lien entre deux variables quantitatives (étude psychologie)

Bonjour,

Je suis étudiante en licence de psychologie, je dois écrire un article scientifique au sujet d'une problématique de mon choix, imaginer les expériences que je pourrais faire et les tests statistiques à faire pour exploiter mes données. C'est donc un travail uniquement théorique.

J'ai choisi d'étudier la relation entre la disposition à la gratitude et les dimensions de l'ouverture émotionnelle chez le personnel soignant.

En effet, des études montrent que les personnes disposées à la gratitude ressentent un plus grand accomplissement personnel au travail qui est une des dimensions protectrices du burn out. Parallèlement à cela le modèle de l'ouverture émotionnelle a fait le lien entre certaines dimensions de l'ouverture émotionnelle (plus ou moins présentes) et l'accomplissement personnel. On a un "profil" d'ouverture émotionnelle correspondant à l'accomplissement personnel.

Mon hypothèse est donc que les personnes disposées à la gratitude ont le même profil d'ouverture émotionnelle que les personnes ressentant l'accomplissement personnel au travail.

Expérience imaginée:
J'ai pris un échantillon de 300 personnes, hommes et femmes, de professions différentes (tous soignants) et de tout âge.
Je leur propose de remplir deux questionnaires:
- Un questionnaire mesurant leur disposition à la gratitude (donnant un score final appelé A).
- Un questionnaire comportant 5 sous-parties mesurant les 5 dimensions de l'ouverture émotionnelle (donnant pour chaque dimension un score B1, B2, B3, B4 et B5).

Exploitation des données:
Je souhaite donc réaliser une étude statistique pour voir s'il y'a une corrélation entre le score A et les scores B1, B2, B3, B4 et B5.

Je n'ai que des variables quantitatives que je souhaite comparer donc je pense qu'il faut faire une corrélation de Spearman (test non paramétrique) ou une corrélation de Pearson (paramétrique). Est-ce que c'est correct?
Dans ce cas théorique sans données réelles comment savoir s'il faut faire un test paramétrique ou non paramétrique? (qu'est-ce qui est le plus probable?)

Merci de bien vouloir m'aider.

Voir Cette discussion

Le problème est d'étudier simultanément le lien entre A et les 5 variables B1 à B5. Vous êtes donc dans une problèmatique de régression multiple, qui sera largement plus riche que de tester les 5 corrélations séparément.

Le problème du choix entre paramétrique et non-paramétrique dépend de la loi de distribution du paramètre A. Vous ne dites rien sur ce paramètre, sauf qu'il est quantitatif. Il est difficile de vous aider d'avantage sans des informations plus précisess sur ce point.

Cordialement, Eric.

Eric Wajnberg a écrit:Le problème est d'étudier simultanément le lien entre A et les 5 variables B1 à B5. Vous êtes donc dans une problèmatique de régression multiple, qui sera largement plus riche que de tester les 5 corrélations séparément.

Le problème du choix entre paramétrique et non-paramétrique dépend de la loi de distribution du paramètre A. Vous ne dites rien sur ce paramètre, sauf qu'il est quantitatif. Il est difficile de vous aider d'avantage sans des informations plus précisess sur ce point.

Cordialement, Eric.

Bonjour, merci pour votre message. Je ferai des recherches sur les régressions linéaires car nous n'avons pas vu ce test en cours mais effectivement il est souvent mentionné dans les articles que j'ai lus mais avec plusieurs variables dépendantes et indépendantes donc je pensais que quelque chose de plus simple était possible dans ma situation avec une seule variable dépendante.

Concernant le paramètre A il s'agit d'un score allant de 0 à 4 pour mesurer la disposition à la gratitude suite à la passation d'un questionnaire (qui existe réellement: c'est le Gratitude Questionnaire 6 items (GQ-6) ).

Merci.

Vox974 a écrit:
Bonjour, merci pour votre message. Je ferai des recherches sur les régressions linéaires car nous n'avons pas vu ce test en cours mais effectivement il est souvent mentionné dans les articles que j'ai lus mais avec plusieurs variables dépendantes et indépendantes donc je pensais que quelque chose de plus simple était possible dans ma situation avec une seule variable dépendante.

Vous pouvez effectivement traiter chaque variable explicative séparément, mais vous perdez ainsi l'effet combiné possible de plus qu'une variable (que l'on nomme interaction, en statistique).

Vox974 a écrit:
Concernant le paramètre A il s'agit d'un score allant de 0 à 4 pour mesurer la disposition à la gratitude suite à la passation d'un questionnaire (qui existe réellement: c'est le Gratitude Questionnaire 6 items (GQ-6) ).

Les notes (ici de 0 à 4) ne sont par définition pas gaussienne. Il est par définition compliqué de traiter des données sous forme de notes. On bien on s’appuie sur la robustesse (connue) de la régression qui fonctionne encore assez bien si on s'écarte du schéma gaussien, ou bien on considère l'information correspondante comme qualitative à 5 modalités que l'on compare. Mais, ce faisant, on perd l'information d'ordre dans les notes. Je n'ai pas d'autres idées pour le moment (une corrélation de Speaman en prenant chaque variable explicative séparément ne va pas être très puissante à détecter des effets avec juste 5 modalités..).

HTH, Eric.

Eric Wajnberg a écrit:

Vox974 a écrit:
Bonjour, merci pour votre message. Je ferai des recherches sur les régressions linéaires car nous n'avons pas vu ce test en cours mais effectivement il est souvent mentionné dans les articles que j'ai lus mais avec plusieurs variables dépendantes et indépendantes donc je pensais que quelque chose de plus simple était possible dans ma situation avec une seule variable dépendante.

Vous pouvez effectivement traiter chaque variable explicative séparément, mais vous perdez ainsi l'effet combiné possible de plus qu'une variable (que l'on nomme interaction, en statistique).

Vox974 a écrit:
Concernant le paramètre A il s'agit d'un score allant de 0 à 4 pour mesurer la disposition à la gratitude suite à la passation d'un questionnaire (qui existe réellement: c'est le Gratitude Questionnaire 6 items (GQ-6) ).

Les notes (ici de 0 à 4) ne sont par définition pas gaussienne. Il est par définition compliqué de traiter des données sous forme de notes. On bien on s’appuie sur la robustesse (connue) de la régression qui fonctionne encore assez bien si on s'écarte du schéma gaussien, ou bien on considère l'information correspondante comme qualitative à 5 modalités que l'on compare. Mais, ce faisant, on perd l'information d'ordre dans les notes. Je n'ai pas d'autres idées pour le moment (une corrélation de Speaman en prenant chaque variable explicative séparément ne va pas être très puissante à détecter des effets avec juste 5 modalités..).

HTH, Eric.

Merci. Il est important pour moi de garder l'ordre dans les scores donc je pense que je vais garder la régression linéaire en justifiant ce choix par rapport à d'autres tests. Le plus important pour moi est que ce soit cohérent dans la démarche même si les résultats statistiques sont très limités.

Merci beaucoup.