Chapitre II : Échantillon

1. Introduction
La collecte des données primaires utilise en général un sondage ou un recensement.
La conception dʼun sondage se fait en trois étapes :
• détermination de la population
• choix de la méthode dʼéchantillonnage
• détermination de la taille de lʼéchantillon

Sondage ou recensement ?

Sondage Recensement

Coût Faible ou modéré Important

Délai Court Long

Taille de la population Grande Petite

Variance des variables Petite Grande

Nature des mesures Destructive Non destructive

2. Population
Population : ensemble des éléments possédant les informations désirées pour répondre
aux objectifs de lʼétude.
Unité de sondage : entité contenant un ou plusieurs éléments de la population et qui fera
lʼobjet de la sélection.

Des critères géographiques et/ou temporels permettent de préciser la population étudiée.

Base de sondage : représentation concrète des éléments de la population :

• liste interne
• annuaire téléphonique
• plan dʼune ville
• fichiers FT, EDF, …
• méthodes aléatoires

Chapitre II - Échantillon" Page 1

3. Techniques dʼéchantillonnage
Deux grandes familles de techniques :
• techniques probabilistes (ou aléatoires)
• technique non probabilistes (ou empiriques)
Le choix peut dépendre de lʼexistence de base de sondage.

3.1 Techniques probabilistes

Échantillon aléatoire simple : les éléments sont tirés de manière aléatoire dans la base
de sondage.
Échantillon systématique : les éléments sont tirés de manière régulière dans la base de
sondage.
Échantillon stratifié : La population est découpée en sous-populations (strates) homogè-
nes. Les éléments sont sélectionnés de manière aléatoire dans chaque strate.
Échantillon en grappes : La population est découpée en sous-populations (grappes) hé-
térogènes. On sélectionne ensuite de manière aléatoire les grappes à retenir.

3.2 Techniques non probabilistes

Échantillon de convenance : le choix des individus est basé sur des critères pratiques.
Échantillon par jugement (ou a priori) : le choix des individus est basé sur les compé-
tences ou la représentativité de lʼindividu.
Échantillon « boule de neige » : Lʼéchantillon est construit progressivement sur proposi-
tion des individus sondés.
Échantillon par quotas : La population est décrite par quelques caractéristiques descrip-
tives (quotas) puis on construit un échantillon ayant les mêmes caractéristiques.

Exemple dʼéchantillon par quotas simples

Une population est composée de

• 51,61 % de femmes
• 48,39 % dʼhommes
Pour un échantillon de 1000 personnes, on devra donc interroger :
• 516 femmes
• 484 hommes

Exemple dʼéchantillon par quotas croisés

Sexe / Age 20-29 ans 30-49 ans 50-65 ans Total

Homme 15,25% 20,37% 12,77% 48,39%

Femme 20,84% 17,54 13,23% 51,61%

Total 36,09% 37,91% 26,00% 100,00%

Chapitre II - Échantillon" Page 2

Un 1000 échantillon devra être composé de :

Sexe / Age 20-29 ans 30-49 ans 50-65 ans Total

Homme 152 204 128 484

Femme 208 175 133 516

Total 360 379 261 1000

3.3 Comparatif

Méthode Avantages Inconvénient

Aléatoire simple Principe simple, statistique- Base de sondage, coût,

ment correct représentativité

Systématique Mise en œuvre simple, base Représentativité variable

Probabilistes

de sondage facult.

Stratifié Sous-groupes inclus, préci- Choix des variables de

sion stratification, coût

En grappes Coût, facilité de mise en œu- Peu précis, traitement sta-

vre tistique difficile

Convenance Le plus pratique et le moins Non représentatif, fort biais

cher

Jugement Faible coût, richesse des ré- Subjectif. Pas de générali-

Empirique

sultats sation

Boule de neige Spécifique, adapté aux cas Long

rares

Quotas Contrôle précis de lʼéchan- Choix des critères, biais

tillon

Chapitre II - Échantillon" Page 3

 Facteurs Empirique Probabiliste

Nature de la recherche Exploratoire Explicative

Type dʼerreurs Observation Echantillon

Variabilité Faible Forte

Généralisation statistique Impossible Possible

Mise en œuvre Facile Difficile

4. Taille de lʼéchantillon
Deux facteurs antagonistes :
• précision des résultats
• coût de la collecte
Objectif :
• taille minimale
• pour une précision fixée a priori

Estimation statistique

Généralisation à la population entière des résultats observés sur lʼéchantillon

- nécessite un échantillon probabiliste

- de taille n ≥ 50 et ≤ 1/10 de la population

Grandeur sur échantillon => Grandeur sur population

Erreur dʼestimation

erreur = | grandeur ech - grandeur pop |

Cas dʼune moyenne (variable quantitative)

| mech - mpop | ≤ 1.96 σ / √n

Cas dʼune proportion (variable qualitative)

| pech - ppop | ≤ 1.96 √p(1-p)/ n

Chapitre II - Échantillon" Page 4

Détermination de la taille minimale

" pour une moyenne (m) :

" " n ≥ (1.96 σ / précision)2

" pour une proportion (p) :

" " n ≥ (1.96 x 0.5 / précision)2 ≈ 1/précision2

Exemple de calcul (moyenne) :

" Précision : 5 €

" Ecart-type* : σ = 55 €

" Taille de lʼéchantillon :

" n ≥ (1.96 x 55 / 5)2 ≈ 465

* Etude pilote ou données secondaires

Exemple de calcul (proportion) :

" Précision : 0.05 = 5 %

" Taille de lʼéchantillon :

" " n ≥ (1.96 x 0.5 / 0.05)2 ≈ 385

4.4 Ajustement de la taille

Taux dʼincidence (T.i.) : % de répondants correspondant aux critères de lʼenquête

Taux dʼachèvement (T.a.) : % de répondants qui iront jusquʼau terme du questionnaire ou

de lʼentretien

Taille réelle de lʼéchantillon = taille souhaitée / (Ti x Ta)

Chapitre II - Échantillon" Page 5