Comment tester deux variables numériques ?

Bonjour, je ne pense pas qu'il y ait un test approprié mais je pense qu'il y a au moins des statistiques descriptives à ce sujet.

J'ai réalisé une cercle de corrélation, c'est tout ce que je connais.
Est-ce qu'il existe une autre méthode plus précise et plus intéressante ? (régression il me semble, non ?)

Merci d'avance.

Tout ça est très vague. Tu cherches à faire quoi ? sur quoi ? pour tester quoi ? montrer quoi ?
Bref c'est incompréhensible pour le moment.

Je cherche à voir s'il y a un lien entre deux variables numériques qui calculent l'expression des gènes (des variables continues de 0 à 100).

J'ai testé mes deux variables avec plusieurs variables factorielles mais les chercheurs de mon laboratoire sont convaincus qu'elles ne sont pas liées malgré la corrélation. Je dois donc trouver une explication, trouver une variable qui influe une corrélation.

Justement, je ne sais pas ce que je peux faire avec deux variables numériques... ça ne m'est jamais arrivé. Je cherche à avoir le plus d'informations possible entre la distribution de ces deux variables afin de savoir s'il y a des groupes d'individus ou des tendances. Un nuage de point serait le bienvenue ?

Bonjour.

Effectivement, corrélation ne signifie pas liaison (Voir la célèbre corrélation entre les nids de cigognes occupés en Allemagne et les nombres de naissances).

"je ne sais pas ce que je peux faire avec deux variables numériques" A priori, rien ! Sauf à trouver des raisons biologiques qui sous-tendent la corrélation. Ce qui n'est pas actuellement une question de statistiques.

Cordialement.

D'accord, merci pour ta réponse. C'est bien ce que je pensais, il n'y a pas de test pour vérifier une corrélation entre deux variables numériques.

Ca ne s'argumente pas forcément de façon purement mathématique. La base du raisonnement est de faire la différence entre corrélation et causalité. En clair, montrer que lorsque A varie alors B varie ne signifie pas que les variations de A sont la cause des variations de B. Il peut y avoir influence du hasard, de variables "cachées", de phénomènes d'interaction ou de médiateurs de l'effet.

La démonstration "mathématique" d'un lien de causalité passe surtout par la mise en place d'une méthodologie adaptée (type essais cliniques: définition stricte et argumentée de la population cible, randomisation, groupe controle avec choix judicieux du comparateur, procédures d'aveugle... etc...). Il n'est pas toujours possible de travailler comme ca (ca semble etre ton cas). Un lien de causalité peut alors être suggéré (mais pas démontré) par un faisceau d'arguments. Les arguments "classiques" sont:

1. il y a une séquence dans le temps ;
2. il y a une élimination des facteurs de confusion ;
3. il y a cohérence avec les connaissance actuelles ;
4. l'association statistique est forte ;
5. il y a une relation dose-effet ;
6. il y constance de l'association et reproductibilité.

A mon avis, si tu montres qu'aucun de ces points n'est respecté, tu as déjà un argument. Avec un bémol pour le point 4: il existe pas mal de contre-exemples, type corrélation entre les accidents de la route aux US et l'importation de citrons sur 5 ans avec un R² de 0.97......

Merci beaucoup c@ssoulet.

Oui exactement, j'ai testé la mutation de mes gènes (variables catégorielles) sur l'expression d'un gène (variable numérique) et il y avait beaucoup de corrélations mais toutes comprises entre 2-5%.

Les corrélations sont tout à fait illogiques d'un point de vue biologique. Les seules variables me restant sont des variables numériques.

Certes il se peut que la liaison de cause à effet ne vienne même pas d'une de mes variables mais j'essaye de le vérifier.

Pour les points 2, 3 et 4 tout est respecté mais je n'ai pas de variable temporelle et ne peux pas vérifier la relation dose-effet ni la reproductibilité donc peut être que je devrais arrêter de creuser dans ce sens.

???
De test dans quel sens ? Quand tu fais un modèle linéaire entre 2 variables numérique tu fais bien un "test" au sens où tu cherches à valider statistiquement l'existence d'une pente et la forme linéaire du nuage.

Quel que soit le test, tu ne mettras jamais en avant un lien de cause à effet avec une p-value inférieure à un certain seuil. On ne fait que parler de validation statistique et jamais de causalité.

Nik

Oui, une corrélation serait aussi un point intéressant même si je ne saurais jamais quelle variable a pour effet la hausse de ma variable de surexpression du gène.

Merci Nik, donc il est possible de modéliser ceci avec une régression linéaire ? (je n'en ai jamais fait)