ANOVA

Bonjour à tous,

Je suis actuellement en L3 Psychologie et dans le cadre des mes études je suis amené à utiliser une Anova, mais n'étant pas très bon en stats j'éprouve des difficultés pour analyser et interpréter mes résultats. J'ai néanmoins essayé, le tableau montre que p n'est pas significatif mais le graphique montre qu'il y a une effet. Comment montrer qu'il y'a effectivement un effet d'interaction alors que p n'est pas significatif ?

Mon hypothèse: Les salariés les plus vieux ont une satisfaction au travail plus élevée que les salariés les plus jeunes et ce d'autant plus lorsque ce sont des hommes.

L'analyse de données que j'ai effectué:

Pas d’effet significatif que ce soit pour l’âge, le sexe ou l’interaction.
Néanmoins les hommes ont un score moyen légèrement supérieur à celui des femmes
F( 0,284)=

Hypothèse est nulle donc nous rejetons H1 pour accepter H0 puisque l’effet d’interaction n’est pas significatif

Le Score moyen pour le test de satisfaction au travail est de 70,46 (de 42 à 92) `
L’âge moyen est de 31,20 ans (de 17 à 57 ans)

L’analyse de données de la présente recherche indique que le score de satisfaction au travail vont de 42 à 92 pour les plus élevés.
Les différences entres les groupes (jeunes/âgés/homme/femme) n’est pas significative (F=0,284, dd=1, p= 0,596) On peut donc conclure que l’âge et le sexe n’ont pas d’effet sur la satisfaction au travail

Bonjour KyleG,

Je ne suis pas non plus expert en statistiques et je viens en général sur ce forum pour demander de l'aide plutôt qu'en donner, mais ton problème me semble être dans mes cordes (si je me trompe j'espère que les experts me corrigeront). Je ne sais utiliser que R, ce qui n'est pas ton cas il me semble, alors je ne pourrai pas te donner de conseils techniques.

Si ta valeur de p n'est pas significative, c'est par définition qu'il n'y a pas d'effet significatif de tes variables explicatives (l'age et le sexe) sur ta variable à expliquer (le score de satisfaction au travail). Cela signifie que les différences que tu peux observer entre les groupes (homme/femme, jeune/âgé) ne sont pas supérieures à des différences qui pourraient être observées complètement pas hasard (tu peux par exemple imaginer qu'on attribue au hasard les valeurs jeune ou âgé et homme ou femme à des individus et qu'on trace le même graphique). Si comme tu sembles le penser il y a effectivement un effet de ses variables, c'est que soit ta taille d'échantillon est trop faible (si tu n'as que 2 jeunes et 2 personnes âgées tu ne pourras pas conclure statistiquement à une différence entre ces deux groupes), soit la variabilité des scores de satisfaction au sein de chaque groupe est trop forte (ce qui résulte souvent à mon avis d'un nombre d'individus trop faible). Si tu as un nombre suffisant d'individus dans chaque groupe, alors je ne peux pas t'aider. (Peut-être une erreur de formule de ton modèle?)

Bon courage,
Marl

Je te remercie je comprends un peu mieux le cheminement de l'analyse, en fait c'est ma prof qui ne met d'aucune aide qui m'a simplement envoyé qu'elle voyait un effet d'interaction manifeste sur le graphique. J'ai utilisé le logiciel JASP et fait le tableau et le graphique l'un à la suite de l'autre. Pour moi à partir du moment où le p n'était pas significatif alors il n'y a pas d'effet d'interaction, de plus mon analyse te parait correct si on reste sur le fait qu'il n'y a pas d'effet ?

merci ^^

Bonjour,

Je ne connais pas non plus le logiciel JASP mais la sortie ANOVA est interprétable.
Si les pré-requis à l'ANOVA sont respectés, l'interprétation de la sortie est en effet que les 3 effets testés ne sont pas significatifs. De plus, la variance expliquée par chacun de ces 3 effets est très faible au regard de la variance résiduelle. Ce qui pourrait laisser penser que tes données sont très variables et/ou qu'un ou plusieurs autre effets (non testés ici) structurent tes données.

Concernant le graphe, il manque un peu d'explication. Je pars donc sur des suppositions. Les points représentés sont des moyennes. Dans ce cas il manque l'écart-type. De plus, si ton score est borné entre 0 et 100, tu pourrais refaire ton graphe avec l'axe des ordonnées borné de 0 à 100, et alors les différences que tu peux actuellement voir deviendraient très faible. L'axe des ordonnées est très important quand on représente les données car beaucoup trop de gens ne regardent que l'intérieur du graphe et non les valeurs, aboutissant parfois (souvent) à de mauvaises interprétations. Ici ta différence visible sur le graphe n'est que de 4 à 5 points alors que l'ANOVA te dit qu'il y a une forte variabilité de tes données.

HTH,
Bastien

Bonjour,

Je te remercie également pour ta réponse, et vais l'appliquer de suite pour le graphique. On est bien d'accord qu'il n'y a donc pas d'effet d'interaction significatif mais du coup que signifie que le fait que l'ANOVA montre une forte variabilité des données ?

Kylian

Bonjour,

Quand j'ai dit que l'ANOVA montre une forte variabilité des données, c'est en comparant la variance expliquée de tes effets et la variance résiduelle. Je ne peux pas t'en dire plus, vu que je ne connais pas tes données, ni leur origine. C'est une supposition vu que si tu ajustes une ANOVA avec des effets qui n'ont quasiment rien à voir avec ta réponse tu peux retrouver une sortie comme la tienne.

Pour apprécier la variabilité de tes données, je m'orienterais plus sur le graphe des moyennes avec les écart-types. Et si la variabilité qui en ressort est également élevée, alors tu peux retourner à l'origine de tes données (comment ont-elles été récoltées) pour essayer de comprendre d'où vient cette variabilité, sachant que certains paramètres sont connus comme étant très variable. Je ne serait pas très étonné si ta 'satisfaction au travail' en fasse partie puisque ça semble être une appréciation subjective d'une notion complexe, mais encore une fois je ne connais pas ton étude.

HTH,
Bastien

Bonjour,

je te remercie je vais regarder tout ça ^^

Kylian

On ne peut pas conclure que l'age et le sexe n'ont pas d'effet. Un test non significatif ne permet pas de conclure, tout simplement. De façon générale, la non significativité ne permet surtout pas de conclure à une absence d'effet. L'effet existe peut être mais tu n'as pas pu le mettre en évidence peut être a cause d'un plan expérimental inadapté, peut etre à cause d'un effectif trop faible, peut etre à cause d'une évaluation mal réalisée.... peut être à cause de plein de trucs... ou peut etre que l'effet n'existe réellement pas. Tu n'en sais rien.

Toutes ces variables psycho ont en commun une variabilité intra et interindividuelle énorme, ce qui entraine la nécessité d'un effectif très important pour mettre en évidence une éventuelle différence.

Normalement ca s'évalue AVANT de démarrer le travail: on calcule l'effectif en fonction de différentes hypothèses, on se débrouille pour recruter le nombre de sujets nécessaires, et là on peut aboutir à une vraie conclusion.

Malheureusement on voir beaucoup de mémoires ou ce travail préliminaire n'a pas été fait, soit par ignorance soit par "peur" du nombre de sujets à inclure, qui n'est souvent pas à la protée d'un travail d'étudiant.

Donc on fait sans, et à la fin on a un test non significatif dont on ne peut rien tirer, à part "dans mes conditions expérimentales, je ne peux rien conclure". C'est désagréable mais c'est comme ça et ça ne pouvait pas finir autrement.

Dans ce cas, la seule chose que tu puisse en tirer est d'aller disserter sur des tendances (non significatives) qui demanderaient à être confirmées par d'autres travaux. Quand tu décris des tendances, tu décris. Donc tu ne testes plus.