Commençons par regarder le nombre d'échantillons en fonction de leur pureté. Les analyses présentent la pureté de deux façons différentes : équivalent base et équivalent chlorhydrate. Les produits psychoactifs sont souvent vendus sous forme de poudre ou de cristal et ne contiennent pas uniquement la substance psychoactive (cocaïne, héroïne, MDMA, ...). Le pourcentage d'une substance en équivalent base, c'est le pourcentage de la dite molécule dans la poudre. Nous avons choisi de présenter le pourcentage en équivalent base car c'est celui directement mesuré par le laboratoire. La pureté maximale (en masse) n'est pas 100% (car la poudre ne peut pas contenir que la molécule psychoactive) mais dépend de la molécule considérée et est représentée par la barre verticale rouge en pointillé. Certains échantillons se situent au-delà de cette limite car les résultats d'analyse sont donnés avec une incertitude de +/- 10%. Pour plus d'information, vous pouvez consultez la F.A.Q. sur l'analyse de drogues à distance.

• Moyenne et écarts type
• Médianes et quartiles

Jetons ensuite un coup d'œil à l'évolution temporelle de la pureté. Deux choix s'offrent à vous, vous pouvez soit visualiser l'évolution de la moyenne et de l'écart-type de la distribution des échantillons, soit l'évolution de la médiane, ainsi que le premier et troisième quartile. Chacune des grandeurs est calculée sur une fenêtre glissante de Δ jours autour de chaque échantillon reçu (actuellement Δ = 15 jours). Vous pouvez paramétrer la valeur de Δ dans les "Options de visualisation".

Intéressons-nous ensuite à la dépendance de la pureté au mode d'approvisionnement. Pour cela, nous régressons la pureté sur le mode d'approvisionnement. Pour ce faire, on choisit le mode d'approvisionnement privilégié (Deep web / dark web) et on regarde si l'écart à ce premier mode est statistiquement significatif. Cette significativité est symbolisée par les "*" dans la colonne écart. "***" si la probabilité que l'écart soit simplement dû au hasard est plus petite que 1%, "**" si elle est plus petite que 5% et "*" si cette probabilité est plus petite que 10%. Cette probabilité se nomme la p-value.
On peut aussi, de façon plus approximative, comparer l' erreur standard à son coefficient respectif, si l'écart est moins que le double de l'erreur standard, alors on ne peut pas détecter si l'écart observé est dû au hasard ou non.
Enfin, nous présentons aussi le coefficient R² qui permet de quantifier à quel point le modèle de régression permet d'expliquer les données observées. Ce coefficient est compris entre 0 et 1 : plus le R² est élevé, mieux il explique les données. Pour de plus amples informations, voir ici.

Désormais, regardons la géographie de la pureté. Sur la carte suivante est présentée la pureté moyenne par région parmi les échantillons qui ne proviennent pas du dark net. Nous choisissons de retirer ces échantillons car il ne doivent pas différer entre régions de France, le marché se passant à l'échelle internationale.

Demandons-nous comment analyser la carte de France présentant la pureté par région. Pour certaines molécules, on peut remarquer de fortes différences de couleurs, et ainsi de pureté moyenne, entre les différentes régions. Cependant, l'image est incomplète : les différences pourraient très bien être dues à différents modes d'approvisionnement ou bien à différentes dates d'achat. Pour prendre cela en compte, nous réalisons une régression à effets fixes en choisissant comme effets fixes le mode d'approvisionnement et le bimestre d'achat. Concrètement, cela revient à comparer uniquement les variations de qualité à l’intérieur d’un même mode d’approvisionnement et d’un même bimestre, en neutralisant les différences moyennes entre groupes. De cette façon, on isole l’effet des autres variables (comme la région) indépendamment de ces facteurs fixes.
Pour créer ce tableau, nous devons choisir une région à laquelle comparer toutes les autres; nous avons choisi de prendre la région d'où provient la majorité des échantillons, soit l’Île-de-France. Le tableau se lit par exemple de la façon suivante : pour un même mode d’approvisionnement et un même bimestre, la pureté moyenne des échantillons provenant du Grand-Est est en moyenne à un certain écart. Chaque écart est caractérisé par sa p-value (les potentielles astérisques) et par son erreur standard.
Il se peut que pour une ou plusieurs régions, le modèle ne puisse pas estimer un coefficient parce que la pureté de tous les échantillons est déjà parfaitement déterminée par la combinaison des effets fixes. Les échantillons provenant de cette région, (voire ces régions) ont tous une combinaison mode d'approvisionnement x bimestre différente.