Comparaison de méthodes

Bonjour,

Afin de comparer deux méthodes, j'ai éffectué deux séries de mesures sur n échantillons (n = 100) --> une série par méthode.
J'obtiens donc n valeurs pour chacune des méthodes, soit une colonne X de 100 valeurs et une colonne Y de 100 valeurs.

J'aimerai comparer ces deux méthodes pour montrer qu'elles donnent des résultats équivalent, avec une technique statistique autre qu'une simple comparaison de variance ou moyenne.
J'avais penser afficher X en fonction de Y et monter que l'ordonnée à l'origine est non significativement différent de 0 et que la pente est non significativement différente de 1, mais les tests effectués ne semblent pas être concluants (et on trouve de tout sur le net à ce sujet...).

Ma question est la suivante, peux t'on faire ce genre de chose ? et si oui, quelle est la technique la plus adaptée ?

D'avance merci pour les pistes que vous pourrez me fournir !

Bonsoir,

J'aimerai comparer ces deux méthodes pour montrer qu'elles donnent des résultats équivalent, avec une technique statistique autre qu'une simple comparaison de variance ou moyenne.

Si c'est la méthode adéquate, pourquoi la rejeter? Si tes deux distributions sont normales, un test Z de comparaison de moyennes permettra de comparer les distributions.

J'avais penser afficher X en fonction de Y et monter que l'ordonnée à l'origine est non significativement différent de 0 et que la pente est non significativement différente de 1

La régression permet d'expliquer l'effet d'une variable sur une autre. Ici tes deux méthodes mesurent la même chose donc on ne peut pas expliquer l'une en fonction de l'autre.

Peut-être que si tu détailles un peu plus ton problème, on pourra proposer mieux.

Ayana

Si c'est la méthode adéquate, pourquoi la rejeter? Si tes deux distributions sont normales, un test Z de comparaison de moyennes permettra de comparer les distributions.

Adéquate c'est un grand mot... Disons que c'est la seule qui me vient en tête... Les comparaisons de méthodes sont un sujet complexe je pense, et l'utilisation d'un test z me paraissait un peu "simpliste".

Peut-être que si tu détailles un peu plus ton problème, on pourra proposer mieux

L'objectif est de dire la méthode 2 donne les mêmes résultats que la méthode 1 ou la méthode 2 ne donne pas de résultats différents de la méthode 1.

Exemple de 10 mesures :
- méthode 1 : 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.0
- méthode 2 : 0.9 2.1 3.1 3.9 5.0 6.2 7.3 7.9 8.8 10.0

Merci pour vos réponses.

Bonjour,

Comme te l'indique Ayana, tes données ne semblent pas pouvoir te permettre d'aller plus loin que la comparaison de moyenne (pour laquelle il faut avant tout vérifier l'hétéroscédasticité et pas vraiment la normalité). Si tu voulais comparer plus finement tes méthodes il fallait organiser/préparer autrement tes données.

Nik

Oui, car si le but était de comparer deux méthodes (de mesures?), il aurait été plus logique, si ça colle avec la problématique, d'utiliser les deux méthodes sur les mêmes "individus" et de calculer ensuite un coefficient de corrélation intraclasse pour juger de la concordance entre les deux mesures.

Comme te l'indique Ayana, tes données ne semblent pas pouvoir te permettre d'aller plus loin que la comparaison de moyenne (pour laquelle il faut avant tout vérifier l'hétéroscédasticité et pas vraiment la normalité). Si tu voulais comparer plus finement tes méthodes il fallait organiser/préparer autrement tes données.

organiser/préparer autrement tes données ? C'est à dire ?

Oui, car si le but était de comparer deux méthodes (de mesures?), il aurait été plus logique, si ça colle avec la problématique, d'utiliser les deux méthodes sur les mêmes "individus" et de calculer ensuite un coefficient de corrélation intraclasse pour juger de la concordance entre les deux mesures.

Si les mêmes individus signifient les mêmes échantillons, alors c'est la cas.
Dans l'exemple, les mesures ont été effectuées sur les mêmes 10 échantillons. Les deux méthodes donnent des résultats très proches, mon idée était de comparer ces deux méthodes pour dire que les résulats n'étaient pas significativement différents.

Ah! Donc si ce sont les mêmes, il s'agit de données appariées. Le plus simple est de calculer pour chaque individu la différence de ses valeurs pour les 2 méthodes, et de comparer la moyenne des différences à 0, ou de calculer le coefficient de corrélation intraclasse et voir s'il est proche de 1.

Ayana a écrit:Ah! Donc si ce sont les mêmes, il s'agit de données appariées. Le plus simple est de calculer pour chaque individu la différence de ses valeurs pour les 2 méthodes, et de comparer la moyenne des différences à 0, ou de calculer le coefficient de corrélation intraclasse et voir s'il est proche de 1.

Merci pour votre réponse.

Comparer la moyenne des résidus par rapport à zéro, je vois comment faire, et un le test d'hypothèse devrait me dire que ce n'est pas significativement différent de 0. Je me pose juste la question de la pertinence d'un tel test dans mon cas... N'y aurait il pas mieux à faire ?

Concernant le coefficient de corrélation, à partir de quelle valeur puis je considérer que les méthodes sont comparables ?

Bonjour.

Si une méthode donne systématiquement le double de l'autre, le coefficient de corrélation vaut 1. Les diras-tu comparables ?

Si tu veux tenir compte de la taille de la valeur mesurée, tu peux travailler avec des erreurs relatives, mais ce qui fait que des méthodes de mesures sont comparables, c'est que la différence est faible.

Cordialement.