Méthodes d'enquêtes

...

Echantillon représentatif : échantillon ayant les mêmes caractéristiques que la population, ce qui permet d’inférer.

Erreur (biais) d’échantillonnage : erreur commise en n’interrogeant qu’une partie de la population (à ne pas confondre avec l’erreur de mesure, voire le biais de non-participation à l’enquête)

Inférence statistique : raisonnement aboutissant à généraliser au niveau de la population ce qui est observé au niveau de l’échantillon.

§1. Quel champ de la population ?

Une définition précise de la population d’intérêt. C’est l’objectif de l’étude qui le définit. Ce n’est pas aussi facile à définir que l’on pourrait parfois penser.

Ex : Enquête de préférence sur des produits, ma population c’est les ménages français. Ceci est imprécis.

Population cible versus population de contrôle. Dans ce souci de préciser, on peut être amené à être très stricte et peut passer à côté de l’essentiel. Ex : J’aimerais comprendre pourquoi les investisseurs investissent plutôt dans des actions d’entreprises françaises que dans des actions d’entreprises étrangères. On va d’abord définir les investisseurs, puis les entreprises françaises. A la fin, cela nous donne une description mais ne compare rien. Ce n’est pas les investisseurs en actions françaises qu’il faut retenir comme population mais il faut simplement retenir les investisseurs en actions, et on va comparer entre les investisseurs qui investissent en actions françaises et les investisseurs en actions étrangères.

Champ difficile à définir ➔ enquête « boule de neige » (exploratoire, pas d’inférence possible). Chaque enquêteur va repérer un individu de notre population, et une fois qu’on en a un, on le remerci et on lui en demande s’il en connaît une ou deux personnes comme lui qui pourrait faire partie de la population. Mais dans ce cas on ne maitrise rien alors on ne peut pas faire de généralisation avec l’enquête « boule de neige ».

Exemple de population bien définie : entreprises travaillant en France au 1er janvier 2014 dans le domaine du tourisme.

§2. Quelle est la taille de la population ?

La taille de la population doit être connue, on peut éventuellement se tromper à une ou eux personnes, et cela ne changera pas le résultat. Mais il faut essayer d’être au maximum précis.

Petite : exhaustif possible, mais pas toujours indispensable (importante lorsque le résultat nécessite une grande précision).

- Absence de biais d’échantillonnage, mais subsistance des autres biais (de mesure, de non-réponse)

Quand on parle de petite population, c’est lorsqu’il y a moins de 100 individus. Pour certains professionnels, entre 500 et 1000 individus peut encore être une petite population.

Grande : exhaustif impossible, notamment pour une raison de coût, donc échantillon.

- Dilemme entre taille d’échantillon (coût) et degré de précision (biais d’échantillonnage), et subsistance des autres biais.

§3. Quelle est l’ambition de l’étude ?

Inférence statistique (généraliser l’observation dans l’échantillon de la population) ➔ techniques d’échantillonnage aléatoire ou échantillonnage empirique (contrôlé)

Exploratoire ou descriptive sans objectif de quantification ➔ possibilité éventuelle de se limiter à un échantillonnage contrôlé a minima (faible coût)

- Recherche d’une certaine diversité, sélection des enquêtes au plus facile (enquête « tout premier venu », « de bonne volonté », « d’opportunité », mieux « d’unités ‘représentatives’ »

- Très discutable statistiquement, mais très utile dans une perspective de pré-enquête.

§4. Existence d’ne base de sondage ?

Liste exhaustive, normative, sans doublon ni omission mise à jour

• NON : échantillon empirique, reposant sur un choix raisonné et contrôlé

• OUI : échantillon aléatoire (probabiliste) : toutes les unités de la population ont une probabilité non nulle d’appartenir à l’échantillon.

N.B. La base de sondage peut être plus large que la population visée : tout sous-échantillon aléatoire d’un échantillon aléatoire est lui-même aléatoire (ex : sous-échantillon de salariés en CDI au sein d’un échantillon de salariés).

A. Pas de base de sondage, donc échantillonnage empirique : la technique des quotas

Objectif : retrouver (contrôler) la structure de la population dans l’échantillon :

- Structure selon certaines variables auxiliaires

- Repose sur une hypothèse de corrélation (choix raisonné) entre les variables auxiliaires et variables d’intérêt non contrôlées

• Nécessite une connaissance statistique minimale de la population

• Consiste à imposer aux enquêteurs des quotas croisés ou marginaux et à définir un protocole de contact proche du hasard.

Exemple : méthode des quotas

Une enquête portant que les maladies cardio-vasculaires.

Structure connue de la population selon seulement 2 variables auxiliaires

Homme

Femme

Total

Jeunes

10%

12%

22%

Age intermédiaire

30%

22%

52%

Personnes âgées

10%

16%

26%