Passer de qesR 0.4.4 à la version actuelle

English version

Ce guide s’adresse au code écrit pour qesR 0.4.4, par exemple les scripts de réplication d’un article publié. Chaque fonction de 0.4.4 garde son nom et ses arguments, mais un changement peut arrêter ce code : get_qes() ne crée plus l’objet pour vous (première ligne ci-dessous). Ce qui change par ailleurs, c’est ce qu’une partie de ce code produit, et cela dépend de ce qu’il utilise :

Votre code utilise	Maintenant	Que faire
`get_qes("qes2018")` seul, puis l’objet `qes2018`	erreur « objet ‘qes2018’ introuvable »	écrire `qes2018 <- get_qes("qes2018")` (plus bas)
les codes bruts de `get_qes()` (`as.numeric()`, plages de codes valides)	mêmes nombres	rien
le texte des étiquettes de `get_qes()` (`haven::as_factor()`, colonnes texte)	une partie du texte change	vérifier les étiquettes utilisées
`get_qes_master()`	les valeurs changent	lire le tableau des colonnes, ou garder 0.4.4 pour reproduire
`get_decon()`	les valeurs changent ; note unique	comme pour le fichier fusionné
les autres fonctions de 0.4.4	mêmes résultats que leurs remplaçantes ; note unique	rien, ou les renommer

Tous les blocs de code de cette page s’exécutent sans réseau, sur l’étude synthétique qes_demo. La liste complète des changements est dans le journal des modifications (news(package = "qesR")).

library(qesR)

Avant de mettre à jour : notez la version

Un résultat publié devrait indiquer quelle version de qesR l’a produit. Avant de mettre à jour, notez la version que vous avez, et gardez-la avec les résultats :

packageVersion("qesR")
packageDescription("qesR")$RemoteSha   # the commit, when installed from GitHub

Pour reproduire un résultat de 0.4.4, installez 0.4.4, de préférence dans une bibliothèque à part ou un projet renv, afin que le nouveau travail puisse utiliser la version actuelle :

remotes::install_github("ThomasGareau/qesR", ref = "v0.4.4")

qesR 0.5.0 et 0.6.0 étaient des versions de développement, jamais publiées : un résultat calculé avec l’une d’elles se reproduit en installant le commit dont il provient, que packageDescription("qesR")$RemoteSha enregistre pour une installation depuis GitHub (remotes::install_github("ThomasGareau/qesR", ref = "<commit>")).

Assignez vous-même le résultat

Avec 0.4.4, get_qes("qes2018") créait un objet qes2018 dans votre espace de travail. La fonction retourne maintenant les données et n’écrit rien : assignez-les.

qes_demo <- get_qes("qes_demo", quiet = TRUE)
dim(qes_demo)
#> [1] 60 11

Un script qui appelle get_qes("qes2018") seul sur sa ligne, puis utilise qes2018, s’arrête avec l’erreur « objet ‘qes2018’ introuvable ». Cherchez aussi ces appels à l’intérieur de tryCatch() ou de try() : l’erreur y est interceptée, et la partie du script qui utilisait l’objet est sautée sans erreur visible.

assign_global = TRUE assigne toujours, dans l’environnement d’où la fonction est appelée : l’environnement global au niveau supérieur, le cadre de la fonction à l’intérieur d’une fonction. Le codebook est aussi assigné, sous le nom <code>_codebook.

f <- function() {
  get_qes("qes_demo", assign_global = TRUE, quiet = TRUE)
  c(data = exists("qes_demo", inherits = FALSE),
    codebook = exists("qes_demo_codebook", inherits = FALSE))
}
f()
#>     data codebook 
#>     TRUE     TRUE

`get_qes()` : les mêmes codes, lus dans les fichiers originaux

get_qes() lit le fichier original SPSS ou Stata de chaque étude, vérifié avant usage. Les noms de colonnes, les codes et le nombre de NA sont ceux de 0.4.4 pour les 11 études : le code qui travaille sur les codes (as.numeric(), plages de codes valides, %in%) donne les mêmes nombres et le même N. Le texte change là où l’ancienne conversion l’endommageait ou prenait les étiquettes ailleurs :

les accents sont réparés (1 805 cellules dans qes2018, 2 517 dans qes2022) ;
les étiquettes de qes2012 gardent leur casse et leur longueur d’origine (0.4.4 les mettait en minuscules et les coupait à 80 caractères) ;
les dates d’entrevue de qes2022 sont des date-heures, pas du texte ;
les codes sont stockés en nombres réels (double) plutôt qu’en entiers.

haven::as_factor() et tout ce qui se construit à partir du texte des étiquettes peuvent donc donner un autre texte. Les données indiquent de quel fichier elles viennent :

qes_provenance(qes_demo)
#> qes_demo : fichier 0 (qes_demo.sav), données synthétiques fournies avec qesR.
#> Somme md5 e956e315800690cb0894c86ed85c8bea, vérifiée. 60 lignes, 11 colonnes.
#> Obtenu le 2026-10-06 05:12:12 UTC (local_demo). Lu avec
#> haven::read_sav(user_na = TRUE), haven 2.5.5. Licence : CC0 1.0. Catalogue
#> qesR 2.4.1.
#> 
#> as.data.frame() donne toutes les colonnes.

`get_qes_master()` : ce qui a changé

Le fichier fusionné garde ses 30 colonnes documentées, dans le même ordre et avec les mêmes types ; de nouvelles colonnes s’ajoutent après elles et ne sont jamais retirées. Ses valeurs ont changé de deux façons.

Rien n’est retiré, et rien n’est empilé par nom :

tous les répondants de chaque fichier sont gardés : 40 987 lignes. 0.4.4 retirait 380 répondants de qes2007_panel et 1 répondant CROP comme doublons et, dans une session aux messages en français, perdait à la lecture 1 208 lignes de qes2007_panel et 616 de qes2018_panel ;
les 70 colonnes que 0.4.4 ajoutait en empilant des variables de même nom d’une étude à l’autre sont retirées : elles contenaient des questions différentes selon l’étude (attr(, "removed_columns") les énumère) ;
turnout de qes2018 vaut 0 plutôt que NA pour les 336 répondants qui ont dit ne pas avoir voté (codes 1 et 3 de q5) : son N valide passe de 2 303 à 2 639 et sa moyenne de 0,96 à 0,84 ;
qes_name_en prend le titre propre à chaque étude pour les panels Durand, les sondages CROP et les sondages de 1998 (par exemple « Panel Survey on the 2018 Quebec Election ») : sélectionnez les études par qes_code, pas par leur nom ;
le texte de certaines étiquettes est corrigé : religion de qes2012 garde sa casse d’origine, income et province_territory des sondages CROP lisent correctement leurs lettres accentuées (« 20 000 $ à 39 999 $ », « Quebec »), et les colonnes interview_* de qes2022 perdent leur .000 final.

Chaque colonne est construite à partir des variables harmonisées. Le fichier fusionné est produit par qes_harmonize() pour les 11 études : chaque colonne vient des variables harmonisées (« cibles ») dont elle a besoin, et un code que les règles d’harmonisation n’apparient pas vaut NA.

qes2008 n’a pas de pondération recommandée (ses pondérations sont calées sur le vote déclaré), et les pondérations de qes1998, des panels Durand de 2007 et de 2012 et des sondages CROP ne sont pas validées : leurs réponses sont remplies, mais weight_pre et weight_post y valent NA, et survey_weight garde la pondération propre à chaque étude, comme dans 0.4.4. Le tableau des pondérations décrit la pondération de chaque étude. La page du fichier fusionné décrit chaque colonne. Les colonnes qui changent les estimations :

Colonne	Maintenant	Modifiée dans
`vote_choice`	Le vote déclaré après l’élection, dans toutes les études qui l’ont demandé (0.4.4 prenait l’intention de campagne pour `qes2022` et `qes1998`). Les abstentionnistes, les bulletins annulés, « ne sait pas » et les refus valent `NA` : les catégories « Did not vote / None » et « Don’t know / Refused » disparaissent, et `turnout` dit qui a voté. Les sondages CROP n’ont demandé que l’intention : `NA`, l’intention étant dans la colonne ajoutée `vote_intent`.	toutes les études
`turnout`	La participation déclarée, 1 ou 0 (`qes2022` à partir de sa vague postélectorale ; le panel de 2018 à partir de sa question sur la participation).	`qes2022`, `qes2018`, `qes2018_panel`, `qes2007_panel`
`sovereignty_support`, `sovereignty`	Seulement le référendum sur un Québec pays indépendant. Les autres formulations valent `NA` ; la question de 1995 sur la souveraineté-partenariat est dans la colonne ajoutée `sov_partnership_1995`.	les études sans cette question
`ideology`	0-10 avec ses extrémités : 0.4.4 perdait les réponses 0 et 10 de `qes2014` (142 répondants) et ne trouvait aucune source dans `qes2018`.	`qes2014`, `qes2018`
`political_interest`	Les questions à quatre points en 10, 7, 3 et 0 ; 0.4.4 laissait les codes 1 à 4 de 2018 non convertis et inversés. Mêle une question à 4 points et une question 0-10 selon l’étude.	`qes2018`, `qes2012_panel`
`language`	La langue maternelle ; 0.4.4 prenait la langue de l’entrevue dans `qes2014` et celle de l’interface dans `qes2022`. Deux premières langues valent `NA`.	`qes2014`, `qes2022`, `qes2007`, `qes2007_panel`, `qes2018_panel`
`income`, `religion`	Les catégories propres à chaque étude ; `-99` et les codes bruts valent `NA` ; le revenu de `qes2012` est rempli.	`income` : 9 études ; `religion` : `qes2012`, `qes2014`, `qes2018`, `qes2022`
`age_group`, `education`, `born_canada`	Catégories corrigées : six tranches d’âge dans les panels de 2007 et 2012, la maîtrise en University, les personnes nées ailleurs au Canada comme nées au Canada, et d’autres cas énumérés dans NEWS.	quelques études chacune
`provincial_pid`	Remplie là où l’étude l’a demandée (0.4.4 ne trouvait une source que dans `qes2022`).	`qes2007`, `qes2008`, `qes2012`, `qes2014`, `qes2018`
`party_best`, `party_lean`	`NA` partout : la source de chaque étude était une autre question.	`party_best` : `qes2022`, `qes2018`, `qes2014`, `qes2012`, `qes2007` ; `party_lean` : toutes les études sauf `qes1998`
`survey_weight`	Inchangée : la pondération propre à chaque étude, à sa propre échelle. Ne l’utilisez pas pour regrouper des estimations pondérées de plusieurs études.	aucune

Trois conséquences pour les analyses regroupées : une estimation qui regroupait vote_choice de plusieurs études mêlait, avec 0.4.4, intentions et votes déclarés, et une estimation qui regroupait ideology de 2012, 2014 et 2022 perdait les réponses extrêmes de 2014. Ce sont les estimations de ce genre qui bougent le plus. Troisièmement, un filtre sur les valeurs non manquantes garde maintenant des études que 0.4.4 laissait vides : des colonnes qui valaient NA pour toute une étude sont remplies, ideology pour qes2018, provincial_pid pour qes2007, qes2008, qes2012, qes2014 et qes2018, income pour qes2012 et year_of_birth pour qes2022. Un échantillon de cas complets comme subset(master, !is.na(vote_choice) & !is.na(ideology)) contient maintenant qes2018 ; si le script lit aussi qes2018 séparément, ces répondants sont comptés deux fois. Sélectionnez les études explicitement, avec qes_code %in% c(...), et comparez table(sample$qes_code) pour l’échantillon d’analyse avec les effectifs publiés.

Les attributs du fichier fusionné disent ce que contient chaque colonne, quelles études ont des valeurs modifiées et pourquoi une colonne est vide dans une étude :

master <- get_qes_master(surveys = "qes_demo", quiet = TRUE)
#> Les valeurs ont changé dans qesR 0.7.0 : get_qes_master() est maintenant produit par le moteur d'harmonisation (qes_harmonize()), de sorte que vote_choice et turnout sont le vote et la participation déclarés dans toutes les études qui les ont demandés (les sondages CROP n'ont demandé que l'intention : vote_intent), et que les codes que la spécification n'apparie pas valent NA (language, la langue maternelle, vaut NA pour les personnes qui ont donné deux premières langues) ; attr(, "legacy_column_map") décrit chaque colonne et NEWS énumère les changements. Les résultats d'une version antérieure se reproduisent en l'installant (pour 0.4.4 : remotes::install_github("ThomasGareau/qesR", ref = "v0.4.4")). Cette note s'affiche une fois par session.
#> get_qes_master() n'ajoute plus les 70 colonnes que qesR 0.4.4 construisait en empilant des variables de même nom d'une étude à l'autre ; attr(, "removed_columns") les énumère. Lisez ces questions dans chaque étude avec get_qes(). Cette note s'affiche une fois par session.
map <- attr(master, "legacy_column_map")
map[map$column %in% c("vote_choice", "ideology", "sovereignty_support"),
    c("column", "target", "flag")]
#>                 column           target flag
#> 20            ideology          lr_self <NA>
#> 22         vote_choice vote_prov_recall <NA>
#> 26 sovereignty_support        sov_indep <NA>
attr(master, "legacy_na_columns")[1:5, c("column", "study", "reason")]
#>               column    study    reason
#> 1    interview_start qes_demo no_source
#> 2      interview_end qes_demo na_column
#> 3 interview_recorded qes_demo na_column
#> 4           language qes_demo no_source
#> 5        citizenship qes_demo no_source
unique(master[, c("qes_code", "vote_choice_timing", "sovereignty_item")])
#>   qes_code vote_choice_timing sovereignty_item
#> 1 qes_demo               post        sov_indep

map$studies_changed nomme, pour chaque colonne, les études dont les valeurs diffèrent de 0.4.4, et attr(master, "source_map") la question lue par chaque colonne dans chaque étude. Le journal des modifications compte les cellules modifiées, colonne par colonne et étude par étude.

get_decon() est obsolète (dépréciation douce) et produit à partir des mêmes cibles : ses colonnes catégorielles sont des facteurs aux niveaux anglais, et pour qes2022 ses colonnes turnout et votechoice restent la probabilité d’aller voter et l’intention de vote pendant la campagne (attr(, "timing") vaut "pre").

Du fichier fusionné à `qes_harmonize()`

Pour un nouveau travail, qes_harmonize() donne ce que le fichier fusionné ne peut pas donner : une colonne par stimulus de question (un vote déclaré et une intention sont des cibles différentes, tout comme les formulations sur la souveraineté), un niveau de comparabilité pour la question de chaque étude, un motif pour chaque valeur manquante et la pondération de chaque vague. La colonne target du tableau plus haut nomme la cible de chaque colonne du fichier fusionné. ideology et vote_choice deviennent :

h <- qes_harmonize("qes_demo", targets = c("lr_self", "vote_prov_recall"),
                   missing = "reasons", quiet = TRUE, lang = "fr")
table(h$lr_self__na, useNA = "ifany")[c("dk", "refused")]
#> 
#>      dk refused 
#>       5       0
attr(h, "qes_weight_guide")[, c("target", "study", "weight_column")]
#>             target    study weight_column
#> 1 vote_prov_recall qes_demo   weight_post
#> 2          lr_self qes_demo   weight_post

Calculez chaque estimation dans une seule étude, avec la pondération de la vague qui a posé la question. La position gauche-droite moyenne des électeurs de chaque parti dans l’étude de démonstration :

ok <- !is.na(h$lr_self) & !is.na(h$vote_prov_recall)
d <- h[ok, ]
means <- sapply(split(d, d$vote_prov_recall, drop = TRUE), function(p) {
  weighted.mean(p$lr_self, p$weight_post)
})
round(means, 2)
#>         PLQ          PQ         CAQ          QS         PVQ Autre parti 
#>        5.39        6.70        5.56        2.53        6.00        9.00

La variable regroupée vote_choice est la plus proche de la colonne vote_choice du fichier fusionné d’une étude à l’autre : avec types = list(vote_choice = "recall"), c’est le vote déclaré, comme dans le fichier fusionné (dont les étiquettes de partis sont celles de 0.4.4) ; par défaut, elle prend aussi l’intention de vote des études qui n’ont pas demandé le vote déclaré, et vote_choice__type indique laquelle.

qes_spec() montre quelle étude a quelle cible et à quel point sa question est comparable, et vignette("fr-reference-harmonisation", package = "qesR") donne les questions, les formulations et les niveaux de comparabilité de chaque cible.

Anciens noms, nouveaux noms

Les onze fonctions de 0.4.4 ci-dessous continuent de fonctionner et ne seront pas retirées. Chacune affiche une fois par session une note qui nomme la fonction qui la remplace (options(qesR.quiet_deprecated = TRUE) masque ces notes).

0.4.4	Remplaçante	Remarque
`get_codebook()`, `get_qes_codebook()`	`qes_codebook()`	mêmes arguments ; sans réseau ; `refresh` est ignoré
`format_codebook(cb, layout)`	`qes_codebook(cb, layout = )`	un simple data.frame (par exemple un codebook relu depuis un CSV) est une erreur
`get_value_labels(cb, variable)`	`qes_codebook(layout = "long")`	une variable inconnue est une erreur, pas une liste vide
`get_question(data, q)`	`qes_question(study, variables)`	noms exacts seulement ; `full = FALSE` ne change plus le résultat
`get_codebook_files()`, `get_qes_codebook_files()`	`qes_docs()`	énumère tous les documents, sans réseau
`download_codebook()`	`qes_download(what = "docs")`	`file` choisit maintenant des documents par leur nom ; fichiers vérifiés par md5
`get_preview(srvy, obs)`	`head(get_qes(srvy), obs)`
`get_qescodes()`	`qes_studies()`	les fichiers des firmes de 1998 s’ajoutent après les 11 anciens codes
`get_decon()`	`qes_harmonize(srvy, targets = "decon")`	obsolète (dépréciation douce) ; valeurs modifiées (plus haut)

get_qes(), get_qes_master() et qes_codebook() gardent leur nom. Une fonction héritée retourne ce que retourne sa remplaçante. Dans une nouvelle session, le premier appel de get_codebook() affiche aussi cette note (elle n’apparaît pas ci-dessous, car elle ne s’affiche qu’une fois par session) :

get_codebook() est obsolète (dépréciation douce) ; utilisez qes_codebook(). Elle continue de fonctionner et ne sera pas retirée.

cb <- get_codebook("qes_demo")
identical(cb, qes_codebook("qes_demo"))
#> [1] TRUE

Garder les nouveaux résultats reproductibles

Consignez ce à partir de quoi chaque résultat a été calculé, et citez-le :

qes_provenance(h, level = "spec")[, c("spec_version", "spec_hash", "qesR_version")]
#>   spec_version                        spec_hash qesR_version
#> 1        4.7.0 30697daa0042aab3078507b665867748        0.9.2
qes_cite("qes2014")
#> [1] "Gareau-Paquette, Thomas, 2026, \"qesR: Access Quebec Election Study Datasets\", R package version 0.9.2, https://github.com/ThomasGareau/qesR"                
#> [2] "Bélanger, Éric; Nadeau, Richard, 2023, \"Étude électorale québécoise 2014\", https://doi.org/10.5683/SP3/64F7WR, Borealis, V1, UNF:6:OoiAJ3ShbycsxmWCefqrjw=="

qes_provenance(x) donne le fichier de chaque étude (DOI, version du jeu de données), et level = "spec" la version des règles d’harmonisation qui ont produit des données harmonisées. La même version de qesR reproduit un résultat exactement, puisqu’elle fixe l’un et l’autre.