Semaine 13 : La corrélation Flashcards
L’ANOVA à plan simple et l’ANOVA à mesures répétées sont similaires en ce qui a trait à la variation due au traitement (et à l’erreur), mais non quant à celle due à l’erreur. Pouvez-vous expliquer la distinction?
Dans l’ANOVA à plan simple, le F se calcule avec le CMinter + le CM intra, et le CMintra prend en considération l’erreur.
Dans l’ANOVA à mesures répétées, le SC intra se divise en 2 : le SCsujets et le SCerreur. Comme ce sont les mêmes personnes qui font les différentes parties de l’expérience, on peut calculer séparément le SCsujets et l’enlever du rapport F. Ainsi, le rapport F se calcule en divisant le CMinter par le CMerreur.
Les conditions d’utilisation de l’ANOVA à mesures répétées diffèrent légèrement de celles associées à l’ANOVA à plan simple. Dans un premier temps, les échantillons doivent être dépendants. Une autre condition est différente entre les 2 analyses.
A. Quelle est cette condition d’utilisation propre au plan à mesures répétées?
B. Comment peut-on vérifier si cette condition est respectée?
A. L’homogénéité des variances et des covariances.
B. On peut le vérifier dans la sortie SPSS grâce au test de sphéricité de Mauchly.
*Le p doit être > .05 pour être respecté.
Si le postulat n’est pas respecté, on utilise la ligne “Greenhouse-Geisser” pour rapporter les résultats.
Si le postulat est respecté, on utilise la ligne “Sphéricité supposée”.
Quelle est l’erreur dans la phrase suivante?
“L’ANOVA permet de vérifier s’il y a des différences significatives entre les moyennes.”
L’ANOVA permet de vérifier s’il y a AU MOINS UNE différence significative entre les moyennes.
Quelle est l’erreur dans la phrase suivante?
“Les tests de comparaisons multiples doivent être effectués seulement lorsque l’effet de la variable indépendante est significatif (rejet de H0).”
Les tests de comparaisons multiples A POSTÉRIORI doivent être effectués seulement lorsque l’effet de la variable indépendante est significatif (rejet de H0).
Quelle est l’erreur dans la phrase suivante?
“Les tests de comparaisons multiples peuvent être utiles lorsqu’on fait un test t pour échantillons dépendants ou indépendants.”
Le test t est juste une comparaison entre 2 moyennes (2 échantillons). Les tests de comparaisons multiples permettent e déterminer à quel endroit se situe ces différences (on doit avoir 3 niveaux de traitement ou plus).
Qu’est-ce qu’une corrélation?
Statistique qui permet d’estimer le degré de relation entre 2 variables.
La corrélation exprime de façon quantitative la force d’une relation linéaire entre 2 variables mesurées sur un même groupe d’individus.
Quels sont les 2 éléments estimés par la corrélation?
- La direction (positive ou négative)
2. La force de la relation entre les 2 variables
Vrai ou faux? Les termes variable indépendante (VI) et variable dépendante (VD) sont utilisés lorsqu’on parle de corrélation.
Faux. On n’utilise plus ces termes, on les replace par “variables corrélées” ou “corrélats”, ce qui diminue le risque d’interprétations erronées.
Quelles sont les 3 conditions logiques à respecter si on veut déterminer qu’un phénomène en cause un autre (lien causal)?
- Variable X et variable Y doivent être interreliées (condition de relation)
- La cause doit précéder l’effet.
- La relation entre X et Y ne doit pas être expliquée par une 3e variable confondante.
Quelle est la seule condition remplie par la corrélation?
La condition de relation : la variable X et la variable Y doivent être interreliées.
À quoi sert la droite de régression?
Elle nous sert de prédiction. On peut prédire la valeur de Y en fonction de la valeur de X qui est observée.
Plus les points sont éloignés de la droite, moins la prédiction (et la corrélation) est bonne.
Vrai ou faux? La relation linéaire est toujours positive.
Faux. La relation linéaire (la corrélation) peut être positive ou négative (inverse).
Corrélation positive : Plus j’augmente sur l’axe des X, plus j’augmente sur l’axe des Y.
Corrélation négative : Plus j’augmente sur l’axe des X, plus je diminue sur l’axe des Y.
Vrai ou faux? La corrélation permet de détecter uniquement les relations linéaires.
Vrai. C’est un de ses postulats.
Vrai ou faux? Plus une relation est faible, plus les points seront groupés suivant une relation linéaire.
Faux. Plus une relation est FORTE, plus les points seront groupés suivant une relation linéaire!
Qu’est-ce qu’une corrélation nulle?
Aucune corrélation entre les 2 variables, c’est-à-dire que deux valeurs similaires sur X peuvent être associées à deux valeurs opposées sur Y.
Qu’est-ce qu’une corrélation parfaite?
C’est lorsqu’il y a une relation parfaitement linéaire entre 2 variables. un changement sur X est associé à un changement proportionnel sur Y.
Qu’est-ce que le coefficient de corrélation? Entre quelles valeurs se situe-t-elle?
C’est une estimation de la direction et de la force de la relation linéaire entre 2 variables. (Mesure standardisée de la covariance entre 2 variables)
Le coefficient de variation varie entre -1 et 1.
- (+) relation positive
- (-) relation négative
La valeur numérique du coefficient de corrélation indique la force de la relation. Quel type de relation linéaire avons-nous si la valeur s’approche de -1 ou de 1?
Présence d’une relation linéaire parfaite.
La valeur numérique du coefficient de corrélation indique la force de la relation. Quel type de relation linéaire avons-nous si la valeur s’approche de 0?
Il y a absence de relation linéaire.