๐Ÿ“Š ๐‘บ๐’Œ๐’†๐’˜๐’๐’†๐’”๐’” & ๐‘ฒ๐’–๐’“๐’•๐’๐’”๐’Š๐’” : ๐’„๐’๐’Ž๐’‘๐’“๐’†๐’๐’…๐’“๐’† ๐’๐’‚ ๐’‡๐’๐’“๐’Ž๐’† ๐’…๐’† ๐’—๐’๐’” ๐’…๐’๐’๐’๐’†́๐’†๐’”

En statistique, la moyenne ne suffit pas toujours pour comprendre une variable.

Deux distributions peuvent avoir la mรชme moyenne, mais des formes totalement diffรฉrentes.
C’est lร  que deux notions deviennent essentielles : ๐’’๐’‚๐’”๐’š๐’Ž๐’†́๐’•๐’“๐’Š๐’† et ๐’’๐’‚๐’‘๐’๐’‚๐’•๐’Š๐’”๐’”๐’†๐’Ž๐’†๐’๐’•.
๐Ÿ”ต ๐Ÿ. ๐‘บ๐’Œ๐’†๐’˜๐’๐’†๐’”๐’” : ๐’’๐’‚๐’”๐’š๐’Ž๐’†́๐’•๐’“๐’Š๐’† ๐’…๐’†๐’” ๐’…๐’๐’๐’๐’†́๐’†๐’”
Le skewness indique si la distribution penche vers la gauche ou vers la droite.
➡️ Skewness nรฉgatif : la queue est plus longue ร  gauche.
➡️ Skewness nul : la distribution est presque symรฉtrique.
➡️ Skewness positif : la queue est plus longue ร  droite.
Exemple simple : les revenus ont souvent une asymรฉtrie positive, car une minoritรฉ gagne beaucoup plus que la majoritรฉ.
๐ŸŸฃ ๐Ÿ. ๐‘ฒ๐’–๐’“๐’•๐’๐’”๐’Š๐’” : ๐’๐’† ๐’๐’Š๐’—๐’†๐’‚๐’– ๐’…๐’† ๐’‘๐’Š๐’„ ๐’†๐’• ๐’…๐’† ๐’’๐’–๐’†๐’–๐’†๐’”
Le kurtosis montre si une distribution est plus pointue, normale ou plus plate.
➡️ Leptokurtique : pic รฉlevรฉ, queues lourdes, plus de valeurs extrรชmes.
➡️ Mรฉsokurtique : forme proche de la loi normale.
➡️ Platykurtique : distribution plus plate, moins de valeurs extrรชmes.
๐Ÿ“Œ ๐‘ท๐’๐’–๐’“๐’’๐’–๐’๐’Š ๐’„’๐’†๐’”๐’• ๐’Š๐’Ž๐’‘๐’๐’“๐’•๐’‚๐’๐’• ?
Parce que ces indicateurs permettent de :
✅ vรฉrifier la normalitรฉ des donnรฉes ;
✅ dรฉtecter les valeurs extrรชmes ;
✅ choisir le bon test statistique ;
✅ mieux interprรฉter les rรฉsultats dans SPSS, Stata, R, Python ou Excel ;
✅ รฉviter des conclusions trompeuses.
๐ŸŽฏ ๐‘จ̀ ๐’“๐’†๐’•๐’†๐’๐’Š๐’“
Une bonne analyse ne consiste pas seulement ร  calculer une moyenne.
Il faut aussi regarder la forme de la distribution, car elle raconte souvent une partie importante de l’histoire des donnรฉes.
๐Ÿ“Š ๐‘ช๐’๐’๐’๐’‚๐’Š̂๐’•๐’“๐’† ๐’๐’‚ ๐’‡๐’๐’“๐’Ž๐’† ๐’…๐’†๐’” ๐’…๐’๐’๐’๐’†́๐’†๐’”, ๐’„’๐’†๐’”๐’• ๐’Ž๐’Š๐’†๐’–๐’™ ๐’„๐’๐’Ž๐’‘๐’“๐’†๐’๐’…๐’“๐’† ๐’๐’† ๐’Ž๐’†๐’”๐’”๐’‚๐’ˆ๐’† ๐’…๐’†๐’” ๐’„๐’‰๐’Š๐’‡๐’‡๐’“๐’†๐’”.
Inscrivez-vous dรจs maintenant pour rรฉserver votre place pour la prochaine session de notre formation en ร‰๐—ฐ๐—ผ๐—ป๐—ผ๐—บรฉ๐˜๐—ฟ๐—ถ๐—ฒ ๐—ฒ๐˜ ๐—ง๐—ฒ๐—ฐ๐—ต๐—ป๐—ถ๐—พ๐˜‚๐—ฒ๐˜€ quantitatives https://forms.gle/yZAZimRXbTFbUWZk6



Commentaires

Enregistrer un commentaire

Posts les plus consultรฉs de ce blog

ร‰conomรฉtrie des donnรฉes de panel: de la thรฉorie ร  la pratique

Image
L'รฉconomรฉtrie des donnรฉes de panel ร  la diffรฉrence du modรจle linรฉaire simple prรฉsente une double dimension: la dimension temporelle et la dimension individuelle.Par exemple on observe des variables macroรฉconomiques (PIB, inflation, taux de chรดmage, dรฉpenses publiques de consommation,...) sur les pays d'une zone monรฉtaire donnรฉes (Euro) sur une pรฉriode donnรฉe (2000-2020). Dans cet exemple la dimension temporelle c'est l'annรฉe et la dimension individuelle est matรฉrialisรฉe par le pays. L'image ci-aprรจs illustre bien la configuration que doivent avoir les donnรฉes de panel avant estimation. C'est un panel de 4 pays (Individus) sur la pรฉriode 2000-2005 avec comme variables: les exportations, les Investissement Directs ร‰trangers (IDE), le Produit Intรฉrieur Brute (PIB), l'ouverture commerciale, l'inflation, le capital humain, l'indice de corruption et le taux de change. L’รฉconomรฉtrie des donnรฉes de panel prรฉsente la modรฉlisation  en partant de la structure d...
Lire la suite