Projet : une analyse complète

L3 économie-finance

Auteur·rice
Affiliation

Elias Bouacida

Université Paris 8

Date de publication

9 septembre 2026

Reprise de la séance 4

Un graphique trompeur

Qu’est-ce que ce graphique cache ou exagère ? Comment le corriger ?

10 minutes de discussion en binômes, puis correction collective au tableau. 2000 points sans transparence : la densité réelle est invisible, tout semble uniformément réparti.

Correction

ggplot(d) + geom_jitter(aes(x = age, y = heures.tv), alpha = 0.15)

Important

Sans transparence ni décalage, les points se superposent exactement : on ne voit pas où se concentrent réellement les enquêtés. geom_jitter() et alpha révèlent la densité que le premier graphique cachait.

Aujourd’hui

Le déroulé

  • 30 minutes : consignes et rappels
  • 2 heures : vous travaillez, je passe vous voir
  • 30 minutes : quelques-uns montrent un résultat

Le travail se fait ici. Ce que vous n’aurez pas fini sera à terminer chez vous.

Ce qui est attendu

Un script R commenté qui répond à deux ou trois questions de votre choix sur l’enquête Histoires de vie.

Pour chaque question :

  • la question, écrite en français, en commentaire
  • le code qui y répond
  • au moins un tableau ou un graphique
  • une phrase disant ce que vous y lisez

Ce que vous savez faire

Manipuler un tableau

Verbe Ce qu’il fait
select() choisit des colonnes
filter() choisit des lignes
arrange() trie les lignes
mutate() crée ou modifie une colonne 
d |>
  filter(age < 30) |>
  select(age, sexe, qualif) |>
  arrange(age)

Décrire

Fonction Ce qu’elle fait
summarise() calcule des indicateurs
count() compte les modalités
group_by() découpe en groupes
n() donne l’effectif du groupe 
d |>
  group_by(qualif) |>
  summarise(
    effectif = n(),
    age_moyen = mean(age)
  ) |>
  arrange(desc(age_moyen))

Représenter

Géométrie Pour quoi
geom_histogram() distribution d’une variable quantitative
geom_bar() effectifs d’une variable qualitative
geom_point(), geom_jitter() deux variables quantitatives
geom_boxplot() une quantitative selon une qualitative
facet_wrap() le même graphique par groupe 
ggplot(d) + 
  geom_boxplot(aes(x = heures.tv, y = qualif)) +
  labs(x = "Heures de télévision par jour", y = NULL)

Choisir ses questions

Une bonne question

  • Elle porte sur des variables qui existent dans le jeu de données.
  • Elle est assez précise pour qu’on sache quel calcul faire.
  • Elle a une réponse vérifiable : un chiffre, une comparaison, une forme.
Trop vague Utilisable
« Étudier les loisirs » « Les cadres lisent-ils plus de bandes dessinées que les ouvriers ? »
« Analyser la télévision » « Le temps passé devant la télévision diminue-t-il avec le niveau d’études ? »
« Voir les différences hommes-femmes » « À âge et catégorie sociale comparables, les femmes déclarent-elles moins pratiquer un sport ? »

Si vous ne savez pas par où commencer

  • Qui pratique un sport ? Est-ce lié à l’âge, au diplôme, à la catégorie sociale ?
  • Le sentiment d’appartenance à une classe sociale (clso) varie-t-il selon la qualification ?
  • Le nombre de frères et sœurs est-il lié à la pratique religieuse (relig) ?
  • Qui déclare que le travail est important (trav.imp) ? Et qui en est satisfait (trav.satisf) ?
  • Les activités de loisir (cuisine, bricol, peche.chasse, cinema) se répartissent-elles différemment selon le sexe ?

Prenez-en une, et posez-vous ensuite la question qui vient naturellement après.

Écrivez-les d’abord

Important

Écrivez vos deux ou trois questions en français, dans votre script, avant d’écrire la moindre ligne de code.

Sinon, vous produirez des calculs sans savoir ce que vous cherchez, et vous ne saurez pas dire si le résultat est bon.

Écrire le script

Structure

# Projet M3P — Prénom Nom — numéro d'étudiant
# Analyse de l'enquête Histoires de vie 2003

# Préparation ------------------------------------------------

library(tidyverse)
library(questionr)

data(hdv2003)
d <- as_tibble(hdv2003)


# Question 1 : les cadres regardent-ils moins la télévision ? ----

# ...


# Question 2 : ... ----

# ...

Les sections

Un commentaire terminé par au moins quatre tirets crée une section :

# Question 1 : la pratique sportive selon l'âge ----
  • RStudio affiche alors un plan navigable, en bas à gauche de la fenêtre du script.
  • Ctrl + Shift + O affiche ou masque ce plan.
  • Cela ne change rien à l’exécution : ce sont des commentaires ordinaires.

Une section par question. C’est ce qui rend un script lisible – par moi, et par vous dans trois semaines.

Commenter utilement

Astuce

Commentez ce que vous cherchez et ce que vous trouvez, pas ce que fait la ligne.

# Inutile
# calcule la moyenne
mean(d$age)

# Utile
# On écarte les 5 non-répondants sur les heures de télévision.
# La moyenne porte donc sur 1995 personnes.
d |> summarise(
  effectif = sum(!is.na(heures.tv)),
  moyenne = mean(heures.tv, na.rm = TRUE)
)

Les réflexes

  1. Prédisez l’ordre de grandeur avant de lancer le calcul. Un résultat qui surprend est soit une découverte, soit une erreur.
  2. Affichez l’effectif à côté de chaque indicateur. Une moyenne sur six personnes ne se compare pas à une moyenne sur huit cents.
  3. Nommez vos axes. heures.tv n’est pas un titre d’axe.
  4. Relancez tout depuis le début avant de rendre : Ctrl + Shift + F10 puis exécutez le script en entier. Il doit tourner sans erreurs sur une session vierge.

Quand vous êtes bloqué

  1. Lisez la dernière ligne du message d’erreur. Le nom entre guillemets est presque toujours la faute.
  2. Ouvrez l’aide : ?nom_de_la_fonction, et regardez la rubrique Examples tout en bas.
  3. Réduisez le problème. Testez sur deux ou trois lignes plutôt que sur les 2000.
  4. Demandez à votre voisin, puis à moi.

Le point 3 est le plus efficace.

Rendu

Ce que vous déposez

Un fichier .R, nommé Nom_Prenom.R, déposé sur Moodle.

Il doit :

  • S’exécuter en entier, sans erreurs, sur une session vierge
  • Contenir vos questions écrites en français
  • Produire au moins deux graphiques nommés
  • Contenir vos commentaires de lecture des résultats

Critères

Critère Ce que je regarde
Le script tourne exécution complète sans erreurs
Questions Posées explicitement, précises
Pertinence Le calcul répond bien à la question posée
Prudence Effectifs affichés, valeurs manquantes traitées
Graphiques Lisibles, axes nommés
Lecture Une phrase de commentaire par résultat
Note

Deux questions bien traitées valent mieux que cinq survolées.

Pour aller plus loin

RStudio sait transformer un script en document, sans rien apprendre de nouveau : les lignes commençant par #' sont interprétées comme du texte.

#' # Analyse de la pratique sportive
#' 
#' On commence par regarder la répartition par sexe.

d |> count(sport, sexe)

Ctrl + Shift + K produit alors un document HTML mêlant texte, code et résultats.

Note

C’est facultatif, et cela ne rapporte rien de plus. Mais si le mécanisme vous intéresse, c’est le point d’entrée vers Quarto et les documents reproductibles.

Au travail

Les deux heures qui viennent

  • Écrivez vos questions. Montrez-les-moi avant de commencer à coder.
  • Travaillez seul, mais parlez à vos voisins quand vous bloquez.
  • Je passe entre les rangs.

Dans deux heures, quelques-uns d’entre vous montreront un graphique et diront ce qu’ils y lisent.

Et après ce cours

Vous savez maintenant charger des données, les décrire, les représenter et rendre un travail reproductible.

  • Vous retrouverez ces outils en économétrie, en séries temporelles et dans votre projet tutoré.
  • Les leçons swirl facultatives restent disponibles si vous voulez aller plus loin : conditions, boucles, écriture de fonctions, tirages aléatoires… Voir LECONS_OPTIONNELLES.md pour la liste complète.
  • Le manuel de Julien Barnier, Introduction à R et au tidyverse, couvre largement ce que nous n’avons pas eu le temps d’aborder.

Et si vous vous faites aider par un assistant IA, vous avez désormais de quoi juger ce qu’il vous répond.