COURS 6 Flashcards
Quelle est la limite majeur des plans de recherche a cas unique?
les échantillons sont extremement petit => probleme a la validité externe.
il y a 5 interprétations d’un graphique à cas unique, lesquels?
a)augmentation,
b)réduction,
c)plat,
d)cyclique,
e)instable.
définition du plan A-B (plan simple)
a = niveau de base
b= traitement (en suit une réduction)
définition de plan A-B-A-B (plan renversé)
A (période du niveau de base) => B (traitement) => A (periode du niveau de base) => B (traitement, + efficace)
permet de voir si un traitement est clairement efficace (si le niveau de base remonte suite à l’arret du traitement)
on peut changer les dosages à chaque période de traitement.
Quand utiliser un plan corrélationnel (4)?
1) Raisons déontologiques : souvent, il n’est pas éthique de manipuler expérimentalement la VI
2) Raisons pratiques ou techniques : parfois, la VI d’intérêt est un événement imprévisible et elle ne peut donc pas être isolée ou manipulée
3) Trop onéreux : parfois, il est possible et éthique d’isoler et manipuler la VI, mais c’est simplement trop coûteux
4) L’utilisation d’un plan expérimental peut compromettre la validité externe de l’étude : de demander à des individus de participer à une étude en laboratoire pourrait créer des situations qui ne seraient pas observées en temps normal dans le monde réel.
Les différentes forces de corrélation
- r = 0 - 0.19 est considéré comme une corrélation très faible
- r = 0.2 - 0.39 est considéré comme une corrélation faible
- r = 0.40 - 0.59 est considéré comme une corrélation modérée
- r = 0.6 - 0.79 est considérée comme une corrélation forte
- r = 0.8 - 1 est considéré comme une correlation très forte
Qu’est-ce qu’un corrélation simple connexe?
- Souvent, la relation entre deux variables est causée par la présence d’une troisième variable qui serait commune aux deux et qui expliquerait la relation entre elles
- Pour rester cohérent avec les autres sections du cours, cette troisième variable peut être appelée la variable concomitante
- Dans ce contexte, la variable concomitante peut avoir un rôle médiateur qui permet de mieux expliquer la relation entre les deux variables ou un rôle modérateur qui permet d’amplifier ou de diminuer la relation entre deux variables
- Lorsque les deux variables de départ et cette troisième variable sont toutes mesurées, un modèle des corrélations connexes peut être créé
ça forme un genre de triangle
Quelles sont les 3 conditions pour établir un lien de causalité
- 1) La présence de la variable indépendante doit créer une condition qui produit un événement, et cet événement ne doit pas se produire lorsque la variable est absente [La covariation de la cause et de l’effet]
- 2) La condition créée par la variable indépendante (la cause) est attribuable seulement à cette variable, et à aucune autre [Explications alternatives]
- 3) La cause créée par la variable indépendante doit se produire avant que l’effet ne soit observé [Préséance temporelle].
Explique la Covariation de la cause et l’effet
- La variable qui est considérée comme étant la variable indépendante n’est pas manipulée; elle est seulement observée ou mesurée
- Un chercheur a besoin d’obtenir un échantillon représentatif qui incluera les individus possédant (ou étant exposés à) la VI et d’autres individus ne la possédant pas (ou n’étant pas exposés à) la VI
- Le chercheur doit s’assurer que son échantillon contiendra toutes les valeurs (ou niveaux) possibles de la variable indépendante.
Explique la condition d’explication alternative.
- Parce que la variable indépendante n’est pas manipulée par le chercheur, il est très difficile de savoir si la présence ou l’absence de la variable indépendante (la cause présumée) est la seule cause des changements de la variable dépendante
- Ce problème peut être résolu statistiquement – pour ce faire, le chercheur doit identifier et mesurer d’autres variables pouvant potentiellement affecter la variable dépendante et contrôler statistiquement pour son influence durant l’analyse statistique des résultats
- Cela peut être effectué en utilisant une analyse statistique appelée corrélation partielle ou une régression multiple.
Explique la préséance temporelle (3e condition de la causalité)
Concernant l’aspect temporel, il est important qu’une période de temps se soit écoulée entre la mesure de la variable indépendante et la mesure de la variable dépendante
* Dans bien des études corrélationnelles, les variables indépendante et dépendante sont mesurées au même moment
* En théorie, dans de telles circonstances, il est encore possible que la relation observée entre deux variables puisse être interprétée de deux façons : A est la cause de B et B est la cause de A
* Pour respecter ce troisième critère, les chercheurs peuvent mesurer la variable indépendante à un moment dans le temps, et mesurer la variable dépendante plusieurs semaines, mois ou années après (ce type de plan est appelé étude prospective)
* Une autre façon de respecter ce critère est de conduire ce qu’on appelle une étude rétrospective, où des données qui ont déjà été collectées à différents moments dans le temps sont analysées de la même façon que dans une étude prospective.
définition d’une étude corrélationnelle rétrospective?
l’étude se base sur des données déjà existante
définition d’une étude pospective?
l’étude se base sur des prises de mesures éparpillées dans le temps
il y a 3 types de relation entre 2 variables, lesquels?
causales et directe, non-causale, causale et complexe
Définition d’une relation causale directe?
- Lorsqu’une étude corrélationnelle a une relation causale directe, il est possible de déterminer qu’une variable a un effet direct sur une autre variable lorsque toutes les autres causes possibles sont éliminées.
- Conséquemment, dans les études corrélationnelles, les chercheurs doivent considérer la possibilité que plusieurs autres variables pourraient être responsables des résultats observés
- Il est donc très important pour les chercheurs de mesurer ces variables afin de contrôler statistiquement leurs effets
- Les analyses multivariées impliquent l’analyse combinée de trois variables et plus
- Par exemple, lorsqu’on utilise la régression multiple, l’omission d’une variable représentant une cause importante est appelée une erreur de spécification
- Pour cette raison, il est nécessaire de mesurer ces autres variables qui pourraient jouer un rôle causal dans le modèle
EXEMPLE : - Supposons que la variable A est prédite comme menant à la variable B
- Premièrement, nous observons que A est significativement corrélée à B
- Toutefois, avant de conclure que A cause simplement et directement B, nous devons considérer la possibilité que cette corrélation entre A et B soit attribuable à d’autres sources.
A cause B
Quels sont les 4 types de relation non causales?
Association descriptive, association de mesure reflétant un construit latent, causalité renversée, relation factice ou erronée.
Définition de l’association descriptive?
- Lorsqu’une relation corrélationnelle entre deux variables est initialement observée, aucune causalité ne peut être déterminée et elle est appelée, à ce stade, une association descriptive entre les deux variables
- Ce type d’analyse associative est souvent la première étude conduite dans le cadre d’un grand programme de recherche
- Une relation causale peut commencer à être établie seulement après que ces observations ait été reproduites avec des populations variées, que l’aspect temporel ait été considéré et que les variables concurrentes ait été mesurées et contrôlées.
définition d’une association de mesure reflétant un construit latent
- Lorsque deux variables sont associées et qu’elles représentent deux indices différents (ou observations) du même construit théorique, cela est appelé une association de mesure
reflétant un construit latent - Dans cette situation, les deux variables A et B sont liées à une troisième variable qui n’est pas mesurée (c.-à-d., latente), mais il n’y a pas de relation causale directe entre A et B
- La difficulté principale est de déterminer si l’association représente le même construit latent ou si elle représente deux différents construits latents qui partagent une relation causale.
définition de la causalité renversée?
- La causalité renversée se produit lorsque la direction de la causalité entre deux variables va dans la direction opposée de ce qui était attendu
- Ce problème est fréquent dans les études où les deux variables sont mesurées en même temps
- Dans ce cas, le chercheur peut seulement supposer la direction causale et ne devrait pas la rapporter explicitement lorsqu’il rapporte les données.
Définition de la relation factice (erronée)
- Lorsque la variable concomitante (variable parasite) peut être la cause des deux
autres variables et qu’elle explique entièrement la relation entre elles, nous appelons cela une relation factice ou erronée - La menace qu’une troisième variable puisse expliquer un lien causal entre deux variables est la source de beaucoup de controverse dans les études corrélationnelles
(variable parasite)
Quels sont les 2 types de relations causales complexes?
relation de réciprocité entre 2 variables et la variable mediatrice
définition de la relation de réciprocité entre 2 variables?
- Lorsqu’une variable a un effet sur une autre variable mais que cet effet n’est pas direct, nous appelons cela une relation causale complexe
- Un premier type est appelé relation de réciprocité entre deux variables, et survient lorsque l’effet causal d’une variable sur une autre se produit dans les deux directions
- C.-à-d., la variable A influence la variable B et la variable B influence la variable A
définition de la relation avec variable médiatrice?
- Un deuxième type survient lorsqu’une variable indépendante influence une variable dépendante via une troisième variable appelée la variable médiatrice
- La même logique générale que lorsque nous avons discuté de l’influence d’une variable médiatrice dans le plan expérimental s’applique
- La présence de la variable médiatrice peut causer soit un effet direct ou indirect entre les variables indépendante et dépendante (ou une combinaison de ces deux types d’effets).
Que signifie la corrélation partielle?
- Les corrélations partielles mesurent la force d’une relation entre deux variables, tout en contrôlant l’effet d’une ou plusieurs autres variables
- Le chevauchement entre les deux variables de ce diagramme
représente la variance partagée expliquée entre les deux variables.
Exemple:
1- Lorsque nous mesurons seulement l’apport calorique (var 1) et la pression artérielle (var 2), nous voyons qu’il y a une corrélation de r = 0.70
2- Lorsque la troisième variable du poids est ajoutée au modèle, nous voyons que beaucoup de variance expliquée est partagée entre les trois variables (r = 0.55)
3- La corrélation entre l’apport calorique (var 1) et la pression artérielle (var 2) est réduite à r = 0.15 lorsqu’on contrôle pour le poids