La collecte des données et l'analyse univariée des resultats

unité a une « chance » d'être sélectionnée et que cette chance peut être quantifiée, ce qui n'est pas vrai pour l'échantillonnage non probabiliste ; dans ce cas, chaque unité incluse à l'intérieur d'une population n'a pas une chance égale d'être sélectionnée.

1 Les méthodes aléatoires (probabilistes)

L'échantillonnage probabiliste entraîne la sélection d'un échantillon à partir d'une population, sélection qui repose sur le principe de la randomisation (la sélection au hasard ou aléatoire) ou la chance. Il est plus complexe, prend plus de temps et est habituellement plus coûteux que l'échantillonnage non probabiliste.

1. L’échantillonnage aléatoire simple

Principe : Il consiste à choisir des individus de telle sorte que chaque membre de la population a une chance égale de figurer dans l’échantillon. Ce choix peut se faire avec remise ou sans remise : avec remise, un individu peut être choisi plusieurs fois ; sans remise, un individu déjà choisi ne peut l’être de nouveau. C’est le cas habituel.

Méthode : Numéroter tous les individus de la liste correspondant aux individus de la population avec des nombres comportant un même nombre de chiffres. Puis utiliser une table de nombres aléatoires, une calculatrice ou un programme informatique, pour obtenir des nombres aléatoires comportant le nombre de chiffres désiré. Enfin, sélectionner les nombres qui coïncident avec la liste. On rejette les nombres qui ne coïncident pas avec la liste ou qui se répètent, on s’arrête après avoir sélectionné n individus (n représentant le nombre d’individus souhaités dans l’échantillon).

Avantage de cette méthode : On peut espérer un échantillon «représentatif » puisque la méthode donne à chaque individu de la population une chance égale.

Inconvénient : la méthode n’est applicable que lorsqu’il existe une liste exhaustive de toute la population.

2. L’échantillonnage systématique

Principe : L’échantillonnage systématique est une méthode qui exige aussi l’existence d’une liste de la population où chaque individu est numéroté de 1 jusqu’à N. Notons n, le nombre d’individus que doit comporter l’échantillon (la taille de l’échantillon). L’entier voisin de N/n sera noté « r » et appelé « raison » de sondage ou « pas » de sondage.

Méthode : Choisir au hasard un entier naturel d entre 1 et r (cet entier sera le point de départ). L’individu dont le numéro correspond à d est le premier individu, Pour sélectionner les autres, il suffit d’ajouter à d la raison de sondage : les individus choisis seront alors ceux dont les numéros correspondent à : d + r ,d + 2r, d + 3r, etc.

Avantage : facile à sélectionner parce qu’un seul individu est choisi au hasard.
On peut obtenir une bonne précision parce que la méthode permet de répartir l’échantillon dans l’ensemble de la liste.

Inconvénient : Les données peuvent être biaisées à cause de la périodicité.

Si la population est distribuée au hasard dans la base de sondage, un échantillonnage systématique donnera des résultats similaires à ceux d’un échantillonnage aléatoire simple. Cette méthode est très utilisée dans les contrôles de qualité L’échantillonnage avec une probabilité proportionnelle à la taille Si la base de sondage renferme de l’information sur la taille de chaque unité (comme le nombre de médecins d’un hôpital) et si la taille des ces unités varie, on peut utiliser cette information pour accroître l’efficacité de l’échantillonnage. Plus la taille de l’unité est grande, plus sa chance d’être incluse dans l’échantillon est élevée

3. L’échantillonnage stratifié

Principes :

1. On subdivise la population en strates (groupes relativement homogènes) qui sont mutuellement exclusives

2. Proportionnellement à son importance dans la population, on calcule combien il faut d’individus au sein de l’échantillon pour représenter chaque strate

3. Dans chacune des strates, on choisit au hasard le nombre nécessaire d’individus

Les variables de stratification doivent être simples à utiliser, facile à observer et étroitement reliées au thème de l’enquête.

Avantage : Il est peu probable de choisir un échantillon absurde puisqu’on s’assure de la présence proportionnelle de tous les divers sous-groupes composant la population.

Inconvénient : La méthode suppose l’existence d’une liste de la population. Il faut aussi connaître comment cette population se répartit selon certaines strates.

4. L’échantillonnage par grappes

Principe : Dans les méthodes précédentes, l’unité statistique était choisie individuellement. La technique de l’échantillonnage en grappes entraîne la division de la population en groupes ou grappes.

On sélectionne au hasard un certain nombre de grappes (unités primaires) pour représenter la population. Puis on sélectionne tous les individus des grappes choisies

Avantage : La méthode ne nécessite pas une liste globale de la population puisque seuls les individus inclus dans les grappes comptent. Elle permet de limiter l’échantillon à des groupes compacts ce qui permet de réduire les coûts de déplacement, de suivi et de supervision.

Inconvénient : La méthode peut entraîner des résultats imprécis (moins précis que les méthodes précédentes) puisque les unités voisines ont tendance à se ressembler. Elle ne permet pas de contrôler la taille finale de l’échantillon.

5. L’échantillonnage à plusieurs degrés

Principe : Ressemble à l’échantillonnage en grappes, sauf que dans ce cas on prélève un échantillon à l’intérieur de chaque grappe. Ce qui implique au moins deux degrés (mais cela peut être plus) d’échantillonnage : on identifie au premier degré les grandes grappes (unités primaires), puis au second degré, à l’intérieur de chaque grappe, on sélectionne les unités (unités secondaires) qui vont faire partie de l’échantillon.

Avantage : L’échantillon est plus concentré ce qui réduit les coûts, pas besoin de disposer de la liste de toutes les unités. La méthode permet de contrôler la taille de l’échantillon notamment par stratification.

Inconvénient : précision des résultats, taille plus grande que dans le cas d’un échantillonnage aléatoire simple

6. L’échantillonnage à plusieurs phases

Principe : Les données de base sont collectées auprès d’un échantillon d’unité de grande taille, ensuite pour un sous-échantillon de ces unités, la collecte des données est plus détaillée. Le plus couramment on utilise deux phases ou échantillonnage double. A première phase consiste donc à « filtrer » le premier échantillon par le biais d’un questionnaire par exemple. L'échantillonnage à plusieurs phases est assez différent de l'échantillonnage à plusieurs degrés, malgré les similarités entre eux sur le plan de leur appellation. L'échantillonnage à plusieurs phases est utile lorsqu'il manque à l'intérieur de la base de sondage des données auxiliaires qui pourraient servir à stratifier la population ou à rejeter à la sélection une partie de la population et lorsqu'on dispose d'un budget insuffisant pour recueillir des données auprès de l'échantillon entier (ou lorsque recueillir des données auprès de l'échantillon entier imposerait un fardeau excessif aux répondants).

1. Méthodes non aléatoires :

On oppose aux méthodes aléatoires les méthodes non aléatoires ou empiriques. Dans le cas de l'échantillonnage probabiliste, chaque unité a une chance d'être sélectionnée. Dans celui de l'échantillonnage non probabiliste, on suppose que la distribution des caractéristiques à l'intérieur de la population est égale. C'est ce qui fait que le chercheur croit que n'importe quel échantillon serait représentatif et que les résultats, par conséquent, seront exacts. Pour l'échantillonnage probabiliste, la randomisation est une caractéristique du processus de sélection, plutôt qu'une hypothèse au sujet de la structure de la population.

Dans le cas de l'échantillonnage non probabiliste, puisqu'on choisit arbitrairement des unités, il n'existe aucune façon d'estimer la probabilité pour une unité quelconque d'être incluse dans l'échantillon. Également, comme la méthode en question ne fournit aucunement l'assurance que chaque unité aura une chance d'être incluse dans l'échantillon,