Facteurs explicatifs de l'inadequation professionnelle

2.2. Approche méthodologique de l'étude

Dans le cadre de cette étude, nous avons fait recours aux méthodes d'analyses descriptives univariées, bivariées et multivariées (essentiellement explicatives) que nous développons dans les points qui suivent.

2.2.1. Méthodes d'analyses descriptives

L'analyse descriptive univariée nous a permis de décrire nos variables à partir des tableaux de fréquence. Elle nous a également permis d'identifier les différentes omissions et aberrations constatées au niveau des variables d'étude ; de connaitre la nature des variables explicatives (quantitatives ou qualitatives) et de la variable d'intérêt (qualitative dichotomique).

2.2.2. Méthodes d'analyses bivariées

L'analyse bivariée, quant à elle, nous a permis de voir les liaisons existant entre la variable à expliquer (ou dépendante) avec chacune des variables explicatives. Le test de chi-deux a été utilisé pour vérifier cette liaison.

La règle de décision reste la même pour tous les tests statistiques. La décision est prise suivant qu'on accepte une hypothèse au détriment de l'autre. On distingue deux hypothèses (nulle et alternative) qui se construisent de la manière suivante :

H₀ : les deux variables sont indépendants ;

H₁ : il y a liaison entre les deux variables.

Formule :

D'où :

Effectifs observés ;

Effectifs théoriques.

La décision suivant le test de chi-deux est prise de la manière suivante :

Si > _: on rejette H_0 ;

Si < _: on accepte H_0.

La décision pour la plupart de logiciels se prend en comparant la probabilité de P-value au seuil de significativité á.

Si le P-value > á : on accepte H_0 ;

Si le P-value < á : on rejette H_0.

2.2.3. Méthode d'analyse multivariée

La méthode d'analyse explicative que nous avons choisie est fonction de la nature de notre variable d'intérêt. Etant donné que notre variable dépendante, provenant de l'inadéquation entre le niveau d'instruction et le niveau de qualification d'activité exercée, est qualitative dichotomique, la régression logistique binaire est la mieux indiquée. Celle-ci estime le risque de survenue d'un évènement en fonction des variables indépendantes.

Lorsque l'évènement est réalisé, la variable dépendante prend la modalité 1 ; dans le cas contraire, elle prend la modalité 0.

2.2.3.1. Notions sur la régression logistique binaire

La régression logistique se définit comme étant une technique permettant d'ajuster une surface de régression à des données lorsque la variable dépendante est dichotomique. Cette technique est utilisée pour des études ayant pour but de vérifier si des variables indépendantes peuvent prédire une variable dépendante dichotomique. Contrairement à la régression multiple et l'analyse discriminante, cette technique n'exige pas une distribution normale des prédicteurs ni l'homogénéité des variances. Différents types de régression logistique existent, possédant chacun une procédé statistique et conduisant à l'élaboration de différents modèles théoriques.^33(*)

Il s'agit en fait de connaître les facteurs associés à un phénomène en élaborant un modèle de prédiction.

* ³³Albert Phongi., cours de questions approfondies de statistique L1 UPN, page 31