Séance 10.1 : L'ANOVA à mesures répétées Flashcards
Exemples de mesures répétées
Effet à long terme d’une thérapie: Les mêmes sujets
sont testés à 4 reprises (chaque 6 mois pendant 2
ans).
• Test d’appréciation de la page d’accueil pour 4 sites
Internet: Les 20 participants évaluent les 4 pages
d’accueil différentes (ordre aléatoire ou
contrebalancé).
Quels sont les avantages de l’ANOVA à mesures répétées?
- Plus puissants au plan statistique (comme limite les effets des différences individuelles, plus de chances de détecter une différence significative car F est plus grand, plus de chances de le dépasser)
- Nécessitent moins de sujets (à place de 10 pour chaque condition (ex : 6 , 20x6 = 60 , vs 20 en tout)
Quels sont les inconvénients de l’ANOVA à MR?
Il peut survenir des effets de persistance (ex: un médicament dans le corps qui demeure) et d’apprentissage (ex: à un test de mémoire, se trouve une stratégie d’apprentissage et devient meilleur à la fin… ou opposé effet de fatigue)
=> il faut s’assurer que le premier traitement n’aura pas d’influence sur le deuxième traitement, etc. (puisque les
mêmes sujets sont testés dans chaque condition).
Quelle est la différence dans le calcul de l’ANOVA à plan simple et à mesures répétées?
Dans l'ANOVA à PS : • La variation due à l’erreur inclut les variations dues aux sujets (différences individuelles) et l’erreur « résiduelle » de manière indifférenciée. (ensemble dans variation intra)
ANOVA à MR:
Puisqu’elle est constante (m sujets d’une fois à l’autre), la variation due aux sujets est retirée de la variation due à l’erreur (laissant
seulement l’erreur résiduelle), ce qui réduit la valeur
du terme d’erreur utilisé pour le rapport F. (variation intra plus bas)
Comment calcule-t’on le SC erreur résiduelle?
SC intra - SC sujet (qu’on vient isoler)
Qu’ajoute t’on au principe d’additivité?
SC sujet + SC erreur := SC intra
dl sujet + dl erreur = dl intra
Dans un plan à mesures répétées, le score d’un
individu peut être décomposé comme suit:
Xij = μ + αj + πi + εij
où Xij = Score de l’individu i dans le niveau j;
μ = Moyenne de la population (constante);
αj = Variabilité due à l’effet spécifique du niveau j;
πi = Variabilité due l’effet spécifique du sujet i; (qu’on va réussir à venir enlever du calcul)
εij = L’erreur résiduelle (variabilité du sujet qui
demeure après avoir soustrait tous les autres termes
de l’équation).
Quel est le calcul du F à MR?
F = Cm inter/ Cm erreur (slm erreur résiduelle, pas sujet)
V ou F : Cm erreur est plus grand que Cm intra, donc le test est plus puissant.
Faux. Cm erreur est plus petit (Cm intra - Cm sujet) … donc dénominateur plus petit, cela donne un F plus grand, donc test plus puissant.
Que fait-on avec SC sujets?
On isole cette variabilité associée aux sujets et on la retire de la
variabilité due à l’erreur (on garde erreur résiduelle)
Quelles sont les conditions d’utilisation de l’ANOVA à MR?
- On a des échantillons dépendants
- Normalité de la distribution
- VD sur échelle intervalle ou ratio
- Homogénéité des variances et des covariances
Qu’est-ce que la covariance?
Dans quelle mesure les variations dans un échantillon sont associées aux variations dans l’autre échantillon.
Sa mesure standardisée est la corrélation.
= si on augmente d’un x, on augmente d’un y
Quel est le test qui mesure l’homogénéité de quoi?
Le test de Mauchly permet de vérifier le postulat
d’homogénéité des variances et covariances
Un test significatif implique que les données ne respectent
pas la condition (ils sont hétérogènes) d’utilisation et il faut appliquer une
correction (comme le test de Levene!).
ANOVA à PS ou à MR ?
On étudie l’effet de la privation de sommeil sur la mémoire
à court terme. Les participants doivent mémoriser des
photos de visage présentées très brièvement sous cinq
conditions de privation de sommeil (12h, 14h, 16h, 18h,
20h). La variable dépendante est le nombre de photos
reconnues (les photos à mémoriser sont différentes sous
chaque condition). Le niveau alpha est fixé à .05
MR (mêmes participants qui font toutes les niveaux de traitement)
Étape 1 à la main
Identifier les hypothèses statistiques (H0 et H1)
H0 = mu1 = mu2 …
H1: Il existe au moins une différence significative entre les moyennes