Skip to content
Retour aux résultats

Enquête longitudinale — Recherche par enquête à mesures répétées

Introduite par
Established tradition; formalized in social science by Paul Lazarsfeld and colleagues (1940s panel studies)
Année
1940s (panel survey tradition); longitudinal designs codified mid-20th century
Type
Quantitative / mixed-methods survey design
Famille
Data collection

Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais

Taille de police

À quoi sert-elle ?

Une enquête longitudinale recueille des données structurées par questionnaire auprès des mêmes individus ou unités à deux points dans le temps distincts ou plus.

En suivant les mêmes répondants au fil des vagues, les chercheurs peuvent distinguer le changement réel des différences individuelles stables, établir l'ordre temporel entre les variables et modéliser les trajectoires d'attitudes, de comportements ou de résultats d'une manière qu'un simple instantané transversal ne peut pas supporter.

L’intuition derrière la méthode

Imaginez photographier le même groupe de personnes chaque année pendant une décennie, par opposition à photographier un groupe différent chaque année. La première approche — l'enquête longitudinale — vous permet de voir qui a réellement changé, de combien et dans quelle direction, plutôt que de deviner à partir des moyennes de groupe. Étant donné que chaque répondant sert de sa propre référence, la variation individuelle est contrôlée naturellement, permettant au chercheur de dire « les personnes qui avaient la croyance X l'année 1 étaient plus susceptibles de rapporter le résultat Y l'année 3 » avec une confiance bien plus grande que ne le permet une conception à vague unique.

Histoire

La recherche systématique par enquête longitudinale a émergé dans les sciences sociales américaines dans les années 1940 grâce aux études de panel de Paul Lazarsfeld sur le comportement électoral, qui ont montré que le suivi des mêmes répondants au fil du temps pouvait éclairer les changements d'attitude impossibles à détecter dans des instantanés transversaux. L'approche s'est étendue à l'épidémiologie et à la psychologie du développement via des études de cohorte telles que le Framingham Heart Study (1948) et le British National Child Development Study (1958). De grands panels de ménages ont suivi — le Panel Study of Income Dynamics (PSID, 1968) et le German Socio-Economic Panel (SOEP, 1984). La codification méthodologique a été avancée par Duncan (1975) et Menard (2002).

Quand l’utiliser

Utilisez une enquête longitudinale lorsque la question de recherche concerne explicitement le changement, le développement ou la précédence temporelle — par exemple, si une intervention politique a produit des changements d'attitude durables, comment la réussite scolaire évolue de l'école primaire à l'école secondaire, ou quels facteurs de risque précoces prédisent les résultats de santé ultérieurs. C'est la conception appropriée lorsque les données transversales confondraient les effets d'âge avec les effets de cohorte ou de période. N'utilisez pas d'enquête longitudinale lorsque le phénomène est stable (rendant la mesure répétée redondante), lorsque les ressources ou le temps sont insuffisants pour soutenir plusieurs vagues, ou lorsque l'attrition est susceptible d'être si sévère que l'échantillon conservé ne représentera plus la population cible. Une enquête transversale est plus rapide et moins chère pour des questions purement descriptives, à un seul point dans le temps.

Limites et points d’attention

  • L'attrition s'accumule au fil des vagues ; l'abandon non aléatoire peut introduire un biais de sélection sérieux dans les vagues ultérieures.
  • Coûteux et long par rapport aux enquêtes transversales, nécessitant une infrastructure soutenue et la reprise de contact avec les répondants.
  • Tests d'effets : l'exposition répétée aux mêmes questions peut sensibiliser les répondants et modifier les attitudes ou les comportements mesurés.
  • Les effets d'historique et les tendances séculaires entre les vagues peuvent confondre les estimations de changement intra-individuel.

Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.

Points forts

  • Établit l'ordre temporel des variables, renforçant l'inférence causale au-delà de ce que permettent les conceptions transversales.
  • Contrôle les différences individuelles stables car chaque répondant sert de sa propre référence.
  • Révèle les trajectoires de changement intra-individuelles — qui change, de combien et à quel rythme.
  • Supporte l'analyse de cohorte, distinguant les effets d'âge, de période et de cohorte lorsque les vagues couvrent un temps suffisant.
  • Compatible avec les méthodes mixtes : des entretiens de suivi qualitatifs peuvent être intégrés entre les vagues.

Applications

  • Suivi des changements dans les attitudes politiques, l'identification des partis ou l'intention de vote au fil des cycles électoraux.
  • Surveillance du développement cognitif et socio-émotionnel des enfants de la petite enfance à l'adolescence.
  • Évaluation de la production par les interventions de santé publique de changements comportementaux durables sur plusieurs mois ou années.
  • Étude des trajectoires de carrière et des dynamiques salariales par des enquêtes répétées sur l'emploi et le revenu.
  • Évaluation des effets psychologiques à long terme d'événements de vie tels que la perte d'emploi, le deuil ou l'apparition d'une maladie chronique.
  • Évaluation des réformes éducatives en mesurant la réussite et l'engagement des élèves à différents niveaux scolaires.

Comment ça marche

Comment ça marche

1

Le chercheur spécifie le nombre de vagues de mesure, l'espacement entre elles (semaines, mois, années) et les construits à mesurer à chaque vague. Une conception de panel suit les mêmes individus ; un panel tournant remplace une fraction des répondants à chaque vague pour limiter la charge tout en maintenant la continuité. Le cœur du questionnaire est maintenu identique à travers les vagues pour permettre une comparaison directe, et tout nouvel élément est clairement marqué comme une addition.

2

Un échantillon probabiliste ou de convenance est recruté lors de la première vague. Comme l'attrition au fil du temps réduit la puissance statistique, l'échantillon initial doit être plus grand qu'une étude transversale comparable. Les documents de recrutement expliquent l'engagement multi-vagues, et les répondants peuvent se voir offrir des incitations pour maintenir leur participation. Les informations de contact sont collectées et mises à jour pour faciliter la re-prise de contact.

3

La première vague (de référence) est administrée — en ligne, par courrier, par téléphone ou en personne. Cette vague établit les valeurs de départ de toutes les variables de l'étude et capture les covariables qui seront utilisées pour modéliser le changement. Les variables démographiques et de contexte mesurées ici sont traitées comme des points de référence fixes pour les vagues ultérieures.

4

À chaque vague subséquente, le même cœur de questionnaire est réadministré aux mêmes répondants. Les chercheurs suivent les taux de réponse par vague et envoient des rappels aux non-répondants. L'intervalle entre les vagues est choisi pour être suffisamment long pour que des changements significatifs puissent se produire, mais suffisamment court pour que le processus causal d'intérêt n'ait pas été obscurci par des événements intermédiaires.

5

L'abandon est le principal défi méthodologique. Les chercheurs comparent les caractéristiques de la vague 1 des participants ayant complété l'étude par rapport à ceux qui ont abandonné pour évaluer si l'attrition est aléatoire ou systématique. Lorsque l'attrition n'est pas aléatoire, des méthodes telles que l'imputation multiple, la vraisemblance du maximum à information complète (FIML) ou la pondération par probabilité inverse sont appliquées pour réduire le biais.

6

Les données longitudinales sont analysées avec des méthodes conçues pour les mesures répétées : modélisation de courbes de croissance, modèles multiniveaux ou à effets mixtes, modèles de panel à décalage croisé, ou estimation par différences de différences. Ces techniques séparent le changement intra-individuel de la variation inter-individuelle et permettent de tester directement les relations temporelles.

Pièges courants

  • Sous-estimation de l'attrition — ne pas prévoir l'abandon conduit à des vagues ultérieures sous-dimensionnées ; sur-échantillonner à la base et budgétiser le suivi et les incitations.
  • Modification de l'instrument entre les vagues — modifier la formulation, les échelles de réponse ou l'ordre des questions brise l'équivalence longitudinale et rend les comparaisons vague à vague invalides.
  • Ignorer l'attrition non aléatoire — supposer que l'abandon est aléatoire sans le tester peut produire un échantillon conservé qui est systématiquement différent de la population cible.
  • Choix inadéquat des intervalles entre les vagues — des intervalles trop courts peuvent ne pas permettre l'accumulation de changements significatifs ; des intervalles trop longs risquent de manquer le pic d'un processus dynamique.
  • Application de techniques d'analyse transversale à des données longitudinales — utiliser la régression ordinaire sans tenir compte des mesures répétées viole les hypothèses d'indépendance.

Questions fréquentes

Combien de vagues sont nécessaires pour une enquête longitudinale ?

Un minimum de deux vagues est requis pour mesurer le changement, mais deux vagues ne peuvent capturer qu'un changement linéaire et ne peuvent distinguer une fluctuation transitoire d'une tendance stable. Trois vagues ou plus permettent la modélisation de courbes de croissance et la détection de trajectoires non linéaires. Le nombre doit être déterminé par la forme attendue du processus de changement et les contraintes pratiques d'attrition et de coût.

Quelle est la différence entre une étude de panel et une étude de cohorte ?

Une étude de panel suit les mêmes individus échantillonnés, quel que soit leur âge ou leur événement d'entrée, en les mesurant à des intervalles calendaires fixes. Une étude de cohorte suit les individus qui partagent une expérience d'entrée déterminante — année de naissance, obtention du diplôme ou diagnostic de maladie — en les suivant à partir de ce point de départ commun. De nombreuses enquêtes longitudinales combinent des caractéristiques des deux conceptions.

Comment gérer les données manquantes causées par l'attrition ?

Testez d'abord si les données manquantes sont aléatoires (MCAR), aléatoires conditionnellement aux variables observées (MAR), ou systématiquement liées à des valeurs non observées (MNAR). Si MAR est plausible, l'imputation multiple ou l'estimation par vraisemblance du maximum à information complète (FIML) permet de récupérer des estimations non biaisées sans supprimer de cas. La simple suppression des cas incomplets (suppression par liste) est rarement défendable dans le travail longitudinal.

Puis-je ajouter de nouvelles questions aux vagues ultérieures sans compromettre la conception longitudinale ?

Oui, mais l'ensemble de base des éléments répétés doit rester identique en termes de formulation, de format de réponse et de position pour préserver l'équivalence de mesure entre les vagues. Les nouveaux éléments doivent être clairement séparés de la batterie de base et leur ajout doit être noté dans la documentation de l'étude. L'ajout d'éléments qui amorcent involontairement les répondants sur les questions de base est une erreur courante et évitable.

Une enquête longitudinale est-elle appropriée pour étudier des événements rares ?

Cela dépend de la taille de l'échantillon et de la fréquence de l'événement. Étant donné que chaque vague ne conserve qu'une fraction de l'échantillon d'origine et que les événements rares surviennent peu fréquemment, l'étude d'événements rares nécessite des échantillons initiaux très importants ou un sur-échantillonnage des groupes à haut risque. La liaison de données administratives aux données d'enquête peut augmenter la détection d'événements rares entre les vagues.

Méthodes associées

Sources

  1. Menard, S. (2002). Longitudinal Research (2nd ed.). Sage Publications.

    ISBN : 978-0761922292
    Copié.
  2. Longitudinal study. Wikipedia.

    Ouvrir la référence de la publication
    Copié.