Plan de la présentation

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

 Si p value (signification SPSS) < α on rejette H0

 Si p value (signification SPSS) > α on accepte H0

5 Les Analyses Bidimensionnelles : Le test de Khi-deux

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

que : CMAX = √(M/(M-1)) avec M = Min (L, K).

 L’association est dite parfaite au fur et à mesure que le rapport C/C_MAX

s’approche de l’unité et elle est dite faible si le rapport s’approche de zéro.
6 Les Analyses Bidimensionnelles: Le test « T » de comparaison de

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 : 

Création de la base de données (variables et données)

 Les Analyses Bidimensionnelles: Le test « T » de comparaison de
7 moyennes de deux échantillons indépendants

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.

 Sélectionnez un seul critère de regroupement (variable qualitative) et cliquez

sur Définir groupes pour spécifier deux codes pour les groupes à comparer.

 Vous pouvez également cliquer sur Options pour contrôler le traitement des

données manquantes et le niveau de l'intervalle de confiance.
10 Les Analyses Bidimensionnelles: Le test «ANOVA »

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 : 

Création de la base de données (variables et données)

11 Les Analyses Bidimensionnelles: Le test «ANOVA »

BO
 3. Conditions de réalisation du test :

Sa U
 Vérification de la normalité : Test de Shapiro-Wilk ou de Kolmogorov-

B
mi AK
Smirnov

 Vérification de l’homogénéité (égalité des variances) : Test de Levene

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

IV- Le test « T » pour deux échantillons appariés ( test avant/après)

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 : 

Création de la base de données (variables et données)

16 Les Analyses Bidimensionnelles: Le test « T » de comparaison de

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

3. Le coefficient de corrélation linéaire :

Il exprime l’intensité de la relation linéaire entre la variable dépendante et la variable

indépendante.
20 Les Analyses Bidimensionnelles: La régression linéaire

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