Peut-on établir statistiquement une dépendance « faible » entre deux variables ?

Date février 9, 2010

Par Géraldine Bois

Lors de ma soutenance de thèse1[1], Jean-Claude Passeron a discuté un aspect du traitement de mes données statistiques. Ses remarques m’ont amenée à demander conseil à deux membres de mon laboratoire[2], Julien Barnier et Pierre Mercklé. Ce dernier a ensuite sollicité l’avis de Philippe Cibois et d’Olivier Godechot. Ce billet rend compte de nos échanges.

Lire la suite de ce billet »

Comment faire des tests sous R ?

Date décembre 20, 2009

Comment faire des tests sous R ?

Les articles de sciences sociales utilisent les tests de manière routinisée à travers notamment l’examen des paramètres d’une régression. Il n’est pas inutile de revenir aux bases pour comprendre le test dans sa généralité avant de l’embrigader dans la lourde mathématique de l’analyse toutes choses égales par ailleurs. Au commencement le test sert à répondre à des questions simples. Est-ce que je peux affirmer sans me tromper ou plus exactement sans avoir trop de chances de me tromper que deux moyennes sont différentes ou que deux variables ne sont pas indépendantes ?

Plutôt qu’un long discours sur la théorie des tests, les différentes espèces de risque, la notion de puissance et autre, l’idée de ce tutoriel est de proposer un apprentissage par la pratique. Donnons-nous un article où il y ait des tests facilement reproductibles pour voir ce qu’il en est. On trouve de tels tests dans les articles de sociologie portant sur des petits échantillons, là où l’utilisation des régressions multivariées ne donne souvent pas grand chose faute d’un effectif suffisant.

L’article de Bernard Zarca, « Mathérmaticien : une profession élitaire et masculine », Sociétés Contemporaines, 2006, 64, 41-65 fournit un bon exemple de ce type de données et permet d’illustrer deux des tests les plus utilisés, le test de Student et le test du Chi2, tests qui sont utilisés généralement pour montrer la différence de deux moyennes d’une part et la liaison de deux variables qualitatives d’autre part. Il porte sur les mathématiciens et souligne l’importance du plafond de verre pour les femmes dans cette discipline élitiste.

Prenons le tableau 4 de cet article.

TabLEAU 4 : Âge MOYEN D’ACCÈS À LA CLASSE 2 DU RANG A (PROFESSEURS ET DIRECTEURS DE RECHERCHE) DES MATHÉMATICIENS ET SCIENTIFIQUES CONNEXES. VARIATIONS SELON LA FILIÈRE DE FORMATION ET LE SEXE .

Mathématiciens

Scientifiques connexes

Ensemble

moyenne

38,5

40,3

écart type

5,4

5,7

Hommes

moyenne

38

41,4

écart type

5,3

5,5

effectif

123

64

Femmes

moyenne

40,9

41,9

écart type

5,4

7,7

effectif

18

16

seuil de significativité du F test de différence entre moyennes

.029

ns

Anciens élèves de l’ENS

moyenne

37,1

39,2

écart type

5,1

6,2

effectif

35

10

Autres

moyenne

38,3

41

écart type

5,5

5,3

effectif

40

21

seuil de significativité du F test de différence entre moyennes

ns

ns

ENS hommes

moyenne

37,4

40,1

écart type

5

5,6

effectif

26

8

Autres hommes

moyenne

38

40,5

écart type

5,6

4,7

effectif

34

18

ENS femmes

moyenne

40,1

35,5

écart type

5,4

2,1

effectif

7

2

Autres femmes

moyenne

39,7

44,3

écart type

5

8,5

effectif

6

3

Le tableau comporte quatre tests. Le test de la différence de moyennes d’âge au passage professeur entre les hommes et les femmes, les normaliens et les non-normaliens en mathématiques d’une part et dans les disciplines connexes d’autre part. Les tests pratiqués sont ici des tests de Fisher d’égalité des moyennes (ANOVA). Ceux-ci sont équivalents au test de student lorsque l’on teste l’égalité de deux moyennes uniquement, ce qui est le cas ici. Aussi on se permettra de tester celui-là. Le grand avantage du test de student (mais aussi son inconvénient diront certains), c’est que l’on n’a pas besoin de toute la distribution mais seulement de la moyenne, de l’écart-type et de l’effectif.

Test de Student

Première méthode : En décomposant tous les calculs.

Nous allons essayer de reproduire le premier test dans le tableau.

D’abord entrons les paramètres de l’échantillon d’âge des mathématiciens hommes passant professeur.

mean1<-38

sd1<-5.3

n1<-123

Faisons de même avec les femmes.

mean2<-40.9

sd2<-5.4

n2<-18

La logique du test est la suivante :

1. On veut montrer qu’il y a une différence d’âge entre hommes et femmes pour passer professeur.

2. On pose l’hypothèse nulle (celle qu’on veut « nullifier », c’est-à-dire réfuter) qu’il n’y a pas de différence d’âge entre les deux sexes.

3. On calcule la statistique empirique T d’écart entre notre échantillon et l’hypothèse nulle

4. On calcule la probabilité qu’un échantillon de même taille tiré dans notre population abstraite suivant les paramètres de H0 ait un écart à 0 au moins aussi grand.

5. Si cette probabilité est petite, on peut rejeter H0.

Pour reproduire le test, on va faire l’hypothèse que les variances sont égales, ce qui semble plutôt être le cas ici. (5.3 versus 5.4)

On calcule donc la variance commune. Cette variance est une moyenne pondérée des deux variances

vcom<-((n1-1)*sd1**2+(n2-1)*sd2**2)/(n1+n2-2)

vcom**0.5

On calcule la statistique de student t, qui représente l’écart entre notre échantillon et les hypothèses H0 d’égalité des moyennes dans les deux groupes :

t<-(mean1-mean2)/((vcom*(1/n1+1/n2))**0.5)

t

Calculons maintenant la probabilité que sous H0, dans échantillon de taille similaire, on ait une différence au moins aussi grande.

Pour cela nous avons besoin du degré de liberté du test :

df<-n1+n2-2

Pour calculer notre probabilité, nous avons besoin de la fonction de distribution de student :

pt(t,df)

Attention ! Ce premier calcul ne correspond pas la probabilité recherchée mais à celui-ci P(X<-2.16). Or nous cherchons la probabilité d’être dans les deux queues de distribution de la fonction de distribution de student.

Le calcul juste est P(X<-2.16 ou X>2.16)=2-2*P(|X|<2.16)

On calcule ici la probabilité qu’en tirant dans notre population abstraite – population infinie conforme à l’hypothèse nulle (pas de différence de moyenne entre hommes et femmes) – un échantillon de même taille ait un écart absolu à l’hypothèse nulle aussi grand que celle observée dans l’échantillon empirique dont nous disposons.

p<-2-2*pt(abs(t),df)

p

Conclusion : on a 3.2% de chance de tromper si l’on rejette l’égalité des moyennes. Cette probabilité est petite. On peut donc prendre ce risque et affirmer que les âges des hommes et des femmes au passage professeur sont différents en mathématiques.

On peut regarder la différence entre le test de student et l’utilisation d’une loi normale :

pbis<-2-2*pnorm(abs(t))

pbis

On voit que le test de Student est un peu plus conservateur. On rejette moins facilement H0. Mais la différence est ici minime. Elle est plus sensible quand l’effectif total est inférieur à 30.

Deuxième méthode : en générant des échantillons

A défaut de disposer des données de l’auteur, on peut générer des échantillons sous R qui ont les mêmes moyennes et écart-types. Avec la fonction rnorm on génère un échantillon de la taille voulue suivant la loi normale centrée réduite.

Une petite transformation assure qu’il a bien d’abord l’écart type voulu (x-mean(x))*sd1/sd(x) et ensuite la moyenne voulue (+mean1 ).

x<-rnorm(n1)

x<-((x-mean(x))*sd1/sd(x)+mean1)

mean(x)

sd(x)

y<-rnorm(n2)

y<-((y-mean(y))*sd2/sd(y)+mean2)

mean(y)

sd(y)

On utilise la fonction t.test avec l’option d’égalité des variances :

var.equal= TRUE

t.test(x,y,var.equal=TRUE)

On peut aussi le stocker dans un objet et voir ce qu’il y a dedans. Il y a en effet souvent plus dans un objet que ce qui est affiché par défaut .

test<-t.test(x,y,var.equal=TRUE)

On regarde ce qu’il y a dedans :

str(test)

Exemple du paramètre statistic de l’objet test :

test$statistic

Exemple du paramètre parameter de l’objet test  :

test$parameter

On peut aussi regarder ce qui se passe si on rejette l’hypothèse d’égalité des variances.

t.test(x,y,var.equal=FALSE)

Résultat : Le cacul de la statistique T change un petit peu. C’est surtout le degré de liberté qui change beaucoup. La correction consiste surtout à recalculer (avec une formule barbare) le bon degré de liberté sous l’hypothèse d’inégalité des variances.

On peut d’ailleurs faire le test d’égalité des variances pour en avoir le cœur net.

var.test(x,y)

La probabilité de se tromper si on rejette l’égalité des variances est de 0.85. On n’a donc pas de raison de rejeter l’égalité des variances.

L’article fait un test de Fisher et non un test de Student. Le test de Fisher permet de tester l’égalité de deux ou plus moyennes. Quand il y a deux groupes, il est équivalent à un test de student.

age<-c(x,y)

sex<-c(replicate(123,1),replicate(18,2))

b<-data.frame(cbind(age,sex))

b$sex<-factor(b$sex)

anova(lm(b$age~b$sex))

On obtient le même résultat que le test de Student avec l’hypothèse d’égalité des variances .

Pourquoi obtient-on une p.value différente de 0.032 différente de celle de l’article ? C’est sans doute lié aux arrondis sur les moyennes et les écarts-types.

L’auteur a arrondi ses moyennes et ses écarts-types à un chiffre après la virgule. Imaginons par exemple des moyennes à peine différentes qui s’arrondiraient comme dans l’article :

mean1b<-37.95

sd1<-5.4

n1<-123

mean2b<-40.94

sd2<-5.3

n2<-18

xb<-rnorm(n1)

xb<-((xb-mean(xb))*sd1/sd(xb)+mean1b)

yb<-rnorm(n2)

yb<-((yb-mean(yb))*sd2/sd(yb)+mean2b)

t.test(xb,yb,var.equal=TRUE)

On obtient alors quelque chose plus proche des résultats de l’auteur.

Test du Chi2

Le tableau 2 contient des croisements de variables qualitatives (sauter une classe, passer le bac avant 18 ans, avoir la mention très bien) et des variables d’appartenance disciplinaires, sexuelles ou scolaires. Dans ce tableau, l’auteur explique que les chiffres en gras correspondent à des écart significatifs en termes de chi2.

TABLEAU 2 : TRAITS SAILLANTS DE LA SCOLARITÉ DES MATHÉMATICIENS ET DES SCIENTIFIQUES CONNEXES ; PROPORTION % DE PERSONNES AYANT DONNÉ UNE RÉPONSE POSITIVE

A sauté une classe à l’école primaire A passé le bac avant 18 ans A eu la mention TB au bac Effectif
Physiciens théoriciens et mécaniciens

34

44

25

63

Informaticiens

27

33

17

147

Didacticiens des mathématiques

38

59

6

16

Ensemble des scientifiques connexes

30

38

18

226

Mathématiciens

34

42

32*

526

anciens élèves de l’ENS

47

59

42

225

Autres

23

29

24

288

Hommes

31

40

32

414

Femmes

42

51

34

110

ENS hommes

45

57

40

177

ENS femmes

50

67

48

46

Autres hommes

20

26

24

228

Autres femmes

34

38

23

60

*en gras : pourcentage significativement plus élevé au seuil de 5 % que celui correspondant à la catégorie

Le tableau juxtapose plusieurs tableaux croisés. Sont représentés seulement les pourcentages en ligne des modalités positives et l’effectif. Mais ces informations sont suffisantes pour reconstituer les tableaux originaux.

On va s’occuper de la différence de parcours scolaire (le fait de sauter une classe) entre normaliens et autres étudiants.

Voici les données : 47% des 225 normaliens ont sauté une classe. 23% des 288 non-normaliens ont sauté une classe.

p1<-c(0.47,0.23)

n<-c(225,288)

Première étape on reconstitue le tableau initial en multipliant les pourcentages en ligne et leur complémentaire par l’effectif. On arrondit le tout pour avoir des nombres entiers.

saut<-round(p1*n,0)

norm<-round((1-p1)*n,0)

tab2<-cbind(saut,norm)

On rajoute les noms de ligne pour faire plus joli :

rownames(tab2)<-c(”normaliens”,”autres”)

Voilà notre tableau

tab2

Avec les marges :

addmargins(tab2)

Les pourcentages en ligne

prop.table(tab2,1)

Calculons le test du chi2 de ce tableau croisé avec la fonction chisq.test de R. Pour les tableaux 2*2, R rajoute par défaut une correction, la correction de Yates qui est controversée. On l’enlève.

chisq.test(tab2,correct=FALSE)

On fait l’hypothèse nulle que dans notre population abstraite le passage par l’ENS et le fait de sauter des classes sont deux phénomènes indépendants. On calcule la probabilité de constater sur un échantillon similaire au notre tiré dans cette population abstraite un écart aussi grand à l’hypothèse nulle que celui constaté empiriquement.

Cette probabilité est égale à 8*10 puissance -9. soit 0,0000008%.

On prend donc vraiment très peu de risques à rejeter l’hypothèse nulle d’indépendance entre le passage par l’ENS et le fait de sauter des classes.

On peut aussi stocker notre test dans un objet et voir ce qu’il y a dedans.

chi2<-chisq.test(tab2,correct=FALSE)

str(chi2)

Le tableau des effectifs observés est alors :

chi2$observed

Le tableau des effectifs attendus à l’indépendance :

chi2$expected

Le tableau des résidus, c’est-à-dire, des écarts pondérés par la racine de l’indépendance. NB : le carré de ces écarts est la contribution au chi2.

chi2$residuals

Refaisons ce calcul, étape par étape.

On peut représenter le calcul de la statistique de chi2 comme le résultat d’un calcul aux étapes suivantes :

  1. Calcul de l’effectif attendu (A)

  2. Calcul des écarts entre l’effectif observé et attendu (O-A)

  3. Calcul des écarts au carré pondéré par l’attendu (O-A)²/A

  4. Somme des cases du tableau (O-A)²/A

Le tableau des effectifs attendus s’obtient en faisant le produit des marges divisé par l’effectif total . Les fonctions, rowSums et colSums permettent d’obtenir ces sommes en ligne et en colonne. La fonction t() permet de transposer la matrice, et l’opérateur %*% de multiplier deux matrices ensemble.

expec<-rowSums(tab2)%*%t(colSums(tab2))/sum(tab2)

expec

Le calcul du tableau des différences est plus simple : une simple différence des deux matrices.

dif<-tab2-expec

dif

Le tableau des contributions au chi2 : différences au carré divisé par l’attendu .

contr<-dif**2/expec

contr

La statistique du Chi2 est égale à la somme des contributions au chi2.

d2<-sum(contr)

d2

Une fois calculé cette statistique empirique d2, on va voir à quel point un échantillon tiré dans une population abstraite conforme à H0 peut la dépasser.

Pour cela, il nous faut, là aussi, un degré de liberté. Il est égal au nombre de lignes – 1 multiplié par le nombre de colonnes – 1.

df<-(nrow(tab2)-1)*(ncol(tab2)-1)

df

Le test du chi2 est un test unilatéral. La fonction de distribution pchisq permet de calculer P(X<D2). Or nous ce qui nous intéresse, c’est P(X>D2)=1-P(X<D2). D’où le calcul suivant  :

p<-1-pchisq(d2,df)

p

On obtient bien le même résultat.

Pour aller plus loin :

En guise de prolongement, on pourra essayer de reproduire les autres tests contenus dans les tableaux de Bernard Zarca.

Appel à communications pour une journée d’études « Quantitatif / Qualitatif »

Date novembre 30, 2009

Le Centre Maurice Halbwachs organise une journée d’études le 3 mai 2010 à Paris sur le thème Quantitatif / Qualitatif, En finir avec une opposition contre-productive et lance un appel à communications.

La journée d’études a pour objet de consommer la rupture avec l’obstacle épistémologique que constitue le clivage « quanti/quali », en montrant comment celle-ci peut aider les sociologues à explorer des domaines originaux ou à revisiter un nouvel aspect d’objets bien connus par ailleurs ainsi qu’à consolider la validation empirique de théories constituées. Il s’agira également de favoriser des rencontres peu fréquentes entre chercheurs issus de formations différentes, afin que chacun voie ce qu’il a à apprendre des autres.

Des propositions de contributions sont attendues dans les domaines suivants :

1. Epistémologie/méthodologie, histoire des sciences

Quand il n’occupe pas une position de surplomb qui le porte à des énoncés trop généraux pour être utiles au chercheur, le discours sur la science est indispensable au travail de recherche. Critique des spécificités et des limites d’une méthode particulière, explicitation des relations entre méthode et théorie sur des cas concrets, mise en rapport de courants méthodologiques ou théoriques avec l’histoire de la discipline, sociogenèse de l’opposition « quanti / quali », ou toute autre analyse appelant à une pratique toujours plus réflexive des outils scientifiques en vue d’une articulation des méthodes qui se fasse en connaissance de cause : autant de types de contributions susceptibles d’être retenues.

2. Résultats produits grâce à l’utilisation conjointe d’outils encore peu associés…

La journée se veut principalement une arène de discussion autour de comptes-rendus de recherches. Les auteurs montreront, très concrètement, comment des assemblages méthodologiques originaux leur ont permis de produire leurs résultats. Ils éclaireront également les problèmes pratiques que ces montages leur ont posés et les répercussions théoriques qu’impliquent leurs choix méthodologiques. Comment ceux-ci se sont-ils révélés heuristiques ?

3. …ou grâce à l’émancipation du cadre contraignant que constitue l’opposition « quanti / quali »

L’abandon du schème classificatoire qui distingue les « méthodes qualitatives » des « méthodes quantitatives » n’appelle pas seulement à des combinaisons méthodologiques peu fréquentes : il invite aussi à revisiter l’emploi routinier que l’on fait de certains outils traditionnellement attachés à l’un ou à l’autre pôle de l’opposition. Dans ce but, nous porterons une attention particulière à toute contribution qui montrera combien il peut être fécond de libérer un outil d’analyse donné des liens historiques qui l’attachent à l’un des deux pôles.

Tous les détails dans le document PDF joint :

L’histoire et l’historien face au quantitatif

Date septembre 22, 2009

Déjà auteures d’un formidable “Repères” consacré aux Méthodes quantitatives pour l’historien (La Découverte, 2008), nos amies Claire Lemercier et Claire Zalc continuent cette année leur séminaire EHESS consacré à cette question. Ce séminaire, intitulé “L’histoire et l’historien face au quantitatif”, est depuis l’année dernière un véritable “atelier” de méthodologie, dont les séances sont organisées autour de la présentation et de la discussion collective des travaux des participants, articulées à une exploration des différents usages possibles des méthodes statistiques dans la recherche historique.

Si vous souhaitez assister à l’atelier, voire y présenter votre recherche, n’hésitez pas à leur écrire, vous serez bien accuelli-e-s !

Le séminaire a lieu le mardi de 10 h 00 à 13 h 00, à l’ENS, 45 rue d’Ulm, 75005 Paris, salle de l’IHMC, au premier semestre. Dates des séances : 3 novembre 2009 – 17 novembre 2009 – 1er décembre 2009 – 15 décembre 2009 – 5 janvier 2010 – 19 janvier 2010 – 2 février 2010 – 16 février 2010

Pour plus d’informations : http://www.quanti.ihmc.ens.fr/document.php?id=146

Contact : histquanti@gmail.com

 

Enquête d’appartenances : un livre-DVD consacré à l’enquête “Histoire de vie” de l’Ined

Date septembre 21, 2009

guerin-pace_2009L’ouvrage que publient aujourd’hui les éditions de l’Ined, sous la direction de France Guérin-Pace, Olivia Samuel et Isabelle Ville, est inaugural à plus d’un titre. Tout d’abord il inaugure une nouvelle collection du grand institut français de recherches démographiques, intitulée « Grandes enquêtes », dont on ne peut qu’espérer la réussite et le succès : cette collection se donne comme mission de présenter les orientations méthodologiques et les résultats des enquêtes menées par l’Ined, soit seul, soit en partenariat avec d’autres institutions. Inaugural, ensuite, parce qu’avec l’ouvrage est livré un DVD sur lequel sont reproduits le fac-similé du questionnaire de l’enquête[1], sa documentation complète, et surtout l’intégralité des réponses des 10.000 personnes interrogées, sous la forme de fichiers de données explorables à l’aide d’outils d’analyse des données[2] : c’est, à notre connaissance, une première en France, qui mérite d’être saluée et, évidemment, encouragée.

Lire la suite de ce billet »

Déchiffrer la société

Date septembre 20, 2009

maurin_2009Bonjour à toutes et à tous ! C’est la rentrée pour Quanti aussi… Alors pour commencer, nous avons une bonne lecture à vous recommander : Louis Maurin est journaliste à Alternatives économiques. Il est aussi le fondateur de l’Observatoire des inégalités, dont le site internet et la lettre électronique s’efforcent depuis plusieurs années de faire un travail précieux d’information et d’analyse des inégalités économiques, sociales, culturelles et politiques qui traversent la société française. Son nouveau projet s’intitule “Déchiffrer la société“, et c’est à la fois un livre et un site internet…

Lire la suite de ce billet »

Sociologie 2.0… Appel à contributions pour la version électronique de la revue “Sociologie”

Date juillet 1, 2009

sociologie_logo_petit1Nouvelle revue académique, Sociologie sera à la fois diffusée en version papier par les Presses Universitaires de France et disponible en ligne à partir du premier trimestre 2010, à raison de quatre numéros par an. Revue généraliste de sociologie, elle a pour objectif principal de publier des articles scientifiques originaux, rédigés en français ou en anglais. Sociologie ne se revendique d’aucune école théorique ou méthodologique, et privilégiera une approche pluraliste de la discipline, ouverte sur ses frontières avec les autres disciplines qui viendraient discuter ses concepts et ses objets, sous la seule condition du respect des règles d’administration de la preuve.

 En articulation étroite avec les contenus publiés dans la version papier de la revue, éditée par les Presses universitaires de France et distribuée en ligne par Cairn, Sociologie entend inaugurer une  politique originale et innovante en matière de documentation électronique de la recherche, qui trouve sa traduction en particulier dans l’inauguration d’une nouvelle rubrique intitulée “Sociologie 2.0″, et consacrée à la publication d’articles de grande qualité scientifiques mettant en oeuvre des techniques innovantes de documentation de la recherche.

Lire la suite de ce billet »

La statistique contre la société ?

Date mai 15, 2009

La suite dans les idées, la très bonne émission de Sylvain Bourmeau diffusée sur France Culture le mardi de 11h à midi, recevait François Dubet il y a quelques jours (émission du 21 avril 2009), autour de son récent livre, Le travail des sociétés (Seuil). Au détour d’une discussion passionnante sur les transformations et le déclin de l’idée de société et des approches sociologiques qui ont pu s’y arrimer, empreinte parfois chez François Dubet d’une rassurante nostalgie (il ne semble pas pouvoir se résoudre à laisser les clés du « travail des sociétés » entre les mains de Beck et Honneth), il s’est agi un instant de statistiques.

Lire la suite de ce billet »

LimeSurvey (3) : Transférer votre enquête dans SAS, R, SPSS ou votre logiciel de statistique préféré

Date mars 27, 2009

Pour qui veut aujourd’hui réaliser une enquête par questionnaires « en ligne », il existe un outil extrêmement pratique et facile à mettre en œuvre : il s’agit de LimeSurvey, une application gratuite à laquelle nous avons déjà consacré un article (voir « LimeSurvey (1) : Construire des questionnaires en ligne, c’est facile ! »).

Vous avez suivi aveuglément nos conseils, vous avez réalisé une magnifique enquête en ligne par questionnaires sans attendre l’article que nous vous avions promis pour vous guider ? Vous avez bien fait, parce que « LimeSurvey (2) : Le mode d’emploi » n’est toujours pas prêt… Alors on passer directement à l’étape suivante : vous avez fait votre enquête, vous voulez en analyser les résultats ? Cet article va vous aider à transférer les données de LimeSurvey vers votre logiciel de statistique préféré.

Lire la suite de ce billet »

Une liste de discussion pour les utilisateurs de R en sciences sociales

Date mars 6, 2009

R est un logiciel libre de traitement de données et d’analyse statistique dont la popularité va croissante. Une introduction à son utilisation a déjà été postée sur ce blog.

Afin de faciliter les échanges et l’entraide autour de l’utilisation de R en sciences sociales, une liste de discussion nomée R-soc vient d’être créée. Elle ne compte pour l’instant qu’une douzaine de membres, mais n’attend que vos annonces, questions et autres réflexions pour s’animer réellement !

À noter que cette liste est tout particulièrement destinée aux utilisateurs débutants. R n’étant pas un logiciel facile d’accès, il ne faut surtout pas hésiter à mobiliser les différentes ressources disponibles en cas de difficultés et avant de sentir le découragement poindre. Cette liste est faite pour cela.

Pour s’abonner à R-soc :

D’autres manière d’accéder à la liste que par courrier électronique sont également possibles grâce à Gmane, en particulier via une interface Web (sous forme de forum ou de blog), un lecteur de nouvelles NNTP, ou des fils RSS. Plus d’informations sur la page :