Analyse graphique exploratoire de la psychométrie haïtienne : Aperçus d'une enquête menée auprès de 1625 sujets.

 Exploratory Graph Analysis of Haitian Psychometrics: Insights from a survey of 1,625 subjects.

By Patrick Prézeau Stephenson (Le Français suit)

Introduction: The data set analyzed in this article comes from the 2006 Vanderbilt University survey of 1,625 Haitians, covering various aspects of their psychometric profiles[1]. Exploratory Graph Analysis (EGA) is a statistical method that reveals underlying structures in multivariate data, such as patterns and relationships between variables, using graph-theoretic tools[2,3]. In this article, we perform an EGA to explore the psychometrics of the Haitian population, providing valuable insights into their views on issues like national pride, religion, trust, politics, and victimization.

Materials and Methods

Data

The dataset utilized in this study consists of responses from 1,625 Haitian participants, collected as part of the 2006 Vanderbilt University survey. The survey included multiple psychometric variables, such as demographic information, political views, religious affiliation, personal experiences, and social attitudes [1].

Exploratory Graph Analysis (EGA)

Exploratory Graph Analysis (EGA; Golino & Epskamp, 2017; Golino et al., 2020) was conducted to identify the underlying structure of the psychometric data. The analysis followed a three-step process to ensure robust and reliable results [2,3].

Step 1: Determine Redundancies (Using Univariate Analysis, UVA)

Before performing the EGA, we first identified potential redundancies within the dataset using Univariate Analysis (UVA). This process involved assessing the relationships between each pair of variables to determine whether any variables exhibited high correlations that could introduce redundancy. The goal was to ensure that the remaining variables would provide unique and meaningful contributions to the graph.

Step 2: Perform EGA

Following the redundancy analysis, the core step of the Exploratory Graph Analysis (EGA) was performed. EGA utilizes graph-based techniques to identify clusters of variables that are most strongly interconnected. This step employed the graphical lasso (glasso) technique, which estimates the partial correlation matrix and constructs a graph where nodes represent variables, and edges indicate significant relationships between them. The Walktrap algorithm was used to detect communities or clusters within the graph, which helped in identifying the underlying psychometric structure in the Haitian population. The number of communities was determined using a model selection criterion based on the Extended Bayesian Information Criterion (EBIC) to select the optimal model for the data.

Step 3: Check Stability of EGA (Using bootEGA)

To evaluate the stability and reliability of the EGA results, we applied bootEGA, a bootstrapping technique designed to assess the robustness of the community structure identified in the previous step. A high stability value indicates a robust community structure that can be reliably interpreted.

Software and Package Implementation

All analyses were conducted using the R statistical programming environment. The EGAnet package (Golino & Epskamp, 2017) was used to perform the EGA and bootEGA procedures. The graphical lasso method and Walktrap community detection algorithm were implemented through the qgraph and igraph packages in R. For the bootstrapping procedure, the bootEGA function from the bootEGA package was used to assess the stability of the graph.

Results Interpretation

The results of the EGA, including community detection and stability assessment, were analyzed to identify the latent psychometric structure of the dataset. Variables grouped into communities were examined for their psychological, political, and sociocultural implications. The stability analysis provided additional confidence in the robustness of the identified structure.

Exploratory Graph Analysis Results: From the matrix of correlations, we can draw several conclusions:

1. Patterns of Connection:

o ESTRATOPRI (region) is highly associated with VB8 (reason for voting), implying that people from different regions may vote for different reasons, potentially due to local socio-political dynamics. This connection suggests that geographical context could influence political behavior, a noteworthy observation for understanding voting trends in Haiti.

o Q1 (sex) has no significant correlations with any other variable, suggesting that gender does not strongly influence the psychometric factors considered in this analysis, although further exploration with larger datasets could reveal subtler patterns.

2. Community Structure: The EGA clustering, performed using the Walktrap algorithm, identified two distinct communities among the variables. This means that the respondents' answers can be grouped into two broad categories of psychometric profiles.

o Community 1: This cluster contains ESTRATOPRI, VB8, and other variables related to political and regional factors. It suggests that people's political ideologies, reasons for voting, and regional characteristics are interconnected. This reflects a more political, geographically-informed psychometric profile.

o Community 2: This group includes B43 (pride in being Haitian), B20 (trust in the Catholic Church), Q3 (religion), VIC1 (victimization), and L1 (political left-right ideology). These variables are more related to personal values, religion, and experiences of crime. The combination of these factors hints at how individual perceptions of national identity, trust, and victimization can shape one's political leanings and social views.

3. Interpretation of Key Variables:

o Pride in National Identity (B43): This variable is associated with L1 (political left-right ideology), suggesting that feelings of national pride may influence political ideology, with more nationalistic or patriotic respondents potentially aligning with certain political leanings. This link may shed light on how national pride and political identity are co-constructed in Haiti.

o Trust in the Catholic Church (B20): This variable shows a weak connection with victimization (VIC1) and is also connected with L1 (political left-right ideology). Trust in institutions like the Catholic Church may affect personal resilience, potentially influencing one's views on victimization and political ideology.

o Victimization (VIC1): The association with political ideology (L1) suggests that experiences of victimization, including exposure to crime, could influence one's political views. It could indicate that individuals who perceive themselves as victims of societal issues may be more likely to adopt political ideologies that advocate for social change.

Implications: 

The exploratory graph analysis of the psychometric data from the 2006 Vanderbilt survey of Haitians offers valuable insights into how socio-political and personal factors are interrelated. The results highlight the importance of regional factors, national pride, trust in religious institutions, and political ideology in shaping the psychological and behavioral profiles of the Haitian population. The strong connections between ESTRATOPRI (region), VB8 (voting reasons), and L1 (political ideology) suggest that political and geographical influences are central in understanding the psychometrics of Haitians.

Further research could focus on deepening the understanding of how gender (Q1) and personal experiences (such as VIC1, victimization) shape these profiles, particularly as gender did not show any significant direct correlation in this analysis. This would provide a more nuanced view of Haitian society and guide future political strategies, social interventions, and national identity-building efforts.

This analysis underlines the complexity of the Haitian populace, where national pride, regional differences, and trust in religious institutions play pivotal roles in shaping their political and social psychology. The identification of two main communities provides a robust foundation for targeted policies, aiming to address the specific needs and concerns of each group within Haitian society. 

Conclusions 

The approach, combining redundancy reduction, community detection through EGA, and stability assessment through bootEGA, provided a comprehensive and reliable exploration of the psychometric structure in the 2006 Haitian survey dataset. The exploratory graph analysis (EGA) we conducted revealed two distinct communities, mirroring the two factors identified in a previous classic factor analysis[4,5]. Both analytical methods demonstrate how certain psychometric variables cluster together, emphasizing consistent patterns in the data. This similarity reinforces the validity of these latent structures, highlighting underlying socio-political and personal dimensions in the Haitian population's responses. The alignment between EGA and classic factor analysis underscores the robustness of the identified psychometric factors, suggesting that these dimensions are deeply rooted and consistently emerge across different analytical approaches.

**********************************************

Analyse graphique exploratoire de la psychométrie haïtienne : Aperçus d'une enquête menée auprès de 1 625 sujets.

Par Patrick Prézeau Stephenson

Introduction : Les données analysées dans cet article proviennent du sondage de 2006 de l’Université Vanderbilt sur 1 625 Haïtiens, couvrant divers aspects de leurs profils psychométriques[1]. L'Analyse Graphique Exploratoire (EGA) est une méthode statistique qui révèle des structures sous-jacentes dans des données multivariées, telles que des modèles et des relations entre les variables, en utilisant des outils théoriques de graphes[2,3]. Dans cet article, nous effectuons une EGA pour explorer les psychométries de la population haïtienne, en offrant des perspectives précieuses sur leurs vues sur des questions telles que la fierté nationale, la religion, la confiance, la politique et la victimisation.

Matériels et méthodes

Données

L'ensemble de données utilisé dans cette étude est constitué des réponses de 1 625 participants haïtiens, recueillies dans le cadre de l'enquête de 2006 de l'Université Vanderbilt. L'enquête comprenait de multiples variables psychométriques, telles que des informations démographiques, des opinions politiques, l'affiliation religieuse, des expériences personnelles et des attitudes sociales.

Analyse exploratoire des graphes (EGA)

L'analyse exploratoire des graphes (EGA ; Golino et Epskamp, 2017 ; Golino et al., 2020) a été menée pour identifier la structure sous-jacente des données psychométriques. L'analyse a suivi un processus en trois étapes afin de garantir des résultats robustes et fiables[2,3].

Étape 1 : Déterminer les redondances (à l'aide de l'analyse univariée, UVA)

Avant d'effectuer l'EGA, nous avons d'abord identifié les redondances potentielles dans l'ensemble de données à l'aide de l'analyse univariée (UVA). Ce processus consistait à évaluer les relations entre chaque paire de variables afin de déterminer si certaines variables présentaient des corrélations élevées susceptibles d'introduire une redondance. L'objectif était de s'assurer que les variables restantes apporteraient des contributions uniques et significatives au graphique.

Étape 2 : Effectuer EGAFsuite à l'analyse de redondance, l'étape centrale de l'analyse graphique exploratoire (EGA) a été réalisée. EGA utilise des techniques basées sur des graphes pour identifier les groupes de variables qui sont les plus fortement interconnectés. Cette étape a utilisé la technique du lasso graphique (glasso), qui estime la matrice de corrélation partielle et construit un graphique où les nœuds représentent des variables, et les arêtes indiquent des relations significatives entre eux. L'algorithme Walktrap a été utilisé pour détecter des communautés ou des groupes dans le graphique, ce qui a permis d'identifier la structure psychométrique sous-jacente de la population haïtienne. Le nombre de collectivités a été déterminé à l'aide d'un critère de sélection de modèle fondé sur le critère d'information bayésien étendu (EBIC) afin de sélectionner le modèle optimal pour les données.

Étape 3 : Vérifier la stabilité de l'EGA (à l'aide de bootEGA)

Pour évaluer la stabilité et la fiabilité des résultats de l'EGA, nous avons appliqué bootEGA, une technique d'amorçage conçue pour évaluer la robustesse de la structure de la communauté identifiée à l'étape précédente. Une valeur de stabilité élevée indique une structure communautaire robuste qui peut être interprétée de manière fiable.

Mise en œuvre du logiciel et du progicielToutes les analyses ont été effectuées à l'aide de l'environnement de programmation statistique R. Le progiciel EGAnet (Golino & Epskamp, 2017) a été utilisé pour effectuer les procédures EGA et bootEGA. La méthode lasso graphique et l'algorithme de détection de communauté Walktrap ont été implémentés via les packages qgraph et igraph dans R. Pour la procédure d'amorçage, la fonction bootEGA du paquet bootEGA a été utilisée pour évaluer la stabilité du graphique.

. 

Résultats de l'Analyse Graphique Exploratoire : À partir de la matrice des corrélations, nous pouvons tirer plusieurs conclusions :

1. Modèles de Connexion :

o ESTRATOPRI (région) est fortement associé à VB8 (raison du vote), ce qui suggère que les personnes de différentes régions votent pour des raisons différentes, probablement en raison de dynamiques socio-politiques locales. Cette connexion laisse entendre que le contexte géographique pourrait influencer le comportement politique, une observation importante pour comprendre les tendances de vote en Haïti.

o Q1 (sexe) n’a aucune corrélation significative avec aucune autre variable, ce qui suggère que le sexe n’influence pas fortement les facteurs psychométriques considérés dans cette analyse, bien que des explorations plus poussées avec des ensembles de données plus grands puissent révéler des modèles plus subtils.

2. Structure Communautaire : L’analyse EGA, effectuée avec l’algorithme Walktrap, a identifié deux communautés distinctes parmi les variables. Cela signifie que les réponses des répondants peuvent être regroupées en deux grands types de profils psychométriques.

o Communauté 1 : Ce groupe contient ESTRATOPRI, VB8, et d'autres variables liées à des facteurs politiques et régionaux. Cela suggère que les idéologies politiques, les raisons de voter et les caractéristiques régionales sont interconnectées. Cela reflète un profil psychométrique plus politique et informé géographiquement.

o Communauté 2 : Ce groupe inclut B43 (fierté d'être Haïtien), B20 (confiance dans l’Église catholique), Q3 (religion), VIC1 (victimisation), et L1 (idéologie politique gauche-droite). Ces variables sont davantage liées aux valeurs personnelles, à la religion et aux expériences de crime. La combinaison de ces facteurs laisse entendre que les perceptions individuelles de l'identité nationale, de la confiance et de la victimisation peuvent façonner les opinions politiques et sociales des individus.

3. Interprétation des Variables Clés :

o Fierté Nationale (B43) : Cette variable est associée à L1 (idéologie politique gauche-droite), suggérant que le sentiment de fierté nationale peut influencer l’idéologie politique, les répondants plus nationalistes ou patriotiques pouvant avoir tendance à s'aligner avec certaines orientations politiques. Cette connexion peut éclairer la manière dont la fierté nationale et l’identité politique sont co-construites en Haïti.

o Confiance dans l’Église Catholique (B20) : Cette variable montre une faible connexion avec la victimisation (VIC1) et est également liée à L1 (idéologie politique gauche-droite). La confiance dans des institutions telles que l’Église catholique peut affecter la résilience personnelle, influençant potentiellement les vues sur la victimisation et l’idéologie politique.

o Victimisation (VIC1) : L’association avec l’idéologie politique (L1) suggère que les expériences de victimisation, y compris l’exposition à la criminalité, peuvent influencer les opinions politiques. Cela pourrait indiquer que les individus qui se perçoivent comme victimes de problèmes sociaux sont plus susceptibles d’adopter des idéologies politiques qui plaident en faveur du changement social.

Implications : 

L'analyse graphique exploratoire dImplications : L'analyse graphique exploratoire des données psychométriques de l'enquête Vanderbilt de 2006 auprès des Haïtiens offre des informations précieuses sur la façon dont les facteurs sociopolitiques et personnels sont interdépendants. Les résultats mettent en évidence l'importance des facteurs régionaux, de la fierté nationale, de la confiance dans les institutions religieuses et de l'idéologie politique dans la formation des profils psychologiques et comportementaux de la population haïtienne. Les liens étroits entre ESTRATOPRI (région), VB8 (raisons de vote) et L1 (idéologie politique) suggèrent que les influences politiques et géographiques sont centrales dans la compréhension de la psychométrie des Haïtiens.

D'autres recherches pourraient viser à mieux comprendre comment le genre (Q1) et les expériences personnelles (comme la CIV1, la victimisation) façonnent ces profils, d'autant plus que le genre n'a pas montré de corrélation directe significative dans cette analyse. Cela fournirait une vision plus nuancée de la société haïtienne et guiderait les stratégies politiques futures, les interventions sociales et les efforts de construction de l'identité nationale.

Cette analyse souligne la complexité de la population haïtienne, où la fierté nationale, les différences régionales et la confiance dans les institutions religieuses jouent un rôle central dans la formation de leur psychologie politique et sociale. L'identification de deux communautés principales fournit une base solide pour des politiques ciblées, visant à répondre aux besoins et aux préoccupations spécifiques de chaque groupe au sein de la société haïtienne. 

Conclusions 

L'approche, combinant la réduction de la redondance, la détection de la communauté par l'EGA et l'évaluation de la stabilité par le biais de bootEGA, a fourni une exploration complète et fiable de la structure psychométrique dans l'ensemble de données de l'enquête haïtienne de 2006. L'analyse graphique exploratoire (EGA) que nous avons menée a révélé deux communautés distinctes, reflétant les deux facteurs identifiés lors d'une précédente analyse factorielle classique[4,5]. Les deux méthodes analytiques montrent comment certaines variables psychométriques se regroupent, en mettant l'accent sur des modèles cohérents dans les données. Cette similitude renforce la validité de ces structures latentes, mettant en évidence les dimensions sociopolitiques et personnelles sous-jacentes dans les réponses de la population haïtienne. L'alignement entre l'EGA et l'analyse factorielle classique souligne la robustesse des facteurs psychométriques identifiés, ce qui suggère que ces dimensions sont profondément enracinées et émergent systématiquement dans différentes approches analytiques.

[1] Vanderbilt U. 2006. http://lapop.ccp.ucr.ac.cr/en/expert_mode/mostrarDiccionario?nombreDiccionario=haiti_2006 

[2] Golino, H. F., & Epskamp, S. Exploratory graph analysis: A new approach for estimating the number of dimensions in psychological research. PLOS ONE, 12(6), e0174035. https://doi.org/10.1371/journal.pone.0174035 

[3] Golino, H., Shi, D., Christensen, A. P., Garrido, L. E., Nieto, M. D., Sadana, R., Thiyagarajan, J. A., & Martinez-Molina, A. (2020). Investigating the performance of exploratory graph analysis and traditional techniques to identify the number of latent factors: A simulation and tutorial. Psychological Methods, 25(3), 292–320. https://doi.org/10.1037/met0000255  

[4] Stephenson, Patrick P. 2023.  Une Exploration de la Psyché Haïtienne et du Syndrome de Stockholm. https://prezeau.blogspot.com/2023/11/une-exploration-de-la-psyche-haitienne.html 

[5] Stephenson, Patrick P. 2023. The Relevance of Psychometric Factors in Understanding Haiti's Current Challenges. https://prezeau.blogspot.com/2023/12/psychometric-factors-in-understanding.html 

Contact Médias Patrick Prézeau Stephenson: Éditeur manifeste1804@gmail.com

Men anpil chaj pa lou. Mèsi pou pataje manifès la:

Kilès nouye : https://manifeste-appel-du-lambi-2024.netlify.app/

Vizite paj akèy la: https://shorturl.at/cozFM

Li sou entènèt: https://shorturl.at/rBOTZ

Telechaje deniè vèsyon 2024 la: https://shorturl.at/g08Do