Le package statAfrikR — Association statAfrikR

40+

Fonctions documentées

Modules intégrés

237

Tests unitaires

510+

Téléchargements CRAN

Architecture

5 modules intégrés — Pipeline end-to-end

Import multi-format

Importez vos données depuis n'importe quel format utilisé par les INS africains : Excel, Stata, SPSS, SAS, CSV, KoboToolbox, ODK, CSPro.

import_excel() import_kobo() import_stata() import_spss() import_odk() import_cspro() import_csv() valider_dictionnaire()

# Import depuis Excel
donnees <- import_excel(
  "enquete_menage.xlsx",
  feuille = "Ménages",
  conserver_labels = TRUE
)

# Import depuis KoboToolbox
kobo <- import_kobo(
  url = "https://kf.kobotoolbox.org/...",
  token = Sys.getenv("KOBO_TOKEN")
)

Nettoyage et préparation

9 fonctions dédiées au nettoyage, à la vérification de la qualité et à la préparation des bases d'enquête pour l'analyse.

check_na() check_types() valider_qualite_donnees() nettoyer_libelles() imputer_valeurs() harmoniser_regions() standardiser_ages() appliquer_ponderations()

# Audit qualité complet
rapport <- valider_qualite_donnees(
  donnees,
  vars_cles = "id_menage"
)

# Pondération complexe
plan <- appliquer_ponderations(
  donnees,
  poids = "hhweight",
  grappe = "grappe",
  strate = "strate"
)

Indicateurs et modèles

Calcul des indicateurs ODD, indices de pauvreté, inégalités, statistiques descriptives et modèles de régression pondérés.

stat_descr() tab_croisee() analyse_regression() decomposer_inegalite() calcul_idh() calcul_ipm()

# Indice de Développement Humain
idh <- calcul_idh(
  donnees,
  var_sante = "esperance_vie",
  var_educ  = "scolarisation",
  var_revenu = "rni_log"
)

# Indice de Pauvreté Multidimensionnelle
ipm <- calcul_ipm(donnees,
  indicateurs = list(sante = c("nutrition", "mortalite"),
                     educ  = c("scolarite"),
                     niveau_vie = c("eau", "electricite")),
  seuil = 1/3
)

Graphiques institutionnels

Visualisations conformes à la charte graphique des INS africains, pyramides des âges, cartes thématiques et rapports automatisés.

pyramide_ages() graphique_barres() carte_thematique() theme_ins() palette_ins() generer_rapport()

# Pyramide des âges institutionnelle
pyramide_ages(donnees,
  var_age  = "age_annee",
  var_sexe = "sexe",
  poids    = "hhweight",
  titre    = "RGPH 2023"
)

# Rapport Word/PDF automatisé
generer_rapport(
  titre = "Rapport pauvreté 2023",
  sortie_format = "word"
)

Publication et archivage

Anonymisation avant diffusion, métadonnées DDI, export SDMX pour les portails régionaux (AFRISTAT, PARIS21, Banque mondiale).

anonymiser_donnees() generer_metadonnees_ddi() exporter_sdmx() compresser_package_diffusion()

# Anonymisation avant publication
anon <- anonymiser_donnees(donnees,
  vars_supprimer = c("nom", "telephone"),
  vars_masquer   = c("age"),
  k = 5
)

# Export SDMX pour AFRISTAT/Banque mondiale
exporter_sdmx(donnees_agregees,
  dsd = "AFRISTAT_POVERTY",
  pays = "NE"
)

Référentiel complet

Les 40 fonctions de statAfrikR v0.1.0

#	Fonction	Module	Description	Documentation
01	`import_excel()`	Collecte	Import fichiers Excel avec gestion des en-têtes et labels	Docs →
02	`import_csv()`	Collecte	Import CSV — encodage et séparateur auto-détectés	Docs →
03	`import_stata()`	Collecte	Import .dta Stata 8 à 18 avec labels préservés	Docs →
04	`import_spss()`	Collecte	Import .sav SPSS avec labels et codes manquants	Docs →
05	`import_sas()`	Collecte	Import fichiers SAS (.sas7bdat)	Docs →
06	`import_kobo()`	Collecte	Import via API KoboToolbox (token requis)	Docs →
07	`import_odk()`	Collecte	Import depuis ODK Central	Docs →
08	`import_cspro()`	Collecte	Import CSPro (.csdb + .dcf) — format recensements	Docs →
09	`valider_dictionnaire()`	Collecte	Contrôle conformité données / dictionnaire de variables	Docs →
10	`check_na()`	Traitement	Audit valeurs manquantes par variable avec seuils d'alerte	Docs →
11	`check_types()`	Traitement	Vérification des types de variables	Docs →
12	`valider_qualite_donnees()`	Traitement	Score global de qualité (0-100) avec rapport détaillé	Docs →
13	`nettoyer_libelles()`	Traitement	Harmonisation des libellés textuels et encodage	Docs →
14	`recoder_variable()`	Traitement	Recodage des modalités selon une table de correspondance	Docs →
15	`supprimer_doublons()`	Traitement	Détection et suppression des doublons identifiants	Docs →
16	`fusion_datasets()`	Traitement	Fusion de plusieurs modules d'enquête sur clé commune	Docs →
17	`imputer_valeurs()`	Traitement	Imputation des valeurs manquantes (hot-deck, moyenne, médiane)	Docs →
18	`harmoniser_regions()`	Traitement	Normalisation nomenclature géographique africaine	Docs →
19	`standardiser_ages()`	Traitement	Correction biais de déclaration d'âge (méthode Myers)	Docs →
20	`appliquer_ponderations()`	Traitement	Plan de sondage complexe stratifié par grappes (package survey)	Docs →
21	`stat_descr()`	Analyse	Statistiques descriptives pondérées avec intervalles de confiance	Docs →
22	`tab_croisee()`	Analyse	Tableaux croisés pondérés avec test chi² et IC 95%	Docs →
23	`analyse_regression()`	Analyse	Régression linéaire/logistique pondérée sur plan de sondage	Docs →
24	`decomposer_inegalite()`	Analyse	Gini, Theil et décomposition des inégalités par groupe	Docs →
25	`calcul_idh()`	Analyse	Indice de Développement Humain — méthode PNUD officielle	Docs →
26	`calcul_ipm()`	Analyse	IPM méthode Alkire-Foster avec décomposition dimensionnelle	Docs →
27	`tracer_flux_traitement()`	Analyse	Journal complet du pipeline de traitement (audit trail)	Docs →
28	`pyramide_ages()`	Visualisation	Pyramide démographique institutionnelle (ggplot2)	Docs →
29	`graphique_barres()`	Visualisation	Graphique barres aux couleurs institutionnelles INS	Docs →
30	`graphique_tendance()`	Visualisation	Séries temporelles institutionnelles (IPC, prix)	Docs →
31	`carte_thematique()`	Visualisation	Carte choroplèthe par région ou pays (sf)	Docs →
32	`analyse_spatiale()`	Visualisation	Autocorrélation spatiale (indice de Moran)	Docs →
33	`theme_ins()`	Visualisation	Thème ggplot2 pour charte graphique INS officielle	Docs →
34	`palette_ins()`	Visualisation	Palettes de couleurs institutionnelles adaptées	Docs →
35	`exporter_graphique()`	Visualisation	Export PNG/PDF haute résolution pour publication	Docs →
36	`generer_rapport()`	Visualisation	Rapport Word/PDF automatisé — zéro retouche manuelle	Docs →
37	`anonymiser_donnees()`	Diffusion	Anonymisation k-anonymat avant diffusion publique	Docs →
38	`generer_metadonnees_ddi()`	Diffusion	Métadonnées DDI XML standard pour archivage	Docs →
39	`exporter_sdmx()`	Diffusion	Export SDMX pour portails régionaux et Banque mondiale	Docs →
40	`compresser_package_diffusion()`	Diffusion	Package complet données + métadonnées + documentation	Docs →

Démarrage rapide

Installation et premier usage

# Depuis le CRAN (recommandé)
install.packages("statAfrikR")

# Depuis GitHub (version dev)
# install.packages("remotes")
remotes::install_github("damoko2004/statAfrikR")

# Charger le package
library(statAfrikR)

# Vérifier l'installation
packageVersion('statAfrikR')  # → '0.1.0'

# Premier usage — pipeline complet
donnees <- import_excel("mon_enquete.xlsx")
check_na(donnees, seuil = 0.1)
plan    <- appliquer_ponderations(donnees, "poids", "grappe", "strate")
stats   <- stat_descr(plan, vars = c("depense_menage", "taille_menage"))

Lire la vignette complète → RDocumentation →

R ≥ 4.2.0

Version R minimale

RStudio ≥ 2022

IDE recommandé

4 Go RAM

Minimum requis

100% Offline

Après installation