CORRELATION DE PEARSON

Said El Hassani
 OBJECTIF DE LA PRESENTATION

Présenter la logique du test du coefficient de

corrélation de PEARSON
Apprendre à réaliser ce test sous SPSS
Interpréter les résultats du test de corrélation
Présenter les limites du test de corrélation
Générer diagramme de corrélation / dispersion

Said El Hassani
 Définitions

Soit deux variables quantitative X et Y

X  xi pour i allant de 1 à n
Y  yi pour i allant de 1 à n
Le test de PEARSON vise à déterminer l’existence d’une
relation significative entre deux variables quantitatives continues
Exemple : Consommation Puissance

Score ? Score

Said El Hassani
 Définitions
Corrélation :

Définition de la covariance observée entre deux variables x et y :

n n
s xy   pi ( xi  x)( yi  y )   pi xi yi  xy
i 1 i 1

et le cœfficient de r de Pearson ou coefficient de corrélation est donnée

par :
n

s xy  p ( x  x )( y
i i i  y)
rxy   i 1
s xs y n 2 n

 pi ( xi  x)
i 1
 i i
p (
i 1
y  y ) 2

Said El Hassani
 Définitions

Trois cas de figures peuvent se présenter

Valeur du
Corrélation Exemple
coefficient r
Puissance
H0 Pas de corrélation
Consommation
r=0

Quant Puissance Augmente

H1 Corrélation positive
Consommation Agmente
0<r<1

Quand Puissance Augmente

H1 Corrélation négative
Consommation Diminue
-1<r<0

Said El Hassani
 Apprendre à réaliser ce test sous SPSS

Said El Hassani
 Sous SPSS

On choisi ici le coefficient de PEARSON

Avec des variables nominales, nous aurions choisi le coefficient de SPEARMAN

Said El Hassani
 Interpréter les résultats du test de
corrélation

Autant de lignes et de colonnes pour chaque variable sélectionnée

SPSS signale avec * ou parfois ** les valeurs significatives

Said El Hassani
 Interpréter les résultats du test de
corrélation

A Titre indicatif :

On parle de faible corrélation quand : |r| <0.10

On parle de corrélation moyenne quand : |r| ~ 0.30
On parle de forte corrélation quand : |r| > 0.50

Said El Hassani
 les limites du test de corrélation

Variable Dépendante Variable Indépendante

1. Le coefficient de PEARSON ignore la différence entre variable

dépendante et variable indépendante
2. Même en cas de résultat significatif se borne à quantifier la
covariation entre deux variables (sans indiquer que l’une est
à cause de l’autre)
3. Attention : Covariation est différente de Causalité
4. N’est destiné qu’a évaluer des corrélations linéaires
Said El Hassani
 Générer diagramme de corrélation
dispersion

Le coefficient de PEARSON n’est destiné qu’a évaluer des

covariations linéaires
D’autres types de corrélations pourraient intervenir
Il est judicieux parfois de visualiser le nuage de dispersion
des données

Said El Hassani
 Générer diagramme de corrélation
dispersion

Source : http://geography.uoregon.edu/geogr/topics/bivariatestats.htm
Said El Hassani
 Générer diagramme de corrélation
dispersion

Said El Hassani
 Générer diagramme de corrélation
dispersion

Said El Hassani