Analyse bivariée

Question 1

Quels sont les types d’analyse? (3)

Answer 1

1. Univariée (1variable)  décrire et présenter les données pour chaque variable / manipulations
2. Bivariée (2variables)  analyser l’effet d’une variable (X) sur une autre (Y)
3. Multivariée (3variables)  analyser l’effet de plusieurs variables sur une autre (Y) / contrôler l’effet de variable de contrôle / régression linéaire

Question 2

Quelles sont les conditions nécessaire pour la causalité? (5)

Answer 2

1. Séquence temporelle  la cause doit précéder l’effet (X cause Y)
2. Association entre X et Y ; X et Y sont présents
3. La relation persiste même si on inclut d’autres variables (influence variable tierce)
4. Les deux concepts (cause/effet) doivent être conceptuellement distincts
5. Il existe une interprétation possible de relation

Question 3

Quels sont les buts de l’analyse statistique? (2)

Answer 3

a. Connaître l’association entre deux variables

b. Connaître les différences de groupes pour une même variable

Question 4

Quels sont les types d’hypothèses? (4)

Answer 4

a. Non directionnelle  aucune mention du sens de la relation entre les deux variables
i. Afin d’accepter l’hypothèse de recherche, il doit avoir relation significative
b. Directionnelle  les différences existantes sont mentionnées (sens relation)
i. Afin d’accepter l’hypothèse de recherche, le sens de relation doit être juste
c. Hypothèse nulle (H0)
i. Aucune relation/association entre les VI et VD
d. Hypothèse de recherche (H1)
i. Présence d’une association/relation entre VI et VD

Question 5

Il est important de toujours revenir à l’hypothèse nulle, deux façons de le faire?

Answer 5

a. Rejet de H0 (relation statistiquement significative)  H1 est nécessairement vraie
b. Non rejet de H0 (pas relation significative)  ne veut pas forcément dire que H1 est fausse

Question 6

Quelles sont les caractéristiques de la population?

Answer 6

ensemble de toutes les personnes/objets/faits sur lesquels portent l’étude

a. Définir la population ciblée en spécifiant ;
i. Unité statistique  chaque élément de la population
ii. Caractéristiques géographiques et temporelles
b. Accès à toute la population  difficile et coûteux

Question 7

Quelles sont les caractéristiques de l’échantillon?

Answer 7

sous-ensemble des observations/unités extrait d’une population

a. Importance de la représentativité de l’échantillon
i. Généralisation résultats
ii. Échantillon aléatoire  toutes unités ont la même chance d’être sélectionnées

Question 8

Comment expliquer le problème fondamental de la fluctuation des échantillons? (3)

Answer 8

i. La plupart des études sont basées sur des échantillons
ii. Les statistiques obtenus peuvent varier d’une étude à l’autre
• Estimation de la population/probabilité
• Importance de reproduire les études
iii. Divergences entre statistiques émanant de la population et des échantillons

Question 9

Qu’est-ce que la probabilité? (2)

Answer 9

i. Nombre de fois qu’un évènement/situation survient divisé par le nombre d’occasion que l’évènement/situation puisse survenir
ii. Plus l’échantillon est grand, plus on se rapproche de la population

Question 10

Quelles sont les caractéristiques des erreurs d’échantillonnage? (3)

Answer 10

a. Loi des grands nombre  +échantillon grand = +erreur d’échantillonnage est petite
b. +grande est la variance de la population = +grande est l’erreur d’échantillonnage
c. Calculée grâce à l’erreur type de la moyenne  écart-type de la moyenne

Question 11

Qu’est-ce que l’inférence statistique? (2)

Answer 11

1. 1. Induire les caractéristiques inconnues d’une population à partir d’un échantillon
2. méthode permettant de tirer des conclusions fiables sur la population, à partir des données obtenues pour l’échantillon (généralisation)

Question 12

Que permet l’inférence statistique? (2)

Answer 12

4. Permet minimiser probabilités de fausses conclusions quant aux paramètres de population
5. Puisque nous inférons les données de notre population à partir d’un échantillon aléatoire  possibilité que les résultats trouvés soient attribuables au hasard/erreur d’échantillonnage

Question 13

Quel est le but de l’inférence statistique?

Answer 13

a. Déterminer si les différences observées sont le reflet de réelles différences au sein de notre population ou le résultat possible d’une erreur d’échantillonnage

Question 14

Quels sont les deux types d’erreurs d’inférences?

Answer 14

1. Erreur de type 1 = alpha

2. Erreur de type 2 = bêta

Question 15

Qu’est-ce que l’erreur de type 1? (2)

Answer 15

1. Le chercheur affirme qu’il existe un lien entre les variables (rejet de H0)
2. Mais en réalité il n’existe pas de lien

Question 16

Qu’est-ce que l’erreur de type 2? (2)

Answer 16

1. Le chercheur affirme qu’il n’existe pas de lien entre les variables (non-rejet de H0)
2. Mais en réalité il existe un lien

Question 17

Qu’est-ce que le seuil de signification? (2)

Answer 17

a. Malgré possibilité de faire des erreurs d’inférence, on se fixe un seuil d’erreur acceptable  on préfère contrôler le plus possible l’erreur de type 1
b. Probabilité de faire une erreur de type 1 = alpha ; « p » = seuil signification

Question 18

Quel est le seuil de signification généralement accepté?

Answer 18

; p < 0.05 (95%)

i. Certain à au moins 95% que la relation observée est attribuable à la présence d’une relation réelle entre les variables
ii. 5% (0.05) de chance de me tromper en affirmant qu’il existe relation (type1)
iii. ** = p < 0.01 / *** p < 0.001

Question 19

Que pouvons nous conclure sur le seuil de signification? (2)

Answer 19

i. Si p < 0.05 = rejet de H0 et conclure qu’il y a relation significative
ii. Si p > 0.05 = non rejet de H0 et conclure qu’il n’y a pas de relation réelle