Nomenclature pour coder

Avant de commencer, il est important de comprendre qu'une variable peut être comparée à une phrase. Chaque mot qui la compose joue un rôle précis et contribue à son sens global. Toutefois, tous les mots n'ont pas le même poids dans cette construction : certains définissent la catégorie générale de la variable, d'autres précisent son contenu, et d'autres encore indiquent le type de transformation appliquée lors du nettoyage (cleaning). Nous verrons comment ces éléments interagissent et pourquoi il est essentiel de bien structurer le nom des variables pour assurer une cohérence.

Structure d'une variable

• Premier mot : Catégorie principale de la variable, indiquant son domaine d'application.

  • ses_ : Variables socio-économiques

  • dv_ : Variables dépendantes (dependent variable)

  • lifestyle_ : Habitudes de vie

  • issue_ : Enjeux politiques et sociaux

  • values_ : Valeurs et perceptions

• Deuxième mot : Description de la variable, en minuscules avec un underscore pour séparer la catégorie principale de sa description.

  • Exemples : ses_gender et lifestyle_exercise

• Troisième mot : Distinction apportée par une majuscule sans underscore entre le deuxième et le troisième mot (camel case). Cette distinction permet de mettre l'emphase sur le fait que la différence entre « gender » et « Female » est plus petite qu'entre « ses » et « gender ».

  • Exemples : ses_genderFemale et lifestyle_goFishing.

• Quatrième mot : Finalement, le dernier mot est séparé du troisième par un underscore. Il indique le type de transformation appliqué à la variable lors du nettoyage.

  • _bin : Pour une variable binaire (0/1)

  • _factor : Pour une variable factorisée

  • _cat : Pour une variable catégorielle

  • _numeric : Pour une variable numérique

  • Exemple : ses_genderFemale_bin et lifestyle_goFishingFreq_numeric

Structure d'un dataframe

Il est important de nommer chaque dataframe en utilisant une lettre majuscule pour la première lettre. Cela permet d'identifier facilement la différence entre une variable et un dataframe.

• Exemple : Data_covid

Utilisation de "pro" et "reduce"

Dans certains cas, il est important d'ajouter un mot pour expliciter la direction d'une opinion ou d'une action représentée par la variable.

Par exemple :

pro : Indique une attitude favorable envers une question ou une mesure. Par exemple, issue_proGunControl désigne un soutien au contrôle des armes.

reduce : Désigne une préférence pour la réduction d'un phénomène ou d'un indicateur, comme issue_reduceDeficit, qui exprime le désir de diminuer le déficit économique.

Ainsi, l'utilisation de « pro » et « reduce » ici permet d'assurer une interprétation claire et uniforme du sens des variables.

Procédure pour nettoyer

Pour illustrer la procédure de nettoyage, nous utiliserons l'exemple de la variable activity_1, qui représente la fréquence de la pêche.

1. Vérification et conversion des données

   attributes(DataRaw$activity_1)
   table(DataRaw$activity_1)

   Ensuite, nous la convertissons en format numérique si nécessaire.

   DataRaw$activity_1 <- as.numeric(DataRaw$activity_1)

2. Création de la variable principale

   DataClean$lifestyle_goFishingFreq <- NA
   DataClean$lifestyle_goFishingFreq[DataRaw$activity_1 == 1] <- 1
   DataClean$lifestyle_goFishingFreq[DataRaw$activity_1 == 2] <- 2
   DataClean$lifestyle_goFishingFreq[DataRaw$activity_1 == 3] <- 3
   DataClean$lifestyle_goFishingFreq[DataRaw$activity_1 == 4] <- 4
   DataClean$lifestyle_goFishingFreq[DataRaw$activity_1 == 5] <- 5
   table(DataClean$lifestyle_goFishingFreq)

3. Transformer en facteur

   Les valeurs numériques peuvent être transformées en catégories ordonnées pour faciliter l'interprétation.

   DataClean$lifestyle_goFishingFreq_factor <- NA
   DataClean$lifestyle_goFishingFreq_factor[DataRaw$activity_1 == 1] <- "never"
   DataClean$lifestyle_goFishingFreq_factor[DataRaw$activity_1 == 2] <- "almost_never"
   DataClean$lifestyle_goFishingFreq_factor[DataRaw$activity_1 == 3] <- "sometimes"
   DataClean$lifestyle_goFishingFreq_factor[DataRaw$activity_1 == 4] <- "often"
   DataClean$lifestyle_goFishingFreq_factor[DataRaw$activity_1 == 5] <- "very_often"
   DataClean$lifestyle_goFishingFreq_factor <- factor(DataClean$lifestyle_goFishingFreq_factor,
                                                      levels = c("never", "almost_never", "sometimes", "often", "very_often"),
                                                      ordered = TRUE)
   table(DataClean$lifestyle_goFishingFreq_factor)

4. Conversion en valeurs numériques

   Pour les analyses statistiques, on peut normaliser la variable sur une échelle de 0 à 1.

   DataClean$lifestyle_goFishingFreq_numeric <- (DataRaw$activity_1 - 1) / 4
   table(DataClean$lifestyle_goFishingFreq_numeric)

5. Binarisation

   Enfin, on peut transformer la variable en indicateur binaire pour simplifier certaines analyses.

   DataClean$lifestyle_goFishingFreq_bin <- NA
   DataClean$lifestyle_goFishingFreq_bin[DataRaw$activity_1  == 1] <- 0
   DataClean$lifestyle_goFishingFreq_bin[DataRaw$activity_1 %in% c(2, 3, 4, 5)] <- 1
   table(DataClean$lifestyle_goFishingFreq_bin)