Échelles multiples
Ce site web aurait dû s'appeler mesures.fr, vu les centaines d’outils de mesure qui y sont répertoriés ! Sur cette page, pas de distances trop abstraites. Non, des échelles de notes, tout simplement, que chacun a déjà rencontrées puisque la simplicité se doit d’être leur caractéristique principale (pour une fois !).
Échelles
La plupart des questionnaires font la part belle à ces échelles. Elles visent à évaluer nos attitudes, notre comportement, un contexte de travail... En entreprise, elles sont essentiellement employées par les services du marketing et du recrutement, mais ce sont aussi des outils essentiels dans le cadre de missions plus ponctuelles (mesure du stress, par exemple).
Les recruteurs n'établissent pas de statistiques à partir des résultats obtenus, qui leur servent uniquement à évaluer des aptitudes individuelles. En revanche, les études marketing les utilisent comme matériau pour des traitements statistiques dans le cadre d'enquêtes, notamment les études de marché.
Une échelle non comparative permet de situer sur une seule dimension une préférence (j’aime ce produit…) ou un attribut (ce produit a un goût agréable…).
Les différents types d’échelles sont listés ci-dessous. Les techniques statistiques évoquées au regard de ces différentes mesures ne sont appropriées, en toute rigueur, que si l’échantillon étudié provient d’un tirage aléatoire. Malgré tout, on les appliquera dès qu’un échantillonnage par choix raisonné ambitionne de représenter la population mère.
L'échelle dichotomique
Une échelle est dite dichoyomique lorsqu'elle appelle une réponse oui ou non. Le traitement est donc celui des comparaisons de proportions et de tests du khi² d’indépendance.
Une fois la proportion établie, on peut alors probabiliser la possibilité qu’une proportion différente survienne grâce à la loi binomiale (petits échantillons), la loi normale (grands échantillons) ou la loi de Poisson (grands échantillons avec proportions oui/non très différentes).
L'échelle de Likert et l'échelle d'importance
Tout le monde s’est déjà plié aux joies de l’échelle de Likert en lisant un magazine (absolument pas d’accord, pas d’accord, d’accord, tout à fait d’accord, sans opinion). Le nombre d’échelons est impair (généralement 5 ou 7). La réponse indique un degré d’adhésion à une affirmation, comme le montre l’exemple ci-dessous (questionnaire rédigé sur Le Sphinx Plus) :
Très facile à comprendre et donc pas trop fatigant pour le répondant...
Cette échelle est souvent considérée comme métrique, c’est-à-dire que l’on suppose les écarts constants entre les différentes modalités. Par conséquent, la plupart des techniques utilisables sur variables quantitatives peuvent s’appliquer en attribuant un nombre arbitraire à chaque réponse (par exemple, 1 pour désaccord total et 5 pour tout à fait OK). On peut indiquer une note moyenne, une variance, établir des tests de comparaisons de moyennes et des ANOVA… Cependant, la granularité est faible ce qui appauvrit les possibilités d’analyses quantitatives. Pour mesurer la liaison entre deux items, le V de Cramer me semble plus adapté. Quant aux tests de comparaison, on utilisera plus volontiers le test de la médiane ou celui de Mann-Whitney sur des échantillons indépendants et le test des signes ou celui des rangs signés de Wilcoxon pour comparer un avant / après sur un panel.
L'échelle d'importance est très proche de celle de Likert dans sa mise en oeuvre (de pas du tout important à très important). L'échelle d'intention d'achat permet de situer la réponse à une question de type « si... achèteriez-vous...? » sur une échelle qui va de certainement pas à certainement. L'échelle de jugement permet de nuancer un avis sur un critère précis.
L'échelle sémantique différentielle
L’échelle sémantique différentielle permet de situer une opinion entre deux opposés (par exemple fiable et non fiable).
L'échelle de Stapel
L’échelle de Stapel : il s’agit d’une échelle de dix niveaux, utilisée aussi bien pour évaluer des attitudes que des images de marque. Elle demande un peu plus de concentration de la part du répondant mais la granularité plus fine légitimise davantage l’utilisation des techniques fondées, par exemple, sur les carrés des distances (régression linéaire multiple, ACP sur variables, ACP sur observations…).
Toutefois, les hypothèses permettant ces utilisations ne sont pas toujours satisfaites, en particulier celle de même variance selon les items. Il est alors plus sage de se tourner vers les corrélations des rangs ou les ACP des rangs…
Le questionnaire ci-dessous n’est qu’un exemple inventé d’échelle de Stapel...
