Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Mots-clés : fréquence de consommation de pornographie, modèles de comptage, éco

Mots-clés : fréquence de consommation de pornographie, modèles de comptage, économétrie de variables qualitatives, prévisions, logiciel R La mise en lumière du potentiel sexuel de l’être humain à travers l’art remonte à la naissance même de l’Homo Sapiens : certains de ces vestiges prenant la forme de peintures murales. L’intellectualisation de ce phénomène n’a fait que croître avec les époques, pour qu’aujourd’hui l’imagerie de charme soit quasiment omniprésente ; et ce dans des domaines très diversifiés. Malgré cela, il existe peu d’études approfondies sur le recours à la consommation de pornographies sous toutes ses formes. Dans ce dossier, nous avons de ce fait décidé d’étudier cette problématique du point de vue des causes de ce comportement, afin d’en déterminer les plus importantes, et potentiellement d’en voir émerger certaines insoupçonnées. Nous avons donc analysé les variations de la fréquence mensuelle de consommation de contenus pornographiques d’un échantillon de 237 individus en 2021. Cela grâce aux données d’une base primaire obtenue via un questionnaire empirique de 10 questions. Ces dernières ont été formulées de telle sorte 1 LA CONSOMMATION DE CONTENUS PORNOGRAPHIQUES Thibault BREGAL Ce dossier a pour objet d’analyser les déterminants théoriques de la fréquence mensuelle de consommation de contenus pornographiques. Nous avons étudié cette variable sur 237 individus aux caractéristiques socio-économiques assez variées, ce à travers un sondage. La population sondée a répondu à une série de 10 questions, que nous avons utilisé en variables explicatives. Nous avons ensuite effectué une Analyse des Correspondances Multiples afin de déterminer les variables qualitatives les plus importantes à inclure dans les modélisations économétriques. Cela nous a permis de mettre en place différents type modèles de comptage, dont nous avons comparé certains critères de qualité pour retenir celui capable de prévoir au mieux les variations de notre variable d’intérêt. Ce document résume les principaux résultats et étapes qui ont abouti à nos différentes conclusions, dans le cadre du cours d’Économétrie des Variables Qualitatives 2 de Mme. Muriel TRAVERS ; dispensé au Master 2 d’économétrie et statistiques appliquées de l’IAE de Nantes. PROBLÉMATIQUE ET CADRE DE L’ÉTUDE qu’elles puissent être introduites dans nos modélisations en variables explicatives ; en grande majorité qualitatives. Tableau 1 : Récapitulatif des déterminants théoriques réunis Y Consommation mensuelle de pornographie X6 Situation matrimoniale X1 Sexe X7 Pratique régulière d’une activité physique X2 Âge X8 Niveau de stress, anxiété X3 Catégorie socioprofessionnelle X9 Médias utilisés X4 Zone d’habitation X10 Âge de la première consommation X5 Revenus L’élimination des observations hors-norme nous a fait passer d’une jeu de données initial de 277 individus à une base de 237. En ce qui concerne la fréquence de consommation, cinq observations ont été identifiées comme atypiques ; avec des fréquences mensuelles supérieures ou égales à 50. Ex-post, la valeur minimale est de 0, la maximale est égale à 30, avec une moyenne de 6 environ. La figure ci-contre nous permet de visualiser la distribution de la consommation de contenus sexuellement explicites relativement à notre échantillon. Une grande majorité de nos observations a une fréquence de consommation plutôt proche de 0, avec plus d’un tiers d’entre elles ne consommant pas ou seulement une fois dans le mois. Logiquement, cette fréquence a tendance à diminuer plus la consommation renseignée est importante, avec seulement 6 individus situés entre 25 et 30. Notre population est essentiellement jeune, avec 75,1% d’étudiants, et âgée de 16 à 32 ans. L’âge moyen après nettoyage de la base est de 22,6 ans. De même, davantage de femmes ont répondu à notre questionnaire, représentant 55,3% des individus sondés. 76,8% de notre échantillon déclare habiter en zone urbaine, la moitié est en couple et seuls 43,6% pratiquent une activité physique au moins trois fois par semaine. L’analyse des Correspondances Multiples permet de mettre en évidence les relations qui existent entre les variables qualitatives étudiées. Elle favorise également l’élaboration d’une pré-typologie au sein de nos 2 Distribution de la fréquence de consommation Consommation de contenus pornographiques QUELQUES STATISTIQUES DESCRIPTIVES MÉTHODOLOGIE : ANALYSE DE DONNÉES & MODÉLISATIONS ÉCONOMÉTRIQUES observations, et l’identification des variables les plus importantes afin de les introduire dans nos modélisations économétriques. Par la suite, les modèles de prévision de type comptage visent à expliquer les variations de notre variable d’intérêt quantitative discrète, soit la fréquence de consommation de contenus pornographiques, par nos déterminants théoriques ; et d’en apprécier les impacts individuels. D’après l’ACM les variables qui paraissent les plus importantes, donc celles qui contribuent le plus au positionnement des axes sont :  L’âge de la 1ère consommation ;  La catégorie socioprofessionnelle, dont trois modalités semblent impactantes ;  Genre, dont les deux classes sont indiquées. Cependant, la lecture du plan factoriel de l’ACM est laborieuse de par la projection des modalités de chaque variable. De ce fait, nous nous fierons également aux résultats de nos variables au test de Student lors de la modélisation ; afin de recouper les analyses visuelles et statistiques pour juger de l’importance des déterminants. Nous avons mis en place quatre types de modèles de comptage (Poisson, Binomial Négatif, ZIP et ZINB), prenant en compte une loi de distribution de nos variables aléatoires différente dans chaque cas. Nous avons ensuite procédé à la comparaison deux à deux de ces modèles grâce au test de Vuong, qui permet leur mise en compétition selon trois critères de qualité. Nous élaborons parallèlement deux modèles initiaux : l’un est composé des déterminants précédemment identifiés par l’ACM, et l’autre contient l’intégralité de nos variables (10). Nous procédons de la sorte afin de confirmer ou corriger la pré-typologie, dont l’interprétation graphique laisse à désirer. Le nombre peu important de variables explicatives que nous avons réuni permet une approche à tâtons : nous nous séparons des déterminants ne possédant aucune de leurs modalités statistiquement significatives afin de conserver uniquement ceux en ayant au moins une. Une fois que l’intégralité des variables présentes dans le premier 3 ACM, contribution des variables à l’axe 1 RÉSULTATS DE L’ANALYSE DE DONNÉES RÉSULTATS DES MODÉLISATIONS DE COMPTAGE type de modèle est statistiquement impactante, nous estimons les trois autres variétés de modélisations avec ces mêmes déterminants. Suite à la comparaison des différentes estimations selon le test décrit plus tôt, nous retenons le modèle dit « Binomial Négatif » ; qui présente les meilleures caractéristiques relevant de sa qualité et de sa fiabilité. Il est désormais possible d’établir une hiérarchie au sein des types de modèles : [Binomial Négatif > ZINB > ZIP > Poisson > Quasi-Poisson] La forme optimisée de ce modèle contient 3 variables explicatives qualitatives, toutes statistiquement significatives et non-dépendantes entre elles : Le genre, la catégorie socioprofessionnelle, et la situation matrimoniale. D’après ce modèle final, les femmes consomment 2,86 fois moins de contenu pornographique. Les individus en couple ont une consommation 1,42 fois inférieure aux célibataires ; de même que le fait d’être ingénieur divise cette fréquence de visionnage par 4,76. 4 DISCUSSION & CONCLUSION Les quatre type de modélisations de comptage que nous avons estimé ont identifié la variable explicative Genre comme la plus impactante ; ce qui est cohérent avec les hypothèses que nous avions posé d’après la littérature. Il en est de même avec la situation matrimoniale dont nous avions pressenti la forte capacité prédictive malgré le peu de sources théoriques. En revanche, il est important d’interpréter l’effet de la modalité Ingénieur de la variable Catégorie socioprofessionnelle au conditionnel, puisque cette classe ne comporte qu’un effectif très faible. De ce fait la réponse des individus appartenant à cette modalité n’est pas représentative et généralisable à un échantillon plus important : son coefficient est biaisé à la hausse. Dans un contexte où davantage de temps nous aurait été accordé, il aurait été intéressant de réitérer l’étude sur un échantillon plus large, et davantage diversifié. En effet, après nettoyage de la base de données, notre population est très jeune et largement étudiante ; les conclusions que nous tirons à son propos sont donc assez spécifiques. uploads/Management/ quatre-pages-evq2-bregal-thibault-m2-ekap.pdf