Correction de l’Exercice

Un médecin et un psychologue travaillant dans un centre PMS s’intéressent à trois

traitements proposés dans la littérature pour aider des enfants d’école primaire qui ont des
problèmes de concentration à l’école. La première méthode (T1) consiste à donner chaque
matin à l’enfant un médicament proposé par une firme pharmaceutique (risque d’effets
secondaires), la deuxième (T2) consiste à donner chaque matin à l’enfant une gélule à base
de produits naturels réputés non-nocifs et la troisième (T3) est basée sur un apprentissage
par l’enfant de techniques de relaxation. Ces professionnels sont persuadés que les
méthodes 2 et 3 donnent chacune de meilleurs résultats que la première et que la troisième
méthode est probablement meilleure que la deuxième.

Pour confirmer ces hypothèses, ils mettent en place une étude faisant intervenir 15 enfants
(5 enfants par méthode). Ils mesurent la concentration sur base d’indices repris dans une
grille d’observations. Plus la mesure est élevée, meilleure est la concentration de l’enfant.
Voici les résultats obtenus :
Enfant T1 T2 T3
1 22 45 54
2 28 38 35
3 44 78 64
4 35 54 45
5 33 49 50

1) Encodez ces données dans SPSS de façon adéquate et mettez des labels pour le
rendre lisible.

* Define Variable Properties.

VARIABLE LABELS Traitement 'Traitement contre les problèmes de concentration'.
FORMATS Concentration(F8.0).
FORMATS Traitement(F8.0).
VALUE LABELS Traitement
1 "Médicament avec risque d'effets secondaires"
2 'Produit naturel non nocif'
3 'Technique de relaxation'.

LPSP1306 – Exercices d’analyse de données avec SPSS – Correction 1

EXECUTE.

2) Résumez ces données par quelques statistiques descriptives et représentez-les

graphiquement de façon à comparer les trois méthodes. Interprétez brièvement.
DATASET ACTIVATE DataSet5.
SUMMARIZE
/TABLES=Concentration BY Traitement
/FORMAT=NOLIST TOTAL
/TITLE='Case Summaries'
/MISSING=VARIABLE
/CELLS=COUNT MEAN MEDIAN STDDEV.

EXAMINE VARIABLES=Concentration BY Traitement

/PLOT=BOXPLOT
/STATISTICS=NONE
/NOTOTAL.

L’analyse descriptive tend à montrer de meilleures performances en tendance centrale chez

les enfants ayant bénéficié des deux méthodes non pharmaceutiques par rapport à T1
(Médicaments avec risques d’effets secondaires). T2 (Produit naturel non nocif) et T3

LPSP1306 – Exercices d’analyse de données avec SPSS – Correction 2

(Technique de relaxation) semblent quant à elles assez proches l’une de l’autre à leur valeur
centrale.

3) Vérifiez au moyen d’un modèle paramétrique classique l’hypothèse du médecin et du

psychologue selon laquelle il existe une différence entre les traitements.
ONEWAY Concentration BY Traitement
/STATISTICS HOMOGENEITY
/MISSING ANALYSIS.

Le modèle à appliquer est une ANOVA I classique.

H0 : µ1 = µ2 = µ3 = µ
H1 : Au moins une moyenne est différente d’une autre

Si les conditions d’application de l’ANOVA I sont vérifiées, nous pourrons conclure de

l’ANOVA qu’au moins un des traitements diffère en moyenne significativement d’un autre
car la p-valeur est inférieure à 0.05 (p-valeur = 0.038)

4) Testez les hypothèses sous-jacentes d’application de la statistique de test utilisée.

Les conditions d’application de l’ANOVA I sont :

- Homogénéité des variances
- Normalité des observations au sein des traitements / ou des résidus du modèle
- Indépendance des observations

- Homogénéité des variances

- ONEWAY Concentration BY Traitement

- /STATISTICS HOMOGENEITY
- /MISSING ANALYSIS.

LPSP1306 – Exercices d’analyse de données avec SPSS – Correction 3

 30,00

20,00

Residual for score

10,00

0,00

-10,00

-20,00

30,00 35,00 40,00 45,00 50,00 55,00

Predicted Value for score

Cette condition est respectée. Le test de Levene étant non significatif, nous ne pouvons pas
dire que les variances diffèrent significativement entre les groupes de traitement. Nous
allons donc partir du principe que les variances ne sont pas différentes. Le graphique va dans
ce sens, les variances au sein des groupes ne semblant pas différente

- Normalité des observations au sein des traitements / ou des résidus du modèle

EXAMINE VARIABLES=Concentration BY Traitement

/PLOT BOXPLOT NPPLOT
/COMPARE GROUPS
/STATISTICS NONE
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.

- ou Normalité des résidus du modèle

Normal Q-Q Plot of Residual for score

20
Expected Normal Value

10

-10

-20
-20 -10 0 10 20 30
Observed Value

- Indépendance des observations

LPSP1306 – Exercices d’analyse de données avec SPSS – Correction 4

L’indépendance entre les observations semble respectée, sur base de l’énoncé : on parle de
15 enfants différents qui ont participé à l’étude.

5) Tenant compte du nombre d’hypothèses a priori que le médecin et le psychologue

veulent tester, testez séparément si les méthodes 2 et 3 donnent chacune de
meilleurs résultats que la première méthode et si la troisième est aussi plus
performante que la deuxième. Interprétez.
ONEWAY Concentration BY Traitement
/STATISTICS HOMOGENEITY
/MISSING ANALYSIS
/POSTHOC=BONFERRONI ALPHA(0.05).

Comme ici nous comparons les traitements 1-2, 1-3 et 2-3, nous comparons tous les
traitements possibles, ce qui représente 3 comparaisons. Pour garder un taux global d’erreur
de type I de 0.05, la procédure appropriée est d’utiliser une correction telle que celle
proposée par Bonferroni. Lorsque l’on applique la correction de Bonferroni dans SPSS, SPSS
corrige en considérant le nombre maximal de comparaisons : ici, 3, ce qui est tout à fait bien.
Les p-valeurs présentées par SPSS sont les p-valeurs des tests individuels multipliées par la
correction de Bonferroni de sorte à conserver 0.05 comme seuil de décision. Cette démarche
est tout-à-fait appropriée, mais il faut encore prendre en compte une particularité. Les
hypothèses du médecin et du psychologue sont unilatérales (ils indiquent dans quel sens
devrait aller l’effet) alors qu’SPSS réalise des tests bilatéraux. SPSS est donc trop strict. Pour
connaître la vraie pvaleur associée à chaque test, lorsque le test est unilatéral, il suffit de
diviser la pvaleur par 2. La pvaleur de la comparaison entre T1 et T2 devient donc plus petite
que 0.05. Il nous faut vérifier que cette différence est dans le sens attendu (T1 a un score
moyen plus faible en concentration, 32.4, que T2, 52.8). Nous pouvons donc affirmer, avec
un risque d’erreur de 5%, que T2, le traitement à base de produits naturels, donne en
moyenne des résultats significativement meilleurs au niveau de la concentration de jeunes
enfants que T1, le médicament pharmaceutique (p = 0.054/2=0.027). Les autres hypothèses
du médecin et du psychologue ne peuvent être confirmées.

6) Comparez les méthodes 2 et 3 (en un bloc) à la méthode 1 (sans tenir compte du fait
que vous avez déjà réalisé des comparaisons multiples à la question précédente).
Interprétez dans le contexte de la recherche.

LPSP1306 – Exercices d’analyse de données avec SPSS – Correction 5

 ONEWAY Concentration BY Traitement
/CONTRAST=1 -0.5 -0.5
/STATISTICS HOMOGENEITY
/MISSING ANALYSIS.

Par ce test de contraste, on montre que les méthodes non pharmaceutiques considérées
ensemble sont globalement plus efficaces que le traitement médicamenteux, avec un risque
d’erreur de 5%.

7) Confirmez les résultats de la question 3) en utilisant l’outil non-paramétrique

adéquat et interprétez à nouveau les résultats.

NPAR TESTS
/K-W=Concentration BY Traitement(1 3)
/MISSING ANALYSIS.

Le test à utiliser est le test non-paramétrique de Kruskal-Wallis. Il s’agit de l’équivalent non-

paramétrique de l’ANOVA I classique. Ce test aurait pu être utilisé d’emblée, étant donné le
faible nombre d’observations dans l’étude. Ce test aboutit aux mêmes résultats globaux que
l’ANOVA I, à savoir, nous pouvons affirmer, avec un risque d’erreur de 5%, qu’il y a au moins
un traitement qui diffère d’un autre, au niveau de sa tendance centrale. Sur base des
données descriptives, il semble que le rang moyen soit plus faible dans le cas du traitement
médicamenteux, par rapport aux autres traitements. Ce résultat devrait néanmoins être
confirmé par l’application de comparaisons multiples, en utilisant par exemple un test de
Wicoxon, et en corrigeant les pvaleurs pour tenir compte que 3 comparaisons sont réalisées.

LPSP1306 – Exercices d’analyse de données avec SPSS – Correction 6

Si nous voulions aller jusqu’au bout, nous réaliserions les tests suivants pour voir où se
situent les différences. Les tests réalisés ne tiennent pas compte d’éventuelles hypothèses
unilatérales. Ils sont réalisés en considérant le nombre de tests pratiqués au total.

NPAR TESTS
/M-W= Concentration BY Traitement(1 2)
/MISSING ANALYSIS.

NPAR TESTS
/M-W= Concentration BY Traitement(1 3)
/MISSING ANALYSIS.

NPAR TESTS
/M-W= Concentration BY Traitement(2 3)
/MISSING ANALYSIS.

Médoc / Produit Naturel Medoc / Relaxation Produit naturel / Relaxation

LPSP1306 – Exercices d’analyse de données avec SPSS – Correction 7

Les pvaleurs de ces 3 tests sont respectivement de 0.016, 0.021 et 0.916. La correction de
Bonferroni consiste à multiplier par 3 ces valeurs (car 3 comparaisons) sans dépasser la
valeur de 1 (une probabilité se situe toujours entre 0 et 1), et de vérifier les pvaleurs qui
seraient encore inférieures ou égales à 0.05. Seule la première comparaison (médicament
versus produit naturel) est dans ce cas (0.016*3=0.048).

Sur base de ces tests, nous pouvons affirmer, avec un risque global d’erreur de 5%, que le
produit naturel donne des résultats significativement différents, au niveau de la tendance
centrale, des résultats obtenus avec les médicaments. Cette différence, au niveau de la
concentration des enfants, est en faveur du produit naturel.

LPSP1306 – Exercices d’analyse de données avec SPSS – Correction 8