Proc Survey et comparaison de moyennes [Résolu]

[Eric_Verger]

Bonjour à tous,

Dans le cadre de mon travail de thèse, je développe un indice de qualité de l’alimentation et afin de valider ce dernier, je le teste sur des données de consommation alimentaire.

Ces données de consommations requièrent l'utilisation des procédures de type survey afin de pouvoir prendre en compte le plan de sondage complexe de l'étude et j'ai l'impression d'être limité en termes de tests statistiques.

Ainsi, quelle serait la démarche pour déterminer si les moyennes issues de l'indice sont globalement différentes entre les quartiles de ma population et plus spécifiquement entre pairs de quartiles ? En notant que cette variable indice est continue et suit approximativement la loi normale. Même question si je veux tester une variable qui ne suit pas la loi normale.

Enfin j'ajouterai que je travaille avec SAS 9.1.3 Service Pack 4.

Merci beaucoup pour vos retours.
Cordialement.

[datametric]

as-tu la possibilité de dire que tes quartiles sont des échantillons indépendants de la population ?

Si c'est exact, tu peux faire un test des moyennes somme toute assez classique avec la Proc ttest;

Il me semble que si la variable ne suit pas une loi normale, tu pourrais regarder proc npar1way wilcoxon;

Dans EG 4.1, tu trouves cela dans Tâches>ANOVA

[Eric_Verger]

Merci pour cette réponse. Hélas, je ne pense pas que je puisse faire cette hypothèse.

En ce qui concerne les tests proposés, c'est exactement ce que j'avais utilisé dans un premier temps lorsque je ne prenais pas en compte le plan de sondage complexe de l'étude.

[Eric_Verger]

Désolé de re-poster mais je suis toujours bloqué quant à cette famille de procédures de type survey.

Vu qu'il me faut prendre en compte un niveau de stratification et des pondérations, je dois passer par des procédures de type survey.

Je travaille avec une variable continue qui ne suit pas une loi normale (score alimentaire attribué à chaque individu de mon échantillon) et je souhaite savoir si la moyenne de ce score diffère d'un sous-groupe à l'autre (homme vs. femme par exemple).

Merci beaucoup.
Cordialement.

[Eric_Verger]

Voici les éléments de réponse que j'ai pu glaner. J'espère qu'ils pourront être utiles à d'autres.

• Dans le cas d'une variable continue suivant une loi normale, la proc surveyreg et les staments estimates permettent de réaliser des comparaisons entre sous-groupes.
  
  Ref:http://www2.sas.com/proceedings/sugi31/140-31.pdf

• Dans le cas d'une variable continue ne suivant pas une loi normale, il m'a été conseillé de log-transformer la variable. Voici en détail la réponse fournie par le National Center for Health Statistics:
  
  "I'm not aware of a direct way of calculating geometric means in the SAS survey procedures. However, it can be done indirectly by 1) log transforming the analytic variable, 2) using SAS PROC SURVEYMEANS to estimate the mean of the log-transformed variable and its standard error and 3) exponentiating the mean of the log-transformed variable to obtain the geometric mean and multiplying the standard error of the log-transformed mean by the geometric mean to obtain the standard error of the geometric mean. (see KM Wolter. Introduction to Variance Estimation. Springer-Verlag. 1982).
  
  Under the assumption that the analytic variable follows a Student's t distribution on the log transformed scale with degrees of freedom equal to the number of strata minus the number of PSUs containing observations, confidence intervals can be constructed on the log scale and its end points back transformed (i.e. exponentiated). Statistical hypotheses should be tested on the log-scale.
  
  The above method assumes that the log-transformed variable is normally distributed. This assumption should be verified and the data user is referred to the Web Tutorial which details a method for verifying this assumption.
  
  The log transformation does not always yield a Gaussian distribution. To determine this "best" transformation the BOX-Cox method can be employed trough SAS PROC TRANSREG. One common alternative transformation is the square root transformation."

[datametric]

Merci Eric de ce retour. Il sera utile crois moi.