cassionAnalyse de données

Formation · Intermédiaire · Analyses sectorielles

Analyse EAH

Accès à l'eau, qualité et fonctionnalité des points d'eau au regard des échelles de service du JMP et des indicateurs Sphère, y compris le résiduel de chlore que personne ne consigne régulièrement.

PythonR16 h8 leçons

Ce que vous saurez faire

  • Placer un ménage sur les trois échelles de service du JMP, et dire pourquoi une source améliorée n'équivaut pas à un service élémentaire
  • Calculer quantité, temps de collecte et attente au regard des standards minimaux Sphère, avec les erreurs d'unité que portent ces champs
  • Rapporter la qualité de l'eau depuis un sous-échantillon testé sans lui laisser emprunter le dénominateur de l'accès
  • Traiter une mesure censurée comme une donnée plutôt que de la supprimer ou de la convertir en zéro
  • Produire trois taux de fonctionnalité défendables à partir d'un seul registre de suivi et dire de quoi chacun est l'énoncé
  • Distinguer un point d'eau qui se tarit chaque saison sèche d'un point abandonné, à partir de la séquence des visites

Normes et méthodologies

Standards SphèreObjectifs de développement durable (ODD)Norme humanitaire fondamentale (CHS)

L’EAH est le domaine où l’instruction permanente de cette plateforme — énoncer le numérateur, le dénominateur et la décision — rencontre un secteur qui dispose de définitions publiées pour presque tout et d’une habitude de les rapporter approximativement.

Le cours s’appuie sur deux fichiers. L’enquête ménage EAH est apparue dans trois cours antérieurs comme problème de nettoyage puis de dénominateur ; elle est ici enfin analysée pour ce qu’elle est, une enquête de niveau de service. Le registre de suivi des points d’eau est nouveau, et c’est le seul fichier de la plateforme à comporter des visites répétées sur le même ouvrage — ce qu’exige un taux de fonctionnalité et ce qu’une enquête ménage ne peut structurellement pas fournir.

Trois résultats structurent le cours, tous calculés à partir de ces fichiers.

Quatre cinquièmes des ménages sont sur une source améliorée et à peine la moitié disposent d’un service élémentaire. 82,3 % contre 56,3 %, et les vingt-six points d’écart sont du temps de collecte : une source améliorée à plus de trente minutes est un service limité, et une analyse qui classe sur le seul type de source rapportera le premier nombre en l’appelant l’accès.

La fonctionnalité vaut trois nombres, non un. 74,4 % des visites de suivi trouvent un point en service ; 33,9 % des points fonctionnent à chacune de leurs visites ; 83,3 % des personnes desservies ont un point qui fonctionne. Les trois sont exacts et énoncent des choses différentes.

Le district qui paraît le meilleur porte le nombre le moins fiable. Nord-Ouest affiche 76,4 %, le plus élevé des trois, et n’a réalisé que 82,7 % de ses visites dues parce que les routes se ferment avec les pluies. Si chaque visite manquée avait trouvé un point en panne, il serait à 63,2 % — une fourchette large de 13,2 points, contre 2,6 pour le district qui a presque tout visité.

Python et R tout du long. Vous devriez avoir suivi le module 3 — ce cours suppose que vous savez défendre un dénominateur, lire un chiffre de routine à travers son taux de rapportage, et écrire une fiche de référence d’indicateur avant l’analyse.

Commencer la formation — Quatre cinquièmes améliorés, la moitié servis

Mise en pratique

Lire les leçons ne remplace pas la pratique. Chacun de ces travaux applique la formation à un jeu de données sur lequel elle n'a pas été enseignée.

Progression

L'inscription est gratuite et sert uniquement à enregistrer votre progression : la formation est consultable sans compte.

Emporter hors ligne

L'intégralité de la formation en PDF composé — chaque leçon, chaque exemple de code, le dictionnaire des variables et les définitions d'indicateurs. Produit à partir de la même source que cette page.

La source LaTeX accompagne chaque PDF, afin qu'une organisation puisse adapter le support à sa charte ou intégrer une leçon à son propre kit de formation.