Brainscape's Knowledge GenomeTM

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


See full index

Méthodes de recherche avancées > Révision intra > Flashcards

Révision intra Flashcards

1
Q

Quels sont les 5 postulats de l’analyse de régression multiple ?

A
  1. Taille de l’échantillon selon nombre de prédicteurs
  2. Absence de multicolinéarité (r > 0,7) ou de singularité (r = 1)
  3. Normalité des variables continues et des résidus
  4. Homocédasticité et linéarité des résidus
  5. Absence de valeur extrême
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Dans la régression multiple, comment est calculé le R2 ?

A

SC(régression) / SC (totale)

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

Qu’est-ce qui correspond à la taille de l’effet dans la régression multiple standard?

A

Pourcentage de variance unique (autres VI excluses) expliquée par un prédicteur significatif
Corrélation semi-partielle (la 2e dans le tableau) à mettre au carré

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

Dans quelle situation choisit-on l’ANOVA ?

Pourquoi les tests t ne conviennent-ils pas ?

A

Quand on souhaite comparer + de 2 groupes (variable nominale) sur un score (variable continue)
On pourrait faire plusieurs tests t mais cela augmente l’erreur de type 1 (rejeter H0 alors qu’elle est vraie)

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

À quoi correspondent les sources de variation suivantes pour les ANOVA:

  1. Variation totale
  2. Variation due au traitement
  3. Variation due à l’erreur
A
  1. Toute
  2. Variation intergroupe (entre les conditions de traitement)
  3. Entre les individus d’un même groupe
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Complétez:
Pour montrer que la VI a un effet significatif sur la VD, il faut que la variation ______________ soit plus grande que la variation _______________

A

liée au traitement soit plus grande que celle liée à l’erreur

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

Quels sont les postulats de l’analyse de variance (3) ?

Simple, factorielle

A
  1. Indépendance des observations
  2. Normalité de la variable continue
  3. Homogénéité des variances
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Dans l’ANOVA simple, que faire si le postulat d’homogénéité des variances n’est pas rencontré ?

A

Utiliser la correction de Welch

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

ANOVA:

Plus le F est grand, plus le CM(traitement) est :____________ et plus le CM(erreur) est: ________________

A 
traitement = grand
erreur = petit
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Vrai ou faux

Le désavantage de l’êta carré est qu’il est biaisé vers le bas

A

Faux

Il est biaisé vers le haut

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

Par défaut, quel test utilise-t-on pour les comparaisons multiples dans l’ANOVA ? Quel autre test est fréquemment utilisé ?

A

Tukey (quand les n sont relativement égaux)

Si postulat d’homogénéité des variances non-rencontré, Games-Howell

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

Quel f de Cohen correspond à une grandeur de l’effet :
Faible
Modérée
Fort

A

0,10
0,25
0,40

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

Dans la régression multiple, les prédicteurs sont d’échelle :

A

Continue ou dichotomique

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

Dans l’ANOVA factorielle, que faire si le postulat d’homogénéité des variances n’est pas respecté ?

A

Aller chercher la statistique de Games-Howell lors des comparaisons multiples
Ne PAS utiliser la correction de Welch

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

Dans l’ANOVA factoriele, quelles sont les sources de variation de la valeur du test (5)?

A
  1. Traitement
    a) Facteur A
    b) Facteur B
    c) Interaction A X B
  2. Erreur
  3. Totale
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Dans les ANOVA factorielles, comment calcule-t-on le carré moyen ?

A

SC / dl

17
Q

ANOVA (simple, factorielle), comment calcule-t-on la statistique F ? Le F critique ?

A

CM(traitement: A, B ou AXB) / CM(erreur)

dl(traitement: A, B ou AXB) / dl(erreur)

18
Q

Dans l’ANOVA factorielle, quelles analyses supplémentaires doivent être conduites lorsqu’il y a un effet d’interaction significatif et lorsqu’il y a un effet principal significatif (et K > 2)?

A

Interaction : effets simples

Effet principal : comparaisons multiples (Tukey)

19
Q

Effet simple du thérapeute (2) séparément pour le type de matériel (3) : les 2 effets simples sont significatifs, que faire ensuite ? Si les n sont inégaux ?

A

Analyses de comparaison multiples (car k > 2)

Si les n sont inégaux, ANOVA simples séparées (Tukey ou G-H)

20
Q

Dans l’ANOVA factorielle, la grandeur de l’effet correspond à :

A

l’êta partiel au carré

21
Q

Quelles sont les caractéristiques d’un plan mixte (ANOVA à mesures répétées)?

A

Groupes indépendants (VI : groupe + expérimental)

VD mesurée 3X (sur les mêmes participants)

22
Q

Quels sont les postulats de l’ANOVA à mesures répétées mixte ?
Simple?

A
  1. Normalité de la variable continue (pour tous les groupes X temps)
  2. Homogénéité des variances
  3. Symétrie composée : homogénéité des matrices de variances et de covariances (Box > 0,05)
  4. Normalité de la variable continue
  5. Sphéricité (Mauchly) (aussi un test d’homogénéité des matrices de variances et de covariances)
23
Q

Dans l’ANOVA à mesures répétées simple, que faire si test de Mauchly est significatif (p < 0,15 (n > 10) ou p < 0,25 (n < 10))?

A

Utiliser le F ajusté avec le facteur de correction de Greenhouse et Geisser

24
Q

Dans les ANOVA à mesures répétées, quelles analyses fait-on pour trouver où sont les différences lorsque le F est significatif ?

A

analyses de contraste

25
Q

Dans le cas de présence de données manquantes, quand est-ce acceptable de les remplacer par la moyenne ? Quelle est la conséquence ?

A

Quand on fait une AFE et que le N est petit

Conséquence : diminution de l’écart-type

26
Q

Quelle est la différence entre listwise et pairwise ?

A

Listwise : enlève toutes les réponses d’un participant s’il n’a pas répondu à un item (par défaut)
Pairwise : enlève seulement l’item non-répondu

27
Q

En AFE et ACP, quels sont les postulats ?

A
  1. Au moins 3 variables (continues, ordinales: normalité)
  2. Taille de l’échantillon suffisant (10 participants / variable)
  3. Qualité des matrices de corrélations
    a. Déterminant de la matrice de corrélations
    b. Test de sphéricité de Bartlett (rejette hypothèse de matrice d’identité)
    c. Mesure d’adéquacité de l’échantillonnage de Kaiser- Meyer-Olkin (KMO) global et individuel
28
Q

Quelles sont les étapes de l’ACP / AFE ?

A
  1. Postulats
  2. Choix (4)
    a. méthode d’extraction
    b. variables à conserver / retirer
    c. nombre de composantes / facteurs
    d. de la rotation des axes (si > 1 facteur)
  3. Interprétation de la solution finale (nature des facteurs p/r aux variables les plus corrélées)
29
Q

À quoi correspond la valeur propre (eigenvalue)?

A

Variance brute expliquée par la composante ou le facteur

30
Q

Quelle est la différence entre l’alpha-maximisation et le maximum de vraisemblance ?

A

Alpha-maximisation : maximise fidélité

Maximum de vraisemblance : permet de généraliser sans avoir recours à un autre échantillon

31
Q

Quels sont les différents choix à effectuer dans l’ACP / AFE ?

A
  1. Méthode d’extraction
  2. Variables à conserver
  3. Composantes / facteurs à extraire
  4. Rotation des axes
32
Q 
À quel niveau d'adéquacité correspondent les indices KMO suivant :
> 0,9
0,8-0,9
0,7-0,8
0,6-0,7
0,5-0,6
<0,5
A 
Excellent
Très bien
Bien
Moyen
Médiocre
Inacceptable

Méthodes de recherche avancées (8 decks)

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