COMMENT CALCULER UN COEFFICIENT DE CORRÉLATION (r)

CORRÉLATIO
N
 Quand et pourquoi faut-il calculer un
A
coefficient de corrélation
 Les étapes à suivre pour calculer le
B
coefficient r
 Comment analyser le résultat de ce
C
test avec SPSS
 Comment formuler les hypothèses du
D
test de signification du r
 Ce qu'il faut écrire dans l'analyse des
données de votre rapport final :

 Dans le tableau de résultats de

E
votre analyse + Exemple
 Dans le texte de votre analyse
+ Exemple

 Consulter l'arbre de décision

 Consulter les consignes de l'étape III
 

 
 
A QUAND ET POURQUOI FAUT-IL CALCULER UNE CORRÉLATION (r) ?
 Quand ? Si votre recherche comporte une variable indépendante
quantitative (X) et une variable dépendante quantitative (Y).
 Pourquoi calculer un coefficient de corrélation ?
o Pour établir l'existence d'une lien entre X et Y.
o Pour mesurer la force ou l'intensité de ce lien.
o Pour inférer l'existence d'une corrélation au sein de la population (r
+ test de signification de la pente).

 
 
B LES ÉTAPES À SUIVRE POUR CALCULER UNE CORRÉLATION
1. Ouvrez votre matrice de données SPSS.
2. Choisir ensuite le menu ANALYSE + CORRELATION + BIVARIÉE.

3. Une fenêtre s'ouvre...

4. Au moyen des flèches choisir les deux variables que vous souhaitez
analyser.
5. Notez que le coefficient de corrélation de Pearson est déjà coché (par
défaut).
6. Cliquez sur OK.
7. Une fenêtre s'ouvre...
 8. Voici le résultat de votre test de corrélation, gracieuseté de SPSS.

 
 
C COMMENT ANALYSER LE RÉSULTAT D'UNE CORRÉLATION (r)
 Dans l'analyse d'une corrélation, il y a deux données importantes :
1. Le résultat du test de corrélation ou Corrélation de Pearson (r), ici
0,179 (voir tableau ci-bas).
2. La valeur de p du test de la pente ou Sig. (bilatérale), dans ce
cas-ci 0,345.

o Le premier résultat - 0,179 - mesure le degré de liaison linéaire

entre les variables dépendante (Y) et indépendante (X) de votre
échantillon.
o Rappelons que 0 équivaut à une absence de lien, alors que 1
constitue un lien parfait entre X et Y.
o Le signe + signifie que la relation entre X et Y est proportionnelle;
 quand X augmente (ou diminue), Y augmente (ou diminue).
o Le signe - signifie que la relation entre X et Y est inversement
proportionnelle; quand X augmente (ou diminue), Y diminue (ou
augmente).
o Par convention, on dira que la relation entre X et Y est :
1. parfaite si r = 1
2. très forte si r > 0,8.
3. forte si r se situe entre 0,5 et 0,8.
4. d'intensité moyenne si r se situe entre 0,2 et 0,5.
5. faible si r se situe entre 0 et 0.2.
6. Nulle si r = 0
o Il convient de noter que ces qualificatifs (intensité forte, moyenne
ou faible) ne sont utilisés dans le texte qu'au fin de comparaison,
et non dans le but de remplacer le résultat chiffré du test qui, faut-
il le dire, est une mesure bien plus précise que les mots.

 
 
FORMULER LES HYPOTHÈSES DU TEST DE SIGNIFICATION DE LA
D
PENTE
 Le second résultat - 0,345 - est obtenu au moyen d'un test d'hypothèse.
 Ce test - le test de signification de la pente ou du r - permet de
décider si ce lien - ici 0,179 - est significatif, autrement dit si la
corrélation observée entre X et Y (= votre échantillon) existe bel et bien
au sein de la population à l'étude.
 Dans la logique d'un test d'hypothèses, il y a toujours deux hypothèses
statistiques.
 La première - l'hypothèse nulle ou Ho - est, comme son nom l'indique,
une hypothèse qui postule que la relation entre X et Y est due au hasard,
autrement dit qu'il n'y a pas de relation entre X et Y (nulle= absence de
relation).
 La seconde - l'hypothèse alternative ou H<>1 - correspond
habituellement à l'hypothèse de votre recherche. Contrairement à
l'hypothèse nulle, cette hypothèse suggère que la relation entre X et Y ne
peut être attribuée au hasard; il existe donc un lien entre X et Y au sein
de la population.
 Notez hypothèse nulle :  r = 0 et hypothèse alternative : r <> 0.
 Rappelons qu'en sciences humaines le seuil de signification est de 0,05.
 Si votre Sig. ou valeur de p est supérieure à 0,05, vous devez accepter
l'hypothèse nulle et conclure que la corrélation observée entre X et Y est
due au hasard.
 Si votre Sig. ou valeur de p est inférieure à 0,05, vous devez rejeter
l'hypothèse nulle et conclure qu'une corrélation entre X et Y existe bel et
bien au sein de la population.

 
 
E CE QU'IL FAUT ÉCRIRE DANS VOTRE RAPPORT FINAL
 Dans le tableau de l'analyse de données de votre rapport final, il faut
inscrire dans l'ordre les quatre informations suivantes :
1. Le nombre (n=) de participants, dans ce cas-ci = 30.
2. Le r de Pearson, ici 0,179.
3. La Valeur de p ou Sig. (bilatérale) où p = probabilité de
commettre l'erreur alpha. Dans cet exemple = 0,345.
4. Un astérisque - * - si et seulement si la valeur de p de votre test
est inférieure à 0,05 % donc résultat significatif.

 Voici un exemple de tableau de données :

  Tableau 1
Relation entre la scolarité des
Titre --» participants et leurs revenus annuel.
Variable Valeur <0,0
n= r
s de p 5 = *
Scolarité
Analyse principale (en
 
--» année) 0,17
30 0,345  
Revenu 9
annuel
en $

 Pour plus de détails, voir Comment faire un tableau.

 Dans le texte de l'analyse de données de votre rapport final, vous devez

inscrire entre parenthèses les 2 informations suivantes, dans l'ordre :
 1. Le coefficient de corrélation ou r=, ici 0,179.
2. Le Sig. ou la valeur de p = soit la probabilité de commettre
l'erreur alpha. Ici 0,345.

o Voici un exemple de ce qu'il faut écrire votre analyse de

données :

   
Exempl  d'analyse de données d'une
e corrélation
 
 

L'analyse des données de la présente recherche

  montre qu'il n'existe aucune relation entre la
scolarité des participants et leur revenu annuel
(r= 0,179, p = 0,345). Et ainsi de suite pour les
autres variables...

 Il convient de noter que cet exemple n'illustre qu'un seul indicateur;

votre recherche en compte probablement plus.
 Attention : Les couleurs - rouge, bleu, blanc - et les caractères gras de
cette page sont utilisés pour attirer votre attention; il est donc inutile de
les reproduire dans votre rapport final.