Comment analyser ces données receuillies ?

Bonjour à tous,

Dans le cadre de mon mémoire de psychologie, je dois faire une analyse statistique des données que j'ai amassé. Seulement, je ne sais pas dans qu'elle direction aller, je sollicite donc votre aide à ce sujet afin que je puisse au moins savoir ou chercher.
J'ai réalisé une étude de 63 personnes scindés en 4 groupes de 20 personnes. Mon thème est "la menace du stéréotype".

1 groupe contrôle femme
1 groupe contrôle homme
1 groupe femme en situation de MDS
1 groupe homme en situation de MDS

MDS = menace du stéréotype

Voici mes hypothèses :
- Ha : Il n'y a pas de différence significative au niveau des résultats obtenus au test entre les hommes du groupe contrôle et les homme en situation de MDS
- Ha1 : Les hommes en situation de MDS auront un score inférieur aux homme du groupe contrôle

- Hb : Il n'y a pas de différence significative au niveau des résultats obtenus au test entre les femmes du groupe contrôle et les femmes en situation de MDS
- Hb1 : Les femmes en situation de MDS auront un score inférieur aux femmes du groupe contrôle

- Hc : Les hommes du groupe contrôle auront un moins bon score au test que les femmes du groupe contrôle
- Hd : Les hommes du groupe en situation de MDS auront un moins bon score au test que les femmes en situation de MDS

Le test en question est divisé en 3 taches : attraper/ calculer/ vérifier. On se retrouve donc avec 3 scores à chaque fois et le score brut (SB) de la performance total qui est calculé sur la performance moyenne des 2
catégories de tâches ayant obtenu les moins bons résultats au cours du test. Par exemple :
Participant 1 : 52/27/29 . SB = 28
Participant 2 : 52/11/18 . SB = 14.5

Voilà, j'espère avoir été clair. Je suis censé utiliser Spss pour mon étude également mais le logiciel m'est inutile si je ne sais même pas quel test faire.

Je vous remercie pour l'attention que vous porterez à mon message.

Bonjour

En fait tu as quatres variables :
- la variable X qui est qualitative : soit tu es dans le groupe 1 ou 2 (donc dans ton cas c'est le groupe contrôle et le groupe testé).
- la variable Y1 : le score : "attraper"
- la variable Y2 : le score : "calculer"
- la variable Y3 : le score : "calculer".

D'habitude, on a deux groupes, et on cherche à savoir si la moyenne  et la variance de Y dans ces deux groupes sont égales. Pour ce faire, on utilise classiquement un test de Student (sous réserve d'avoir vérifié la normalité et homoscédasticité (variances =) des données).

Là tu as 3 variables, le problème devient multidimensionnel. Sans rentrer dans les détails mathématiques, il faut vérifier si la moyenne de Y1 dans chaque groupe est statistiquement égale. Mais vérifier en même temps que la moyenne de Y2 dans chq groupe est égale et ainsi de suite. (Sous réserve que ce soit gaussien).

Pour faire ceci, j'utiliserai un test Hotelling qui est une généralisation du test de Student.

Bonne journée (aucune idée comment faire ça sur Spss)

P.S. : je vois que tu parles ''auront un moins bon score", je pense qu'il doit être assez simple SPSS de préciser que tes moyennes dans le groupe 1 sont supérieures à celles du groupe 2.


Je vous conseille de regarder : https://eric.univ-lyon2.fr/~ricco/cours/cours/Comp_Pop_Tests_Parametriques.pdf

Bonjour,

Merci pour ta réponse. J'ai globalement compris et je vais jeter un œil au doument pdf.

Cependant, je comptais plutôt comparer les scores d'une même catégorie entre eux. Par exemple, les scores brutes des hommes du groupe contrôle et ceux du groupe en MDS ou encore les scores "attraper" des hommes avec ceux des femmes.

Présenté ainsi, le traitement est différent, non ?

C'est pas faux de faire plein de petits tests de student/wilcoxon pour comparer le groupe 1 et le groupe 2 sur une même question.

Le problème c'est que tu vas devoir en faire 3 pour chacun de tes problèmes ...


En tout tu vas faire environ 20 tests. Tu vas augmenter ton risque de te tromper (c'est à dire de rejeter l'hypothèse nulle d'un test alors que tu n'aurais pas du !).

La solution c'est de prendre un autre niveau que alpha = 0.05 et de le diminuer (par exemple 0.05/20 ou une procédure plus adaptée : Holm-Bonferroni).


Personnellement je ne ferai surtout pas ça, moins on fait de tests et mieux c'est.

Bonjour,

Voici ma feuille de calcule finale (je poste des photos car je ne trouve pas comment joindre le fichier excel.



Je me retrouve avec :
15 sujets dans le groupe contrôle (c) femmes
14 sujets dans le groupe contrôle (c) hommes
15 sujets dans le groupe en condition de menace (MDS) femmes
14 sujets dans le groupe n condition de menace (MDS) hommes

Mes hypothèses principales sont :
- h0 : Il n'y a pas de différence significative entre les sujets du groupe C et les sujets du groupe MDS
- h1 : Il y a une différence significative entre les sujets du groupe C et les sujets du groupe MDS

Je me suis renseigné un peu, j'ai vu que l'anova me permettait de tester ces hypothèses et aussi que grâce à l'utilisation de contrastes, je pouvais répondre aux autres hypothèses :

- Ha : Il n'y a pas de différence significative au niveau des résultats obtenus au test entre les hommes du groupe contrôle et les homme en situation de MDS
- Ha1 : Les hommes en situation de MDS auront un score inférieur aux homme du groupe contrôle

- Hb : Il n'y a pas de différence significative au niveau des résultats obtenus au test entre les femmes du groupe contrôle et les femmes en situation de MDS
- Hb1 : Les femmes en situation de MDS auront un score inférieur aux femmes du groupe contrôle

- Hc : Les hommes du groupe contrôle auront un moins bon score au test que les femmes du groupe contrôle
- Hd : Les hommes du groupe en situation de MDS auront un moins bon score au test que les femmes en situation de MDS


J'aimerai savoir si c'était actuellement envisageable. Je pense avoir trouvé des tutos sur youtube pour l'anova avec spss.

Encore merci pour vos réponses

Si tu veux appliquer une anova, qu'est-ce qui est la variable à expliquer ?

Car dans le modèle de l'anova tu as : Y une variable quantitative et un X (ou plusieurs) variable qualitative.

Si X prend les modalités : "a", "b" ou "c". On souhaite savoir si La moyenne des Y dans la population "a" "b" et "c" est la même.

Ce n'est pas le cas ici. Tu as 3 variables continues et une variable qualitative. Si tu tiens absolument à utiliser une sorte ''d'anova", il faut utiliser la MANOVA car tu as plusieurs Y (multivariate anova). Ce n'est pas un outil statistique simple à comprendre pour les non statisticiens. Bonne chance

La variable ici est "scales_mt_tscore" c'est à dire le score au test ( à la base ce score est divisé en 3 petits scores comme je l'ai dit dans mon premier message mais je me suis rendu compte que c'était préférable de n'utiliser que le score finale pour mon étude).

Normalement si je ne dis pas de bêtises, je me retrouve avec :
- Variables qualitatives : sexe et groupe d'appartenance (mds/c)
- Variable quantitative  : score au test

Faire une moyenne c'est toujours beaucoup moins précis que prendre en compte les trois valeurs.

Mais si vous souhaitez faire ça. Un simple test de Wilcoxon suffit (ou T-test si les données sont gaussiennes).

Bonne chance

Je comprends pour la précision.

Cela signifie donc que pour chacun de mes groupes d'hypothèses, je devrais faire un test de Wilcoxon ou t-test ? (et donc 4 tests) ?

J'ai également cru voir que le t-test n'était conseillé qu'a partir d'un échantillon n>= 30.

C'est vraiment cool de te part de me répondre aussi rapidement.

Il est conseillé qu'à partir de n=30 tout simplement car il faut que les données soient distribuées selon une loi normale. Et de façon classique on considère que l'on peut "capter" la normalité d'un échantillon si n>30.

Pour vérifier si tes données sont gaussiennes, on fait un test non paramétrique de Shapiro-Wilk


Par exemple pour Ha : Il n'y a pas de différence significative au niveau des résultats obtenus au test entre les hommes du groupe contrôle et les homme en situation de MDS

Tu fais un test de Wilcoxon entre les hommes du groupe contrôle et ceux du MDS sur le score (celui que tu as moyenné), tu obtiens une p-value.


Et tu fais ça à chaque fois. Je pense que même si ce n'est pas optimal, tente un test de Shapiro-Wilk pour voir si tu peux faire un test de Student (il faut également vérifier après l'égalité des variances par un test de Bartlet, qui lui même demande que les données soient gaussiennes) ...

Si je me réfère à la feuille de calcul final que tu joins ci-dessus aujourd'hui à 10h34, ce que tu cherches est s'il existe des différences significatives du score (variable scales_mt_tscore) en fonction du groupe (contrôle ou MDS) et du sexe (H ou F), sachant que tu as trois situations que tu mesures (attraper, calculer, vérifier). D'après ta première demande, tu calcules en fait un score synthétique qui est la moyenne des trois scores et c'est celui-ci que tu analyses. Si c'est vraiment le cas, tu n'as qu'un seule solution pour répondre à tes questions, utiliser une Anova à deux facteurs et des tests post-hoc.

Si tu est en plus intéressé par analyser les scores de chacune des situations et les comparer, alors il te faut utiliser une Manova sous sa forme classique ou, ce qui se fait de plus en plus, transformer tes données en ajoutant deux nouveaux facteurs, un facteur condition et un facteur sujet, et en ayant qu'une variable dépendante score et utiliser une approche Anova à modèle mixte avec comme facteur aléatoire le facteur sujet.

Comme le suggère AdrienC, on peut aussi utiliser une série de tests individuels, mais il faut savoir que ce n'es pas très efficace et entraîne une perte de puissance. Quant à la valeur 30, c'est une valeur théorique que l'on retrouve dans la littérature mais on tolère en général d'aller bien au-dessous et une moyenne de 15 sujets par groupes est considérée dans la majorité des cas comme acceptable, d'autant que l'Anova est assez robuste face à la non normalité des données. Pour te rassurer, tu peux tester a posteriori ton analyse utilisant les outils adéquats (analyse des résidus, droite de Henry, recherche de points influents/aberrants :leverage, distance de Cook, ...)

Florent Aubry a écrit:Si je me réfère à la feuille de calcul final que tu joins ci-dessus aujourd'hui à 10h34, ce que tu cherches est s'il existe des différences significatives du score (variable scales_mt_tscore) en fonction du groupe (contrôle ou MDS) et du sexe (H ou F), sachant que tu as trois situations que tu mesures (attraper, calculer, vérifier). D'après ta première demande, tu calcules en fait un score synthétique qui est la moyenne des trois scores et c'est celui-ci que tu analyses. Si c'est vraiment le cas, tu n'as qu'un seule solution pour répondre à tes questions, utiliser une Anova à deux facteurs et des tests post-hoc.

C'est exactement ce que je souhaite faire. J''ai donc fouillé un peu sur le net et j'ai pu obtenir ce résultat :


Si j'interprète correctement, nous avons :
- p=0.848 ce qui est supérieur à 0.05 donc on ne rejette pas l'hypothèse > Le groupe n'a pas d'effet sur le score au test
- p=0.001 ce qui est inférieur à 0.05 donc on rejette l'hypothèse > le sexe n'a pas d'effet sur le score au test
- p= 0.957 ce qui est supérieur à 0.05 donc on ne rejette pas l'hypothèse > l'interaction entre sexe et le groupe n'a pas d'effet sur le score au test

Par contre, pour les post hoc, je n'ai aucune idée de ce que je dois faire

Tu as écrit :

p=0.001 ce qui est inférieur à 0.05 donc on rejette l'hypothèse > le sexe n'a pas d'effet sur le score au test

. Je pense que tu as fait une erreur de frappe. En effet puisque p=0.001 tu rejettes bien l'hypothèse nulle au niveau 5%. Cette hypothèse nulle étant l'absence d'effet du sexe, donc le sexe a un effet significatif sur le score.

Maintenant, il ne te restes plus qu'à tester tes autres hypothèses. Je ne connais pas SPSS, utilisant R, mais je suppose qu'il existe une procédure équivalente à lsmeans de R ou LSMEANS de SAS.

N.B. : étant donné tes hypothèses testés, je te conseilles plutôt d'utiliser une somme des carrés de type II.

Bonjour,

Je viens aux nouvelles. Je n'ai pas pu trouver de solutions à mon problème de post hoc donc je vais changer mon fusil d'épaule.
Je vais traiter les groupes 2 à 2 en faisant une anova à 1 facteur.
( Groupe femme mds/c , voir la différence entre les moyennes et le sens de cette différence)
(Groupe homme mds/c, idem)

L'anova à deux facteur me permettra de voir le lien entre les deux, du moins je l'espère.

Je vous remercie énormément pour votre participation à ce sujet. Vous m'avez vraiment aidé et pratiquement sauvé mon mémoire.