B/ Le tri à plat
Le tri à plat consiste à connaitre la
distribution des répondants pour chaque modalité de variable, en
indiquant le pourcentage des répondants correspondants à cette
variable (fréquence relative). Il permet de classer les individus dans
des groupes en fonction des modalités définies au
préalable. Il nous permettra d'analyser de manière descriptive
notre échantillon. Particulièrement dans SPSS, le tri à
plat permet d'attester de l'enregistrement correct des données dans le
dictionnaire des variables. Ceci permettra de corriger les éventuelles
erreurs qui se sont glissées dans l'introduction des données.
79
Impact de l'externalisation logistique sur le couple
coût-délai dans les entreprises camerounaises
C/ Le tri croisé
Le tri croisé constitue une analyse descriptive ou
explicative des relations entre deux variables prises en compte
simultanément, il s'agit de croiser deux variables de façon
à générer un tableau à double entrée
appelé « tableau de contingence ». Ce tableau nous donnera un
aperçu des modalités de réponse à une question par
rapport à une autre.
D/ L'Analyse en Composantes Principales (ACP)
L'ACP est l'une des méthodes d'analyse factorielle qui
vise à permettre une représentation plus accessible de la
structure des données en ne retenant que l'essentiel de l'information.
Le but de cette analyse est de résumer le maximum d'informations
possibles, en en perdant le moins possible pour faciliter
l'interprétation d'un grand nombre de données initiales et donner
plus de sens aux données réduites.
E/ La régression linéaire
Il s'agit d'une analyse explicative. La régression peut
être simple ou multiple. Elle est simple lorsqu'une seule variable
explicative est en relation avec la variable expliquée. Par contre, elle
est multiple lorsque plus d'une variable explicative doivent être
indépendantes, c'est-à-dire non corrélées entre
elles.
Le modèle de la régression linéaire multiple
se présente ainsi qu'il suit :
Y= a0+ a1X1+ a2X2+ ...+ apXP
Avec :
Y : la variable à expliquer
X1...Xp : qui correspond à P variables
explicatives
Y=f(X1,..., XP) qui correspond à la
relation fonctionnelle
a0 qui représente la constante du
modèle
ap qui est le coefficient explicatif de chacune
des variables explicatives.
| 
