PSPP, JASP et Jamovi : des alternatives accessibles à SPSS et SAS

Par défaut

Au fil des années, des logiciels tels que SPSS et SAS sont devenus des incontournables du traitement statistique. Ces logiciels bénéficient d’une renommée qui s’est construite avec le temps, mais qui est de plus en plus fragile, et ce, pour de multiples raisons : coût faramineux des licences pour les établissements, faible interopérabilité, interfaces surannées, etc.

Depuis quelques années, des alternatives très puissantes ont émergé. Certaines d’entre elles reposent sur la philosophie du logiciel libre dont « l’utilisation, l’étude, la modification et la duplication par autrui en vue de sa diffusion sont permises, techniquement et légalement » (Wikipédia). Avec ce genre de logiciels, vous pourrez continuer de travailler sur vos projets de recherche sans vous soucier des dates d’expirations des licences et sans avoir à pirater de logiciels propriétaires.

Petit tour d’horizon de 3 logiciels : PSPP, JASP et Jamovi…

GNU PSPP

PSPP Logo - GNU Project - Free Software Foundation (FSF)
PSPP, une nouvelle boîte à camemberts

GNU PSPP fait partie de la catégorie des « clones », c’est-à-dire des reproductions de logiciels propriétaires, mais sous licence libre (rien à voir avec Star Wars donc). Pour les plus frileux·ses qui voudraient découvrir une alternative à SPSS sans être bouleversé·es par une interface trop différente, GNU PSPP constitue une 1re étape facile d’accès. Le logiciel permet d’utiliser des fichiers de données et de syntaxe compatibles avec ceux de SPSS, facilitant votre transition.

GNU PSPP peut gérer un très grand nombre de variables et de très larges jeux de données. Le logiciel n’est pas très beau, mais on y retrouve les principales fonctionnalités de SPSS (même des analyses bayésiennes !) et, surtout, de façon bien mieux organisée (les menus sont clairs et bien structurés). En plus, la traduction du logiciel est d’assez bonne qualité. Plusieurs fonctions utiles sont toutefois absentes, comme l’analyse de données manquantes et leur remplacement.

Bref, avec GNU PSPP, vous n’aurez certes pas le dernier bolide entre les mains, mais vous pouvez être certain que cela fonctionnera bien pour le B.A.-BA de l’analyse statistique : oubliez les options, avec GNU PSPP on est plutôt dans le modèle Toyota Echo de base, mais au moteur increvable.

Pour évoluer vers R, jamovi plutôt JASP

Jamovi, the Next Level

J’ai déjà évoqué JASP dans un autre billet de ce blogue. JASP est un logiciel de traitements statistiques qui dispose d’une interface graphique enviable, au même titre que jamovi. Les deux logiciels reposent sur des paquets R, le puissant langage de programmation destiné à l’analyse statistique.

Quiconque se frotte à R une première fois après en avoir entendu parler trouvera l’entrée en matière assez opaque. Certes, il existe plusieurs livres qui accompagnent efficacement les chercheur·ses dans leurs premiers pas, dont l’excellent Stats faciles avec R : guide pratique chez De Boeck , mais il faudra oser remonter ses manches pour comprendre le fonctionnement de R. C’est là que jamovi peut devenir votre meilleur ami.

Au premier coup d’œil faire la différence entre jamovi et JASP est ardu : de l’interface aux tests proposés, les points de similitudes sont nombreux, car les deux projets ont des racines communes. L’interface graphique permet de visualiser simplement le jeu de données et d’y faire les nettoyages nécessaires (transformation de variables en Factors, etc.). Les puristes trouveront cela insuffisant, mais les tableaux de données se rapprochent des normes de l’APA 6e édition, normes de publication généralement admises .

Jamovi sera plus utile que JASP pour ceux·celles qui aiment mettre les mains dans le moteur et envisagent, à plus ou moins long terme, de se mettre à R. En effet, à la différence de JASP, jamovi propose une intégration avec R beaucoup plus avancée. Jamovi dispose d’un mode syntaxique (syntax mode) dans lequel on peut accéder à la syntaxe de chacune des analyses. Une fois sur R, il suffira de copier-coller cette syntaxe. À l’inverse, on pourra exécuter du code R directement dans jamovi avec le module Rj Editor. Dans R, on pourra utiliser les paquets jmv, jmvcore et jmvconnect pour tirer parti de ces interconnexions. Grâce à jmvconnect, par exemple, on pourra aisément importer dans R le jeu de données en cours d’utilisation dans jamovi.

La vidéo ci-dessous illustre :

  • i) l’ouverture d’un jeu de données dans jamovi ;
  • ii) deux analyses sommaires sous jamovi ;
  • iii) l’activation du mode syntaxique sous jamovi ;
  • iv) l’import d’un jeu de données jamovi vers R (ici utilisé avec RStudio) ;
  • v)… la reproduction d’une analyse réalisée sous jamovi avec R.
Passer sous R, c’est facile en faisant ses 1ers pas grâce à jamovi ?

Références

Broc, G. (2016). Stats faciles avec R : guide pratique. De Boeck Supérieur.
American Psychological Association. (2010). Publication Manual of the American Psychological Association (6e édition). Best Sellers.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *