URGENT! Choix correct d'un jeu de données

Bonjour,

Je vous écris car j'espère pouvoir recevoir une aide dans mon cas. Je dois rendre un travail de statistique dans très peu de temps dans lequel je dois prendre un jeu de données choisi par moi-même et ensuite réaliser toute l'analyse statistique qu'il est possible de faire dessus en passant de l'inférentielle, la descriptive et la prédictive. Ce qui me pose problème c'est le jeu de données. J'ai passé des journées entières à compiler des données ouvertes sur différents sites de bases de données, mais je vois mal comment obtenir quelque chose d'exploitable. Et je n'ai jamais réussi à en faire les différentes analyses en obtenant qqch de correct (j'utilise R). En effet, j'ai utilisé 5 jeux de données compilés par moi-mêmes sans que cela soit convainquant. Pourriez-vous m'aider? Le dernier truc que j'essayais de faire, c'était de compiler les données sur chaque pays avec différentes informations caractéristiques environnementales de ces derniers dont certaines où j'ai 4 années différentes pour une même variable (ex: surface aires protégées). Mais je vois mal comment avoir des corrélations, etc. Bref, je suis totalement perdu.

En espérant trouver qqn qui puisse m'aider, bonne journée à tous ceux qui liront ce message.

Le problème, c'est trouver un bon jeu de données. Il faut savoir que les données d'une étude appartiennent à ceux qui l'ont faite. C'est un vrai trésor, qui a couté beaucoup de temps et d'argent, et qui ne se donne pas comme ca. On ne les met pas en ligne, et si quelqu'un veut en bénéficier il l'achète, ou au minimum il garantit une publication avec négociation de l'ordre des auteurs.

Le seul espoir est de trouver un vieux truc exploité jusqu'au trognon qu'une bonne ame aurait mis en ligne. Peut etre possible sur les sites des équipes qui font de la santé publique, INVS ... etc ? Ou s'amuser avec google public data explorer ...

Oui en effet. C'est pourquoi je me suis amusé avec des sites comme celui de l'OECD, de l'onu, de statistiques du gouvernement français, etc. Il y pas mal de données, mais j'ai de la peine à voir comment les articuler entre elles pour pouvoir faire tous les tests qui vont à problématique. Déjà si je prends des données avec des années différentes pour une même variable, qu'est-ce que je peux en faire réellement, à part de simples histogrammes...?

Mais la problématique c'est quoi ? Tu te poses une vraie question ou tu cherches juste un gros tableau de chiffres sur lequel faire tourner plein de tests sans question précise ?

Ce qui me laisse perplexe personnellement c'est l'ampleur du projet et la mention URGENT sur le topic. Soit il s'agit d'un truc basique et alors tu t'emmerdes pas, tu récupère ce bon vieux fichier sur les IRIS de Fisher et en une semaine tu peux boucler ton truc. Soit c'est un vrai projet et alors là tu en as pour 3 bonnes semaines entre la récupération des données, la compréhension de la thématique, la compilation des données, l'analyse statistique et la rédaction.

Bref je ne comprend pas bien la mention URGENT, ce que tu cherches à faire là c'est le pur boulot d'un statisticien, et aucun statisticien ne fait ça en 2 jours.

Oui, en effet, mon travail ne se fait pas en 2 jours. La mention de URGENT était concernant le choix d'un jeu de données, pas concernant tout le travail en soi. Ca j'en ai encore beaucoup d'heures devant moi. Cela faisait 1 semaine que j'essayais de compiler différentes données et en formuler qqch, voir si j'en arriverai à qqch, etc. Sans résultats. D'où mon post sur ce forum, n'ayant personne pour m'aider. Je suis venu ici dans le but de débloquer ma situation et me focaliser sur une base de données précise et non ramer encore 1 à 2 semaine sans avoir de réel sujet car comme tu l'as dit, toute l'analyse statistique derrière va être encore plus longue.

Mais justement la question réside là: c'est quoi l'ampleur de ton projet? Juste un exercice ou un vrai travail de professionnel? Dans le premier cas tu peux prendre n'importe quel jeu de donnés disponibles sous SAS ou R. Dans le second cas il y a un jeu de données à compiler qui peut être marrant: celui sur le RP de Mayotte en 2012, tu trouveras les bases de données par village ou par commune sur le site de l'INSEE. Tu peux faire de la typologie de commune et voir si tu arrives à converger vers les résultats des publies disponibles. Si tu trouves pas je te donnerais le lien.