Comparer proportion données appariées

Bonjour,

Je cherche à comparer la proportion de consommateur d'un produit X avant et après afin de savoir si le nombre de consommateur avant est statistiquement différent au nombre de consommateur après. Le test de Mc Nemar était la solution parfaite mais n'est pas applicable (b+c<10).
Existe-t-il un autre test pour savoir si la proportion de consommateur avant est statistiquement différente à celle de après ?
Une comparaison de la différence (avant-après) à 0 au seuil de 5% par un test exact de Fisher pourrait-être une solution ?
Si oui je ne suis pas sûr de bien comprendre cette technique et/ou la création du tableau de contingence. Pourriez-vous m'éclairer.

Merci par avance.
Joffrey

Il y a plusieurs solutions, je pense. Celle que j'adopterais serait de faire une régression logistique en testant l'effet "avant/après" et en hiérarchisant cet effet dans l'effet "individu". Je n'ai jamais fait ça avant, mais ça devrait fonctionner. Une alternative est d'utiliser un modèle linéaire généralisé mixte (GLMM), encore dans le cadre binomial (régression logistique) avec la même philosophie, mais en mettant l'effet individu comme facteur aléatoire.

HTH, Eric.

Merci Eric pour ta réponse. Le problème c'est que toutes mes analyses restent dans de la comparaison. Je m'explique, je fais tout le long des comparaison en utilisant du Khi2 ou du Fisher exact je ne vais pas plus loin (pas de modèle multivarié) et utiliser ce type d'analyse sort malheureusement de ce que je peux utiliser (continuité des analyses pour la rédaction de mon mémoire). C'est pourquoi j'aimerai utiliser autre chose.

jojo33 a écrit:Merci Eric pour ta réponse. Le problème c'est que toutes mes analyses restent dans de la comparaison. Je m'explique, je fais tout le long des comparaison en utilisant du Khi2 ou du Fisher exact je ne vais pas plus loin (pas de modèle multivarié) et utiliser ce type d'analyse sort malheureusement de ce que je peux utiliser (continuité des analyses pour la rédaction de mon mémoire). C'est pourquoi j'aimerai utiliser autre chose.

Ce que je propose reste aussi "dans de la comparaison".

Par ailleurs, la solution que je propose n'est pas un "modèle multivarié". Il n'y a toujours qu'une seule variable mesurée.

Enfin, ma réponse correspond bien à votre "C'est pourquoi j'aimerai utiliser autre chose".

Je n'ai pas d'autres solutions à vous proposer. Je ne sais pas rester dans des Fisher exact et tenir compte de la non-indépendance des données.

Désolé,

Eric.

Bonjour,

Mes 2c...

continuité des analyses pour la rédaction de mon mémoire

A mon avis ce genre de position est mauvaise quand elle devient dogmatique. Donc il vaut mieux devoir intégrer un autre type d'analyse si cela s'avère pertinent par rapport aux contraintes imposées par les données que de faire un test "compatible avec la démarche stat adoptée" mais qui sera faux.

Nik

Bonjour,

Je partage l'avis d'Eric. Un modele logistique mixte (c'est a dire avec un effet aleatoire) permet de comparer avant/apres (et obtenir la p-value correspondante) tout en tenant compte de la correlation. Sans passer par de la modelisation, je ne vois pas d'autre alternative.

Ayana