Les enquêtes Afrobarometer) sont réalisées par vagues à laquelle tous les pays du continent sont invités à participer. Au cours de chacune des vagues, des questions identiques sont posés aux citoyens de chacun des pays qui participent à l’enquête ce qui permet de comparer leurs opinions. Toutefois certains pays refusent de participer ou bien participent mais ne posent pas toutes les questions et en ajoutent parfois d’autres. Malgré ces limites il s’agit d’une source majeure d’information sur l’évolution des opinions publiques en Afrique puisque la première vague remonte à 1999 et que nous en sommes aujoud’hui à la dixième.
La Côte d’Ivoire a participé aux enquêtes Afrobarometer de 2013, 2014, 2019, 2021 and 2023. Celles-ci ont été réalisées par le laboratoire Zechlab. Les fichiers de résultats sont librement accessibles sur le site Afrobarometer) qui fournit à la fois les données (au format SPSS) et les métadonnées relatives aux questions posées et aux modes de collecte.
Conversation de SPSS vers R
Bien qu’elles soient fournies au format SPSS (extension .sav) les données AfroBarometer peuvent facilmement être importées dans R à l’aide du package haven. On peut ensuite récupérer le code des variables à l’aide du package labelled. On ajoute le package dplyr pour faciliter les sélections de lignes et colonnes
Nous procédons ici à l’importation d’un nombre volontairement limité de variables choisies pour l’école d’été. Mais chacun pourra adapter le programme ci-dessous à ses besoins.
Important
Il est recommandé de toujours placer en début de liste la variable RESPNO qui est l’identifiant unique des personnes enquêtées et la variable withinwt_ea qui est le pondérant permettant de redresser l’échantillonage. Il est également important de retenir les variables URBRUR (urbain ou rural) et REGION (localisation) si l’on veut pouvoir cartographier les résultats.
Code
library(haven)library(labelled)library(dplyr)library(writexl)# (A) Importe les données de SPSS vers Rbase <-haven::read_sav("data/civ_afrobarometer_2023/source/afrobarometer_release-dataset_cdi_r9_fr_2023-03-01.sav")names(base)# (B) Définit la liste des variablessel <-c("RESPNO","withinwt_ea","URBRUR", "REGION", "EA_SVC_A","EA_SVC_B","EA_FAC_B","EA_ROAD_C","THISINT","ADULT_CT", "CALLS","Q1", "Q2", "Q46F", "Q46G", "Q46H", "Q46I", "Q57A", "Q57B", "Q58A", "Q58C", "Q90D", "Q90F", "Q90G", "Q91C", "Q92A", "Q94","LENGTH", "Q101", "Q102", "Q103")## (C) Extrait les variablestab <- base%>%select(all_of(sel))## (D) Extrait les métadonnéesw<-labelled::var_label(tab)meta<-data.frame(code=names(w),def=as.character(w))## (E) Convertit les variables spss qualitatives en factortab <-to_factor(tab,labelled_only = T)## (F) Convertit le tableau en data.frametab<-as.data.frame(tab)## (G) Sauvegarde au format .RDS les données et métadonnéessaveRDS(tab,"data/civ_afrobarometer_2023/data/survey_data.RDS")saveRDS(meta,"data/civ_afrobarometer_2023/data/survey_meta.RDS")## (H) Sauvegarde au format .csv (si besoin)write.table(tab,"data/civ_afrobarometer_2023/data/survey_data.csv", sep=";", row.names=F, fileEncoding ="UTF-8")write.table(meta,"data/civ_afrobarometer_2023/data/survey_meta.csv", sep=";", row.names=F, fileEncoding ="UTF-8")## (I) Exporte au format excel (si besoin)library(writexl)write_xlsx(list("data"=tab,"meta"=meta),path ="data/civ_afrobarometer_2023/data/survey.xlsx")
Liste des variables
Celle-ci dépend des choix qui sont opérés dans le questionnaire Afrobarometer qui en comporte plusieurs centaines. A titre d’exemple, le programme d’extraction présenté ci-dessus aboutit à la liste suivante :
code
def
RESPNO
Numéro du répondant
withinwt_ea
Facteur de pondération nationale
URBRUR
Type de milieu: Urbain ou Rural
REGION
Région
EA_SVC_A
EA-SVC-A. Réseau électrique dans la ZD
EA_SVC_B
EA-SVC-B. Système d’adduction d’eau dans la ZD
EA_FAC_B
EA-FAC-B. École dans la ZD
EA_ROAD_C
EA-ROAD-C. État de la route sur les derniers 5km
THISINT
Cet entretien, sexe
ADULT_CT
Nombre de citoyens adultes dans le ménage
CALLS
Nombre de visites
Q1
Q1. Age
Q2
Q2. Langue parlée dans le ménage
Q46F
Q46f. Réduction de la criminalité
Q46G
Q46g. Amélioration des services de santé de base
Q46H
Q46h. Satisfaction des besoins en éducation
Q46I
Q46i. Fourniture de services d’eau et d’assainissement
Q57A
Q57a. Est tombé malade de la COVID-19
Q57B
Q57b. Perte de revenu à cause de la COVID-19
Q58A
Q58a. A reçu le vaccin contre la COVID-19
Q58C
Q58c. Raison principale pour laquelle il est peu probable de vacciner
Q90D
Q90d. Possède ordinateur
Q90F
Q90f. Possède téléphone portable
Q90G
Q90g. Téléphone a un accès à l’Internet
Q91C
Q91c. Emplacement de la toilette ou latrine
Q92A
Q92a. Maison raccordée au réseau électrique
Q94
Q94. Niveau d’instruction du répondant
LENGTH
Durée de l’entretien
Q101
Q101. Sexe du répondant
Q102
Q102. Race du répondant
Q103
Q103. Langue principale de l’entretien
Mais il est tout à fait possible de choisir d’autres variables en consultant au préalable la documentation de l’enquête qui est fournie avec le dossier.
Utilisation avec Magrit
La localisation des enquêtés est effectuée au niveau des 33 départements. L’effectif est grosso modo proportionnelle à la population puisque le sondage a été effectué selon la methode des quotas. Mais du coup on aboutit à des effectifs très faibles dans certains départements ce qui exclue le calcul de pourcentages significatifs.
Il sera donc prudent si l’on veut cartographier les résultats de regrouper les réponses au niveau des 14 districts voire à un niveau encore plus élevé car certains districts ont encore un effectif très faible, notamment Denguélé (16 réponses) et Yamoussoukro(24 réponses)
Utilisation avec R
L’enquête Afrobarometer sera donc principalement exploitée avec R dans le cadre des cours de statistique sur les données d’enquête. Elle permettra notamment d’illustrer les méthodes de recodage de variable qualitative pour produire des tris à plat ou des tableaux de contingence sur lesquels on pourra effectuer des tests du chi-2. Les plus avancés en statistique pourront également utiliser ces données pour des cours de régression logitique, analyse des correspondances, etc.
Examinons juste à titre d’exemple le test d’une hypothèse mettant en relation le sexe (X) et le fait d’avoir reçu une vaccination contre le Covid-19 (Y).
X
Homme Femme
598 602
Y
Non vacciné Vacciné
768 432
Y
X Non vacciné Vacciné Sum
Homme 362 236 598
Femme 406 196 602
Sum 768 432 1200
Y
X Non vacciné Vacciné Total
Homme 60.5 39.5 100.0
Femme 67.4 32.6 100.0
All 64.0 36.0 100.0
Pearson's Chi-squared test with Yates' continuity correction
data: tabcont
X-squared = 5.9151, df = 1, p-value = 0.01501
On constate que les hommes sont un peu plus nombreux (39.5%) que les femmes (32.6%) à déclarer avoir reçu une vacination contre le Covid-19 au moment de l’enquête Afrobarometer de 2023. Le test du chi-2 montre que la relation est légèrement significative (p < 0.05).
