Les chapitres contiennent directement des corrections repliables pour les mini-exercices et des éléments de correction pour les exercices de synthèse. Cette annexe ajoute des corrigés transversaux qui mobilisent plusieurs chapitres à la fois. Ils sont particulièrement utiles pour la version PDF ou pour préparer un examen.
À partir de data/raw/enqueter_brut.csv :
id ;info_reseaux ;Le dictionnaire indique que l’âge théorique est compris entre 18 et 79 ans et que 999 est un code spécial. info_reseaux est une indicatrice binaire ; ses valeurs valides sont 0/1, auxquelles peuvent s’ajouter les codes spéciaux documentés.
library(tidyverse)
brut <- read_csv(
"data/raw/enqueter_brut.csv",
show_col_types = FALSE
)
dim(brut)
n_distinct(brut$id)
brut %>%
count(id) %>%
filter(n > 1)
brut %>%
filter(!age %in% c(999), age < 18 | age > 79) %>%
select(id, age)
brut %>%
filter(!info_reseaux %in% c(0, 1, 8, 9)) %>%
select(id, info_reseaux)L’objectif n’est pas de « supprimer les outliers ». Les valeurs hors plage documentée sont des anomalies de validité. Le code 999, lui, est une information de non-réponse et doit être transformé en NA tout en conservant, si nécessaire, la raison de la non-réponse.
Le fichier propre doit être construit dans un nouvel objet puis écrit dans data/derived/.
Créer :
sport_regulier égale à 1 pour une pratique au moins hebdomadaire ;sexe_f lisible.enqueter2 <- enqueter %>%
mutate(
age_classe2 = cut(
age,
breaks = c(18, 30, 45, 60, 80),
right = FALSE,
labels = c("18-29", "30-44", "45-59", "60-79")
),
sport_regulier = case_when(
sport_freq %in% c(3, 4) ~ 1,
sport_freq %in% c(0, 1, 2) ~ 0,
TRUE ~ NA_real_
),
sexe_f = factor(
sexe,
levels = c(1, 2, 3),
labels = c("Homme", "Femme", "Autre/non-binaire")
)
)table(enqueter2$age_classe2, useNA = "ifany")
with(enqueter2, table(sport_freq, sport_regulier, useNA = "ifany"))
table(enqueter2$sexe, enqueter2$sexe_f, useNA = "ifany")La correction inclut le contrôle du recodage. Un mutate() qui s’exécute sans erreur n’est pas une preuve que la nouvelle variable correspond à la définition voulue.
Comparer la moyenne d’âge brute et la moyenne d’âge estimée avec le design.
mean(enqueter$age, na.rm = TRUE)
design <- svydesign(
ids = ~psu,
strata = ~strate,
weights = ~poids_final,
data = enqueter,
nest = TRUE
)
age_pond <- svymean(~age, design, na.rm = TRUE)
age_pond
confint(age_pond)La première moyenne décrit les lignes observées avec le même poids implicite pour chaque répondant. La seconde est une estimation pour la population cible définie par le dispositif de sondage, en tenant compte des poids et de la structure utilisée pour la variance.
Il ne faut pas dire que la moyenne pondérée est « vraie » et la brute « fausse ». Elles répondent à des objets descriptifs différents.
Répondre à deux questions :
# Pourcentages en ligne : P(sport | diplôme)
enqueter2 %>%
filter(!is.na(diplome_4), !is.na(sport_regulier)) %>%
count(diplome_4, sport_regulier) %>%
group_by(diplome_4) %>%
mutate(pct = n / sum(n))
# Distribution du diplôme parmi sport = 1
enqueter2 %>%
filter(sport_regulier == 1, !is.na(diplome_4)) %>%
count(diplome_4) %>%
mutate(pct = n / sum(n))Les deux tableaux contiennent les mêmes variables, mais ne répondent pas à la même question. Le choix ligne/colonne n’est donc pas cosmétique.
Tester l’association entre diplôme et sport régulier en tenant compte du design, puis produire les proportions pondérées par diplôme.
design2 <- update(
design,
sport_regulier = enqueter2$sport_regulier,
diplome_4 = enqueter2$diplome_4
)
svychisq(
~diplome_4 + sport_regulier,
design2,
statistic = "F"
)
svyby(
~sport_regulier,
~diplome_4,
design2,
svymean,
na.rm = TRUE,
vartype = c("se", "ci")
)Le test répond à une question globale de compatibilité avec l’indépendance. Les proportions et leurs intervalles montrent où se situent les différences et leur ordre de grandeur. Un rapport ne doit donc pas se limiter à la p-value.
Expliquer la pratique sportive régulière par le diplôme, l’âge et le sexe.
mod <- svyglm(
sport_regulier ~ diplome_4 + age + sexe_f,
design = design2,
family = quasibinomial()
)
summary(mod)
tbl_regression(
mod,
exponentiate = TRUE
)exp(beta) donne un odds ratio.profils <- expand_grid(
diplome_4 = levels(enqueter2$diplome_4),
age = 45,
sexe_f = factor("Femme", levels = levels(enqueter2$sexe_f))
)
predict(
mod,
newdata = profils,
type = "response",
se.fit = TRUE
)Tester si l’association diplôme–sport diffère selon le sexe.
mod_inter <- svyglm(
sport_regulier ~ diplome_4 * sexe_f + age,
design = design2,
family = quasibinomial()
)
regTermTest(
mod_inter,
~diplome_4:sexe_f
)Une interaction se lit difficilement à partir de coefficients isolés. Il faut produire des prédictions pour les combinaisons diplôme × sexe et représenter les probabilités prévues avec leur incertitude.
Une interaction statistiquement peu précise ne signifie pas que les groupes sont identiques ; elle peut aussi refléter des cellules petites, notamment pour les catégories peu fréquentes.
Étudier si les personnes sans revenu observé diffèrent des autres selon l’âge et le diplôme.
enqueter %>%
mutate(revenu_manquant = is.na(revenu_mensuel)) %>%
group_by(revenu_manquant) %>%
summarise(
n = n(),
age_moyen = mean(age, na.rm = TRUE),
.groups = "drop"
)
enqueter %>%
mutate(revenu_manquant = is.na(revenu_mensuel)) %>%
count(revenu_manquant, diplome_4) %>%
group_by(revenu_manquant) %>%
mutate(pct = n / sum(n))Des différences observées signalent que l’analyse en cas complets peut sélectionner une sous-population particulière. Elles ne permettent pas, à elles seules, de déterminer si le mécanisme est MAR ou MNAR.
Construire un workflow d’imputation pour le revenu puis estimer satisfaction_vie ~ revenu + âge + diplôme.
data_imp <- enqueter %>%
select(
satisfaction_vie,
revenu_mensuel,
age,
sexe,
diplome_4,
statut_emploi,
sante
)
set.seed(2026)
imp <- mice(
data_imp,
m = 20,
maxit = 20,
printFlag = FALSE
)
fit <- with(
imp,
lm(
satisfaction_vie ~ revenu_mensuel + age + diplome_4
)
)
pool(fit) %>% summary(conf.int = TRUE)Calibrer le design sur les marges fictives sexe, âge et territoire.
Voir le chapitre 22 pour la préparation des trois objets de population. La partie décisive est :
design_rake <- rake(
design_cal,
sample.margins = list(
~sexe_f,
~age_classe,
~territoire
),
population.margins = list(
pop_sexe,
pop_age,
pop_territoire
)
)Puis vérifier :
svytable(~sexe_f, design_rake)
svytable(~age_classe, design_rake)
svytable(~territoire, design_rake)
summary(weights(design_rake))Une correction sans diagnostic des poids est incomplète.
Comparer les personnes présentes et absentes de la vague 2 puis construire un panel long.
vague2 <- read_csv(
"data/raw/enqueter_vague2.csv",
show_col_types = FALSE
)
statut_panel <- enqueter %>%
mutate(repond_v2 = id %in% vague2$id)
statut_panel %>%
group_by(repond_v2) %>%
summarise(
n = n(),
age_moyen = mean(age, na.rm = TRUE),
satisfaction = mean(satisfaction_vie, na.rm = TRUE),
.groups = "drop"
)Dans le jeu synthétique, les non-répondants de vague 2 sont en moyenne plus âgés. Le panel observé n’est donc pas une simple réduction aléatoire de la vague 1.
Un projet contient :
setwd() vers des chemins personnels ;.RData requis mais non documenté ;Proposer un plan de correction.
Priorité critique :
.RData.Priorité importante :
Amélioration :
renv, README, Git pour le code, Quarto pour le rapport et un journal des transformations.Pour chaque exercice, attribuez-vous 1 point par critère :
Un exercice techniquement correct mais sans justification méthodologique n’est pas complètement corrigé.
E Comment utiliser les corrigés
Pour chaque problème :
Une correction n’est pas un script à copier : elle montre une démarche possible.