Statistiques descriptives avec SAS
Objectifs pédagogiques
- Comprendre et savoir mettre en œuvre les principaux outils de statistique descriptive d’une variable : tableaux, graphiques, indicateurs (tendance centrale, dispersion, forme, concentration).
- Comprendre et savoir mettre en œuvre les principaux outils de statistiques descriptives bivariées : tableaux de contingence, graphiques conditionnels, etc.
Programme détaillé
La formation est consacrée à la présentation et la mise en oeuvre des principaux outils de statistique descriptive.
Statistiques descriptives pour une variable 6h
- Représentation des distributions statistiques sous forme de tableaux et de graphiques (diagrammes en bâtons, en barres, en secteurs, histogrammes)
- Calcul d’indicateurs de position (moyenne, médiane), de dispersion (variance, écart-type) et de forme
- Applications sur cas pratiques
Statistiques descriptives pour deux variables 6h
- Tableau de contingence
- Calcul d’indicateurs de liaison entre variables : statistique du khi-deux, V de Cramer, coefficient de corrélation linéaire, etc.
- Analyses graphiques de la relation entre deux variables : nuages de points, boîtes à moustaches conditionnelles, etc.
- Applications sur cas pratiques
Public visé
Data analysts, chargés d’études statistiques
Prérequis
Connaissances de base du logiciel SAS (formation SAS initiation).
Approche pédagogique
Statistique descriptive avec SAS : quelle procédure pour quel résultat ?
Sous SAS, chaque étape d’une analyse descriptive a sa procédure : on ne cherche pas une fonction, on choisit la PROC qui correspond à la question posée. Quatre procédures de base couvrent l’essentiel du travail, d’une seule variable jusqu’au croisement de deux variables.
Une variable : MEANS, UNIVARIATE et FREQ
PROC MEANS calcule les indicateurs de position et de dispersion, éventuellement par groupe grâce à l’instruction CLASS. PROC UNIVARIATE va plus loin sur une variable quantitative : quantiles détaillés, asymétrie et aplatissement, valeurs extrêmes, histogramme. Pour une variable qualitative, PROC FREQ donne effectifs, pourcentages et pourcentages cumulés.
proc means data=salaires n mean median std q1 q3 skewness kurtosis maxdec=1;
class sexe;
var salaire;
run;
L’aplatissement (kurtosis) affiché par SAS est un excès par rapport à la loi normale : une valeur proche de 0 signale une distribution aussi « pointue » qu’une gaussienne, et non une distribution plate.
Deux variables qualitatives : FREQ et l’option CHISQ
Le tableau de contingence et les indicateurs de liaison sortent de la même procédure. L’option CHISQ ajoute la statistique du khi-deux, le coefficient phi, le coefficient de contingence et le V de Cramér :
proc freq data=salaires;
tables csp*diplome / chisq;
run;
Une particularité à connaître : sur un tableau 2 × 2, le V de Cramér calculé par SAS est égal au coefficient phi et peut donc être négatif, alors qu’il est habituellement présenté comme compris entre 0 et 1. Son signe dépend seulement de l’ordre des modalités et ne mesure pas l’intensité de la liaison.
Deux variables quantitatives, ou mixtes : CORR et SGPLOT
PROC CORR calcule les coefficients de corrélation linéaire, avec leur test. Les graphiques de relation viennent de PROC SGPLOT : nuage de points pour deux variables quantitatives, boîtes à moustaches conditionnelles pour une variable quantitative selon les modalités d’une variable qualitative.
proc sgplot data=salaires;
vbox salaire / category=csp;
run;
Ces procédures constituent le socle des analyses plus avancées : l’analyse exploratoire des données avec SAS étend la démarche à de nombreuses variables à la fois, la régression linéaire et l’analyse de la variance avec SAS passe de la description à la modélisation.
