TP 1

1.

L’institut sous régionale de statistique et d’économie appliquée (ISSEA) forme chaque

année des experts dans le domaine de la statistique et de l’économie. A la fin de leurs
formations ces derniers font faces à plusieurs possibilités d’embauche, notamment travailler
pour leurs gouvernements respectifs, travailler pour les entreprises du secteur privé ou se
lancer à leurs propres comptes. Face à cela, il s’avère donc important de mener une enquête
pour connaitre les différentes attentes sur le plan salariale de ses étudiants à la fin de leur
formation.

Cette enquête a pour objectif de décrire les prétentions salariales des étudiants en
formation initiale à l’ISSEA à leur premier emploi, mais aussi d’initier les étudiants de la
Classe ISE3 au processus de collecte, de traitement et d’exploitation des données d’enquête.

Pour mener à bien cette enquête et avoir un échantillon représentatif des étudiants de
l’ISSEA, nous avons utilisé la méthode du sondage aléatoire stratifié à 1 degré, donc la
variable de stratification est la variable filière (TSS, AS, IAS, ISE). Il a été décidé de retenir
dans chaque filière 30 étudiants obtenus par tirage systématique en utilisant le Pas, ce pas a
été calculé dans chaque filière sauf pour la filière TSS qui ne compte que 20 étudiants ou tous
les étudiants ont été enquêté. Par conséquent sur les 279 étudiants de l’ISSEA un échantillon
de taille 110 fut retenu donc 20 sur 20 pour la filière TSS, 30 sur 43 pour la filière AS, 30 sur
68 pour la filière IAS et 30 sur 148 pour la filière ISE.

L’utilisation d’un sondage stratifié a permis de tenir compte des étudiants de chaque
filière mais aussi l’utilisation de la méthode du pas à permis d’introduire les étudiants des
classes de chaque filière dans l’échantillon. On peut donc être amené à dire que l’échantillon
des étudiants retenu est assez représentatif des étudiants de l’ISSEA et permettra par
conséquent de mieux capter le phénomène étudié.

2.

Organisation et déroulement de la collecte

Les étudiants de la classe étant au nombre de 39, il a été convenu de diviser la classe
en deux groupes. Un groupe étant chargé de collecter les données et l’autre groupe chargé de
traiter les données collectées. Ce choix a été fait pour rendre plus optimal le processus de
collecte et de traitement.

Logiciels utilisés

Pour mettre en place la liste des enquêteurs et personnes enquêtés nous avons utilisé le
logiciel Excel car étant un tableur rend plus facile la création de tableau.

Cette enquête étant basé sur la méthode PAPI, pour monter le questionnaire de
l’enquête qui contenait 3 sections donc 2 relatives aux enquêtés et 11 questions, le logiciel
CSPRO fut utilisé car il permet de créer des masques de saisies et est bien placé pour
confectionner des questionnaires.

L’exploitation et le traitement des données s’est faite à l’aide du logiciel SPSS. SPSS
permet de mieux visualiser la base de données et de part ces caractéristiques, permet de mieux
traiter les valeurs manquantes et aberrantes.

3.

Collecte des données

Les questionnaires étant montés et tirés, il revenait à chaque chef d’équipe de 3 formé
parmi la moitié des étudiants retenu pour le processus de collecte d’organiser son équipe.
Chaque équipe avait 2 jours pour administrer le questionnaire aux différents enquêtés qui
leurs étaient dédiés. Les enquêteurs se rendaient auprès des étudiants sélectionnés pour
déposer les questionnaires et repassaient après les récupérer. Chaque enquêteur avait soit 3,
soit 4 enquêtés à enquêter.

Exploitation et traitement des données

Après l’obtention des données, le premier travail a consisté à vérifier si tous les
questionnaires ont été rempli. Il s’est avéré que certains questionnaires ne l’ont pas été soit
partiellement, soit totalement par manque de disponibilités de certains enquêtés. Ensuite il a
été question de faire le masque de saisie sur CSPRO puis exporter les données sur SPSS pour
continuer l’analyse de traitement.

Après obtenu la base de données :

 Il était question de faire une sauvegarde d’une copie de base de travail pour éviter les
éventuels désagréments.
  Gérer les réponses partielles et les non réponses des questionnaires remplies. Il a été
considéré comme non réponses les étudiants n’ayant pas fournis les informations sur
la section du questionnaire pourtant sur la carrière future.

 Recodifier les réponses ouvertes. Il s’agit des réponses aux questions sur la nationalité
(M2Q2), le diplôme académique (M2Q4), l’emploi/poste/occupation (M3Q1), autre
nationalité à préciser (M3Q3-4), Montant exact (M3Q4).

 Corriger les coefficients d’extrapolations pour toujours rendre l’échantillons

représentatif.

 Gérer les valeurs manquantes et aberrantes. Je n’ai pas assez d’informations sur cette
partie zapal a dit qu’il va m’envoyer certaines infos.

4.

Les données relatives à l’emploi/poste/occupation étant des réponses ouvertes il a fallu

regrouper et codifier selon les réponses données par les étudiants.

L’analyse a d’abord commencé par recenser les différentes réponses données par les
enquêtés. Il a été observé 56 cas de réponses deux à deux distinctes. Le tableau ci-dessous
donne les différentes réponses à cette question.

Haut cadre de la
Chef de département
Administrateur Directeur financier fonction
statistique
publique
Analyste de données Chef département
Ingénieur de
en entreprise financier Directeur General
conception
industrielle AFRILAND
Directeur service Ingénieur
Analyste financier Compte propre de la sante statisticien
publique Economiste
Concepteur de site Economiste
Analyste statisticien Je ne sais pas
web pour entreprises chercheur
Economiste en Ministre de
Auditeur Consultant financier
chef l'économie
 Poste
Economiste,
Cadre Consultant permanent
chargé d'étude
directrice
Cadre ! l'Institut Consultant en A.S.-
Responsable du
National de la Gestionnaire Base Enseignant
département stat
Statistique De Données
Cadre statisticien aux
Coordonnateur Entrepreneur Sante
ministères
Evaluateur de
Cadre statistique Data scientist Statisticien
projet
Datamining applique Statisticien
Cadre- chargé d'étude Expert consultant
! la gestion des Risk économiste
Data science ou
Chargé d'étude de Expert statisticien Statisticien
comptabilité
risque en sante Banque
nationale
Datascientist ou Statisticien
Charge d'étude Finance
Datanalyst économiste
Chef de bureau Directeur d'une Fonctionnaire Technicien
(Département) structure d'état Informaticien
Gestionnaire de
Chef de cellule de Directeur du Technicien
portefeuille en
production statistique ministre du plan Statisticien
banque

Ensuite le regroupement suivant fut effectué

Code Groupe Contenu

1 Analyste de Analyste de données en entreprise industrielle ; Analyste
données financier, Analyste statisticien, Consultant en A.S.- Gestionnaire
Base De Données, Data science ou comptabilité Nationale, Data
scientist
2 Cadre Cadre, Cadre ! l'Institut National de la Statistique ; Cadre
administratif statisticien aux ministères, Cadre statistique, Cadre- chargé
 d'étude, Haut cadre de la fonction publique ; Ministre de
l'économie, Fonctionnaire d'état, Administrateur, Directeur du
ministère du plan,
3 Banques, Datamining applique à la gestion des Risk, Chef département
finances et financier AFRILAND, Finance, Statisticien Banque ;
assurance Gestionnaire de portefeuille en banque, Charge d'!étude de
risque
4 Indécis Je ne sais pas ; Ingénieur statisticien Economiste, Statisticien,
Technicien Statisticien, Technicien Informaticien, Ingénieur de
conception
5 Chef de Chef de département statistique, Chef de bureau (Département),
structure ou de Chef de cellule de production statistique, Poste permanent
service directrice, Directeur d'une structure, Directeur General,
Directeur financier, Responsable du département stat,
Economiste en chef, Coordonnateur
6 Statistiques de Expert statisticien en sante, Directeur service de la sante
la santé publique, Santé
7 Bureau d’étude, Compte propre, Consultant, Consultant financier, Entrepreneur,
compte propre Expert consultant, Charge d'étude, Economiste, chargé d'étude,
Evaluateur de projet, Concepteur de site web pour entreprises,
Economiste chercheur, Enseignant ; Auditeur
8 Non réponse Pour les personnes n’ayant pas répondu à la question

Difficultés rencontrées

La principale difficulté rencontrée était de dénombrer les différentes professions car il

fallait éviter les doublons et par la suite définir un regroupement. Pour limiter ces difficultés il
aurait fallu au préalable définir nous même les différentes catégories par des codes et ajouter
une catégorie autres. Cela aurait facilité la gestion de cette variable du questionnaire.