Cours 13 Flashcards

1
Q

Quel test statistique utiliser quand on souhaite décrire la relation entre 2 variables quanti?

A

Coefficient de corrélation (r)

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

Que peut-on faire en projetant chaque variable sur un axe ? (nuage de point)

A

On peut évaluer la force et la direction d’une relation entre deux variables continues.

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

Qu’est-ce qui caractérise la corrélation?

A
  • La corrélation bivariée est utilisée pour tester une association positive ou négative entre 2 variables continues. La relation entre ces 2 variables peut être positive, négative ou nulle.
  • La valeur d’une corrélation est toujours située entre -1 et +1
  • Plus on se rapproche de 1, plus les variables sont positivement associées
  • Plus on se rapproche de -1, plus les variables sont négativement associées
  • Une corrélation de 0 indique qu’il n’y a pas de relation entre les variables.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

La corrélation quantifie…

A

la force et la direction d’une relation bivariée linéaire par une valeur entre -1 et 1.
- 1=corrélation positive parfaite
- 0=corrélation nulle (pas relié)
- -1=corrélation négative parfaite

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

Comment calculer la force d’une corrélation?

A
  • Valeur de ± .1 : association faible (ou modeste)
  • Valeur de ± .3 : association moyenne
  • Valeur de ± .5 : association forte
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

On parle de multicollinéarité lorsque…

A

les variables sont trop corrélées.

Corrélées à partir de .70 = susceptible de générer des problèmes

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

Quels problèmes est-ce qu’une multicollinéarité peut apporter?

A
  • une imprécision des paramètres estimés
  • Sur le plan conceptuel, un redondance
  • sur le plan de la mesure: MANQUE d’EXCLUSIVITÉ
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Donnez un exemple de corrélation négative

A

Plus l’estime de soi est élevée, plus la dépression est faible
et/ou
Plus la dépression est élevée, plus l’estime de soi est faible

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

Que représente R²?

A

le % de variance expliquée

la variance commune, la zone de chevauchement entre les deux varibles

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

Quelles sont les limites de l’analyse de corrélation?

A
  • On ne peut pas connaitre la direction de l’effet
  • On ne peut pas savoir si l’association est due à une tierce variable
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Quels sont les hypothèses en langague statistique pour un coefficient de corrélation?

A

H0 : rxy = 0
H1 : rx,y < 0 – corrélation négative
ou
H1 : rx,y plus grand que 0 – corrélation positive

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Qu’est-ce qui différencie une corrélation et une régression?

A

Corrélation :
- analyse de la relation entre deux variables quanti
- X et Y peuvent être interchangés

Régression :
- analyse de la relation entre deux ou plusieurs variables quanti
- X et Y ne peuvent être interchangés pcq nous cherchons à expliquer une variable par une ou plusieurs autres variable
- X = VI/variable explicative; Y = VD/variable expliquée

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Pour considérer une relation comme causale, il faut…

A
  • Qu’il existe un lien logique entre la cause et l’effet
  • La cause précède l’effet
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Qu’est-ce qu’une régression linéaire?

A

La régression linéaire multiple permet l’examen d’associations entre une ou plusieurs VIs et une VD, et donc implique une direction de l’association

Le chercheur doit statuer sur la ou les variables qui prédisent (VIs) l’autre variable (VD) dans son hypothèse à tester

La régression permet de prendre en compte la partie de variance de la VD expliquée par chaque VI dans le modèle

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

Pourquoi utiliser la régression linéaire multiple?

A

Parce qu’elle permet d’évaluer la valeur prédictive de plus d’une variable sur une autre variable

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

Vrai ou faux? Le R² augmente avec l’ajout de variables prédictives (x1, x2, x3, etc.)

A

Vrai

17
Q

R² (coefficient de détermination) vs R² ajusté, qu’est-ce qui les différencie?

A

Coefficient de détermination (R²): Détermine à quel point le modèle a une valeur explicative

Le R² (ajusté) tient compte du nombre de variables dans le modèle (plus bas que le R2 total)

18
Q

Un R² de ‘0’ = …
Un R² de ‘1’ = …

A

Un R² de ‘0’ = aucune valeur explicative (0% de variance expliquée)
Un R² de ‘1’ = valeur explicative parfaite (100% de variance expliquée)

19
Q

Que veut dire une erreur de type 1?

A

Qu’on a rejeté H0 alors qu’on aurait du l’accepter

20
Q

Que veut dire une erreur de type 2?

A

quand l’hypothèse nulle est acceptée, alors qu’elle devait être rejetée