ANOVA et autres petites questions statistiques...

Bonjour a tous!
je suis actuellement etudiante en master de statistique et je debute en statistique "appliquée" j'aurais une question a vous poser:
etes vous d'accord avec moi lorsque je dis que:

lorsque l'on veut faire une ANOVA (en pratique) on test d'ABORD la normalité , si on n'a pas la normalité (on ne peut pas Tester l'homogeneite des variances) alors on fait un test de kurskall-wallis (qui va "remplacer" l'anova) , par contre si on a la normalité on va tester l'homogeneité des variances , si on a l'homogeneite des variances c'est parfait on fait notre anova , mais par contre si on n'a pas l'homogeneité des variances (on est toujours dans le cas ou on a la normalité , cf au dessus) on peut quand meme faire une "anova particuliere" on peut faire un test (le connaissez vous par hasard??). j'attends vos commentaires.

d'autre part pouvez vous m'expliquer ce qu'est un score (pour un test... ou une variable?) ? je suis en ce moment en phase "de comprehension" d'un programme SAS qui fait un test de kruskal-wallis , le programme sort un tableau (que j'ai mis en piece jointe) que j'ai du mal a analyser, je n'ai pas compris la presence d'un khi2.
quelqu'un pourrait m'aider?
04 comparaison moy.rtf

encore 1 petite question : qu'est ce que le poids d'une observation ou d'une variable? (poids egal ou different de 1) (j'ai un probleme quant a la comprehension de l'instruction "WEIGHT variable / zeros;" en SAS)

si vous avez besoin de plus de details n'hesitez pas a me contacter
merci d'avance

personne n'a d'avis sur la question?

Effectivement, pour faire une anova, il faut des variables ayant une distribution normale. Quant à l'homogénéité des variances, il est souvent dit que l'anova est suffisamment robuste pour pouvoir tolérer une différence entre les deux variables. Il y a quand même une part de discussion pour justifier l'emploi ou non de l'anova : par ex si l'on compare des poids au même âge, même si les variances sont différentes, j'aurais tendance à penser que la comparaison puisse se faire. Au pire, utiliser seulement un test de t qui utilise les deux variances (mais ne pourra pas tester les interactions entre groupes).

Pour le test de Kruskall-Wallis, c'est un test de rang. Le calcul donne une variable qui suit une loi de Khi deux à N-1 degrés de libertés (N nombre de groupes)

Pour éclaircir un peu ta question sur les poids. C'est sous stata. Les quelques lignes en Francais sont des remarques persos.



Choosing the Correct Weight Syntax

One of the most common mistakes made when analyzing data from sample surveys is specifying an incorrect type of weight for the sampling weights. Only one of the four weight keywords provided by Stata, pweight, is correct to use for sampling weights. The purpose of each type of weight follows.

Sampling or Probability weights: pweight

Stata has a special weight, pweight, to specify probability weights. Probability weights are another name for sampling weights. The pweight command causes Stata to use the sampling weight as the number of subjects in the population that each observation represents when computing estimates such as proportions, means and regressions parameters. A robust variance estimation technique will automatically be used to adjust for the design characteristics so that variances, standard errors and confidence intervals are correct.

Si pweight = 100 alors cette observation a la probabilité 1/100 d’être dans l’échantillon

Frequency Weights: fweight

Frequency weights are integers that indicate the number of times the observation was actually observed. It is used when your data set has been collapsed and contains a variable that tells the frequency each record occurred.

Par exemple si fweight = 127, stata va faire les calculs en imaginant qu’il y a 127 observations avec les memes valeurs de variables. Si on ne précise pas de poids, stata fait comme si fweight=1

Analytic Weights: aweight

Typiquement les observations représentent les moyennes et aweight= nombre d’éléments qui ont donné lieu à ces moyennes. Analytic weights are used when you want to compute a linear regression on data that are observed means.

Do not use aweights to specify sampling weights. This is because the formulas that use aweights assume that larger weights designate more accurately measured observations. Conversely, one observation from a sample survey is no more accurately measured than any other observation. Hence, using the aweight command to specify sampling weights will cause Stata to estimate incorrect values of the variance and standard errors of estimates, and p-values for hypothesis tests.

Importance Weights: iweight

Stata has a special weight command, iweight, which can be used by programmers who need to implement their own analytical techniques by using some of the available estimation commands. Special care should be taken when using importance weights to understand how they are used in the formulas for estimates and variance. This information is available in the Methods and Formulas section in the Stata manual for each estimation command. In general, these formulas will be incorrect for computing the variance for data from a sample survey.