Please enable JavaScript.
Coggle requires JavaScript to display documents.
6.PLANS SIMPLES A MESURES INDEPENDANTES (INTER-SUJETS) (A. PRESENTATION DU…
6.PLANS SIMPLES A MESURES INDEPENDANTES (INTER-SUJETS)
A. PRESENTATION DU PLAN, AVANTAGES, INCONVENIENTS
avantages
pas d'effet d'ordre
pas d'effet de rang
pas d'effet d'apprentissage
inconvénients
les groupes indépendants doivent être équivalents
taille d'échantillon importance surtout si VI à plusieurs modalités
Un plan simple inter-sujet = avoir autant de
modalités de la VI
que de
groupes de sujets
contrôler l'équivalence des groupes
être équivalents (dans le sens comparables)
équivalence concerne variables qui pourraient influencer le comportement
Procédures d'affectation des sujets
REPARTITION ALEATOIRE PAR TIRAGE AU SORT
échantillon homogène de N sujets
tirage
pile ou face
= procédure à
l'aveugle
et concerne tous les facteurs, même ceux auxquels l'expérimentateur n'avait pas pensé
REPARTITION PAR QUOTAS
au
hasard
en respectant
proportions
observées dans population d'origine
= miniaturisation de la pop d'origine
PRE-TEST
pas de répartition au
hasard
pré-test = obtention
perf
moyenne
affectation dans les
groupes différents
(entre les groupes) pour perf moyenne (et même variance moyenne) identique avant intervention du psy
=> ce qui compte c'est que les groupes aient les mêmes moyennes
PROCEDURE D'APPARIEMENT
pas de répartition au
hasard
pré-test
appariement vers chaque condition par expérimentateur
selon que la similitude des
scores
obtenus =
DEVIENNENT COMPARABLES
variables externe qui pourrait se transformer en variable parasite
assurance de
moyennes
équivalentes
(= obtenir des variances homogènes)
*ex : 2 personnes qui ont eu 10
=>
1 dans un groupe, 1 dans un autre groupe**
importance de la répartition selon les scores des individus, l'important est que le groupe est la même moyenne
B. TRAITEMENT STATISTIQUE ASSOCIE
1 VI A 2 MODALITES
T DE STUDENT A MESURES INDEPENDANTES
Préciser cas petits ou grands échantillons
Applique formule petits échantillons =
n1+n2 - 2
(degré de liberté)
pose H0
"au plan des 2 ensembles parents E1 et E2"
pose H1
"on s'attend à ce que u1 soit supérieur à u2"
Calcul du t pour petits échantillons
Pré-requis =
2 groupes indépendants à 2 modalités à mesures indépendantes
VD d'intervallle
homégénéité variance
distribution normale
Décision petits échantillons
comparer valeur t observé (calcul) au t de la table des valeurs critiques (seuil de signification = colonne .05 bilatérale ou unilatérale)
cas bilatéral (H1 : u1 ≠ u2)
=> si
t observé > ou < à t critique
=
rejet H0
au risque de 5%
=> existe une différence significative entre les moyennes des scores de la VD
cas unilatéral (H1 : u1 > u2)
=> si
t observé > t critique
=
rejet H0
cas unilatéral (H1 : u1 < u2)
=> si **t observé < - t critique = rejette H0"
je rejette H0 et accepte H1 au seuil de signification de .05*"
tester l'effet d'une VI
NOMINALE A 2 MODALITES
sur une
VD D'INTERVALLE
permet de savoir si 2 moyennes à comparer diffèrent l'une de l'autre
écrire hypothèse
"Soient u1 la moyenne des performances de rappel libre pour la population 'sans" et u2 la moyenne des performances de rappel libre pour la population "avec"
Calcul du z pour grands échantillons n1 et n2 > 30
homogénéité des variances non indispensable
normalité de la VD indispensable
on se base
loi normale réduite
Décision pour grands échantillons
basée sur loi normale réduite
cf. table avec
valeur critique 1.65
(unilatéral) et
1.96
(bilatéral) pour α = .05
- Cas unilatéral (valeurs critiques comprises -1.65 et + 1.65
Si H1 : u1 > u2 et si z observé est > à la valeur critique du t de la table de la loi normale réduite, alors on
rejette H0
et on accepte H1
Si H1 : u1 < u2 et si z obersvé est < au t critique,
rejet H0
et on accepte H1
- Cas bilatéral (valeurs critiques comprises -1.96 et + 1.96
Si z observé > ou si z observé < à 1.96,
rejet HO
et accepte H1
TAILLE DE L'EFFET
Indices propres à chaque test
= échelles libres et continues de 0 à +
Cohen : dépend de la valeur de d
Si d = .20 => effet petit
Si d= .50 => moyen
Si d= .80 => grand
dépend de l'écart entre H0 et H1
En statistique, une taille d'effet est une mesure de la force de l'effet observé d'une variable sur une autre et plus généralement d'une inférence
= compare r/t entre les études, notamment en méta-analyses
ANOVA A 1 FACTEUR INDEPENDANT ET TEST POST-HOC
La VI à + de 2 modalités indépendantes
Pré-requis
VI nominale au - 3 modalités indépendantes
VD d'intervalle
groupes indépendants
homogénéité variances + normalité distributions
= généralisation du t de student à plus de 2 moyennes comparées
Compare 3 ou plusieurs moyennes
test toujours
BILATERAL
Si effet significatif de la VI sur la VD, on ne sait pas quelles moyennes est concernées, donc utilisation de
TESTS POST-HOC / TEST DE FISHER
ETAPE 1
Pré-requis
=>
HYPOTHESES
HO : u1 = u2 = u3 = ....uk
H0 = égalité des moyennes de la VD
H1 = au moins une moyenne de la VD diffère
=>
CALCUL DE LA VARIABLE TEST = F DE FISHER
= Si effet expérimental = 0 => seule variance observée est liée aux variances intrasujets (pas d'intérêt = l'ERREUR)
Plus le rapport > 1 plus l'effet expérimental à des probabilités de se manifester
F est toujours positif,
F = au carré du T de Student
=>
DECISION
comparer valeur F à la valeur critique du F de la table
Si F observée > F critique =
rejet HO et accepte H1 au seuil de α = .05
=>
TAILLE DE L'EFFET = ETA CARRE η2
mesure l'importance de la différence entre moyennes
= indique que toutes les moyennes ne sont pas égales, qu'au moins une diffère (sans savoir laquelle)
ETAPE 2
= pour savoir quelle moyenne diffère // à l'autre
réalise un
test de comparaison multiple ou post hoc
=> demande d'interprétation des tests de comparaison multiples sur SPSS
quand taille des groupes est égale =
STUDENT-NEWMAN-KEULS
: comparaison moyennes 2 à 2
quand
Test de Tukey
: permet toutes les comparaisons de moyennes
Test de Scheffé
: grand nb de moyennes ( plutôt quand gpes de tailles différentes)
The Dunnet test
: compare moyenne d'un gpe contrôle avec chaque moyenne des autres gpes / le + puissant