Exam final Flashcards
1
Q
Qu’est-ce que la recherche scientifique ?
A
- processus acquisition connaissances
- diverses méthodes recherche
- répondre à question
2
Q
Quelles sont les critères à respecter afin d’être considéré comme un fait scientifique ?
A
- observé empiriquement (sur terrain)
- obtenu grâce à méthodes appropriées
- lien recherche-théorie
- vérifié et reproduit (appuyé par théorie)
3
Q
Quelles sont les différences entre la recherche qualitative et la recherche quantitative?
A
Quali=
-petit nombre cas
-vise pas généralisation
-approche selon perception
-verbatims
-s’intéresse cas particuliers
Quanti=
-grand nombre cas
-concepts, théories
-questionnaires
-variable dépendante et indépendante
-démarche précise
-analyse statistique données
4
Q
Quelle est l’utilité de la recherche quantitative ?
A
- représenter phénomènes sociaux
5
Q
Qu’est-ce qu’une approche mixte ?
A
Inclut volet quali et quanti
6
Q
Qu’est-ce que le raisonnement inductif ?
A
- du spécifique au général (des faits à la théorie)
- observations sur terrain
- étude exploratoire + descriptive
7
Q
Qu’est ce que le raisonnement déductif ?
A
- général au spécifique (théorie aux observations empiriques)
- application théorie à problématique précise
- étude explicative et prédictive
8
Q
Quelles sont les différences entre les variables dépendantes et indépendantes ?
A
Dépendante (y) = phénomène
Indépendante (x) = comment analyse phénomène
9
Q
Qu’est-ce qu’une variable contrôle ?
A
- socio démo
- contrôle éléments ex: âge, antécédents
10
Q
Quels sont les buts de la recherche ?
A
- décrire
- explorer
- classifier
- expliquer (relations)
- prédire et évaluer
11
Q
Quelles sont les cinq phases d’une recherche quantitative?
A
- conceptuelle
- méthodologique
- empirique
- analytique
- diffusion
12
Q
En quoi consiste la phase conceptuelle ?
A
- thème recherche
- sources + recension
- cadre recherche
- définition problématique
- élaboration buts, objectifs, question recherche
13
Q
En quoi consiste la phase méthodologique ? (5)
A
- approche analytique
- conceptualisation concept
- choisir technique recherche
- définir population
- définir sorte + type échantillonnage
14
Q
Vrai ou faux. Un concept peut se décomposer en dimension.
A
Vrai.
Concept -> dimension -> variable
15
Q
Qu’est-ce que l’opérationnalisation?
A
Identifier facteurs
Créer variable
Identifier modalités variable (échelle mesure, devient question)
16
Q
Qu’est-ce que la phase empirique ?
A
Collecte données sur terrain
17
Q
Qu’est-ce que la phase analytique?
A
Nettoyage et préparation données
Analyse et interprétation donnés
18
Q
Qu’est-ce que la phase de diffusion?
A
- présenter résultats
19
Q
Quelles sont les types de variables qualitatives et quantitatives?
A
Quali= nominale et ordinale
Quanti = intervalle (ex: 0 à 5) et continue (ex: âge)
20
Q
Quelle est la différence entre l’exclusivité et l’exhaustivité?
A
Exclusivité = personne ne peut pas être dans deux catégories
Exhaustivité = toutes les valeurs possibles de la variable sont présentes (ex: inclure tous âges)
21
Q
Quelles sont les différences entre une analyse uni variée, bi variée et multi variée ?
A
Uni variée = 1 variable
Bi variée = 2 variables
Multi variée = 3 variables ou plus
22
Q
Comment peut on interpréter l’étendue ?
A
Étendue plus proche = se ressemble
Étendue plus loin = se différent
23
Q
Quelles sont les mesures de tendance centrale ?
A
- mode= variable la plus fréquente dans distribution (variable intervalle, continue, ordinale ou nominale)
- médiane= valeur qui divise en 2 parties égales (variable intervalle, continue, ordinale)
- moyenne = somme donnés divisée par nombre (variable intervalle et variable continue)
24
Q
Qu’est ce qu’une mesure de position?
A
Quantiles: valeurs partagent distribution en parties égales
- quartiles (3 eme = 75%)
- déciles (1er= 10%)
- centiles (60eme = 60%)
25
Quelles sont les mesures de dispersion ?
- étendue
- variance : renseigne sur homogénéité ou hétérogénéité données
- écart type : calcul à partir variance, sensible valeurs extrêmes
26
Quelle est la différence entre une donnée manquante aléatoire et non aléatoire ?
Aléatoire = hors contrôle participant ex: questionnaire perdu
Non aléatoire = du au participant, selon cx participants ex: sait pas écrire
27
Comment inspecter les variables dichotomiques lorsqu’elles sont à moins de 10% ?
Éviter d’utiliser variable dicho si moins de 10% dans une des catégories
28
Comment repartir une variable catégorielle (nominale/ ordinale) ?
Recoder pour éviter catégories à moins de 10% (regrouper)
29
Qu’est-ce que la loi normale ?
Forme cloche
Courbe symétrique
Mode, médiane et moyenne = même valeur
30
Quelle est la différence entre une asymétrie positive et négative ?
Positive = fin graphique à droite, très peu valeurs élevées, mode plus petit que médiane plus petite que moyenne
Négative = fin graphique gauche, très peu valeurs faibles, mode plus grand que médiane plus grande que moyenne
31
Quelles sont les trois formes d’applatissements?
Mesokurtique : courbe normale
Leptokurtique : haute concentration valeurs égales ou proche moyenne, homogène et courbe élancée
Platikurtique : courbe plate, cas s’éloignent moyenne, hétérogène
32
Comment faut-il mesurer la symétrie ?
- rapport entre asymétrie et erreur asymétrie
- valeur 0 = normale
- si autour 3,29= objectif mais 120 va pas du tout (15-20 correct aussi)
33
Vrai ou faux. Plus l’échantillon est gros, moins le fait d’avoir une distribution plus ou moins normale est grave.
Vrai.
Bcp participants donc normale
34
Comment recoder une variable qualitative ?
- limiter nombre catégories (regrouper pour simplifier)
- suite à inspection répartition dans diverse catégories (10% et moins)
- mieux répondre objectifs recherche
35
Comment transformer une variable quantitative?
Suite à inspection normalité distribution
36
Comment doit-on rétablir les donnés en log10 afin d’obtenir une moyenne modifiée ?
Dé loguer sur Excel en puissance 10
37
Quelles sont les conditions nécessaires à la causalité ? (5)
- séquence temporelle : cause doit précéder effet (x cause y)
- association entre x et y
- relation persiste même si inclut autres variables
- deux concepts conceptuellement distincts
- interprétation possible de relation
38
Quels sont les buts de l’analyse statistique ?
- connaître association entre deux variables
- connaître différences de groupes pour même variable
39
Quelle est la différence entre une hypothèse non directionnelle et une hypothèse directionnelle ?
- non directionnelle : aucune mention sens relation entre deux variables
- directionnelle : sens relation mentionné
40
Quelle est la différence entre une hypothèse de recherche et une hypothèse nulle ?
- de recherche = association entre x et y (ex: existe différence nbre crimes commis selon statut emploi)
- nulle= aucune association (ex: pas différence nbre crime selon statut emploi)
41
Vrai ou faux. Il est toujours important de revenir à l’hypothèse nulle.
Vrai
Si hypothèse recherche vraie rejet nulle et si garde nulle veut pas dire que recherche forcément fausse
42
Vrai ou faux. Notre échantillon va influencer notre perception de la population.
Vrai
43
Qu’est-ce que l’inférence statistique ?
Induire caractéristiques inconnues de population à partir échantillon
44
Quel est le but de l’inférence statistique?
Déterminer si différences observées sont reflet réelles différences dans population ou si résultat d’erreur échantillon
45
Quelles sont les deux types d’erreurs d’inférence ?
- erreur alpha = croyait qu’existait lien mais pas réellement (faux positif)
- erreur bêta= croyait que pas lien mais réellement un (faux négatif)
46
Qu’est-ce que le seuil de signification?
- fixe seuil d’erreur minimal
- probabilité faire erreur alpha = p
- seuil normalement accepté = p plus petit ou égal 0,05 (5%)
- donc si p= plus petit ou égal 0,05 peut rejeter hypothèse nulle et conclure qu’existe relation entre x et y
47
Quelle est la formule de la variance ?
Variance ou S^2 = somme des écarts entre la (scores d’échantillon soustrait par la moyenne échantillon)^2 divisé par la taille d’échantillon soustrait par 1
48
Lorsqu’une donne est qualitative, elle s’appelle …
Une modalité
49
Quelle est la différence entre les données en intervalle, les données continues, ordinales et nominales?
- intervalle: 0 signifie pas absence, ex: température
- continues: ex: âge, nbre crimes
- ordinales: quali regroupées par chiffres ex: 0= oui 1 = non
- nominales: qualifier choses ex: vrai/faux, catégorie ex: 1= eau 2= boisson gazeuse
50
Vrai ou faux. Les termes quanti sont valeurs et les termes quali sont modalités.
Vrai.
51
Vrai ou faux. Dans la loi normale, la moyenne, le mode et la médiane ont la même valeur.
Vrai.
52
Quelles sont les différences de symétrie et d’asymétrie?
- symétrie: courbe cloche, moyenne =mode= médiane
- asymétrie négative : mode > médiane > moyenne, valeurs fortes, courbe à droite (descend à gauche)
- asymétrie positive: mode< médiane < moyenne, petites valeurs, courbe à gauche (descend à droite)
53
Que doit-on faire pour obtenir les bonnes donnés après avoir fait un log10 sur une donnée monétaire ?
Dé loguer sur Excel en faisant puissance 10 et puissance = valeur à transformer
54
Quelle est la différence entre une analyse bi variée et multi variée ?
- Bi variée = effet de x sur y
- multi variée = effet de x, z, w sur y
55
Quelle sont les variables dépendantes et indépendantes ?
- dépendantes = y
- indépendantes = x
56
Quels sont les buts des analyses statistiques?
- connaître association entre 2 variables
- connaître différences de groupes pour même variable
57
Quels sont les 4 types d’hypothèses?
- hypothèse non directionnelle: donne pas direction à hypothèse, juste croit que relation ou pas
- hypothèse directionnelle: donne direction, ex: plus y a de crimes, plus les gens ont peur de sortir de chez eux
- hypothèse nulle: aucune relation entre variables
- hypothèse de recherche: relation entre deux variables
58
Quelle est la théorie probabiliste?
- nombre de fois qu’évènement survient divisé par nombre occasions que l’événement puisse survenir
59
Vrai ou faux. L’inférence statistique permet de tirer conclusions fiables sur population a partir données obtenues échantillon.
Vrai. Permet minimiser fausses conclusions p/r paramètres population
60
Vrai ou faux. Puisqu’on infère données population à partir échantillon aléatoire, possible que résultats soient attribués à erreur échantillonnage
Vrai.
61
En quoi consiste l’erreur d’échantillonnage ?
- plus taille échantillon grande, plus erreur échantillonnage sera petite
62
Vrai ou faux. La moyenne est grandement influencée par les valeurs extrêmes.
Vrai.
63
Quelles sont les types de diagrammes à utiliser selon les variables?
- nominales= circulaire
- ordinales= bâtons
- continues= histogramme
64
A quoi sert le test du chi-carré?
- vérifier si deux variables quali sont indépendantes l’une de l’autre
65
Vrai ou faux. Le test du chi-carré est non paramétrique.
Vrai.
66
Combien d’effectifs minimums doit avoir le test du chi 2?
5
67
Vrai ou faux. Le test du chi 2 permet de comparer les fréquences observées avec la distribution des fréquences attendues.
Vrai. Plus chiffre gros, plus y a lien entre deux
68
Comment pouvons-nous déterminer si la valeur du Chi 2 est critique ?
- valeur permet savoir si différence observée est réelle ou si est fruit hasard/ erreur échantillonnage
- plus est élevé, plus y a différence entre attendu et observé, donc plus à chance que relation soit statistiquement significative p< 0.05 et peut rejeter H nulle
69
Quelles sont les étapes pour effectuer le test du Chi 2?
- mentionnez hypothèse non directionnelle et directionnelle
- effectuer test et dire si respecte postulat ou non
- rejet ou non rejet H nulle
- si rejet (relation statistiquement significative p< 0.05)
-préciser direction de relation et la force
- présenter et interpréter résultats
70
Vrai ou faux. Lorsque le postulat est respecté, il n’est pas nécessaire de l’expliquer et on peut passer à l’étape suivante.
Vrai.
71
Quelles sont les différentes indices de force selon le test du Chi carré?
- phi: tableau 2x2
- c contingence : 3x3
- Gamma : si deux variables sont ordinales
- V cramer: si aucun autre est adéquat
72
Comment faut-il présenter et interpréter les résultats du test du Chi carré?
- nommer le test et mettre # tableau entre parenthèses
- dire si relation statistiquement significative ou non avec formule : x^2 (ddl) = valeur khi deux Pearson, dire p et test utilisé ex: V cramer, C contingence, Gamma, phi
- dire si rejette ou non hypothèse nulle et dire c’était quoi
- en effet, résultats permettent croire que … selon tableau (mettre pourcentage)
- par exemple, nommer autre donnée dans tableau pour comparer
- dire si relation forte ou pas avec test utilisé entre parenthèses (V cramer…)
73
Est il nécessaire d’expliquer pourquoi nos résultats diffèrent de l’hypothèse de recherche?
Oui, expliquer pourquoi obtient ce résultat et différences entre étude et travail (ex population différente)
74
Quelle est l’utilité du test t?
- Tester les différences de groupes sur une même variable
- vérifier si moyenne 2 groupes sont différentes
- utilise variable nominale dicho (x) et variable continue (y)
75
Quelles sont les différentes catégories du test t?
- paramétriques : test t pour échantillons indépendants (pour tp2) et test t pour échantillon appariés
- non paramétrique : test U de Mann-Whitney = avec médiane car pas affectée par mesures extrêmes
76
Quelles sont les conditions nécessaires pour le test t avec échantillons indépendants ?
VD: variable quanti continue
VI: variable dicho
77
Quels sont les postulats pour le test t échantillons indépendants ?
- distribution normale VD (continue doit être log10)
- minimum 15-30 cas par groupe
- homogénéité variance groupe : test Levene
78
Quelles sont les procédures à effectué lors du test t?
- mentionner hypothèse non directionelle et directionnelle (selon connaissances actuelle sujet, attendu que… Plus particulièrement, attendu que plus x, plus il y aura de y)
- effectuer test t et dire si respecte postulats ou non et pourquoi non
- rejet ou pas H nulle
- si rejet = p< 0.05 et préciser send et force relation
- présenter résultats et interpréter
79
En quoi consiste le test de Levene?
- p< 0.05 = pas contents car test Levene significatif, donc variance groupe hétérogène et doit interpréter ligne du bas dans tableau (celui ou à test Levene à gauche et test t pour égalité moyennes à droite)
- p> 0.05 = contents car test Levene non significatif, donc variance groupe homogène et interprète ligne haut tableau
- rejette H nulle si p < 0.05
80
Comment est-il possible d’interpréter la direction de la relation ?
- moyenne écart type pour donner direction relation
81
Comment est-il possible d’interpréter la force de la relation
- Êta carré et regarde tableau
82
Comment est-il possible d’interpréter les résultats du test t ?
- tableau note = t(ddl) = résultat test t(première ou deuxième ligne selon p), donner p; test Levene p aussi
- nommer test (mettre # tableau) permet constater qu’existe ou pas relation entre variables (mettre formule, soit note tableau). Dire si possible ou pas rejeter H nulle et dire était quoi. En effet, résultats permettent croire que (X= et É.-T. = ) que (même chose mais pour variable 2). L’Êta carré indique relation et permet constater que dire Êtat carré en % de variance de donnée peut être expliquée par autre donnée (dire Êtat carré pile entre parenthèses). Dire si postulat homogénéité respecter ou pas (test Levene ici). Dire si résultats robustes ou non.
83
Qu’est ce que la corrélation r de Pearson ?
- mesure association entre 2 variables quanti
- hypothèse recherche ex: plus x plus a y ( relation positive ou inverse moins y a x et plus y a y)
84
Quels sont les postulats du test de corrélation r?
- distribution normale 2 variables quanti
- absence valeurs extrêmes
- linéarité relation (droite de diagramme dispersion, recours à non paramétrique si problème évident non linéarité et suspecte relation non linéaire niveau théorique), même si ressemble à rien si peut pas prouver que pas linéaire doit supposer que linéaire donc respect postulat
- minimum 30 cas/ variable
85
Qu’arrive t’il si au moins un des postulats du test n’est pas respecté?
Test non paramétrique, rho de spearman : rang à l’axe valeurs pour détecter relation peu importe forme
86
Quelles sont les étapes d’un test de corrélation ?
- mentionner hypothèse directionnelle et non directionnelle
- vérifier postulats utilisation : histogramme des 2 variables quanti, tableau fréquence pour valeurs extrêmes et diagramme dispersion
- test corrélation selon cas (R Pearson ou Rho Spearman)
- rejet ou non rejet H nulle
- si rejet = p< 0.05 donc vérifier sens relation et sa force
- présenter et interpréter résultats
87
En quoi consiste la matrice de corrélation ?
Focus sur triangle bas
Relation significative si p< 0.05
88
Comment vérifions nous le sens et la force de la relation du test de corrélation du r de Pearson?
- Fait le N -2 et donnera le ddl et utilise deuxième ligne de Pearson Correlation car matrice peut être « miroir »
- formule : (r (ddl) = Pearson Correlation, p) sinon Rho: (rho(ddl) = même chiffre qu’en haut, p)
89
Comment interpréter et présenter les résultats?
Analyse Correlation fut effectuée pour déterminer si association existait entre deux variables (mentionner log10 si était continue). Résultats permettent noter qu’existe relation ou pas entre variables (mettre formule). Dire si possible ou non rejeter H nulle et dire c’était quoi. Plus précisément, dire si à relation. En effet, expliquer sens relation (++, +-).
90
Quelle est l’utilité de la régression simple?
- permet faire prédictions
- permet connaître force explicative VI sur VD, coefficient détermination
91
Quelle est l’équation de la régression simple ?
- y= a+ b(X) + e
Y= valeur prédite de VD
X = prédicateur valeur VI
a= constante (origine, valeur quand est à 0)
b= pente, changement de Y associé changement unité de X)
e= terme d’erreur
92
En quoi consiste la régression linéaire multiple ?
- amélioré prédiction de VD en prenant considération effet plusieurs VI
- permet connaître effet unique et effet combiné sur VD
- permet inclure variable contrôle : relations indirectes
- modèle de prédiction
Équation : y= a + b1(X1)+ b2(X2)+ b3(X3)+… + e
93
Lorsque les variables dépendantes sont quantitatives (normalement distribuées), quel type d’analyse serait à utiliser selon la régression linéaire multiple?
- analyse de régression linéaire multiple (paramétrique)
Non paramétrique = si VD est dicho va faire analyse régression logistique et si catégorielle va faire analyse régression logistique multinomiale
94
Quels sont les critères d’utilisation et les postulats de la régression linéaire multiple?
- critères = VD quanti et VI quanti ou dicho
- postulats= minimum 20 cas/ variables, normalité distribution VD et VI si 2 sont quanti (avec analyses univariées et histogramme), linéarité distribution entre quanti (avec diagramme dispersion) et absence colinéaire et multicolinéarité (indépendance VI entre elles) ; colinéarité= matrice Correlation et multicolinéarité = indice tolérance
95
Que doit on faire pour avoir des variables dicho dans la matrice de Correlation ?
Dummies , soit forcer variables en dicho
96
Vrai ou faux. Le modèle de régression est plus puissant lorsque chaque VI est fortement associée à la VD, mais que chaque VI est indépendante des autres VI.
Vrai.
- Indice tolérance : plus haut chiffre possible, essaie de se rapprocher du 1 vs Correlation veut de rapprocher du 0. Problématique lorsque 0.30 car trop proche, louche.
97
Quelles sont les étapes d’un test de régression linéaire multiple?
- vérifier respect postulats utilisation: variables continues ou dicho, normalité distribution, linéarité par diagramme dispersion et sortir matrice corrélation
- relaisser régression linéaire multiple : vérifier indice tolérance (multicolinéarité?) et respect ou non minimum effectifs par variable
- vérifier si modèle significatif (effet combiné de VI sur VD): vérifier force modèle cas échéant (avec Anova et Model Summary, dans Anovs regarde Sig et MS regarde force modèle donc Std error of estimate)
-R= coefficient corrélation entre modèle prédiction et VD
-R^2= variation VD expliquée par VI inclues dans modèles
-R^2 ajusté= ajusté pour nbre variables inclues dans modèle , nbre plus élevé VI fait baisser valeur r^2 ajusté, nous regarde R^2 : similaire à Êtat carré mais implique relation linéaire varie de 0 à 100% mettre R^2 en pourcentage donc x100, donne pouvoir explicatif
- vérifier seuil signification et effet unique de chaque VI et parmi celles significatives: vérifier sens et force relation et quels sont meilleurs prédicateurs parmi eux
- présenter et interpréter résultats
98
Comment faire pour observer le sens et la force de nos variables significatives ?
- regarder standard coefficient bêta et regarder meilleur prédicateur dans ceux la
99
Comment calculer la droite de régression ?
- regarder le B dans la colonne de la constante
100
Comment interpréter et présenter les résultats du test de régression linéaire ?
- analyse de régression linéaire multiple fut effectuée pour déterminer si (nommer variables à étude). À noter que problème ou aucun problème colinéarité et multicolinéarité constaté et que postulats respectés ou non. Résultats analyse multivariée (# tableau) permettent constater que variables, tel que mesuré dans présente analyse, permet prédire significativement variable déclarée par répondants (F (total anova, df régression anova)= F régression dans Anova, p; R^2). Donc possible ou non rejeter H nulle selon laquelle. Indicateurs implication dans variable retenue expliquent environ % R^2 de variation variable déclarée par participants.
- parmi trois indicateurs (variables) inclus dans modèle présente étude, nommer combien entre elles sont prédicateurs significatifs de variable: autre variable (bêta = , p) et autre variable (bêta =, p). Par contre, prédicateurs ont pas ou ont même type effet sur autre variable. En effet, résultats indiquent que relation variable (relation négative ou positive, faible ou élevée). Par contre, nommer différente relation (relation négative ou positif, faible ou élevée). Possible de croire que relation autres variables. Autre côté, possible croire qu’autre relation variables. A cet effet, telle relation est meilleur prédicateur de variable.
- si variable dicho recodée dit: Parmi trois indicateurs inclus dans modèle étude, dire combien sont prédicateurs significatifs du variable: la nommer (bêta et p) et autre variable (bêta et p). Il appert donc que variable influence telle variable.
- Dicho = toujours 1 qui prédit ou chiffre plus élevé
