Guide de l'analyse de corrélation
Analyse de corrélation : repérer et interpréter les liens dans tes données d'enquête
Une analyse de corrélation montre si deux variables évoluent ensemble et à quel point elles sont liées – par exemple la satisfaction envers le service client et l'envie de recommander. Ici, tu découvres comment fonctionnent Pearson et Spearman, comment situer la valeur de r, pourquoi une corrélation ne prouve pas une cause et ce que 121surveys calcule pour toi.
Créer et tester est gratuit. Pour publier, tu choisis une offre payante.
Les bases : ce que dit le coefficient de corrélation
Que mesure le coefficient de corrélation r ?
Le coefficient de corrélation r résume le lien entre deux variables par un nombre compris entre −1 et +1. Le signe indique le sens : positif, les valeurs élevées de l'une vont avec des valeurs élevées de l'autre ; négatif, l'une monte quand l'autre baisse. La valeur absolue indique l'intensité : à 0, aucun lien linéaire ; à ±1, tous les points sont alignés sur une droite. Attention : r ne capte que les relations linéaires (Pearson) ou monotones (Spearman). Une courbe en U inversé peut donc donner un r proche de 0 – un nuage de points te montre si c'est le cas.
Corrélation de Pearson : formule et conditions
Le r de Pearson rapporte la variation commune de deux variables à leur variation propre : r = Σ(x − x̄)(y − ȳ) / √(Σ(x − x̄)² · Σ(y − ȳ)²). Au numérateur figure la somme des produits des écarts ; le dénominateur rend le résultat indépendant de l'unité – mesurer en euros ou en centimes ne change pas r. Pearson convient aux données quantitatives ou presque : réponses chiffrées, curseurs et, en pratique, la plupart des échelles de notation à cinq niveaux ou plus. La relation doit être à peu près linéaire, et quelques valeurs extrêmes suffisent à déplacer fortement r.
Corrélation de rang de Spearman : pour les rangs et les valeurs extrêmes
Le rho de Spearman ne travaille pas sur les valeurs elles-mêmes mais sur leurs rangs : chaque réponse reçoit un rang, les ex æquo partagent le rang moyen, puis on calcule le r de Pearson sur ces rangs. Spearman repère ainsi toute relation monotone, même non rectiligne, et réagit beaucoup moins aux valeurs extrêmes. Pour les échelles courtes à peu de niveaux, les distributions asymétriques ou les vrais classements, c'est souvent le choix le plus prudent.
Fort, c'est combien ? Situer r
Une règle empirique répandue, due à Cohen, qualifie un r d'environ 0,1 de faible, d'environ 0,3 de moyen et à partir de 0,5 de fort. C'est une convention, pas une loi : dans les enquêtes d'opinion, des valeurs autour de 0,3 sont souvent déjà parlantes, alors que deux mesures du même phénomène devraient concorder bien davantage. Le carré r² aide à lire le résultat : il donne la part de variation que les deux variables ont en commun. Pour r = 0,3, cela ne fait que 0,09, soit neuf pour cent – le lien existe, mais il n'explique pas l'essentiel des écarts entre répondants.
Combien de réponses
Pour détecter de façon fiable une corrélation moyenne (r = 0,3), il te faut environ 85 réponses. Les corrélations plus faibles en demandent nettement plus.
Corrélation n'est pas causalité
Pourquoi un lien ne prouve pas une cause
Une corrélation dit seulement que deux variables varient ensemble. Elle ne montre pas que l'une provoque l'autre. Les clients satisfaits du support recommandent plus souvent – mais peut-être contactent-ils simplement le support plus souvent et ont donc plus d'occasions de vivre une bonne expérience. Pour parler de cause, il te faut davantage : un ordre dans le temps, un mécanisme plausible et, idéalement, une expérience où tu modifies volontairement une variable pour observer l'autre.
Variables tierces, corrélation fallacieuse et sens du lien
Souvent, une troisième variable influence les deux autres. Si la satisfaction envers un logiciel est liée à la taille de l'équipe, la vraie raison peut être le secteur où les grandes équipes sont plus fréquentes. En découpant les données selon ces groupes, un lien peut s'affaiblir, disparaître, voire s'inverser. Le sens reste lui aussi ouvert : la confiance mène-t-elle à la satisfaction, ou l'inverse ? Une enquête ponctuelle ne permet pas de trancher à elle seule.
Analyse des leviers dans les enquêtes
Dans les enquêtes clients et collaborateurs, la corrélation sert souvent d'analyse rapide des leviers : quelle note détaillée – prix, délai de livraison, conseil – est la plus liée à la satisfaction globale ou au NPS ? C'est un bon premier regard. Mais les leviers sont généralement liés entre eux ; qui apprécie le conseil juge souvent aussi la livraison plus favorablement. La contribution propre de chaque levier n'apparaît qu'avec une régression multiple, que tu peux faire par exemple dans SPSS.
L'analyse de corrélation dans 121surveys
Une matrice de corrélation sur toutes les questions chiffrées
L'analyse calcule la corrélation de Pearson pour chaque paire de questions chiffrées de ton enquête et l'affiche sous forme de matrice : échelles de notation, notes en étoiles, NPS, eNPS, CSAT, CES, pulse check, curseurs et champs numériques. L'onglet apparaît dès que l'enquête compte au moins deux questions de ce type.
Calcul par paire, effectif par case
Pour chaque paire, toutes les personnes ayant répondu aux deux questions sont prises en compte. La matrice indique cet effectif dans chaque case, pour que tu ne confondes pas une valeur fondée sur quelques réponses avec une valeur fondée sur beaucoup. Trop peu de réponses communes ne donnent aucune valeur.
Filtres et période de l'analyse
Les corrélations suivent les filtres et la période que tu as définis dans l'analyse. Tu vérifies ainsi, par exemple, si le lien entre service et recommandation diffère entre nouveaux clients et clients fidèles. Ces analyses approfondies sont accessibles à partir du rôle Analyste.
Export pour Spearman et la régression, MCP pour les assistants IA
Les corrélations de Spearman, les tests de significativité et les régressions se font dans ton logiciel de statistiques, après export des données brutes en fichier SPSS, Excel, CSV, ODS ou JSON. Un assistant IA interroge la matrice via l'outil MCP get_correlations.
Questions fréquentes
Qu'est-ce qu'une analyse de corrélation ?
Une analyse de corrélation vérifie si deux variables sont liées et à quel point. Le résultat est un coefficient compris entre −1 et +1 : le signe donne le sens, la valeur absolue l'intensité. Dans une enquête, tu compares ainsi, par exemple, le lien entre la note de chaque prestation et la satisfaction globale.
Quand choisir Pearson, quand Spearman ?
Pearson convient aux chiffres et aux échelles assez longues dont la relation est à peu près linéaire. Spearman travaille sur les rangs et se prête aux échelles ordinales courtes, aux distributions asymétriques et aux données avec valeurs extrêmes. Si les deux résultats sont proches, la conclusion est solide ; s'ils divergent fortement, regarde le nuage de points.
121surveys calcule-t-il aussi la corrélation de Spearman ?
Non. La matrice de corrélation de 121surveys affiche des corrélations de Pearson. Pour Spearman, les tests de significativité ou les corrélations partielles, exporte les données brutes – par exemple en fichier SPSS, Excel ou CSV – et poursuis dans ton logiciel de statistiques.
Combien de réponses faut-il pour une analyse de corrélation ?
Tout dépend de l'intensité du lien que tu veux détecter : un lien faible demande nettement plus de réponses qu'un lien fort. Veille aussi à ce qu'assez de personnes aient répondu aux deux questions de chaque paire – la matrice de 121surveys indique l'effectif de chaque case. Pour estimer le nombre de réponses nécessaire à une précision donnée, sers-toi du calculateur de taille d'échantillon.
Une forte corrélation signifie-t-elle qu'il faut agir précisément là ?
C'est un indice, pas une preuve. Un lien fort entre une note détaillée et la satisfaction globale fait de ce point un candidat. Seule une comparaison avant-après ou un test ciblé montre si une amélioration augmente vraiment la satisfaction – et une régression sépare la contribution de leviers qui se recoupent.
Trouver les liens, puis vérifier les causes
Avec la matrice de corrélation de 121surveys, tu vois d'un coup d'œil quelles notes montent et baissent ensemble. Utilise-la comme carte pour tes prochaines questions – et vérifie les causes avec des comparaisons de groupes, une régression ou un test ciblé.
