9.3.2 Hypothèses et Méthodologies
9.3.2.1 Hypothèses
L`étude statistique, plus particulièrement
l'inférence statistique (étude statistique basée sur des
échantillons) consiste non seulement à estimer les
paramètres (moyennes proportions...) d'un échantillon, mais aussi
à les tester afin de valider le modèle statistique
théorique. Informons que les paramètres à estimer sont des
variables aléatoires ne sont pas des valeurs certaines, ils ne sont pas
exactement identiques à la vraie valeur des paramètres de la
population. C`est pourquoi nous (technicien) sommes contraint d`effectuer des
tests statistiques afin de nous rapprocher des vraies valeurs de la population
générale.
C'est ainsi qu'au départ, nous avons formulé des
hypothèses qui sont : Ho : il n'ya aucun lien entre les variables
croisées ;
H1 : il existe bien un lien significatif entre les variables
croisées. L'acceptation de l'une des hypothèses dépend du
seuil qu'on s`est fixés.
Dans toutes notre étude, nous nous sommes fixés
le seuil standard qui est alpha = 0.5 ; c'est-à-dire qu'on accepte 5% de
risque de nous tromper sur la vraie valeur alors qu'elle est fausse. Autrement
-dit : si notre P-value est inferieur à alpha, nous rejetons H0.
C'est-à-dire que les variables croisées ont un lien significatif
entre elles.
Contrairement, si notre probabilité d'erreur (P-Value)
est supérieure à 0.05 nous acceptons l'hypothèse nulle qui
est H0, donc ces variables n'ont aucun lien entre elles.
9.3.2.2 Méthodologies :
Lorsque la variable croisée à la variable «
niveau de sécurité alimentaire » est aussi qualitative, on
constitue ce qu'on appelle un « tableau de contingence » qui indique
l'effectif d'individus que possèdent simultanément telle
modalités de l'une des variables et telle modalités de l'autre
variable. Nous avons effectué dans ce cas un test bien connu sous le nom
de : test d'indépendance de Khi-Deux(CHI2).
Lorsque la variable croisée à la variable «
niveau de sécurité alimentaire » est quantitative, on est
alors amener à comparer les répartitions (moyennes et variances).
Nous avons effectué alors un test d'analyse de variance connu sous le
nom d'ANOVA.
| 
