Analyse des données quantitatives Flashcards
Que comprend la partie “description de l’analyse des données quantitatives” ?
- Détermine les analyses statistiques;
-Statistiques descriptives
-Statistiques inférentielles
-Logiciels utilisés
Statistiques descriptives
- Analyse de fréquences
- Mesures de tendance centrale
- Mesure de dispersion
- Mesure de forme
- Logiciel SPSS
Types de variables
Nominale catégorielle:
* Comprend des catégories qui ne suivent pas un ordre naturel
* Dichotomique (binaire)
* Non-paramétrique
* Types d’analyses;
-Mode
-Distribution de fréquences
-Pourcentage
-Corrélation de contingence
Ordinale catégorielle:
* Catégories classées par rang ou par ordre de grandeur
* Paramétrique ou non-paramétrique
* Types d’analyses;
-Mode
-Médiane
-Distribution de fréquences
-Pourcentage
-Corrélation de contingence
Intervalle continue:
* Distance égale entre les nombres
* Zéro arbitraire
* Paramétrique
* Types d’analyse;
-Mode, médianne, moyenne
Proportion continue:
* Intervalles égaux entre les unités
* Zéro absolu
* Paramétrique
* Types d’analyses;
-Mode, médiane, moyenne
Quels sont les deux types d’analyses?
Descriptives:
* Décrire les caractéristiques de l’échantillon et répondre aux questions
* Structurer et représenter l’information contenue dans les données
Inférentielles:
* Estimer des paramètres et vérifier des hypothèses (loi des probabilités)
* Généraliser les données
Mesures de tendance centrale
Mode:
* La valeur la plus fréquente dans une distribution de fréquences
* Modale, bimodale, multimodale
Médiane:
* Correspond au point milieu de la distribution des fréquences
* Valeurs extrêmes
* 50e percentile
Moyenne:
* Somme des scores individuels divisée par le nombre
* Valeurs extrêmes et petits échantillons
Mesures de dispersion
Étandue:
* Différence entre la valeur la plus élevée et la plus basse
Variance:
* Moyenne des carrés des écarts données par rapport à la moyenne de la distribution
* Utile pour comparer un échantillon à un autre
* Pas d’unité de valeur
Écart-type:
* Tient compte de la distance entre chacun des scores d’une distribution par rapport à la moyenne du groupe
* Racine carrée de la variance
* Pas d’unité de valeur
La distribution normale
- Bidirectionnelle/infini
- Symétrique/ μ tenant compte des σ
- Total de 1
- A priori pour analyses paramétriques;
-Skewness (permet de voir à quel point la courbe peut tirer d’un côté ou de l’autre)
-Kurtosis (À quel point la courbe a un pic, ou bien est applatie)
Quels tests utiliser pour vérifier des hypothèses?
Pour déterminer différence entre groupes:
* Deux groupes:
-Variables continues: Test t
-Variables catégorielles: Khi2
- 3 groupes +: ANOVA (analysis of variance)
Pour déterminer le degré de relations entre les variables:
* Deux scores:
-Variables continues: Corrélation Pearson (entre -1 et +1)
-Variables catégorielles: Corrélation Spearman ou Phi
* Plus de deux scores:
-ANOVA à mesures répétées
Quelles sont les 3 étapes importantes en analyse quantitative pour choisir un test?
- Identifier les variables dépendante et indépendante
- Déterminer le type de variables (catégorielles, continues)
- Choisir le bon test
Quels sont les logiciels d’analyse de données quantitatives? À quoi servent-ils?
- Excel
- SPSS
- SAS
–>Types d’analyses:
-Descriptives/analytiques
-Bivariées/multivariées
–>Représentations graphiques
–>Programmation
Comment présenter des résultats quantitatifs?
- Questions/hypothèses
-
Texte:
-Description objective
-Choix -
Tableaux:
-Regroupement
-Signification - Éviter les répétitions
- Le premier tableau dans une étude est généralement un tableau descriptif, dans lequel on présente les différentes variables à l’étude, nommer le nombre de personnes dans chaque catégorie et les pourcentages
La signification des résultats
Significatif:
* Rejet de Ho
* p<0,05
* Erreur de type 1 possible
* Vérification validité interne et externe
Non-significatif:
* Non rejet de Ho
* p>0,05
* Erreur de type 2 possible
* Vérification validité interne
Mixtes ou contradictoires:
* Contexte d’hypothèses multiples
* Types de mesure, fidélité, validité
Significative, mais non prédits:
*Résultats inattendus, au-delà des hypothèses modèles
Signification statistique vs clinique
Signification statistique:
* Déterminer si différence ou relation
* Rejet de Ho
* Seuil de signification: p<0,05 ou 0,01
Signification clinique:
* Utilisée pour la pratique professionnelle ou l’avancement des connaissances d’une discipline
* Lorsque les résultats sont à la limite d’être significatifs (ex: p=0,06)
* Significatifs d’un point de vue clinique ; permettent d’avancer les connaissances
Interprétation de l’analyse statistique
- Synthèse et mise en lien de la recension;
-Nouveautés
-Similarités
-Différences - Forces et faiblesses
- Généralisation des résultats (validité externe)
- Recommendations pour recherches futures
- Implications pour la pratique professionnelle ou plan politique
Quelles sont les différentes choses à regarder quand on fait une analyse inférentielle?
- Tableaux croisés
- Hypothèse
- Mesures d’association
- Logiciel spss
- Graphique
