Le défaut qui n'était pas le problème

Une évaluation de la qualité des données est censée dire à un responsable de programme si le chiffre publié tient. Ce laboratoire le fait sur une enquête de sécurité alimentaire de soudure, et la réponse n’est pas celle que l’exercice laisse attendre.

Cinq défauts sont dans le fichier. Ensemble, ils déplacent le chiffre de moins d’un point. Un seul choix méthodologique non documenté le déplace d’un facteur huit. Une évaluation qui rapporte les cinq et pas le sixième a fait le travail et manqué le constat.

Le fichier

food-security-survey-2024.v1.csv — 2 112 entretiens de ménage synthétiques dans quatre districts, portant les composantes brutes du score de consommation alimentaire, de l’échelle de la faim dans le ménage et de l’indice réduit des stratégies de survie. Les indicateurs composites ne sont pas livrés ; les calculer fait partie du travail.

Lisez les notes de qualité du jeu de données avant de commencer. Elles énoncent les pondérations du SCA et les deux jeux de seuils, et vous aurez besoin de tout.

Préparez d’abord

Un projet RStudio avec le fichier en lecture seule et un répertoire outputs/. Le script doit s’exécuter de bout en bout depuis une session neuve — vous le lancerez deux fois, et c’est la seconde qui compte.

Première partie — le tableau de bord

Produisez un tableau de bord en cinq dimensions pour cette enquête. Quatre des cinq se calculent sur le fichier ; la cinquième non, et le dire précisément est un constat à part entière.

• Complétude. Taux de non-réponse par champ et par district. Notez que les cases vides se concentrent sur trois des huit groupes de consommation.
• Cohérence. Valeurs supérieures à sept sur un rappel de sept jours ; modules ÉFM partiellement administrés ; ménages dont le SCA et l’ICSR pointent dans des directions incompatibles.
• Intégrité. Préférence de chiffres dans les colonnes de consommation, et éventuelle singularité d’un district. Étalonnez sur le hasard avant d’écrire quoi que ce soit.
• Actualité. Dites ce dont vous auriez besoin et si le fichier le contient.
• Exactitude. Dites ce qu’une visite de vérification recompterait et pourquoi vous ne pouvez pas le faire d’ici.

Deuxième partie — ce que coûte chaque défaut

C’est la partie qui en fait une évaluation plutôt qu’un exercice de nettoyage. Pour chaque défaut, calculez le chiffre avec et sans la correction, et notez l’écart.

Calculez le chiffre comme la part de ménages en consommation alimentaire pauvre puis limite, en employant les seuils standards 21/35 pour cette partie.

Défaut	Ménages concernés	Effet sur le chiffre
Valeurs de consommation supérieures à 7 jours	?	?
Cases de consommation vides traitées comme zéro	?	?
Modules ÉFM partiels	?	?
Doubles saisies de ménages	?	?
Sexe du chef de ménage codé de deux façons	?	?

La dernière ligne n’aura aucun effet sur le chiffre, et c’est malgré tout un constat — dites quelle analyse elle casse.

Troisième partie — le choix qui les écrase tous

Recalculez maintenant le chiffre avec le jeu de seuils 28/42, employé là où l’huile et le sucre sont consommés de façon quasi universelle.

Mettez les deux côte à côte avec le tableau des défauts de la deuxième partie. Rédigez ensuite trois phrases à l’attention du responsable de programme sur celui des deux — les défauts de données ou le choix de seuil — qui détermine le chiffre du rapport, et sur ce qui doit être documenté en conséquence.

Ce qu’il faut rendre

Un script R, exécuté depuis une session neuve, produisant :

• le tableau de bord en cinq dimensions, les dimensions non mesurables figurant comme constats
• le tableau des coûts de défauts de la deuxième partie, chaque cellule remplie et un effectif par ligne
• le chiffre calculé sur les deux jeux de seuils, avec le dénominateur analysé énoncé
• un tableau de constats sous la forme à cinq colonnes du cours — constat, cause racine, action corrective, responsable, échéance — avec au moins une cause racine dans trois catégories différentes
• le tout écrit dans outputs/

Vérifiez vos chiffres

Les notes du jeu de données indiquent ce que trouve une analyse correcte.

	Attendu
Consommation pauvre, seuils 21/35	environ 1 %
Limite, seuils 21/35	environ 23 %
Pauvre, seuils 28/42	environ 7 %
Limite, seuils 28/42	environ 39 %
Corrélation entre SCA et ICSR	environ -0,45

Si votre part de consommation pauvre en 21/35 est loin de 1 %, vérifiez d’abord les pondérations du SCA. Si votre dénominateur vaut encore 2 112 après traitement des cases vides, vous avez compté un jour de consommation manquant comme zéro.

Les questions à traiter en prose

Trois phrases chacune.

1. Le tableau des défauts montre des problèmes de données déplaçant le chiffre de moins d’un point. Expliquez pourquoi cela ne signifie pas que ces défauts sont sans importance, et nommez un usage de cette enquête où un défaut de cette taille compterait.

2. Le choix de seuil fait passer la part de consommation pauvre d’environ 1 % à environ 7 %. Aucun des deux jeux n’est faux. Dites ce qui doit donc figurer à côté du chiffre dans le rapport, et ce qu’un lecteur comparant cette enquête à celle de l’an dernier est en droit de supposer.

3. Les 62 enregistrements employant Male et Female proviennent tous d’un seul district. Dites vers quelle catégorie de cause racine ce motif pointe, ce qu’il exclut, et quelle est l’action corrective.

Comment savoir que c’est fini

Supprimez outputs/, redémarrez R, un seul source(), et tous les tableaux sont régénérés à l’identique. Chaque constat de votre tableau contient un nombre, une fonction nommée comme responsable, et une date. Aucun ne contient le mot « formation » à moins que vous ne puissiez dire ce que la personne apprendrait à faire autrement.

Ce que ce laboratoire n’est pas

Ce n’est pas de l’analyse de sécurité alimentaire. Ce que mesure le SCA, pourquoi les deux jeux de seuils existent et comment un groupe technique IPC fait converger les indices relèvent du contenu sécurité alimentaire. Ce laboratoire est l’évaluation — cinq dimensions avec leurs mesures, un défaut chiffré face au chiffre qu’il déplace, et un rapport qui place en tête le principal moteur du nombre même lorsque ce moteur n’est pas du tout un défaut.