Analyse bivariée Flashcards

1
Q

Quels sont les types d’analyse? (3)

A
  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
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

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

A
  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
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

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

A

a. Connaître l’association entre deux variables

b. Connaître les différences de groupes pour une même variable

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Quels sont les types d’hypothèses? (4)

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

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

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Quelles sont les caractéristiques de la population?

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Quelles sont les caractéristiques de l’échantillon?

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

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

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Qu’est-ce que la probabilité? (2)

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

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

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

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

A
    1. Induire les caractéristiques inconnues d’une population à partir d’un échantillon
  1. méthode permettant de tirer des conclusions fiables sur la population, à partir des données obtenues pour l’échantillon (généralisation)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Que permet l’inférence statistique? (2)

A
  1. Permet minimiser probabilités de fausses conclusions quant aux paramètres de population
  2. 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
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Quel est le but de l’inférence statistique?

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

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

A
  1. Erreur de type 1 = alpha

2. Erreur de type 2 = bêta

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Qu’est-ce que l’erreur de type 1? (2)

A
  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
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Qu’est-ce que l’erreur de type 2? (2)

A
  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
17
Q

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

A

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

18
Q

Quel est le seuil de signification généralement accepté?

A

; 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

19
Q

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

A

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