Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Méthodologie > Cours 6 à 12 > Flashcards

Cours 6 à 12 Flashcards

1
Q

En méthode quantitative, 3 méthode de collecte de données

A
  • Données officielles
  • Sondages de victimisation (trouver des victimes, pas le nombre de crimes)
  • Données auto-révélées
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Avantages et inconvénients de la méthodes de collecte de données quantitatives

A

Avantages:
- Quantité d’informations (très grande)
- Plusieurs hypothèses (peut en tester plrs)
-Rapide (questions avec choix faciles)
- Comparable (tous on les mêmes questions)
- Coût

Inconvénients:
- Déformation des propos (interprétation différente des questions)
- Inaptitude à répondre (répondre au hasard)
- Informations sommaires (pas possible d’investiguer les réponses et les adapter d’une personne à une autre)
- Chiffre noir

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

Exemple du chiffre noir en criminologie

A

Si les délinquants ne sont pas arrêtés, ils ne seront pas dans les chiffres, même si ce sont des criminels

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

Chiffre noir

Qu’est-ce qui affecte la reportabilité

A

Plus le délit est grave, moins il va être reporté (ex: vol = 62% et AS = 9%)

  • Nature du crime
  • gravité des délits
  • proximité relationnelle
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

3 niveau du chiffre noir, de officiellement reporté à inconnu

A
  1. données officielles
  2. données de victimisation
  3. données auto-révélées
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

2 types de données officielles et description

A

Données unitaires: vise une personne en particulier, pourrait avoir le nom du participant

Données agrégées: regroupé en quartier, groupes sociaux… anonyme

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

Avantages et inconvénient des données officielles

A

Avantages:
- Coût
- Accès
- Études extensives et évolutives
- Standardisation (facilement comparable entre les pays)

Inconvénients:
- Chiffre noir
- Problème d’incidence (peu avoir commis plus d’un délits, commettre 2 meutres sur les 4 recenssés)
- Problème de classement (délit officiel n’est pas toujours le délit réel)
- Utilité limitée pour … (macro: canada, micro: individuel)

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

But des sondages de victimisation

A

ESG: Enquête sociale générale

Q : est-ce que les personnes ont été victimes d’un crime au cours d’une période donnée?

Demander un recenssement des victimes pour réduire le chiffre noir en recessant ceux qui n’ont pas été reportés

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

Avantages et inconvénient sondages de victimisation

A

Avantages:
- Chiffre noir
- Ne dépendent pas du SJP (syst. justice pénal)
- Caractéristiques des victimes
- Conséquences de la victimisation

Inconvénient:
- Informations partielles (pas d’info sur le criminel)
- Certains types de délits pas abordés (ne prend pas en compte les crimes sans victimes)
- Localisation temporelle (quand le crime a été fait)
- Interprétations personnelles
- Comparaison difficile (entre les pays et les personnes)

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

Comment sont récupérées les données auto-révélées

A

Questionnaires standardisés, qui sont des test de personalités et validé empiriquement

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

Avantages et inconvénients des données auto-révélées

A

Avatages:
- Chiffre noir
- Facteurs de risque et de protection (faire des lien ex: impulsivité et criminalité)
- Très grands échantillons
- Analyse indépendante du SJP (ne sont pas dans les données officiellles)
- Méthode valide (questionnaire standardisé)
- Coût
- Anonymat (cherche la tendance et non des personnes en particuliers

Inconvénents:
- Pas la population fortement criminalisée
- Intrusion du chercheur (lui qui choisi les questions et les thème, impose son choix de questions)
- Attention aux mauvaises formulations (variation des interprétations)
- Ne prend pas en compte la complexité (ne pas venir chercher en profondeur les réponses)
- Amplification ou minimisation
- Localiser dans le temps
- Interprétations personnelles

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

4 types de méthode de collecte de données qualitative

A
  • observations
  • entrevues
  • analyse documentaire
  • groupe de discussion (focus group) - entrevue en groupe sur un sujet/thématique
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Concept, dimension, but

A

Concept: représentation mentale, générale et abstraite d’un ou de plusieurs phénomènes
Lorsqu’il est trop large, il faut le diviser en dimensions
Capacité de le mesurer

**But **: faire preuve de parcimonie (simplification) tout en optimisant notre capacité à expliquer ce que l’on veut expliquer

Ex: Concept = psychopathie
DImensions = détachement émo, antisocial, manipulation

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

définir Définition conceptuelle et exemple

A

Lorsque l’on a réussi à identifier notre concept et ses dimensions (et sous-dimensions), on peut alors créer une définition conceptuelle
Définir tous les aspects autour desquels s’articulent le concept

Ex: prolème d’argent (concept), arrive quand il y a plusieurs dettes et peu de revenu (dimensions)

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

Comment élaborer sa définition conceptuelle

A

Commencer avec sa propre définition (intuition, expériences, observations, etc.)

On précise en faisant une recension des écrits : comment le concept est-il défini par les autres ?

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

Qualités d’une bonne définition conceptuelle (4)

A
  • clarté
  • précision
  • concision
  • exactitude
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Risques liés à une mauvaise conceptualisation :

A

Biais dans les résultats
Influence sur la pratique
Influence sur l’opérationnalisation (mal mesuré)
ex: les incels veulent un relation, mais en n’ont pas. Trop de gens peuvent entrer dans cette catégorie, mais ne sont pas tous misogyne. Le terme incel est donc mal défini ce qui peut apporter un biais dans les résultats et en apporter de mauvais.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Opérationnalisation et son but

A

façon dont on organise et mesure nos concepts/variables pour passer de l’abstrait au concret. Pour convertir une idée en une mesure.
Comment le concept et ses dimensions peuvent-ils s’observer dans la réalité?

Obj:
Écrire des questions qui se retrouveraient dans un sondage
Définir des énoncés précis qui pourraient être intégrés dans un instrument de mesure

L’opérationnalisation joue un grand rôle dans la validité de l’instrument parce qu’on réfère à l’exactitude de la mesure afin d’évaluer un concept

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Conceptualisation à l’opérationnalisation (en ordre)

A
  1. Cencept latent (Nommer les multiples sens associés au concept)
  2. Dimension (Dégager les dimensions pertinentes)
  3. indicateurs (Définir les indicateurs (les questions à poser)) – opérationnalisation

Ex: psychopathie – charme, manipulation – Question PCL-R

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Définition conceptuelle vs définition opérationnlle

A

Conceptuelle: fait référence à la signification abstraite et théorique d’un concept (ex: définition textuelle)

opérationnelle: fait référence à la manière dont les variables sont mesurées ou à l’instrument utilisé (ex: questions PCL-R)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

3 types d’indicateurs et exemples

A

Les comportements
ex: Actions des participants, formes de crimes

Les opinions, les intentions, les attitudes
ex: Idées sur un sujet, perceptions

Les conditions objectives d’existence
ex: Genre, salaire, âge, caractéristiques d’un quartier

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

définition d’une variable

A

indicateur qui varie et auquel des **valeurs sont assignées **

Une variable peut indiquer des degrés, des quantités, des différences
Précise de quelles façons les indicateurs seront codifiés
Les indicateurs deviennent alors des variables

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Comment peut-on utiliser les statistiques et pourquoi sont-elles utiles

A

La statistique est un langage avec ses règles, ses termes et ses expressions (sont un outil)

elles permettent de répondre à des questions de recherches

permet de rendre le monde clair et compréhensible

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Objectifs des statistiques

A

Objectifs :
Répondre le moins imparfaitement possible
Repérer les réponses les plus imparfaites

Les données que l’on veut mesurer vont être mesuré de manière imparfaie. On essaie de se rapprocher de la vrai mesure, mais c’est impossible de l’Atteindre. Les statistiques vont nous permettre de répondre un peu moins imparfaitement

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Comment trouver une bonne variable

A

indicateur auquel des valeurs sont assignées
Degrés, quantités, différences, etc.
Précise de quelle façon les indicateurs seront codifiés

Les indicateurs deviennent alors des variables

Une variable n’est pas nécessairement la réponse à une question d’un questionnaire. Elle peut aussi être un calcul
Exemple : le ratio mensuel du nombre de voies de faits commis à Montréal / 100 000 habitants

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Noms des 3 types de variables (sans décire)

A

Nominale / catégorielle
Ordinale
Continue (intervalle ou ratio)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Description d’une variable nominale

A

Séparé en catégories
plusieurs possible (dichotomique ou polytomique)
Il n’y a pas de valeur qui a plus d’importance qu’une autre
PAS d’opérations mathématiques, sauf si c’est pour une analyse descriptive (ex: fréquences)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

Qu’est-ce qu’une variable ordinale

A

Échelle qui va impliquer un rang (un peu, moyen, bcp, énormément)
Certaines valeurs vont avoir plus de force que d’autres
La distance entre chacune des valuers n’est pas toujours égale (dépend de l’imterprétation)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

Qu’est-ce qu’une variable continue

A

Peut les mettre en ordre avec des chiffres et la distance entre chaque valeurs est égale (valeurs réelles)

Intervalle: n’a pas de 0 absolu où le 0 ne signifie PAS l’absence du phénomène (ex: température)

Ratio: 0 signifie une absence du phénomène (ex: nombre de crime)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
29
Q

Exemple d’une variable qui change de forme

A

Quel âge avez-vous? (variable continue)
À quelle catégorie d’âge entre jeune et âgé (variable nominale)
Quel âge entre 0-5, 6-10, 11-15, etc… (Variable ordinale)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
30
Q

Qu’est-ce que l’analyse univariées

A

relative à une variable : distributions de fréquences

une seule variable est regardé = analyse descriptive

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

À quoi sert les tableaux de fréquences

A
  • Prendre connaissance des données (donner une première idée)
  • Voir la distribution des variables à travers l’échantillon
  • Détecter les problèmes :
    –Valeurs manquantes (pas répondu)
    –Données aberrantes (répondu n’importe quoi)
    –Catégories devant être retravaillées
  • Évaluer les possibilités d’analyse
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
32
Q

Buts de l’analyse univarié

A
  • Étape préliminaire
  • Idée générale de la nature des variables
  • Orienter les analyses subséquentes
  • Lorsqu’on a un problème, la solution se trouve souvent lors de l’étape des analyses descriptives… (va permettre de savoir quel est le type d’une variable)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
33
Q

3 aspects de l’analyse univariée

A
  • mesure de tendance centrale
  • mesures de dispersion
  • distribution des résultats (variables continues)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
34
Q

Qu’est-ce que contient les mesures de tendance centrale et à quoi ça sert

A

Utilité:
- Indiquent où se trouve la majeure partie des données
- Score typique (moyenne de groupe)
- Effort de synthèse

Contient:
- mode
- médiane
- moyenne

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
34
Q

Mesures de tendance centrale

Mode

A

Valeur la plus fréquente d’un ensemble de données
Pour variables NOMINALES, ORDINALES et CONTINUES
Rarement employé seul

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
35
Q

Mesures de tendance centrale

Médiane

A

Observation du milieu

2 3 3 4 4 4 4 4 4 5 5

Pour variable ORDINALE et CONTINUE

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
36
Q

Mesures de tendance centrale

Moyenne

A

Mesure de tendance centrale la plus courante

où X est une valeur numérique réelle

Pour variable CONTINUE seulement

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
37
Q

Mesures de dispersion

Pourquoi avons-nous besoin de mesures de dispersion et qu’elles sont les 3 utilisées

A

Les mesures de tendance centrale ne suffisent pas
Étalement des valeurs autour d’une valeur centrale

Étendue
Variance
Écart-type

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
38
Q

Mesures de dispersion

Comment mesurer l’étendue

A

Max - min = étendue

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
39
Q

Mesures de dispersion

But de la variance et comment la mesurer

A

Dispersion de chaque observation autour de la moyenne

(Somme(Chaque valeur – la moyenne)^2)/(n-1)

(éviter les conflits entre valeurs négatives et positives)

petite variance, donc plus près de a moyenne

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
40
Q

Comment mesurer l’écart-type et son interprétation

A

Racine carrée de la variance.

68,2% des résultats sont compris entre -1 et +1 ET
95,4% des résultats sont compris entre -2 et +2 ET
99,6% des résultats sont compris entre -3 et +3 ET

Un grand écart-type va avoir des données étalées

La moyenne est ligne centrale qui sépare en 2

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
41
Q

Qu’est-ce que la loi normale

A

Moyenne, médiane et mode sont au même point et les données sont également réparties de chaque côté de la normale.

Pour variable CONTINUES

NORMALE et ORDINALE vont utiliser des histogrammes

42
Q

Kurtose des distribution (3)

A

Indice d’aplatissement, étalement par rapport à la moyenne (tous par rapport à la loi normale (distribution normale))

  • Distribution leptocurtique (haute et mince)
  • Distribution normale
  • Distribution platicurtique (basse et large)
43
Q

Symétrie des distributions

A

indice de symétrie

Right skewed / asymétrie positive : La majorité des données à gauche, diminue à droite

Left skewed / asymétrie négative : la majorité des données sont à droite, diminue à gauche

44
Q

Qu’est-ce que la valeur latente et comment on la mesure

A

Va être mesuré avec des indicateurs (valeurs observables)
Valeur observable=valeur latente+erreur

45
Q

Comment diminuer l’erreur associé à la mesure

A

construction d’une échelle de mesure composite
- On regroupe plusieurs indicateurs (questions)
- On obtient ainsi une variance plus juste et réelle

46
Q

Problèmes de variance d’une mesure (3)

A

Peu d’observations pour mesurer un phénomène
Peu de choix de réponse (dichotomique vs continue)
Tout le monde répond la même chose (ex : sadisme) (ne permet pas une bonne diversité de score)

47
Q

C’est quoi mesurer la fidélité et la validité + erreur de mesure

A

Mesurer : opération qui consiste à assigner des nombres à des objets, à des événements ou à des situations selon certaines règles.
Passer du construit théorique à une expression quantifiable / mesurable

Erreur de mesure : différence entre la mesure réelle (score vrai) et celle qui est prise à l’aide d’un instrument de mesure (score observé)

48
Q

C’Est quoi un instrument de psychométrie et son objectf

A

Instrument psychométrique :
Outil développé scientifiquement qui permet de mesurer un concept latent de manière objective et standardisée
Peut prendre plusieurs formes

Objectif : la mesure la moins imparfaite possible, diminuer au maximum l’erreur

49
Q

Trois critères pour qualifier un outil psychométrique

A
  1. Standardisation : uniformité de la démarche d’administration et de correction des réponses
  2. Objectivité : les résultats obtenus ne résultent pas d’une évaluation subjective
  3. Propriétés psychométriques : fidélité et validité
50
Q

Pq important de respecter la fidélité et la validité (2)

A

Respecter la fidélité et la validité permet de se fier aux données recueillies et de tirer des conclusions plausibles à partir des résultats obtenus
Les professionnels prennent des décisions importantes et analysent des situations délicates
Exemple : relâcher un criminel dangereux

51
Q

Définition de la fidélité et de la validité

A

Fidélité : précision et stabilité de la mesure
Ce que nous mesurons est-il mesuré sans erreur ? quelle est la précision de la mesure ? quelle est la constance de la mesure ? Résultats constants

Validité : **représentativité **de la mesure

52
Q

définition de stabilité temporelle et technique

A

Stabilité temporelle : constance sur le plan temporel des mesures répétées prises auprès d’un même groupe de participants

Technique :
Test et re-test avec un délai de 2 à 4 semaines entre les deux passations
Coefficient de corrélation (r) entre les résultats obtenus aux deux passations (0,7 et 0,9)

53
Q

Équivalence – formes parallèles
et technique

A

: fidélité entre deux versions équivalentes d’un instrument de mesure

Technique :
Coefficient de corrélation entre les 2 versions d’un même instrument de mesure (0,7 et 0,8)

54
Q

Équivalence – accord inter-juges
et technique et corrélation

A

degré auquel deux observateurs (ou plus) obtiennent les **mêmes résultats **sur le même événement observé

Technique :
Pourcentage de concordance entre les observateurs
Sujets classés dans les mêmes catégories (kappa > 80% suffisant)

Corrélation entre les résultats fournis pour chaque énoncé
Corrélation intraclasse > 75% suffisant

55
Q

Cohérence ou consistance interne
et technique et fidélité

A

degré d’homogénéité des énoncés d’un instrument de mesure. C’est le lien de chaque énoncé avec le total de l’échelle

Technique :
Coefficient alpha de Cronbach

Bonne fidélité :
- Alpha de Cronbach > 0,70 est une bonne consistance interne
- Les indicateurs corrélés négativement ou qui font baisse l’alpha sous 0,70 sont retirés de l’échelle

56
Q

Nommez les 3 types de validité et les sous-types

A

Validité de contenu

Validité de construit
Validité convergente
Validité discriminante

Validité de critère
Validité concomitante
Validité prédictive

57
Q

Validité de contenu, technique et bonne validité

A

Validité de contenu : indique que les énoncés qui déterminent le contenu sont représentatifs du ou des construits mesurés et de leurs différentes facettes (dimensions)

Technique : décision subjective (réévaluation périodiquement), pas de test précis pour évaluer la validité de contenu. Elle s’évalue par une accumulation d’évidences, on s’appuie sur la littérature –> conceptualisation

Bonne validité :
Les items doivent couvrir tous les aspects principaux du concept mesuré
Les items doivent** couvrir** ces différents aspects de manière proportionnelle
L’instrument ne doit pas contenir d’items non-pertinents

estimation de la représentativité d’une mesure pour chaque élément d’une mise en situation

58
Q

Validité de construit - convergente, technique

A

Validité de construit – validité convergente : indique que 2 mesures censées refléter le même construit produiront des résultats similaires

Technique : Coefficient de corrélation (r)

Cependant la validité convergente, ne suffit pas, il faut vérifier la validité discriminante.

59
Q

validité de construit - discriminante, technique et validité

A

Validité de construit – validité discriminante : Désigne la capacité de l’instrument à établir une distinction entre des groupes dont la différence est connue

Technique : Test de comparaison de moyennes

Bonne validité :
Test significatif

Besoin d’une bonne validité convergente et discriminante, sinon ne peut pas être utilisé

60
Q

validité de critère - concomitante, technique

A

Validité de critère – validité concomitante : Établit la validité d’un nouvel instrument de mesure pris simultanément avec une mesure reconnue comme valide (mesure avec test référentiel) bon si haute correlation
Technique :
Coefficient de corrélation entre deux instruments de mesure représentant un même concept (à un seul temps de mesure)

61
Q

validité de critère - prédictive, tecnique

A

Validité de critère – validité prédictive : Détermine si le résultat actuel, obtenu à l’aide d’un instrument, peut être utilisé pour prédire un résultat ultérieur

Technique :
Coefficient de corrélation entre une mesure d’un concept au temps 1 et au temps 2 (période plus grande que le test-retest), ou entre la mesure d’un concept et un autre qui lui est intimement lié.

Prédiction des aptitudes

62
Q

validité de critère - prédictive

évaluation rétrospective vs prospective

A

Évaluation rétrospective : Le comportement que l’on veut prédire est déjà connu (ex. : le délinquant en libération conditionnelle a-t-il récidivé oui ou non?)
On remplit l’instrument d’évaluation pour voir si les résultats concordent avec le comportement déjà observé

Évaluation prospective : Le comportement qu’on veut prédire n’est pas connu (ex. : le délinquant en libération conditionnelle récidivera-t-il oui ou non?)
**Faire passer **l’instrument dans un 1er temps. Après un certain temps, évaluer si nos prédictions étaient bonnes (mesure réelle de la récidive)

63
Q

comment vérifier la validité

A

Validité = acquisition de connaissances + compréhension de la nature du phénomène

64
Q

3 éléments de la triangulation

A

Plusieurs sources de données
Plusieurs méthodes de collecte de données
Plusieurs méthodes d’analyse de données

65
Q

objectif de la création d’échelle

A

concevoir des échelles qui mesurent mieux nos concepts que des variables seules

limiter l’erreur de mesure et donc une façon de le faire est de construire des échelles

l’alpha de Cronbach permet de vérifier la qualité des échelles.

66
Q

description de l’alpha de cronbach (définition et ce que ça fait)

A

mesure de la consistance interne d’un ensemble d’items formant une mesure

présuppose que les mesures du phénomène vont toutes dans le même sens

permet de vérifier que les questions (indicateurs) que l’on a rassemblées permettent effectivement de mesurer des choses similaires.

67
Q

Alpha de Cronbach

Comment l’alpha peut être utilisé (3)

Comment savoir si la mesure est bonne

A

Utilisation : variables continues de type intervalle ou ratio ; échelles ordinales
Attention : toutes les variables contenues dans l’échelle doivent être de même nature !

On retient les items qui sont une forte corrélation avec le total
Améliore la consistance interne

L’alpha est une mesure qui est influencée par le nombre d’items

entre 0 et 1, 1 étant sus

comment chaque question corrèle avec le score total de l’échelle. C’est ce qui va nous donner une indication sur quelles questions sont les plus pertinentes pour mesurer le concept total. (SPSS)

68
Q

Dans la colonne ‘‘Alpha if item is deleted’’ et si l’alpha obtenu est 0.75, comment décidera-t-on de supprimer un item

A

Si on voit que l’alpha obtenu est le plus élevé on reste comme ça (rien n’est plus haut que 0,75 si un item est retiré)
Si on voit que l’alpha serait meilleur en supprimant un item, on refait l’analyse en supprimant l’item pour vérifier (l’alapha de plus de 0,75 si l’item est retiré)

Aussi si ‘‘corrected item - total correlation’’ est négative = retirer l’item

Objectif est de garder un alphaC identique ou supérieur (qui se rapproche de 1)

69
Q

Variable dichotomique

l’alphaC peut seulement être utilisé pour des valeurs ordinales et continues. Comment procéder pour des variables dichotomique

A

nom différent : le KR-20

Identifier les variables dichotomiques
Faire des fréquences pour s’assurer qu’elles sont bien dichotomiques
Calculer l’alpha de Cronbach mais on va l’appeler KR-20
Créer l’échelle en additionnant les variables avec SPSS

70
Q

Ce qu’il faut s’assurer d’avoir pour faire des échelles

A

Identifier les concepts que l’on veut mesurer, les dimensions, les indicateurs

Est-ce que ces variables sont toutes du même type (continues, ordinales, dichotomiques) ?

Est-ce qu’elles varient toutes dans le même sens ?
Est-ce que les échelles (ordinales) sont similaires ? Si non, les rendre similaires (1 vaut faible pour tous, 5 vaut fort pour tous, tous avec la même unité de mesure (m, cm))

Alpha de Cronbach (ou KR-20 pour variables dichotomies) sur SPSS
- Éliminer les variables corrélées négativement (avant dernière colonne avec un - )
- Éliminer les variables qui font baisser l’alpha

71
Q

Qu’est-ce qu’une analyse bivariée

A

2 variables (multivarié = +2)
Nominale, ordinale, continue

72
Q

exemples
Pourquoi consommation de drogues et crime violent ne sont pas suffisant comme variable

A

Consommation de drogue et crime violent ne peuvent pas être catégorisé comme nominale, continue, ordinale pour savoir comment les mesurer

ex: Consommé et non consommé (nominale, dichotomique), Quelle drogue (nominale, polytomique), quel niveau
Quelle crime (nominale), degré de violence (ordinale)

73
Q

Conséquence de postulats non respectés

A

conclusions peu valides

74
Q

3 étapes de l’analyse des résultats

A

La signification : Existe-t-il une relation statistiquement significative entre les deux variables ?

La **force **de la relation : Ce lien est-il important ?

Le sens de la relation : Que veut dire ce lien en termes concrets?

75
Q

SIGNIFICATION

Comment mesurer si la relation observée attribuable à la chance?

A

p-value

moins de 0.05 (5%) = seuil de tolérance

Si dûe au hasard, changer de type d’analyse

Signification: est-ce que c’est statistiquement significatif / relation réelle entre les deux, ou hasard

76
Q

SIGNIFICATION

à quoi sert le seuil de tolérance ‘‘p’’

A

Seuil minimal
Probabilité de se tromper en affirmant qu’il existe un lien entre les variables.
Rejet de H0 (hypothèse nulle)
Indique qu’il existe un lien/ une différence significative entre les variables
Dépend du nombre de participants

p ≤ 0,05 : nous avons moins de 5 chances sur 100 de nous tromper en affirmant qu’il existe une relation significative

Si peu de participant, besoin de grande différence pour que ça paraisse

77
Q

FORCE

qu’est ce qui établit si la différence est attribuable à la taille de l’échantillon ou non.

A

la force de la relation

près de 1 = fort
criminologie = max 0.8

78
Q

FORCE

Ce qui est important à savoir pour la force

A

Différent pour** chaque test** statistique
Dépend du domaine d’étude
Coefficient de plus de 0,80 indique la colinéarité (risque de mesurer la même chose = près de 1)

79
Q

SENS

qu’Est-ce qui permet la transcription en mots concrets de la relation entre les variables

A

Sens de la relation

Si significativité est forte, permet de savoir la relation entre les 2 variables, mais besoin d’une analyse du sens des relations

80
Q

À quoi sert les tableaux de contingence

A

Permet de facilement regrouper des information

Tester le lien de dépendance/indép entre 2 variables catégorielle/nominale

81
Q

Postulats d’utilisation pour les tableaux de contingence

A

Échantillon aléatoire (dans le cours, prendre pour quis que c’est aléatoire)
Les nombres ne doivent pas être trop petits :
Le total ne doit pas être plus petit que 20
La fréquence dans chaque case ne doit pas être inférieure à 5

82
Q

indicateur pour les 3 questions (signification, force, sens)

A

signification : khi2
force : Phi ou V de Cramer
sens : comparaiseon de % dans un tableau

83
Q

tableau de contingence

À vérifier pour ‘‘signification’’

A

Rappel : deux variables catégorielles/nominale
Le nom de la statistique utilisée : X2 / Chi carré

Si chi2 est p<0.05 = relation significative

84
Q

tableau de contingence

À vérifier pour ‘‘force’’

A

On ne peut pas déduire la force à partir de la significativité

Phi pour 2 x 2
V de Cramer pour k x k

85
Q

tableau de contingence

À vérifier pour ‘‘sens’’

A

Tableau 2 x 2 : On regarde les pourcentages indiqués dans le tableau

**Tableau k x k **: Plus difficile à interpréter
Plus d’analyses sont nécessaires :
Création de variables muettes (dummy variables)
Variables dichotomiques
Autant de variables muettes que de catégories

Transformer le kxk en 2x2, Faire un chi2 à l’aide
d’un tableau 2x2

86
Q

Comment rapporter les résultats en examen

A

Question de recherche : Existe-t-il une relation entre le statut de minorité visible du meurtrier et le sexe de la victime?

Réponse : Il existe une relation statistiquement significative entre le statut de minorité visible du meurtrier et le sexe de sa victime (Chi2 = 10,46 ; p = 0,001). Cette relation peut être considérée comme faible (Phi = 0,17).
Les meurtriers appartenant à une minorité visible ont tué des hommes dans 75,8% des cas (n = 179), cette proportion étant statistiquement supérieure aux meurtriers n’appartenant pas à une minorité visible (59,5% ; n = 75).
ou
Les meurtriers appartenant à une minorité visible ont tué des femmes dans 24,2% des cas (n = 57), cette proportion étant statistiquement inférieure aux meurtriers n’appartenant pas à une minorité visible (40,5% ; n = 51).

87
Q

À quoi sert les tests de moyennes

A

Principe des tests de moyennes est de comparer des distributions pour voir si la différence entre les distributions est significative

88
Q

Quelle famille de test va être utilisé pour une variable catégorielle ET une variable continue

Nommez ses postulats (3)

A

famille des test de moyennes

  1. Échantillon aléatoires indépendant
  2. Distribution de la variable continue est normale
  3. n>30
  4. les variances sont comparables/homogènes (Test de Levene NON-SIGNIFICATIF
    p > 0.05 –> variance est similaire (dos de chameau)

variance meh si p>0.05 et p<0,1 (une des bosses près de la moyenne)

Idée test de moyenne est d’avoir plusieurs groupe et voir à quel point se distinguent avec un test continus

89
Q

pour les test de moyennes, si les 3 potulats sont respectés, quel est le test à faire selon le nombre de groupes

A

2 groupes = T de student
+2 groupes = Oneway Anova

90
Q

Dans les statistiques bivariés, qu’est-ce qu’il faut faire pour deux variables catégorielles

postulats?

A

pas de postulats
tableaux de contingence

91
Q

Dans les statistiques bivariés, qu’est-ce qu’il faut faire pour deux variables continues

postulats?

A

Famille de correlations

  1. variables continues
  2. absence de valeur(s) extrême(s)
  3. distribution normales
  4. linéarité de la relation
92
Q

Pour les tests de la famille des corrélation, quel test pour « oui » aux 4 postulats et « non » pour 1 des postulats

A

4/4 = test paramétrique - R de Pearson
3/4 et - = test non paramétrique - Rho de Spearman

93
Q

Caratéristiques du test de T

2 caratéristiques, principe, objectif

A

Variable catégorielle ET continue
compare 2 groupes

Principe: rapport de différence des moyennes sur l’erreur standard

Objectif: déterminer si les 2 moyennes sont égales ou non
Si moyennes similaires = non significatif
Si moyennes différentes = significatif, donc lien statistiquement significatif

94
Q

Les 3 questions à se poser pour le test t

A

Signification: Existe-t-il un lien (statistiquement significatif) entre mes variables ? - P associé au coefficient t (p < 0.05)

Force : Ce lien est-il important ? - Valeur de l’Eta2 (force des tests de moyennes paramétriques) Entre 0 et 1

Sens : Que veut dire ce lien concrètement ? (comparez les moyennes) - Comparaison de moyennes dans un tableau

FORCE: Son interprétation va dépendre du domaine étudié et du type de domaine d’étude

95
Q

TEST t

Quoi vérifier dans les tableaux

A
  1. Valeu de N (>30)
  2. Test Levene : SIG (>0.05 = good)
  3. t-test: SIG 2 tailed (<0.05 = good)
  4. Comparer les moyennes avec le tableau où il y avait N (SPSS : utiliser pour Eta2)
96
Q

Objectif de one way anova et potulats

A

Objectif : comparer les moyennes de trois groupes ou plus

Mêmes postulats d’utilisation que le test T !

97
Q

Oneway anova

Comment savoir si test F non significatif

A

Si p>0.05 (trois bosses à la même place ou presque)

Significatif même si 2 bosses sont à la même place tant qu’une est mis à part

98
Q

Oneway Anova

objectifs des post hoc, leur nom et quand utilise

A

Objectif des post hoc : comparer les sous-groupes en tenant compte d’une correction mathématique de l’erreur

Scheffé : utilisé dans le cas de groupes de **tailles différente **
Tukey : Utilisé seulement quand les groupes sont de taille semblable

99
Q

Qu’est-ce que l’analyse de corrélation et son type de variable

A

comparer deux distributions pour savoir si la différence perçue entre celles-ci est significative ou si elle est due au hasard

2 variables continues

100
Q

Test de corrélation

Comment quantifier le lien entre les 2 variables continues

A

Distance de chacun des points avec la droite hypothétique

101
Q

Test de corrélation

Comment savoir si observations sont indépendante

A

les 2 variables ne doivent pas mesurer la même chose ou une partie de la même chose (ex: examen final et note intra)

102
Q

Quoi reagarder pour savoir si graphique d’une distribution normale

A

ressemble courbe normale (une variable sur axe des x et nombre de participant sur axe des y)

103
Q

Quoi reagarder pour savoir si graphique d’une relation linéaire

A

axe des x et axe des y avec un variable sur les axes

104
Q

3 questions à se poser pour test de R de pearson

A

Singification: P associé au coefficient de corrélation r de Pearson
Force: Valeur du r de Pearson petit = faible
Sens: Le signe (+ ou -) de la valeur r de Pearson entre -1 et 1 (-1 et 1 = l’un prédit l’autre parfaitement = rare)

105
Q

Qu’Est-ce que le R^2

A

r^2 : proportion de variance expliquée (en %) (r x r) = Pourcentage qui correspond à la variabilité

Dans quelle mesure vi affecte vd, savoir si relation entre les variables
Ex: les placements antérieurs vont permettre de comprendre 56,3% de la variance dans le nb de crimes

Méthodologie (2 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions