📊 𝗥𝗲́𝗴𝗿𝗲𝘀𝘀𝗶𝗼𝗻 𝗟𝗼𝗴𝗶𝘀𝘁𝗶𝗾𝘂𝗲 : 𝗧𝗿𝗮𝗻𝘀𝗳𝗼𝗿𝗺𝗲𝗿 𝗹𝗲𝘀 𝗥𝗲́𝘀𝘂𝗹𝘁𝗮𝘁𝘀 𝗢𝘂𝗶/𝗡𝗼𝗻 𝗲𝗻 𝗜𝗻𝘀𝗶𝗴𝗵𝘁𝘀 𝗨𝘁𝗶𝗹𝗲𝘀

Dans le domaine du développement, nous faisons souvent face à des questions à 𝗱𝗲𝘂𝘅 𝗶𝘀𝘀𝘂𝗲𝘀 𝗽𝗼𝘀𝘀𝗶𝗯𝗹𝗲𝘀 :

• Un électeur 𝘃𝗮-𝘁-𝗶𝗹 𝘃𝗼𝘁𝗲𝗿 𝗼𝘂 𝘀’𝗮𝗯𝘀𝘁𝗲𝗻𝗶𝗿 ?
• Un ménage 𝗮𝗱𝗼𝗽𝘁𝗲𝗿𝗮-𝘁-𝗶𝗹 𝘂𝗻𝗲 𝗻𝗼𝘂𝘃𝗲𝗹𝗹𝗲 𝗽𝗿𝗮𝘁𝗶𝗾𝘂𝗲 𝗼𝘂 𝗻𝗼𝗻 ?
• Un programme 𝗿𝗲́𝘂𝘀𝘀𝗶𝗿𝗮-𝘁-𝗶𝗹 𝗼𝘂 𝗲́𝗰𝗵𝗼𝘂𝗲𝗿𝗮-𝘁-𝗶𝗹 ?

Sur le plan statistique, ces résultats binaires suivent une 𝗹𝗼𝗶 𝗱𝗲 𝗕𝗲𝗿𝗻𝗼𝘂𝗹𝗹𝗶, avec 𝟭 (𝘀𝘂𝗰𝗰𝗲̀𝘀/𝗢𝘂𝗶) ou 𝟬 (𝗲́𝗰𝗵𝗲𝗰/𝗡𝗼𝗻). La 𝗿𝗲́𝗴𝗿𝗲𝘀𝘀𝗶𝗼𝗻 𝗹𝗼𝗴𝗶𝘀𝘁𝗶𝗾𝘂𝗲 est l’outil qui permet de 𝗺𝗼𝗱𝗲́𝗹𝗶𝘀𝗲𝗿 𝗰𝗲𝘀 𝗽𝗿𝗼𝗯𝗮𝗯𝗶𝗹𝗶𝘁𝗲́𝘀.

Contrairement à la 𝗿𝗲́𝗴𝗿𝗲𝘀𝘀𝗶𝗼𝗻 𝗹𝗶𝗻𝗲́𝗮𝗶𝗿𝗲, qui prédit des 𝘃𝗮𝗹𝗲𝘂𝗿𝘀 𝗰𝗼𝗻𝘁𝗶𝗻𝘂𝗲𝘀, la 𝗿𝗲́𝗴𝗿𝗲𝘀𝘀𝗶𝗼𝗻 𝗹𝗼𝗴𝗶𝘀𝘁𝗶𝗾𝘂𝗲 estime la 𝗽𝗿𝗼𝗯𝗮𝗯𝗶𝗹𝗶𝘁𝗲́ 𝗾𝘂’𝘂𝗻 𝗲́𝘃𝗲́𝗻𝗲𝗺𝗲𝗻𝘁 𝘀𝘂𝗿𝘃𝗶𝗲𝗻𝗻𝗲 en utilisant la 𝗳𝗼𝗻𝗰𝘁𝗶𝗼𝗻 𝗹𝗼𝗴𝗶𝘀𝘁𝗶𝗾𝘂𝗲.

👉 Dans les 𝗽𝗿𝗼𝗴𝗿𝗮𝗺𝗺𝗲𝘀 𝗵𝘂𝗺𝗮𝗻𝗶𝘁𝗮𝗶𝗿𝗲𝘀, cela permet par exemple d’estimer la 𝗽𝗿𝗼𝗯𝗮𝗯𝗶𝗹𝗶𝘁𝗲́ 𝗾𝘂’𝘂𝗻 𝗺𝗲́𝗻𝗮𝗴𝗲 𝘁𝗼𝗺𝗯𝗲 𝘀𝗼𝘂𝘀 𝘂𝗻 𝘀𝗲𝘂𝗶𝗹 𝗱𝗲 𝘃𝘂𝗹𝗻𝗲́𝗿𝗮𝗯𝗶𝗹𝗶𝘁𝗲́.
👉 En 𝗴𝗼𝘂𝘃𝗲𝗿𝗻𝗮𝗻𝗰𝗲, elle aide à 𝗽𝗿𝗲́𝗱𝗶𝗿𝗲 𝗹𝗮 𝗽𝗮𝗿𝘁𝗶𝗰𝗶𝗽𝗮𝘁𝗶𝗼𝗻 𝗲́𝗹𝗲𝗰𝘁𝗼𝗿𝗮𝗹𝗲.
👉 Dans les 𝗽𝗿𝗼𝗴𝗿𝗮𝗺𝗺𝗲𝘀 𝗶𝗻𝗰𝗹𝘂𝘀𝗶𝗳𝘀 𝗲𝗻 𝗺𝗮𝘁𝗶𝗲̀𝗿𝗲 𝗱𝗲 𝗴𝗲𝗻𝗿𝗲, elle met en évidence les 𝗳𝗮𝗰𝘁𝗲𝘂𝗿𝘀 𝗶𝗻𝗳𝗹𝘂𝗲𝗻𝗰̧𝗮𝗻𝘁 𝗹𝗮 𝗽𝗮𝗿𝘁𝗶𝗰𝗶𝗽𝗮𝘁𝗶𝗼𝗻 𝗱𝗲𝘀 𝗳𝗲𝗺𝗺𝗲𝘀 𝗮𝘂 𝗹𝗲𝗮𝗱𝗲𝗿𝘀𝗵𝗶𝗽 ou leur 𝗮𝗰𝗰𝗲̀𝘀 𝗮𝘂𝘅 𝘀𝗲𝗿𝘃𝗶𝗰𝗲𝘀.

La 𝗿𝗲́𝗴𝗿𝗲𝘀𝘀𝗶𝗼𝗻 𝗹𝗼𝗴𝗶𝘀𝘁𝗶𝗾𝘂𝗲 ne se contente pas de répondre par “oui” ou “non”. Elle 𝗾𝘂𝗮𝗻𝘁𝗶𝗳𝗶𝗲 𝗹’𝗶𝗻𝗳𝗹𝘂𝗲𝗻𝗰𝗲 𝗱𝗲 𝗰𝗵𝗮𝗾𝘂𝗲 𝗳𝗮𝗰𝘁𝗲𝘂𝗿 sur le résultat, permettant aux organisations de concevoir des interventions 𝗽𝗹𝘂𝘀 𝗶𝗻𝘁𝗲𝗹𝗹𝗶𝗴𝗲𝗻𝘁𝗲𝘀 𝗲𝘁 𝗳𝗼𝗻𝗱𝗲́𝗲𝘀 𝘀𝘂𝗿 𝗱𝗲𝘀 𝗽𝗿𝗲𝘂𝘃𝗲𝘀.

En résumé, la 𝗿𝗲́𝗴𝗿𝗲𝘀𝘀𝗶𝗼𝗻 𝗹𝗼𝗴𝗶𝘀𝘁𝗶𝗾𝘂𝗲 est l’un des 𝗽𝗼𝗻𝘁𝘀 𝗹𝗲𝘀 𝗽𝗹𝘂𝘀 𝗽𝗿𝗮𝘁𝗶𝗾𝘂𝗲𝘀 𝗲𝗻𝘁𝗿𝗲 𝗱𝗼𝗻𝗻𝗲́𝗲𝘀 𝗲𝘁 𝗮𝗰𝘁𝗶𝗼𝗻 dans le secteur du développement. Elle transforme les 𝗱𝗼𝗻𝗻𝗲́𝗲𝘀 𝗱𝗲 𝘀𝘂𝗶𝘃𝗶 𝗲𝗻 𝘀𝘁𝗿𝗮𝘁𝗲́𝗴𝗶𝗲𝘀 𝗰𝗶𝗯𝗹𝗲́𝗲𝘀, 𝗶𝗻𝗰𝗹𝘂𝘀𝗶𝘃𝗲𝘀 𝗲𝘁 𝗲𝗳𝗳𝗶𝗰𝗮𝗰𝗲𝘀.

---

________________________________________

Si vous avez trouvé cette publication utile, n'hésitez pas à 𝒍𝒂 𝒍𝒊𝒌𝒆𝒓 𝒆𝒕 à 𝒍𝒂 𝒑𝒂𝒓𝒕𝒂𝒈𝒆𝒓 avec vos amis et collègues !

Pour mieux apprendre l’utilisation des logiciel et modèles statistiques, nous vous invitons à prendre part à la prochaine session de notre formation en 𝙀𝙘𝙤𝙣𝙤𝙢é𝙩𝙧𝙞𝙚 𝙚𝙩 𝙏𝙚𝙘𝙝𝙣𝙞𝙦𝙪𝙚𝙨 𝙌𝙪𝙖𝙣𝙩𝙞𝙩𝙖𝙩𝙞𝙫𝙚𝙨 

________________________________________

________________________________________

 

#𝗥𝗲́𝗴𝗿𝗲𝘀𝘀𝗶𝗼𝗻𝗟𝗼𝗴𝗶𝘀𝘁𝗶𝗾𝘂𝗲 #𝗦𝘁𝗮𝘁𝗶𝘀𝘁𝗶𝗾𝘂𝗲𝘀 #𝗔𝗻𝗮𝗹𝘆𝘀𝗲𝗗𝗲𝗗𝗼𝗻𝗻𝗲́𝗲𝘀 #𝗗𝗲́𝘃𝗲𝗹𝗼𝗽𝗽𝗲𝗺𝗲𝗻𝘁 #𝗗𝗮𝘁𝗮𝗦𝗰𝗶𝗲𝗻𝗰𝗲