Quelle est la différence entre l’analyse d’association et de relation avec l’analyse des statistiques de différences?
analyse d’association et de relation: déterminer la relation entre 2 ou plusieurs variables
statistiques de différences: déterminer la relation entre 1 même variable pour 2 échantillons différents
Diagramme de dispersion
- associer 2 variable + les représenter visuellement dans un nuage de points
- point = (X,Y)
- Corrélation simple nécessaire pour quantifier le degré d’association
Coefficient de corrélation
- différents types de coeff. en fonction de l’échelle de mesure utilisée (ordinale, intervalle ou prop.)
- Prémisses:
=> relation entre les 2 variables linéaires (++ important)
=> pour chaque valeur de X, la variance de Y doit être équivalente
=> les 2 variables X, Y souvent avoir une variabilité suffisante pour permettre une corrélation
Coefficient de Pearson:
À quels types d’échelle est-il associé?
Quelles sont ses caractéristiques?
utilisé pour calculer le degré d’association entre 2 variables avec des échelles PAR INTERVALLE ou PROPORTIONNELLE
Caractéristiques:
- toujours entre -1 et 1 (0= faible relation entre les variables, -1 ou 1 = forte relation)
- valeur positive: X et Y vont dans le même sens (les deux augmentent ou diminuent)
- valeur négative: X augmente et Y diminue (et l’inverse)
- transformation des scores des variables X,Y en score Z (échelle commune)
- 1 seul couple de variable peut drastiquement modifier le coeff. de Pearson si petit échantillon
Test d’hypothèse sur le coefficient: la relation entre X et Y est-elle significative?
- Utilisation d’un test statistique
- Méthode du test-t donne une valeur comparée à une valeur critique t (alpha = 0,05)
=> valeur calculée plus extrême que la valeur critique = association entre les 2 variables est significative (différente de 0)
Quand est ce qu’on utilise le coeff. de Spearman?
On l’utilise quand une des variables est de type ordinale.
NOTE: Pour déterminer si un coefficient de corrélation est statistiquement significatif, on doit d’abord déterminer sa valeur p à l’aide d’un test de t. Si la valeur p est plus petite ou égale à 5% (p≤ 0,05), l’association entre les deux variables sera jugée statistiquement significative.
si p < 0,05: association significative des données
si p > 0,05 : association non significative des données
Interprétation des coeff. de corrélation selon le barème de Munro
R = 0 - 0,25 (corrélation très faible ou nulle) R = 0,26 - 0,49 (corrélation faible) R = 50 - 0,69 (corrélation modérée) R = 0,70 - 0,89 (corrélation forte) R = 0,90 - 1,00 (corrélation très forte)
ATTENTION: utiliser son jugement (parfois 0,5 est très bon et d’autres 0,7 est insuffisant)
