDF.CHISQ(MAH_1, 4). Un cas avec P_MAH < .001 est multivarié aberrant.

Étape 9 — Statistiques descriptives

1. Analyse › Statistiques descriptives › Fréquences pour Sexe, Age, Secteur, Poste.
2. Analyse › Statistiques descriptives › Descriptives pour les items et les scores ; dans Options, cochez Moyenne, Écart type, Minimum, Maximum, Asymétrie et Kurtosis.

Équivalent en syntaxe

Le bouton Coller de chaque boîte de dialogue écrit la syntaxe correspondante. Conserver ce fichier .sps rend votre travail reproductible, ce qu'un jury apprécie.

* Correction de l'erreur de saisie (questionnaire 142).
IF (ID = 142) QAI3 = 4.
* Suppression des questionnaires abandonnés et des réponses en ligne droite.
COMPUTE NB_MANQ = NMISS(QAI1 TO PERF5).
COMPUTE ET_REP = SD(QAI1 TO PERF5).
SELECT IF (NB_MANQ <= 9 AND ET_REP > 0).
EXECUTE.
* Remplacement des manques isolés par la moyenne de la série.
RMV /QAI2_1=SMEAN(QAI2) /QAI5_1=SMEAN(QAI5) /LEAD1_1=SMEAN(LEAD1) /LEAD3_1=SMEAN(LEAD3)
    /SAT2_1=SMEAN(SAT2) /SAT4_1=SMEAN(SAT4) /PERF2_1=SMEAN(PERF2) /PERF4_1=SMEAN(PERF4).
* Recodage de l'item inversé et calcul des scores.
RECODE LEAD5 (1=5) (2=4) (3=3) (4=2) (5=1) INTO LEAD5_R.
COMPUTE QAI  = MEAN(QAI1, QAI2, QAI3, QAI5).
COMPUTE LEAD = MEAN(LEAD1, LEAD2, LEAD3, LEAD4, LEAD5_R).
COMPUTE SAT  = MEAN(SAT1 TO SAT4).
COMPUTE PERF = MEAN(PERF1 TO PERF5).
EXECUTE.
DESCRIPTIVES VARIABLES=QAI LEAD SAT PERF /SAVE
  /STATISTICS=MEAN STDDEV MIN MAX SKEWNESS KURTOSIS.

05Interpréter les sorties

Bilan du nettoyage

Profil de l'échantillon

Lecture. La colonne Pourcentage valide exclut les valeurs manquantes ; comme il n'y en a plus, elle est égale à la colonne Pourcentage. Les hommes représentent 52 % de l'échantillon. Les services (31 %) et l'administration publique (27 %) sont les secteurs les plus représentés ; aucun secteur ne compte moins de 40 répondants, ce qui permettra de les comparer au module 6.

Statistiques descriptives des items

Lecture. Tous les items couvrent l'étendue complète de l'échelle (1 à 5) : il n'y a plus de valeur hors échelle. Les moyennes se situent entre 3,13 et 3,54, légèrement au-dessus du point neutre. Les écarts types proches de 1 montrent que les répondants utilisent bien l'ensemble de l'échelle. Observez LEAD5 (moyenne 2,68) et LEAD5_R (3,32) : leur somme vaut exactement 6, ce qui confirme le recodage.

Statistiques descriptives des scores

Valeurs aberrantes

Les scores z extrêmes vont de −2,66 (LEAD) à 2,02 (PERF) : aucun ne dépasse 3,29. La distance de Mahalanobis maximale vaut 15,73, inférieure à la valeur critique \(\chi^2_{0{,}001}(4) = 18{,}47\). Aucune observation n'est aberrante. Notez que sans la correction de l'étape 2, la valeur 44 de QAI3 aurait produit un score z de 13,1 : une valeur aberrante évidente.

06Seuils de référence

07Erreurs fréquentes

08Exemple de rédaction pour le mémoire

09Cas pratique

10Quiz du module