SPSS est un outil puissant pour l’analyse statistique, indispensable dans les domaines de la recherche, de l’enseignement, du marketing, des sciences sociales et bien plus. Il permet de transformer des données brutes en résultats exploitables grâce à des techniques avancées comme la régression, l’analyse factorielle, l’analyse de variance ou les tests statistiques.
Excel reste essentiel pour l’organisation et la gestion de données, mais SPSS offre des fonctionnalités spécifiques pour les analyses statistiques poussées. Utilisé de manière complémentaire, il permet d’optimiser le traitement, l’interprétation et la visualisation des données.
Ce site propose des ressources pratiques pour comprendre, utiliser et maîtriser SPSS dans différents contextes professionnels ou académiques.
FORMATIONS SPSS
BASES SPSS
- Introduction à IBM SPSS
- Saisie de données
- Importation de données
- Procédures statistiques
- Modification des résultats
- Enregistrement des résultats
- Tri et sélection
- Fractionnement des fichiers
- Fusion de données
- Fréquences
- Statistiques descriptives
- Exploration des données
- Standardisation des variables
- Recodage des variables
- Répartition visuelle
- Calcul de nouvelles variables
- Valeurs aberrantes univariées
- Valeurs aberrantes multivariées
- Forme de la distribution
- Transformation des données
- Corrélation de Pearson
- Corrélation de Spearman Rho
- Corrélation Kendall Tau-B
- Régression linéaire simple
- Centrage des variables
- Régression linéaire multiple
- Régression linéaire hiérarchique
- Régression polynomiale
SPSS INTERMÉDIAIRE
- Modélisation multiniveau
- Régression logistique
- Analyse ROC
- Régression logistique multinominale
- Analyse de survie : tables de mortalité
- L'analyse de survie de Kaplan-Meier
- Régression de COX
- Analyse de fiabilité
- Composantes principales
- Analyse factorielle
- Analyse factorielle confirmatoire
- Médiation simple
- Analyse de chemin par régression multiple
- Analyse de chemin par équations structurelles
- Test t à échantillons indépendants
- Test t à échantillons paires
- ANOVA à un facteur entre sujets
- Analyse de tendance polynomiale
- ANCOVA un facteur entre sujets
- ANOVA double facteur entre sujets
spss AVANCÉ
- ANOVA un facteur intra-sujets
- Mesures répétées à l'aide de modèles mixtes linéaires
- ANOVA mixte à deux facteurs
- MANOVA un facteur entre sujets
- Analyse de la fonction discriminante
- MANOVA double facteur entre sujets
- Échelle multidimensionnelle : métrique classique
- Échelle multidimensionnelle : métrique pondérée
- Analyse par cluster hiérarchique
- Analyse par cluster K-Means
- Analyse des données fréquentielles
- Tests binomial et Khi-Deux à échantillon unique
- Tests du khi-deux multinominaux
- Test d'indépendance du Khi-Quare
- Analyse des risques
- Couches du Khi-Quare
- Analyse log-linéaire hiérarchique
Analyse des données
Analyse de correspondances
Analyse de la covariance
Séries temporelles
Analyse discriminante
Analyse canonique
Analyse bayésienne
Analyse de corrélation
Analyse
de survie
Analyse des classes latentes
Statistiques descriptives
- Calcul de la Moyenne
- Calcul de la médiane
- Détermination du mode
- Tableaux de fréquence
- Utilisation des histogrammes
- Calcul de l’écart-type
- Quartiles et percentiles
- Création des graphiques
- Distribution normale
- Tests de normalité
- Valeurs manquantes
- Intervalle de confiance
- Nuage de points (scatterplot)
- Corrélations entre variables
- Symétrie et aplatissement
- Comparaison des moyennes
- Matrice de corrélation
- Gestion des valeurs extrêmes
- SPSS Charts
- Boîtes à moustaches
Tests
statistiques
- Test de normalité
- Test de Shapiro-Wilk
- Test de Kolmogorov-Smirnov
- Test t de Student
- Test de Levene
- Test de Chi carré
- Test ANOVA
- Tests post-hoc après ANOVA
- Test de Kruskal-Wallis
- Test U de Mann-Whitney
- Tests de Pearson
- Tests de Spearman
- Test de Wilcoxon
- Test de de Kendall
- Régression linéaire simple
- Régression linéaire multiple
- Régression logistique
- Tests de puissance statistique
- Test de signification
- Tests de puissance statistique
Analyse de la variance
- Calcul de la Covariance
- Variance à un facteur
- ANOVA à un facteur
- ANOVA à deux facteurs
- Variance avec facteurs répétées
- Normalité et Homogénéité
- ANOVA multivariée
- Variance à deux facteurs
- Tests post-hoc et ANOVA
- Test ANOVA unidirectionnel
- Données manquantes
- Calcul de l’effet de taille
- Comparaisons multiples
- Variance avec covariable
- Méthode de Bonferroni
- Tests de variances égales
- Effets croisés dans l'ANOVA
- Variance inter- & intra-groupe
Régression
linéaire
- Préparation des données
- Régression linéaire simple
- Régression linéaire multiple
- Variables catégorielles
- Variables d’interaction
- Coefficients de régression
- Variables catégorielles
- Compréhension du R²
- Test de normalité des résidus
- Régression pondérée
- Homoscédasticité
- Prédiction d’une variable
- Transformation des variables
- Outliers en régression
- Variables catégorielles
- Analyse des données d’enquête
- Sélection automatique de variables
- Régression sur données non linéaires
- Analyse graphique des résidus
- Détection de la multicolinéarité
- Comparaison des modèles de régression
- Qualité d’un modèle de régression
Régression logistique
- Configuration des données
- Régression logistique binaire
- Coefficients et l’odds ratio
- Test de significativité globale
- Données manquantes
- Variables catégorielles
- Interactions entre variables
- Régression logistique ordinale
- Colinéarité des variables indépendantes
- Prédiction d’événement binaire
- Régression logistique multinomiale
- Test de Hosmer-Lemeshow
- Résidus en régression logistique
- Pseudo R² en régression logistique
- Données déséquilibrées
- Modèles avec variables continues
- Modèles avec variables catégorielles
- Prédiction des probabilités
- Courbes ROC
- Validation croisée des modèles logistiques
Analyse factorielle exploratoire
- Préparation des données
- Valeurs manquantes
- Choix des bonnes variables
- Matrice de corrélation en AFE
- Test KMO
- Test de Bartlett
- Conduite d’une AFE
- Méthodes d’extraction des facteurs
- Nombre optimal de facteurs
- Valeurs propres et variance expliquée
- Réduction de dimensionnalité
- Charges factorielles
- Rotation des facteurs : Varimax vs Oblique
- Facteurs avec la rotation
- Cohérence interne des facteurs : alpha de Cronbach
- AFE et colinéarité
- Impact des valeurs extrêmes sur l’AFE
- Signification des facteurs
- AFE pour la segmentation de marché
- Validation croisée des résultats d’AFE
- Gestion des résultats contradictoires
Analyse factorielle confirmatoire
- Préparation des données
- Création d’un modèle CFA
- Exécution d’une CFA
- Choix des variables
- Interprétation des résultats de la CFA
- Utilisation des charges factorielles
- Test de validité convergente
- Test de validité discriminante
- Évaluation de l’ajustement du modèle
- Indices d’ajustement
- Correction des erreurs de spécification
- Comparaison de CFA à AFE
- Test d’hypothèse de structure factorielle
- Modèles à un facteur
- Modèles multi-facteurs
- Vérification de la fiabilité d’un modèle
- CFA et modèle d’équations structurelles
- Gestion des données manquantes
- Interprétation des covariances entre facteurs
- Amélioration de l’ajustement d’un modèle
- Utilisation de la matrice de corrélation
- Test de comparabilité de modèles
Analyse
de cluster
- Préparation des données
- Utilisation du K-means
- Utilisation du Hierarchical Clustering
- Choix du bon nombre de clusters
- Algorithmes d’analyse de cluster
- Création d’un dendrogramme
- Validité des clusters
- Erreurs courantes
- Optimisation des résultats de l’analyse
- Méthodes de distance
- Données catégorielles
- Sélection des variables pertinentes
- Cluster en sciences sociales
- Cluster en marketing
- Identification des clusters optimaux
- Analyse de cluster multivariée
- Test d’hypothèse après analyse de cluster
- Utilisation des « centroides »
- Impact des variables manquantes
- Visualisation graphique des clusters
- Utilisation avancée des distances
- Export des résultats d’analyse de cluster
Analyse
conjointe
- Création d’un plan d’étude
- eu de données
- utilisation du module Conjoint
- Interprétation des résultats
- Erreurs courantes à éviter
- Codage des niveaux d’attributs
- Création d’un plan orthogonal
- Utilités partielles
- Importances relatives des attributs
- Intégration des variables démographiques
- Ajustement des profils de produits
- Test de fiabilité d’une analyse
- Export et exploitation des résultats
- Tableaux croisés
- Utilisation avancée des utilités estimées
- Simulation de choix de marché
- Analyse conjointe hiérarchique
- Analyse conjointe adaptative
- Segmentation basée sur les préférences conjointes
- Mesure la part de marché estimée
- Analyse conjointe dans une étude mixte
- Plans fractionnaires
échelle multidimensionnelle
- Analyse en Composantes Principales
- Analyse factorielle exploratoire
- Analyse factorielle confirmatoire
- Méthode des scores factoriels
- Tests de fiabilité des échelles
- Mesure de la validité convergente
- Analyse de la structure factorielle
- Choix du nombre de facteurs dans l'analyse factorielle
- Calcul du coefficient alpha de Cronbach
- Echelles de mesure avec l'analyse factorielle
- Construction des indices de satisfaction
- Données manquantes en analyse factorielle
- Compréhension des matrices de charges
- Réduction de la dimensionnalité des données
- Validation des échelles multidimensionnelles
- Création d'échelles de mesure validées
- Techniques avancées en analyse factorielle
- Qualité d'un modèle de mesure en AFC
- Interprétation des résultats de l'AFC
- Données de questionnaire et ACP
Macros et automatisation
- Macro, syntaxe et script
- Créer une macro simple
- Utilisation des variables
- Exécution d’une macro
- Enregistrement et réutilisation des macros
- Macros avec boucles
- Macro avec des paramètres dynamiques
- Conditions dans une macro
- Automatisation des filtres de données
- Segmentation des bases de données
- Application de procédure à plusieurs fichiers
- Automatisation de la création de graphiques
- Régression linéaire pour plusieurs variables
- Exécution de plusieurs tests T
- Lancement de plusieurs ANOVA
- Répétition des analyses factorielles
- Tableau croisé dynamique automatique
- Nettoyage automatique des données
- Bibliothèque personnelle de macros
- Corrélations automatisées
- Pipeline complet d’analyse automatisée
- Combinaison macros SPSS et scripts Python
- Erreurs courantes à éviter
Visualisation des données
- Bases de la visualisation des données
- Création d’histogrammes
- Personnalisation de graphique
- Construction d’un camembert
- Utilisation des palettes de couleurs
- Graphique avec plusieurs axes
- Diagramme en barres
- Création des sous-graphes
- Réalisation de courbe de densité
- Traçage d’un diagramme en barres
- Création des boîtes à moustaches
- Automatisation de la création de graphiques
- Graphique en ligne pour l’évolution temporelle
- Création d’un nuage de points
- Affichage des corrélations entre variables
- Visualisation des résultats d’une ANOVA
- Superposition de variables dans un graphique
- Création d’un profil visuel des clusters
- Structure factorielle avec une carte des charges
- Utilisation des diagrammes en bâtons empilés
- Erreurs fréquentes dans les graphiques