En bref
| Facteur | Échantillonnage en grappes | Échantillonnage stratifié |
|---|---|---|
| Objectif principal | Réduire les coûts et la logistique | Assurer la représentativité des sous-groupes |
| Fonctionnement | Échantillonner des groupes (grappes), enquêter auprès de tous ou sous-échantillonner à l'intérieur | Diviser la population en strates, échantillonner indépendamment dans chacune |
| Coût | Inférieur (moins de lieux à visiter) | Supérieur (doit atteindre chaque strate) |
| Précision | Inférieure (l'effet de plan gonfle la variance) | Supérieure (réduit la variance si les strates sont homogènes) |
| Taille d'échantillon nécessaire | Plus grande (1,5-3x l'aléatoire simple) | Identique ou plus petite que l'aléatoire simple |
| Nécessite | Liste de grappes (villages, écoles, installations) | Caractéristiques connues de la population pour la stratification |
| Idéal pour | Populations géographiquement dispersées | Enquêtes nécessitant des comparaisons de sous-groupes |
Ces deux approches répondent à des problématiques distinctes. L'échantillonnage en grappes facilite et rend plus abordable la collecte de données lorsque votre population est dispersée sur une vaste zone. L'échantillonnage stratifié assure la possibilité d'analyser de manière significative des sous-groupes spécifiques. En pratique, la plupart des grandes enquêtes de S&E combinent ces deux méthodes.
L'échantillonnage en grappes : une solution économique
L'échantillonnage en grappes consiste à regrouper votre population en unités naturelles (villages, écoles, centres de santé, districts), puis à sélectionner aléatoirement un sous-ensemble de ces unités. Vous pouvez ensuite enquêter auprès de tous les individus des grappes sélectionnées, ou auprès d'un sous-échantillon aléatoire au sein de chacune.
La logique est simple : envoyer des enquêteurs dans 30 villages pour interroger 15 ménages dans chacun est bien moins coûteux que de dépêcher des équipes auprès de 450 ménages sélectionnés aléatoirement et dispersés dans 200 villages. Le nombre de sites à visiter est réduit, les frais de déplacement diminuent et la supervision est simplifiée.
Prenons un exemple concret. Une enquête nutritionnelle doit couvrir une région de 500 villages et 50 000 ménages. Un échantillonnage aléatoire simple exigerait de visiter des ménages potentiellement répartis dans l'ensemble des 500 villages. L'échantillonnage en grappes, lui, sélectionne 40 villages et enquête auprès de 20 ménages par village (soit 800 au total). L'équipe de terrain ne visite alors que 40 sites au lieu de potentiellement plusieurs centaines, réduisant les coûts de terrain de 60 à 70 %.
Le revers de la médaille est la précision. Les individus au sein d'un même village tendent à être plus similaires entre eux qu'aux habitants d'autres villages. Ils partagent souvent le même marché, le même centre de santé, la même source d'eau. Cette similarité, mesurée par la corrélation intra-grappe (CCI), implique que chaque personne supplémentaire interrogée au sein d'une même grappe apporte moins d'informations nouvelles qu'une personne issue d'une grappe différente. Il est donc nécessaire d'augmenter le nombre total de répondants pour atteindre la même précision qu'avec un échantillonnage aléatoire simple.
L'effet de plan (EP) quantifie ce surcoût en termes de taille d'échantillon. Par exemple, si la CCI est de 0,05 et que chaque grappe comprend 20 personnes, l'effet de plan sera de 1 + (20-1)(0,05) = 1,95. Cela signifie que vous aurez besoin d'environ deux fois la taille d'échantillon d'un échantillon aléatoire simple pour obtenir la même précision. Si la CCI monte à 0,10, l'effet de plan passe à 2,9. N'hésitez pas à utiliser le Calculateur d'échantillon pour déterminer ces valeurs en fonction de vos propres paramètres.
L'échantillonnage stratifié : garantir la représentativité
L'échantillonnage stratifié consiste à diviser votre population en groupes mutuellement exclusifs (appelés strates) en fonction d'une caractéristique d'intérêt, puis à échantillonner indépendamment au sein de chaque groupe. Les strates couramment utilisées en S&E incluent : urbain vs rural, hommes vs femmes, districts de programme vs districts de comparaison, ou encore les quintiles de revenu.
La logique diffère de celle de l'échantillonnage en grappes. La stratification n'est pas une question de coût, mais de représentativité : elle vise à garantir que votre échantillon représente fidèlement les sous-groupes clés et que vous puissiez effectuer des comparaisons valides entre eux.
Prenons un exemple. Un programme de moyens de subsistance est mis en œuvre dans trois zones agroécologiques distinctes : montagne, plaine et côtière. La Théorie du Changement du programme prévoit des résultats différents selon ces zones. Un échantillonnage aléatoire simple risquerait, par pur hasard, de sous-représenter la zone côtière (qui est la moins peuplée). L'échantillonnage stratifié, en revanche, alloue un échantillon minimum à chaque zone, assurant ainsi la possibilité d'analyser les résultats de manière distincte pour chacune. Par exemple, si vous devez détecter un changement de 10 points de pourcentage dans chaque zone avec une puissance de 80 %, il vous faudrait environ 150 ménages par zone, soit 450 au total. Sans stratification, vous pourriez avoir besoin de plus de 600 ménages au total pour garantir qu'un nombre suffisant de ménages côtiers soient inclus par chance.
La stratification améliore la précision lorsque les strates sont homogènes en leur sein. Si les ménages d'une strate donnée sont plus similaires entre eux qu'aux ménages d'autres strates, l'échantillonnage stratifié permet d'obtenir des intervalles de confiance plus étroits qu'un échantillonnage aléatoire simple, pour une taille d'échantillon totale équivalente. C'est l'inverse de l'échantillonnage en grappes, où la similarité au sein des groupes réduit la précision.
L'échantillonnage en grappes stratifié : l'approche hybride privilégiée
La majorité des enquêtes de S&E à grande échelle adoptent l'échantillonnage en grappes stratifié. Il ne s'agit pas d'un choix exclusif ; ces deux approches se combinent naturellement.
En pratique, voici comment cela fonctionne :
- Stratifiez la population en fonction des caractéristiques que vous souhaitez comparer (par exemple, région, milieu urbain/rural, zones de programme/de comparaison).
- Au sein de chaque strate, dressez la liste de toutes les grappes (villages, zones de dénombrement, écoles).
- Sélectionnez aléatoirement des grappes au sein de chaque strate, en utilisant la probabilité proportionnelle à la taille (PPT) pour que les grappes plus grandes aient une probabilité de sélection plus élevée.
- Au sein de chaque grappe sélectionnée, choisissez aléatoirement un nombre fixe de répondants (généralement 10 à 25 ménages).
Prenons un exemple concret. Une enquête de situation de référence pour un programme d'éducation couvre 4 provinces (qui constituent les strates). Chaque province compte entre 80 et 120 écoles (les grappes). Le plan d'échantillonnage prévoit de sélectionner 15 écoles par province (soit 60 au total) et d'enquêter auprès de 20 élèves par école (totalisant 1 200 élèves). La stratification assure des estimations fiables au niveau provincial, tandis que l'échantillonnage en grappes permet d'atteindre 1 200 élèves sans avoir à visiter plus de 400 écoles.
Calcul de la taille d'échantillon pour l'approche hybride. Pour calculer la taille d'échantillon nécessaire, commencez par déterminer celle requise pour un échantillonnage aléatoire simple. Multipliez ensuite ce chiffre par l'effet de plan pour intégrer l'échantillonnage en grappes. Enfin, allouez les échantillons entre les strates. Une allocation proportionnelle signifie que chaque strate reçoit une part de l'échantillon proportionnelle à sa population. Une allocation égale est utilisée lorsque vous avez besoin d'estimations au niveau de la strate avec une précision comparable, chaque strate recevant alors le même nombre de répondants. Pour un calcul détaillé, consultez notre guide Comment choisir la taille de l'échantillon.
L'effet de plan : un facteur essentiel
L'effet de plan (EP) est défini comme le rapport entre la variance observée avec votre plan d'échantillonnage réel et la variance qui serait obtenue avec un échantillonnage aléatoire simple. C'est le facteur le plus crucial à considérer dans l'échantillonnage en grappes. L'ignorer conduirait à des intervalles de confiance erronés, des tests de signification invalides et, par conséquent, des conclusions peu fiables.
Effets de plan typiques dans les évaluations de développement :
| Type d'indicateur | CCI typique | EP (20 par grappe) |
|---|---|---|
| Couverture vaccinale | 0,02-0,05 | 1,4-2,0 |
| Prévalence du retard de croissance | 0,03-0,08 | 1,6-2,5 |
| Fréquentation scolaire | 0,05-0,15 | 2,0-3,9 |
| Revenu/dépenses | 0,05-0,10 | 2,0-2,9 |
| Connaissances/attitudes | 0,02-0,06 | 1,4-2,1 |
Règle empirique : En l'absence d'une estimation locale de la CCI, il est recommandé d'utiliser une valeur de 0,05 pour les indicateurs de santé, 0,10 pour les indicateurs d'éducation et économiques, et 0,15 pour les indicateurs d'attitude. Il est toujours préférable d'opter pour une valeur légèrement supérieure par prudence.
Pièges courants
Piège 1 : ignorer l'effet de plan. C'est l'erreur la plus fréquente en S&E. Un échantillon de 384 ménages (le calcul classique pour une "population infinie") répartis sur 20 grappes ne vous offrira pas la précision escomptée. Si l'EP est de 2,0, votre taille d'échantillon effective n'est que de 192. Vos intervalles de confiance seront plus larges et vos tests statistiques moins robustes que prévu. Il est impératif de toujours calculer l'effet de plan et d'ajuster votre taille d'échantillon en conséquence.
Piège 2 : Un nombre insuffisant de grappes avec trop de répondants par grappe. Dans l'échantillonnage en grappes, la précision dépend davantage du nombre de grappes que du nombre de répondants au sein de chaque grappe. Interroger 50 personnes dans 10 villages offrira moins de précision que d'interroger 20 personnes dans 25 villages. Au-delà de 20-25 répondants par grappe, l'ajout de personnes supplémentaires dans la même grappe apporte très peu d'informations nouvelles. Il est donc plus judicieux d'allouer votre budget à l'augmentation du nombre de grappes plutôt qu'à celui des entretiens par grappe.
Piège 3 : stratifier sur un trop grand nombre de variables. Chaque strate ajoutée subdivise davantage votre échantillon. Si vous stratifiez par région (4 strates) et par milieu urbain/rural (2 strates), vous obtenez déjà 8 strates. En ajoutant le genre, vous en avez 16. Si votre échantillon total est de 800, chaque strate ne comptera que 50 répondants, ce qui est souvent insuffisant pour une analyse significative. Ne stratifiez que sur les variables pour lesquelles vous avez un besoin réel d'estimations au niveau de la strate, ou lorsque les différences entre strates sont suffisamment importantes pour influencer votre estimation globale.
Piège 4 : recourir à l'échantillonnage en grappes alors que l'échantillonnage aléatoire simple est envisageable. Si votre population est concentrée dans une zone restreinte (une ville, un district), les économies de coûts offertes par l'échantillonnage en grappes sont minimes, tandis que la perte de précision est bien réelle. Privilégiez l'échantillonnage aléatoire simple ou stratifié lorsque la logistique le permet.
Piège 5 : négliger la non-réponse. Augmentez la taille de votre échantillon de 10 à 20 % pour compenser les ménages absents, refusant de participer ou injoignables. Dans l'échantillonnage en grappes, la perte d'une grappe entière (due à un incident de sécurité, une route inondée, etc.) est particulièrement problématique, car elle entraîne la perte de tous les répondants de cette grappe. Prévoyez toujours 1 à 2 grappes de remplacement.
Piège 6 : confondre la désagrégation et la stratification. La désagrégation consiste à ventiler les résultats par sous-groupe après la collecte des données. La stratification, elle, implique de concevoir l'échantillon avant la collecte pour garantir une représentation adéquate des sous-groupes. Si vous avez besoin d'estimations fiables pour chaque sous-groupe, la stratification est indispensable. Si vous souhaitez simplement présenter les résultats globaux ventilés par groupe, une désagrégation d'un échantillon bien conçu peut suffire, à condition de vérifier que les tailles d'échantillon des sous-groupes sont adéquates.
Guide pour la prise de décision
1. Votre population est-elle géographiquement dispersée ?
- Oui, et la logistique de terrain représente un coût majeur : Optez pour l'échantillonnage en grappes (ou l'échantillonnage en grappes stratifié).
- Non, la population est concentrée : Privilégiez l'échantillonnage aléatoire simple ou stratifié. Évitez l'échantillonnage en grappes.
2. Avez-vous besoin de comparer des sous-groupes ?
- Oui, avec des estimations fiables pour chacun : Stratifiez en fonction de ces sous-groupes et allouez un échantillon suffisant à chaque strate pour l'analyse envisagée.
- Non, vous avez uniquement besoin d'une estimation globale : La stratification est facultative, mais elle peut néanmoins améliorer la précision.
3. Combien de sous-groupes devez-vous comparer ?
- 2 à 4 : L'échantillonnage stratifié est efficace. Chaque strate disposera d'un échantillon suffisant pour des estimations significatives.
- 5 ou plus : Déterminez quelles comparaisons sont les plus prioritaires. Il n'est pas possible de stratifier sur toutes les variables avec un échantillon de taille finie.
4. Quel est votre budget ?
- Suffisant pour couvrir tous les lieux : Échantillonnage aléatoire simple ou stratifié. Précision maximale garantie.
- Limité (nécessité de réduire les déplacements) : Échantillonnage en grappes. Acceptez le compromis sur la précision et augmentez la taille de l'échantillon pour compenser.
Utilisez le Calculateur d'échantillon pour déterminer les tailles d'échantillon adaptées à toute combinaison de ces approches.