Académique Documents
Professionnel Documents
Culture Documents
BO
I- Le test de Khi-deux
Sa U B
II- Le test « T » pour deux échantillons indépendants
mi AK
III- Le test « ANOVA » pour comparaisons de plusieurs moyennes
r ER
IV- Le test « T » pour deux échantillons appariés ( test avant/après)
V- La régression linéaire
Les Analyses Bidimensionnelles : le test de Khi-deux
BO
I- Le test de Khi-deux
1. Principe du test:
Sa U
Il consiste à mesurer le degré d’association(dépendance) entre deux variables
B
qualitatives.
mi AK
2. Formulation des hypothèses :
r
H0 : X et Y sont deux variables indépendantes
2 ER
H1 : X et Y sont deux variables dépendantes
3 Les Analyses Bidimensionnelles : Le test de Khi-deux
BO
3. Tableau des effectifs observés :
U
Colonne Colonne 1 Colonne 2 …j….. Colonne K Total
Sa B
Ligne
mi AK
Ligne 1
n11 n12 n1j n1K n1.
Ligne 2
n21 n22 n2j n2K n2.
r ER
.
i
. . . .
.
ni1 ni2 nij niK ni.
. . . .
Ligne L
nL1 nL2 nLj nLK nL.
Total
n.1 n.2 n.j n.K n..
Les Analyses Bidimensionnelles : Le test de Khi-deux
4
BO
4. Tableau des effectifs théoriques (Attendus) :
U
La formule du calcul des effectifs théoriques à partir des effectifs
Sa B
observés est la suivante:
mi AK nij* =
r ER
5 . Règle de décision en SPSS
BO
6. Coefficient de contingence
Sa U B
mi AK
Si C = 0 : l’indépendance est totale.
r
ER
Si C >0 : le degré d’association dépend des dimensions du tableau tel
BO
moyennes de deux échantillons indépendants
U
II- Le test « T » pour deux échantillons indépendants
Sa B
1. Principe du test:
mi AK
La procédure Test T pour échantillons indépendants permet de comparer la moyenne
r ER
de deux groupes d'observations.
2. Statistiques :
BO
3. Conditions de réalisation du test :
Sa U B
Vérification de la normalité : Test de Shapiro-Wilk ou de Kolmogorov-
mi AK
Smirnov
r
Vérification de l’homogénéité (égalité des variances) : Test de Levene
ER
Commande SPSS : Analyse/statistiques descriptives/explorer
Les Analyses Bidimensionnelles: Le test « T » de comparaison de
8 moyennes de deux échantillons indépendants
BO
4. Formulation des hypothèses :
Sa U B
mi AK
, avec i = 1 ou 2
r
5. Règle de décision :
ER
Si P value (signification) ˂ α ⟹ rejet de H0 donc acceptation de H1
Si P value (signification) > α ⟹ acceptation de H0 donc rejet de H1
9 Les Analyses Bidimensionnelles: Le test « T » de comparaison de
BO
moyennes de deux échantillons indépendants
U
6. Commande S.P.S.S :
Sa B
Analyse > Comparer les moyennes > Test T pour échantillons indépendants...
mi AK
Sélectionnez au moins une variable test (quantitative). Un test T distinct est alors
r ER
calculé pour chaque variable.
BO
III- Le test « ANOVA » pour comparaisons de plusieurs moyennes
Sa U
1. Principe du test:
B
mi AK
La procédure Test « ANOVA » pour échantillons indépendants permet de
comparer la moyenne de plusieurs groupes d'observations (échantillons),
r ER
C’est une généralisation du test « T » pour deux échantillons indépendants,
2. Statistiques :
BO
3. Conditions de réalisation du test :
Sa U
Vérification de la normalité : Test de Shapiro-Wilk ou de Kolmogorov-
B
mi AK
Smirnov
r ER
Commande SPSS : Analyse/statistiques descriptives/explorer
12 Les Analyses Bidimensionnelles: Le test «ANOVA »
BO
4. Formulation des hypothèses :
Sa U B
mi AK
, avec i = 1 jusqu’à k
r ER
13 Les Analyses Bidimensionnelles: Le test «ANOVA »
BO
5. Règle de décision :
Sa U B
Si P value (signification) ˂ α ⟹ rejet de H0 donc acceptation de H1
mi AK
r
Si P value (signification) > α ⟹ acceptation de H0 donc rejet de H1
ER
14 Les Analyses Bidimensionnelles: Le test «ANOVA »
BO
6. Commande S.P.S.S :
Sa U
Analyse > Comparer les moyennes > ANOVA à un facteur
B
mi AK
Sélectionnez au moins une variable « dépendante » (quantitative) à mettre dans
la fenêtre « liste des variables dépendantes » et une variable « Facteur »
Remarque:
r ER
Il est possible de pousser l’analyse en choisissant une statistique de
comparaisons multiples post hoc ( exemple Tukey)
15 Les Analyses Bidimensionnelles: Le test « T » de comparaison de
BO
moyennes de deux échantillons appariés
Sa U B
1. Principe du test:
mi AK
La procédure Test T pour échantillons appariés permet de comparer la moyenne de
r ER
deux groupes d'observations pour un même échantillon (avant et après)
2. Statistiques :
BO
moyennes de deux échantillons appariés
U
3. Conditions de réalisation du test :
Sa B
Vérification de la normalité : Test de Shapiro-Wilk ou de Kolmogorov-
mi AK
Smirnov
r
Vérification de l’homogénéité : N’est pas nécessaire
ER
Commande SPSS : Analyse/statistiques descriptives/explorer
17 Les Analyses Bidimensionnelles: Le test « T » de comparaison de
BO
moyennes de deux échantillons appariés
U
4. Formulation des hypothèses :
Sa B
5. Règle de décision :
mi AK
Si P value (signification) ˂ α ⟹ rejet de H0 donc acceptation de H1
r ER
Si P value (signification) > α ⟹ acceptation de H0 donc rejet de H1
18 Les Analyses Bidimensionnelles: Le test « T » de comparaison de
BO
moyennes de deux échantillons appariés
Sa U B
6. Commande S.P.S.S :
mi AK
Analyse > Comparer les moyennes > Test T pour échantillons appariés
r ER
Sélectionnez au moins une paire de variable (variable avant et variable après)
Les Analyses Bidimensionnelles: La régression linéaire
19
BO
V- La régression linéaire
U
1. Principe de la méthode :
Sa B
Elle consiste à chercher une relation linéaire entre une variable dépendante et une ou plusieurs
mi AK
variables indépendantes
r
2. L’ajustement graphique :
ER
C’est la courbe qui relie une variable dépendante à une variable indépendante. Cette relation est
dite linéaire lorsqu’elle a la forme d’une droite
BO
V- La régression linéaire
U
4. La significativité global d’un modèle linéaire : le test de Fisher
Sa B
Formulation des hypothèses : ⟺
mi AK
Règle de décision :au niveau du tableau ANOVA
r
Si P value (signification) ˂ α ⟹ rejet de H0 donc acceptation de H1
ER
Le modèle est dit globalement significatif
Si P value (signification) > α ⟹ acceptation de H0 donc rejet de H1
Le modèle est dit globalement non significatif
21 Les Analyses Bidimensionnelles: La régression linéaire
BO
V- La régression linéaire
U
5. La significativité partielle des variables dans un modèle linéaire : le test de Student
Sa B
Formulation des hypothèses :
mi AK
Règle de décision :au niveau du tableau coefficients
r
Si P value (signification) ˂ α ⟹ rejet de H0 donc acceptation de H1
ER
La variable est dite significative dans ce cas
Si P value (signification) > α ⟹ acceptation de H0 donc rejet de H1
La variable est dite non significative dans ce cas
22 Les Analyses Bidimensionnelles
BO
Sa U B
mi AK
MERCI POUR VOTRE ATTENTION
r ER