Une enquête menée auprès d'individus constituant un échantillon.

Signifie "Statistical Package for the Social Sciences". C'est l'un des logiciels d'analyse statistique les plus fréquemment utilisés en sciences sociales.

Valeur calculée sur des données d'échantillon. Une statistique peut-être vue comme l'estimé d'un paramètre d'une population. Aussi, elle est un nombre aléatoire, c'est-à-dire un nombre soumis au hasard de l'échantillonnage.

Branche des mathématiques dont l'objet est le traitement méthodique de données numériques d'observation se rapportant aux phénomènes naturels ou humains. On parle ainsi de la statistique mathématique.

Méthode statistique dont l'objet est de décrire les données, d'un échantillon en particulier, de façon à les rendre plus intelligibles, communicables et utiles. Les statistiques descriptives consistent à résumer et convertir les données numériques en informations (principe de réduction). Les plus rapportées sont les distributions de fréquences, les mesures de tendance centrale et les mesures de variation.

Méthode statistique dont l'objet est d'inférer les valeurs d'une population à partir des valeurs obtenues de l'échantillon. Les statistiques inférentielles consistent à généraliser les informations obtenues d'un échantillon à la population dont cet échantillon est issu. On distingue habituellement deux volets:  estimation d'un paramètre et test d'hypothèse.

Ensemble de méthodes, techniques et procédures utilisées pour calculer des résumés numériques (statistiques descriptives) et en dégager des considérations générales (statistiques inférentielles).

Mesure de la forme de la dispersion d'une distribution, elle se lit horizontalement. Lorsque le coefficient de symétrie est positif, on a une distribution asymétrique positive; lorsqu'il est négatif, une distribution asymétrique négative; lorsqu'il est nul, une distribution symétrique.

Valeur se trouvant dans la table de la distribution d'échantillonnage du t de Student. Le t critique est la valeur minimale nécessaire au rejet de l'hypothèse nulle d'une absence de différence entre deux moyennes de groupes. Précisément, dans le cas d'une absence de différence (sous l'hypothèse nulle), si l'on devait répéter l'expérience de sélection de l'échantillon 100 fois, 95% des échantillons auraient des t compris entre 0 et la valeur critique au seuil de signification 0,05; 99% des échantillons auraient des t compris entre 0 et la valeur critique au seuil de signification 0,01, etc. La valeur critique est une sorte de constante qui dépend de deux paramètres: le seuil de signification et le nombre de degrés de libertés.

Une forme de proportion exprimée par rapport à un nombre constant : 100 (taux de chômage par rapport à 100 travailleurs potentiels), 1000 (taux de natalité par rapport à 1000 habitants), 100000 (taux de suicide par rapport à 100000 habitants), etc. 

Dans le cas du test t, c'est un test utilisé lorsque qu’on s’intéresse seulement à la différence entre deux moyennes de moyennes, sans se préoccuper de savoir laquelle des deux est plus grande ou petite que l'autre. On l'appelle aussi test bidirectionnel. Un test bilatéral considère les deux côtés de la distribution d’échantillonnage. Il est plus exigeant en termes de rejet de l'hypothèse nulle et demeure donc plus souvent utilisé que le test unilatéral.

Le test d’hypothèse consiste à formuler une hypothèse de recherche concernant une population et à chercher de valider, tester ce paramètre supposé de la population à l'aide d'une statistique de l'échantillon.

Test d'hypothèse utilisé lorsqu'on veut analyser une relation entre une variable indépendante qualitative dichotomique et une variable dépendante quantitative. L'enjeu est de savoir si une différence entre deux moyennes est statistiquement significative ou non dans la population dont est issu l'échantillon étudié.

Dans le cas du test t, c'est un test utilisé lorsque que la direction de la différence entre deux moyennes de moyennes est prédite. On se préoccupe de savoir laquelle des deux moyennes est plus grande (test unilatéral supérieur) ou plus petite (test unilatéral inférieur). Le test unilatéral est aussi appelé test unidirectionnel puisqu'il considère un seul côté de la distribution d’échantillonnage. Contrairement au test bilatéral, le test unilatéral est moins exigeant en termes de rejet de l'hypothèse nulle et demeure donc moins souvent utilisé.

Il postule que la distribution d’échantillonnage, issue d’échantillons aléatoires de grande taille, 1) suit un modèle normal prédictible, 2) que sa moyenne s'apparente au paramètre de la population, 3) et que son écart-type est égal à l'écart-type de la population relativisé par la taille de l'échantillon.

L’unité d’analyse est la personne, l’objet ou l'évènement faisant partie d'une population que le chercheur étudie.

Mesure d'association utilisée pour analyser une relation entre deux variables catégorielles dont au moins est l'une est nominale ou considérée comme telle. Le V de Cramer est une des mesures d'association les plus utilisées à la suite d'un test du chi-carré. Le V de Cramer varie de 0 à 1. Selon la règle d'interprétation de Fox (1999), lorsque le V de Cramer se situe entre 0 et 0,10, la relation est nulle; entre 0,10 et 0,20, la relation est faible; entre 0,20 et 0,30, la relation est modérée; 0,30 et plus, la relation est forte.

Critère d'interprétation théorique qui évalue si les résultats d'un échantillon peuvent être généralisés à la population de laquelle est tiré cet échantillon.

Critère d'interprétation théorique qui évalue si l'on peut avoir suffisamment confiance aux données de l'échantillon pour que les résultats qui en résultent soient crédibles.

Caractéristique qui varie en fonction des individus et qui prend au moins deux valeurs (p.ex. sexe, âge). Une variable permet de mesurer un phénomène, de rendre opératoire un concept. On distingue deux types de variable selon leur nature: variable qualitative et variable quantitative.

Une variable antécédente est une variable-contrôle qui intervient avant la variable indépendante et la variable dépendante dans la chaîne causale d'une relation. Elle explique pourquoi deux variables sont reliées de façon fallacieuse (relation fallacieuse).

Une variable quantitative est continue lorsqu'elle comporte un nombre presque illimité de valeurs métriques sur la droite des nombres réels. Ses valeurs comportent donc des décimales (p.ex. âge: 25 ans 2 mois 2 semaines...).

La variable dépendante est l'effet présumé d'une variable indépendante. Hypothétiquement, elle dépend de la variable indépendante.

C'est une variable qualitative qui détient exactement 2 valeurs catégorielles.

Une variable quantitative est discrète lorsqu'elle prend un nombre limité de valeurs métriques sur la droite des nombres réels. Ses valeurs procèdent d'un dénombrement et correspondent donc à des nombres séparés sans décimales (p.ex nombre d'enfants dans une famille: 0; 1; 2, etc.)

La variable indépendante est le facteur explicatif d'une autre variable qui se trouve être la variable dépendante. Hypothétiquement, elle influence la variable dépendante. 

Une variable mesurée selon l'échelle nominale est une variable dont les catégories servent simplement à nommer, identifier les individus. Ses catégories ne comportent donc aucun ordre intrinsèque ou logique (p.ex. sexe).

Une variable mesurée selon l'échelle ordinale est une variable dont les catégories sont ordonnées (p.ex. niveau d'instruction).

Une variable est dite qualitative lorsque ses valeurs sont plutôt des catégories (qualité). On parle aussi de variable catégorielle.

Une variable quantitative est une variable dont les valeurs possibles sont des nombres (quantité). On parle aussi de variable métrique ou numérique.

Variable que l'on contrôle ou dont on tient compte dans une relation entre une variable indépendante et une variable dépendante. L'introduction d'une variable-contrôle dans une relation bivariée permet de conclure ou non à une relation de causalité.

Exprimée au carré, la variance mesure la variation ou la dispersion des scores par rapport à la moyenne d'un ensemble de données. C'est la moyenne de la somme des carrés des scores déviation. Mesure de variation la moins appropriée en statistiques descriptives, la variance s'avère toutefois très utile en statistiques inférentielles.

Voir Distribution d'échantillonnage.