Cours 8 - Validité basé sur la structure interne Flashcards
Quel est le type de validité qui est le plus importante?
La validité basée sur la structure interne :
Représente le type de validité la plus importante
A quoi fait référence la validité basée sur la structure interne?
Fait référence à la manière dont les différents éléments d’un test psychologique ou d’une échelle se comportent ensemble pour mesurer le construit théorique visé (Balbinotti, 2005, 2023, 2024).
Comment a été appelée la validité basée sur la structure interne par l’APA en 1966
Anciennement appelée validité de construit (APA, 1966)
Qu’est-ce que la validité basée sur la structure interne examine?
La validité basée sur la structure interne :
Elle examine la cohérence interne et la correspondance entre la structure théorique d’un instrument et la structure observée dans les données empiriques (AERA, APA, & NCME, 2014).
Qu’est-ce que la cohérence interne ?
Elle permet de determiner dans quelle mesure les différents items d’un test mesurent un construit latent
Qu’est-ce qu’on cherche souvent à étudier en psychologie?
En psychologie, on cherche souvent à étudier des construits latents qui résultent d’une élaboration psychosociale et / ou théorique (p. ex., intelligence, personnalité, dépression, motivation, etc.)
Ces construits latents ne sont toutefois pas directement mesurables !
Est-ce qu’il est construit latin sont mesurables directement?
C’est construit la terre ne sont toutefois pas directement mesurables. Exemple, intelligence, personnalité, dépression, motivation.
Qu’est-ce que des mini théories
Ces construits représentent également des « mini-théories » qui expliquent les relations entre différents concepts évalués par les items (comportements mesurables).
Cela représente les dimensions (ou facteurs) !
Mini théories = DIMENSIONS
Quelles sont les 2 façons robustes de calculer la validité des construits?
L’analyse factorielle et l’analyse multitraits multimétode.
Qu’est-ce que la validité convergente?
Tester la force de l’association entre les résultats des items de l’échelle cible et les autres qui mesurent le même construit. En ce sens, les résultats de l’outil devrait corréler avec les autres outils qui évaluent le même construit.
Test des construits similaires, on s’attend à ce que les correlation test la même chose. (deux échelles qui mesure la même chose ou le même construit)
Qu’est-ce que la validité divergente ou discriminante?
Vérifier à quel point les résultats des items de l’échelle cible s’écarte d’autres mesures de construits différents. En ce sens, l’outil ne devrait pas corréler de façon importante avec ces autres construits.
On s’attend à ce que les corrélation soit nulle ou faible, car ils n’Évaluent pas la même chose
Qu’est-ce que le relationnel de l’analyse factorielle?
Le rationnel de l’analyse factorielle est d’avoir au moins 3 (ou plus) variables observées (comportements mesurables) qui sont corrélées entre elles sur une nouvelle variable (construit latent) qui retient l’essentiel de la variance commune.
Que permet l’analyse factorielle?
Elle permet d’identifier les dimensions principales d’un ensemble d’items et de regrouper les items qui mesurent des aspects similaires d’un concept
Nommez les 2 types d’analyses factorielle.
AF Exploratoire : utilisée pour déterminer la structure factorielle d’un instrument.
AF Confirmatoire : permet de tester l’adéquation des données à un modèle prédéfini et d’évaluer la pertinence des dimensions identifiées
Qu’est-ce que l’analyse factorielle exploratoire?
Utilisée pour déterminer la structure factorielle d’un instrument.
Qu’est-ce qu’elle analyse factorielle confirmatoire?
Permet de tester l’adéquation des données à un modèle prédéfini et d’évaluer la pertinence des dimensions identifiées
VOIR IMAGE ANALYSE FACTORIELLE AVEC LE GIGA TEXTE DE LA MORT ET TOUT.
Analyse factorielle exploratoire :
Flèche en competition, lequel explique le mieux l’item, Chaque item recoit trois flèches, ils sont relies à chacune des dimensions. Les ronds sont les variables latentes, Les petits rond sont les erreurs de mesure.
L’image que vous avez partagée montre des diagrammes d’analyse factorielle exploratoire. Voici une description des éléments principaux :
- Facteurs principaux : Dans les deux diagrammes, il y a trois facteurs principaux nommés GF, Ext, et Int. Ces facteurs sont probablement des facteurs latents (variables non observées) qui influencent les variables observées (indicateurs).
- Variables observées : Les variables observées sont représentées par des cercles contenant des valeurs (e1, e2, etc.). Chaque variable observée est reliée à l’un des facteurs principaux par une flèche, indiquant que cette variable est une mesure de ce facteur.
- Relations entre facteurs : Dans le diagramme de gauche, il semble y avoir des flèches bidirectionnelles entre les facteurs GF, Ext, et Int, indiquant des corrélations entre eux. Dans le diagramme de droite, un facteur supplémentaire, intitulé Locus Contrôle, est ajouté au centre, reliant les trois facteurs principaux.
- Locus de contrôle : Dans le diagramme de droite, Locus Contrôle agit comme une variable latente supplémentaire qui semble influencer ou être corrélée avec les trois facteurs principaux. Grande force, interne ou externes. Mesure réflective. Je me comporte comme ça parce que dieu en a décidé ainsi.
Ce type de modèle est souvent utilisé pour explorer la structure sous-jacente d’un ensemble de données, pour voir comment les variables observées se regroupent en facteurs latents. Si vous avez des questions spécifiques sur l’interprétation ou l’analyse de cette représentation, n’hésitez pas à me demander !
Détermine ce qui ne fonctionne pas
Le comportement mesuré par l’item, base sur la variance commune des items. Différence entre premier ordre et deuxième ordre
Analyse factorielle confirmatoire :
1er ordre et 2 e ordre. Item 60,45,57 sont mieux avec GF(grande force), on cherche à confirmer.
Le 1er ordre il y a pas le locus of control, mais il dit quells sont les corélations qui existe
ON NE VEUX PAS DE CORRÉLATION entre les erreurs, on veut qu’il soit liés directement à nos items, ca veut dire que ca ne mesure pas JUSTE ça. Sinon ca respecte pas le principe de validité
EN ajoutant le locus de contrôle il n’y a plus d’erreur entre les ronds
Flèche courbe à deux pointes = correlation
Flèche droite = regression
Je veux confirmer si ce que j’ai construit fonctionne.
J’ai besoin de validé mes questions, sinon je ne peux pas dire que mon questionnaire marche, les items qui explique les facteurs, les facteurs qui explique les items. ON cherche la variance commune des 5 items, et la partie commune c’est la variable latente.
- Facteurs de premier ordre : Directement liés aux variables observées (e1, e2, etc.). Par exemple, GF, Ext, et Int regroupent les items en dimensions spécifiques.
- Facteurs de second ordre : Expliquent les relations entre les facteurs de premier ordre. Par exemple, le Locus de contrôle influence GF, Ext, et Int en capturant un concept plus global.
En bref :
- Premier ordre = influence directe sur les variables observées.
- Second ordre = influence indirecte via les facteurs de premier ordre pour un niveau d’abstraction supérieur.
1 er ordre
Influences directes sur les variables observées
Directement liés aux variables observées (e1, e2, etc.). Par exemple, GF, Ext, et Int regroupent les items en dimensions spécifiques.
second ordre ou 2e ordre
L’influence indirecte via les facteurs de premier ordre pour un niveau d’abstraction supérieur.
Expliquent les relations entre les facteurs de premier ordre. Par exemple, le Locus de contrôle influence GF, Ext, et Int en capturant un concept plus global.
Que permet le Locus de contrôle?
EN ajoutant le locus de contrôle il n’y a plus d’erreur entre les ronds
Qu’est ce qu’une flèche courbe à 2 pointes?
Une corrélation
Qu’est-ce qu’une fléchette droite?
Une régression?
La matrice de corrélation sert de base pour :
1- Évaluer la pertinence de l’AFE : Elle vérifie les corrélations entre les variables (on souhaite obtenir des corrélations entre 0,25 et 0,85).
2- Extraire les facteurs : Permet d’identifier les relations linéaires qui peuvent être expliquées par des facteurs latents. Quels variables sont plus corrélé les unes avec les autres.
3- Interpréter les résultats : Les charges factorielles dérivées de la matrice de corrélation permettent de donner un sens aux facteurs.
Qu’est-ce qui arrive si on néglige la matrice de corrélation?
Cela peut conduire à des analyses factorielles invalides et à des conclusions erronées?
Que permet le déterminant
Il permet :
1- D’évaluer la (multi)colinéarité des variables : Un déterminant proche de 0 indique une forte colinéarité entre les variables, suggérant que certaines variables pourraient être redondantes.
2 - De vérifier la faisabilité de l’AFE : Un déterminant faible (< 0,0001) montre que les variables partagent beaucoup de variance commune, ce qui rend l’AFE appropriée. Un déterminant élevé (> 0,1) pourrait signifier que l’AFE n’est pas adaptée.
3 - D’optimiser la qualité du modèle : En ajustant les variables pour réduire la multicolinéarité, on peut améliorer la robustesse des résultats de l’AF.
**Le determinant de la matrice de correlation est un indicateur clé pour évaluer la multicolinéarité et garantir la validité des résultats de l’AFE, aidant les chercheurs à mieux comprendre les relations complexes entre les variables.
Que permet l’indice KMO (Kaiser-Meier-Oklin) permet?
1- D’évaluer l’adéquation des données - permet de déterminer si les données sont appropriées pour une AF.
2- D’assurer la pertinence des facteurs - un KMO élevé (proche de 1) indique que les facteurs extraits sont fiables et représentatifs des relations entre les variables
Qu’est ce que le test de Bartlett permet?
1 - D’évaluer la faisabilité de l’AFE : un test significatif (p < 0,05) suggère que les corrélations entre les variables sont suffisamment grandes pour envisager une AF
2 - De renforcer la validité de l’analyse : en rejetant H0 (absence de correlation ou matrice identité) en obtenant un p < 0,05, le test de Bartlett assure que les données présentent des structures latentes à explorer
Comment est ce que l’on juge le coefficient de KMO
En bas 0.5 on ne regarde même pas les résultat, Ouach…
Si Kmo se trouve entre 0.5 et 0.6 il y a place a amelioration, on doit nuance ce qu’on vas écrire.
Entre 0.6 et 0.7 c’est jugé comme acceptable.
Entre 0.7 et 0.8 c’est jugé comme bon ou adéquat
Entre 0.8 et 0.9 c’est jugé comme très adéquat
0.9 et plus c’est jugé MERVEILLEUX, la vie est belle.
Adéquation des donéées n’est pas tout à fait adéquat
On ne regarde pas les résultat
Que permet la variance totale expliquée?
Déterminer le nombre optimal de facteurs à retenir
Évaluer l’adéquation du modèle factoriel
Assurer la validité des conclusions
Qu’est ce que la matrice de forme?
(ou Pattern Matrix) présente les correlations brutes entre les variables observes et les facteurs extraits sans tenir compte des relations complexes entre les facteurs
On cherche à savoir le point de convergence entre les items qui saturent dans un même facteur
Elle permet donc de déterminer la saturation factorielle
Permet de connaitre le nombre de dimensions intrinsèques à notre mesure
Point de rupture à 0,3
ALLER VOIR TABLEAU AVEC LA MATRICE DE FORME!!!!!
Trois facteurs qui ont été extrait de cette éléments là. Don’t il y a 3 facteurs qui intrinsèque à la mesure.
Combien de facteurs sont intrinsèque à ma mesure, on ne sait pas ça.
Exemple GF, Interne, Externe
Ici c’est un autre echelle, trois facteurs ont été extrait de cette echelle qui contenait 11 items.
Si il n’y en a pas ca existe pas, le point de rupture à 0.3, tout les chiffres qui n’apparaisse pas c’est qu’il n’existe pas, si perssonne ne dit rien la convention, si les chercheurs ne l’indique pas, alors le point de rupture est à 0,3
Avce le tableau ici on explique le pourcentage de variance que chaque item explique.
Un item qui explique 9% de variance ou moins c’est de la pollution, un item doit expliqeur plus que ça, (0,32x0,32=10% de la variance), certains trouve que 10% est trop petit…
Si le resultat est plus fort pour le facteur numéro 2 alors il explique le facteur 2 et non le facteur 1.
Le facteur 3 est expliqué par seulement 1 item ne fait pas de sens ( 3item MINIMUM) on en veux au moins 5
Facteur 3 on devrait le rejeter.
Saine relation avec mon entraineur, explique : item 1,2,3,4,9,10
La seule rgèle est que le nom que je donne doit expliquer les comportements. C’est qualitative, tant que ca fait du sens. Est ce que ça explique le comportement?? Si oui tout est okay.
Il a des problème au niveau de la validité car il touche aux autres, mais c’est nous qui decide, le mieux serait de le retravailler, si j’ai des problems au niveau de la validité
Une autre chose à regarder est que les facteurs, le facteur 1 à 4 items pures et 2 items complex. (JUSTE SPSS QUI NOUS PROPOSE LE NOMBRE DE FACTEURS)
Genre de manipulation de l’information
On fait de la derivation de matrice, on derive les chiffre en function de la Moyenne ou autres.
1- Si la dérivation est impaire cela peut génerer une valeurs negative
2- Peut etre que le contenue est une opposition au contenue de l’item
Facteur 2 as 3 items pures et 3 items complexe
Méthode d’extraction : LES PLUS UTILISÉ LES PLUS UTILISÉS ; Moindre carré généralisé, moindre carrés non pondérés (je presume que les facteurs sont quand meme corrélé entre eux)
Méthode de rotation : le proxomax avec normalization de Kaiser, il y a aussi oblimine qui accepte que les facteurs soit crrélé, on utilize celui qui explique le mieux les résultats.
De facon symbolique, si je regarde un vase de fleurs, je peux voir qu’il y a de l’eau si je regarde au dessus, si je suis plus loin, je ne peux pas voir, il faut mettre des miroires pour voir leau, par exemple 5 miroires
Itéractions : Calcul fait de 5 facons pour avoir la Meilleur resolution factorielle. Si ca dépasse 25, les données sont trop complexe, on laisse tomber.
Extraction (extraire la meilleure informations possible de mes données) ou rotation (trouver la Meilleure facon de regarder), il s’agit de deux méthode
Nommez 2 causes qui peuvent amener à avoir des nombres négatifs dans la matrice de forme
1- Si la dérivation est impaire cela peut génerer une valeurs negative
2- Peut etre que le contenue est une opposition au contenue de l’item
Qu’est-ce qu’est la méthode d’extraction?
Moindre carré généralisé, moindre carrés non pondérés (je presume que les facteurs sont quand meme corrélé entre eux)
Extraction (extraire la meilleure informations possible de mes données)
Qu’est-ce que la méthode de rotation?
le proxomax avec normalization de Kaiser, il y a aussi Oblimine qui accepte que les facteurs soit corrélé, on utilise celui qui explique le mieux les résultats.
Rotation (trouver la meilleure façon de regarder)
Qu’est-ce que l’analyse multitraits multimétodes?
Il s’agit d’une matrice de corrélation entre les résultats obtenus à différents traits (hétérotrait VS monotrait) et à différentes méthodes (hétérométhode VS monométhode).
On s’attend à ce que la plus forte corrélation soit trouvé pour un même trait, même méthode; et que la plus faible corrélation soit trouvé pour des traits différents - méthodes différentes.
Nommez une limite de l’analyse multitrait multiméthode.
Limite : demande beaucoup de temps de la part des sujets (faire plusieurs tests… 2 temps) + difficulté à trouver et faire la passation de plusieurs tests qui évaluent les mêmes traits
Vrai ou faux ? Il y a toujours 2 temps à la validité multitrait multiméthode qui sont représentés par les axes des abscisses X et des ordonnées y.
Vrai
Donnez un exemple d’analyse multitraits.
Exemples de traits (A, B, C) :
Dépression (A), Tristesse (B), Désespoir (C)
Exemples de méthodes (1, 2, 3)
Observation directe (Méthode 1),
Questionnaire papier (Méthode 2),
Entrevue semi-structurée (Méthode 3)
Vrai ou faux, Comme vous pouvez bien noter le résultat du processus de la validité basé sur la structure interne amène à un indice statistique unique.
FAUX, Comme vous pouvez bien noter, le résultats du processus de la validité basée sur la structure interne n’amène pas à un indice statistique unique, mais bien à plusieurs résultats qui doivent être interprétés en lien avec les éléments théoriques sur lesquels le test est base.
Comment faire pour que la validité basée sur la structure interne d’un instrument soit plus facilement mesurable?
La validité basée sur la structure interne d’un instrument (ensemble de preuves de validité) sera plus facilement mesurable si la théorie utilisée est claire et bien définie.
