Les posteurs les plus actifs de la semaine
Eric Wajnberg
 
mvergnat
 
zezima
 
Florent Aubry
 
c@ssoulet
 
fmachou
 
adri6666
 
Nik
 
Aeelim
 
Kouakakou
 


Regression: modèles significatifs, mais prédicteurs non!

Voir le sujet précédent Voir le sujet suivant Aller en bas

Regression: modèles significatifs, mais prédicteurs non!

Message par LTT le Mer 19 Avr 2017 - 6:52

Bonjour tout le monde,

Pour une hypothèse de mon mémoire de master j'ai testé la régression multiple hiérarchique sur SPSS. Il y a 2 modèles testés, le modèle 1 contenant comme variable prédictrice le type d’induction de l’auto-efficacité (positive et neutre, c'est la manipulation expérimentale) et le modèle 2 contenant en plus la variable "score au General Self-efficacy Scale" (GSE). Les deux modèles étaient significatifs et donc j'ai analysé les prédicteurs en détails (dans le tableau des coefficients) pour examiner leur influence sur l’affect négatif (VD).
Dans le modèle 1, la variable type d'induction est significative, donc j'en conclue qu'elle explique et prédit une partie de la variance de la VD. Ce qui me perturbe, c'est que dans le modèle 2, cette même variable prédictrice (type d'induction) devient non significative! Et la seconde variable ajoutée (score au GSE) est aussi non significative, alors que le modèle en sa globalité est significatif (F sig.) Je ne sais pas comment interpréter ces résultats, je suis un peu confuse. Surtout je ne comprends pas pourquoi une variable qui était significative dans le modèle 1 devient non significative dans le modèle 2. Est-ce à cause de l'ajout de la seconde variable? Je serais très reconnaissante si quelqu'un peut m'aider sur le sujet. Merci d'avance!

LTT

Nombre de messages : 19
Date d'inscription : 18/04/2017

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: Regression: modèles significatifs, mais prédicteurs non!

Message par Ayana le Mer 19 Avr 2017 - 10:24

Bonjour,
Plusieurs possibilités expliquant ce résultat:
- ta variable score au GSE peut être ce qu'on appelle un facteur de confusion, c'est à dire, une variable associée à la fois à ta variable explicative et ta variable dépendante. Donc la première chose à faire, avant de regarder la p-value c'est: est-ce que le coefficient de régression associé à ta variable d'intérêt (induction) est similaire dans les 2 modèles? Si ils sont différents, cela signifie que le score est un facteur de confusion et donc que tu dois l'inclure dans l'analyse ( et par conséquent, ta manipulation expérimentale n'a pas d'effet sur ta réponse).
- si le coefficient de régression est similaire entre ton modèle 1 et ton modèle 2, peut-être as-tu un soucis de manque de puissance. Combien as-tu de sujets? Car à chaque fois que tu ajustes sur une variable, tu perds en degrés de liberté, et donc en puissance.

Il y a également des choses que je ne comprends pas dans ton post. Pourquoi as-tu utilisé une régression hiérarchique? Quel est ton effet aléatoire? Ensuite, que veux-tu dire par "les deux modèles étaient significatifs"?

Ayana
avatar
Ayana

Nombre de messages : 452
Localisation : Londres
Date d'inscription : 18/08/2009

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: Regression: modèles significatifs, mais prédicteurs non!

Message par LTT le Mer 19 Avr 2017 - 12:08

Tout d'abord je te remercie beaucoup pour ta réponse.
J'ai 40 sujets répartis en 2 groupes (positif et neutre).
le coefficient de régression pour la variable induction est de .600 dans le 1er modèle et de .505 dans le 2ème modèle (B non standardisés). Je pense qu'ils sont similaires? Pour les Beta standardisés, il est de .319, respectivement .268 Si je regarde dans le tableau "Coefficients" fournis par SPSS, dans le 1er modèle cette variable induction est significative (p = .045), elle ne l'est plus dans le 2ème modèle (p =.09)

J'ai utilisé une régression hiérarchique suite à une remarque de mon superviseur, qui m'avait conseillé de regarder en 1er l'effet de l'induction de l'auto-efficacité (ma manipulation expérimentale: une induction soi positive, soi neutre) sur le niveau d'affect négatif (mesuré par des moyennes au questionnaire PANAS), et ensuite de voir si le sentiment d'auto-efficacité (mesuré par le score au questionnaire GSE) avait aussi une influence sur l'affect négatif (donc de faire une régression). En partant de là, j'ai pataugé et choisi ce test. Mais si tu me conseilles autre chose, je suis bien partante! Je galère en statistiques, donc toute idée est la bienvenue....

Pour finir, concernant les 2 modèles significatifs, j'ai regardé dans le tableau "Anova" fourni par SPSS, et les tests F étaient significatifs (modèle 1, p = .045; modèle 2, p = .040) J'en ai déduit qu'ils étaient significatifs...mais encore une fois, je ne suis pas une lumière sur le sujet Sad  
Si je regarde dans le tableau "model summary" sous change statistics sig. F change, le 1er modèle est significatif (p = .045), tandis que le 2ème ne l'est pas (p = .119). Du coup, je ne sais plus où regarder et n'en comprends encore moins....
Help Crying or Very sad

LTT

Nombre de messages : 19
Date d'inscription : 18/04/2017

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: Regression: modèles significatifs, mais prédicteurs non!

Message par Ayana le Mer 19 Avr 2017 - 13:17

Alors, en ce qui concerne le choix de la méthode, une régression linéaire multiple suffit si tu as deux groupes independants (positif vs neutre). Ensuite, quand tu parles de "modèle significatif", il s'agit du test qui regarde si l'ensemble des variables utilisées dans le modèle expliquent en partie la variabilité que tu observes sur ta variable dépendante. Dans ton modèle 1, tu n'as qu'une seule variable, donc la p-value associée à ta variable et la p-value de ce test sont les mêmes. En revanche, avec 2 variables, le test F te dit juste que l'ensemble de ces deux variables explique en partie la variabilité observée sur ta VD, mais ne te donne pas d'indication sur l'impact de chaque variable séparément. Voilà pourquoi ce p est relativement faible.
Ensuite, pour l'interpretation, ton coefficient change d'a peu pres 19% lorsque tu enleves la variable score de ton modele, ce qui est non négligeable. Si en plus c'est connu dans la littérature que le score au questionnaire est associé à la variable dépendante, je le laisserai dans mon modèle. Dans ton modèle 1, la p-value était proche de 5%, donc dans tous les cas, tu n'avais pas une très forte évidence d'association entre ta condition expérimentale et ta VD. L'effectif étant assez faible, il est très difficile de conclure ici, mais tu dois néanmoins rapporter les résultats du modèle 2.
Ayana
avatar
Ayana

Nombre de messages : 452
Localisation : Londres
Date d'inscription : 18/08/2009

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: Regression: modèles significatifs, mais prédicteurs non!

Message par c@ssoulet le Mer 19 Avr 2017 - 14:41

Il y a peut etre une explication toute simple, à toi de voir si elle tient la route cliniquement.

Comme ca, à la louche, je dirais qu'il me semble possible qu'il y ait une corrélation positive entre les 2 variables induction et GSE.

Dans ton modèle 1 tu testes uniquement l'induction. Ok, il y a effet.

Dans ton modèle 2 tu rajoutes dans ton modèle le GSE. Donc tu "ajustes" sur le GSE. Tu réponds donc à une question différente: à GSE constant, l'effet induction est il toujours présent ?

Si GSE et induction sont positivement corrélés, il est possible que tu masques l'effet en ajustant sur le GSE.

Bon, en fait je me rends compte que j'ai redit la même chose qu'ayana, avec d'autres mots... clown

c@ssoulet

Nombre de messages : 752
Date d'inscription : 05/05/2008

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: Regression: modèles significatifs, mais prédicteurs non!

Message par LTT le Mer 19 Avr 2017 - 17:52

Tout d'abord je vous remercie tous les deux pour vos réponses. C'est une aide très précieuse pour moi.

Pour répondre à cassoulet, avant de faire le test j'avais contrôlé les conditions d'application et les corrélations entre toutes les variables. Les deux VI corrèlent entre elles à -.206.
Quant à la corrélation avec la VD: l'induction corrèle à .319 avec l'affect négatif (PANAS), tandis que le score GSE corrèle à -.301 avec l'affect négatif. En somme, ces corrélations sont considérées assez faibles si j'interprète bien?
Je vais essayer de refaire le test ce soir avec une régression multiple standard et regarder si les résultats changent. Mais normalement il ne devrait pas y avoir de gros changements je crois non?


LTT

Nombre de messages : 19
Date d'inscription : 18/04/2017

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: Regression: modèles significatifs, mais prédicteurs non!

Message par LTT le Jeu 20 Avr 2017 - 7:51

alors j'ai refait le test en mode standard et effectivement j'ai obtenu les mêmes résultats.
Je vais donc interpréter les résultats de la façon suivante: pris dans la globalité, les modèles expliquent une partie de la variance de la VD, mais les coefficients de régression des VI étant non significatifs, les deux VI individuellement n'expliquent pas la variance de la VD. Ce résultat est probablement dû à un petit échantillon, ce qui engendre une puissance faible du test à trouver des résultats significatifs. Une autre explication pourrait être les corrélations faibles entre les VI et la VD.
Est-ce que j'interprète correctement si j'écris cela dans mon mémoire? Je ne suis pas de langue maternelle française, donc n'hésitez pas à me corriger s'il-vous-plait!
Et merci d'avance!

LTT

Nombre de messages : 19
Date d'inscription : 18/04/2017

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: Regression: modèles significatifs, mais prédicteurs non!

Message par Contenu sponsorisé


Contenu sponsorisé


Revenir en haut Aller en bas

Voir le sujet précédent Voir le sujet suivant Revenir en haut

- Sujets similaires

 
Permission de ce forum:
Vous ne pouvez pas répondre aux sujets dans ce forum