Sauter à un chapitre clé
- Nous commencerons par examiner ce que l'on entend par tests statistiques en psychologie.
- Ensuite, nous nous pencherons sur l'importance des tests statistiques.
- Ensuite, nous nous pencherons sur le test statistique paramétrique et les types de tests paramétriques.
- Ensuite, nous explorerons les tests non paramétriques.
Test statistique en psychologie
Parmi les exemples de tests statistiques, on peut citer le test du chi-carré, la corrélation de Pearson ou le test des signes.
Les tests statistiques en psychologie analysent les données des expériences qui permettent aux chercheurs d'identifier si les résultats observés s'écartent de manière significative (non due au hasard) des résultats hypothétiques.
Il existe des tests paramétriques (lorsque les données sont normalement distribuées) et non paramétriques (lorsque nos données ne sont pas uniformément distribuées).
Importance des tests statistiques
On parle de test d'hypothèse statistique lorsque des tests statistiques sont utilisés dans le cadre d'une recherche expérimentale pour déterminer si l'hypothèse alternative ou l'hypothèse nulle doit être acceptée dans le cadre de la recherche.
Si les résultats sont significatifs, l'hypothèse alternative doit être acceptée et l'hypothèse nulle doit être rejetée.
Les tests statistiques permettent aux chercheurs d'identifier si les résultats sont dus au hasard ou s'ils sont le fruit de l'étude, et ils leur permettent de les comparer à des résultats antérieurs.
Tests statistiques paramétriques
Les tests paramétriques sont un type de test statistique utilisé pour vérifier les hypothèses. Un critère concernant les données doit être respecté pour utiliser les tests paramétriques. Ces critères sont les suivants :
Les données doivent être normalement distribuées.
Homogénéité de la variance - la quantité de "bruit" (erreurs expérimentales potentielles) doit être similaire dans chaque variable et entre les groupes.
Il ne doit pas y avoir de valeurs extrêmes aberrantes.
Indépendance - les données de chaque participant pour chaque variable ne doivent pas être corrélées. Les mesures d'un participant ne doivent pas être influencées ou associées à d'autres participants.
Types de tests statistiques
Les tests statistiques sont soit paramétriques, soit non paramétriques.
Voici quelques exemples de tests paramétriques:
Chi-carré, test t, ANOVA et corrélation de Pearson.
Et quelques exemples de tests non paramétriques sont les suivants :
Friedman, Spearman, rang signé et Mann-Whitney U.
Tests statistiques en psychologie : Types de tests paramétriques
Il existe plusieurs types de tests paramétriques, et celui qui est utilisé dépend de ce que le chercheur essaie d'étudier :
| Test paramétrique | Qu'est-ce qu'il mesure ? | Exemple de scénario de recherche |
| Corrélation | La relation (force et direction) entre deux variables. | La relation entre les résultats des tests de condition physique et le nombre d'heures passées à faire de l'exercice. |
| Test t par paires | Compare la valeur moyenne de deux variables obtenues auprès des mêmes participants. | La différence entre les scores de dépression dans un groupe de patients avant et après le traitement. |
| Test t non apparié | Compare la valeur moyenne d'une variable mesurée à partir de deux groupes indépendants (différents). | La différence entre la gravité des symptômes de la dépression dans un groupe placebo et dans un groupe de traitement médicamenteux. |
| Analyse de la variance à un facteur (ANOVA) | Compare la moyenne de deux groupes indépendants ou plus (utilise un modèle entre les sujets, et la variable indépendante doit avoir trois niveaux ou plus) | La différence entre les résultats moyens des tests de condition physique des personnes qui font souvent de l'exercice, qui en font modérément ou qui n'en font pas. |
| Mesures répétées à sens unique (ANOVA) | Compare la moyenne de trois conditions ou plus lorsque les participants sont les mêmes dans chaque groupe (utilise un modèle intra-sujet et la variable indépendante doit avoir trois niveaux ou plus). | La différence entre les notes moyennes obtenues aux tests de condition physique le matin, l'après-midi et le soir. |
Tests non paramétriques
Les tests non paramétriques peuvent être utilisés lorsque les données ne sont pas normalement distribuées. Il existe plusieurs tests non paramétriques. L'un d'entre eux que nous allons étudier ici est le test du signe.
Tests statistiques : Test des signes
Le test des signes est utilisé pour les études à l'intérieur d'un groupe (un seul groupe de participants). Cependant, deux groupes de participants peuvent être utilisés dans le cadre d'un modèle de "paires appariées". Le test des signes évalue la différence entre deux conditions utilisées pour des données catégorielles.
Tests statistiques : Calcul du test des signes
Voyons comment calculer un test de signe étape par étape à l'aide d'un exemple.
Un chercheur cherche à identifier une différence entre les scores d'anxiété des patients avant et après 12 semaines de thérapie cognitivo-comportementale (TCC).
Voici les résultats de l'étude :
| Participant | Score d'anxiété avant la TCC | Score d'anxiété après la TCC |
| 1 | 25 | 22 |
| 2 | 36 | 21 |
| 3 | 20 | 24 |
| 4 | 40 | 30 |
| 5 | 17 | 19 |
| 6 | 20 | 20 |
| 7 | 26 | 23 |
| 8 | 27 | 34 |
| 9 | 25 | 25 |
| 10 | 28 | 28 |
1. Détermine la différence entre les deux ensembles de données (peu importe quelle colonne est ajoutée/soustraite de quelle colonne, les données donneront toujours les mêmes résultats).
| Participant | Score d'anxiété avant la TCC | Score d'anxiété après la TCC | Différence |
| 1 | 25 | 22 | -3 |
| 2 | 36 | 21 | -15 |
| 3 | 20 | 24 | +4 |
| 4 | 40 | 30 | -10 |
| 5 | 17 | 19 | +2 |
| 6 | 20 | 20 | 0 |
| 7 | 26 | 23 | -3 |
| 8 | 27 | 34 | +7 |
| 9 | 25 | 25 | 0 |
| 10 | 28 | 28 | 0 |
2. Additionne le nombre total de "+" et de "-". Ignore les données pour lesquelles il n'y a pas de différence (c'est-à-dire la différence de 0).
Pour nos données, nous avons ce qui suit :
+ = 3
- = 4
3. Le signe le moins fréquent est la "valeur S".
Ici, la valeur S = 3 (le + était le signe le moins fréquent, et le + avait un total de 3).
Trouve la valeur N (nombre de participants, sans compter ceux qui ont une différence de 0).
Ici, la valeur N est 10 - 3 = 7 (nous avons eu 10 participants moins les 3 qui avaient une différence de 0).
4. Compare la valeur S calculée à la valeur critique pour déterminer si elle est significative. Un tableau des valeurs critiques te sera toujours donné lors d'un examen.
Level of significance for a one-tailed test | ||||||||
| .05 | .025 | .01 | .005 | ||||
Level of significance for a two-tailed test | ||||||||
| .10 | .05 | .02 | .01 | ||||
N |
|
|
|
| ||||
5 | 0 |
|
|
| ||||
6 | 0 | 0 |
|
| ||||
7 | 0 | 0 | 0 |
| ||||
8 | 1 | 0 | 0 | 0 | ||||
9 | 1 | 1 | 0 | 0 | ||||
10 | 1 | 1 | 0 | 0 | ||||
11 | 2 | 1 | 1 | 0 | ||||
12 | 2 | 2 | 1 | 1 | ||||
13 | 3 | 2 | 1 | 1 | ||||
14 | 3 | 2 | 2 | 1 | ||||
15 | 3 | 3 | 2 | 2 | ||||
16 | 4 | 3 | 2 | 2 | ||||
17 | 4 | 4 | 3 | 2 | ||||
18 | 5 | 4 | 3 | 3 | ||||
19 | 5 | 4 | 4 | 3 | ||||
20 | 5 | 5 | 4 | 3 | ||||
25 | 7 | 7 | 6 | 5 | ||||
30 | 10 | 9 | 8 | 7 | ||||
35 | 12 | 11 | 10 | 9 | ||||
- Le test est-il unilatéral ou bilatéral ? Dans notre exemple, notre étude est bilatérale car nous voulions voir s'il y avait une différence dans un sens ou dans l'autre (positive ou négative).
- Quel est le niveau de signification ? Sauf indication contraire, le seuil de signification est toujours de 0,05.
- Combien y a-t-il de participants ? La valeur N. Pour notre exemple, elle est de 7.
D'après le tableau, notre valeur critique est 0.
La valeur calculée (valeur S) doit être égale ou inférieure à la valeur critique pour être significative.
Nos résultats ne sont pas significatifs car la valeur calculée (3) est supérieure à la valeur critique (0).
Tu pourrais rédiger ta réponse comme suit :
La valeur calculée (S=3) est supérieure à la valeur critique de 0. Par conséquent, la différence entre les scores d'anxiété avant et après la thérapie cognitivo-comportementale n'est pas significative.
S(3) > 0 (valeur critique)
Qu'est-ce qui rend un test statistiquement significatif ?
Les tests de signification fournissent aux chercheurs une valeur statistique utilisée pour mesurer la probabilité que les résultats de la recherche soient dus au hasard. Si la valeur est inférieure à 0,05, les résultats sont statistiquement significatifs.
Erreurs dans les tests d'hypothèse
Les chercheurs peuvent parfois commettre une erreur de type 1 ou de type 2 lorsqu'ils effectuent des recherches. Lorsque l'une ou l'autre de ces erreurs se produit, la recherche n'est pas valide.
Erreur de type 1 : rejeter l'hypothèse nulle alors qu'elle est vraie (faux positif), ce qui se produit lorsque le chercheur identifie que ses données sont significatives alors qu'elles ne le sont pas.
Erreur de type 2 : accepter par erreur l'hypothèse nulle et rejeter l'hypothèse alternative alors qu'elle est vraie.
Tests statistiques - Principaux enseignements
- Les tests statistiques sont des tests utilisés pour analyser les données des expériences.
- Il existe deux types de tests : les tests paramétriques et les tests non paramétriques. Les tests paramétriques sont utilisés sur des données normalement distribuées, et les tests non paramétriques sur des données qui ne sont pas normalement distribuées.
- Le test des signes est un test non paramétrique.
- Le test des signes est utilisé pour les études à l'intérieur d'un groupe (un seul groupe de participants). Cependant, deux groupes de participants peuvent être utilisés dans le cadre d'un modèle de "paires appariées". Le test des signes évalue la différence entre deux conditions utilisées pour des données catégorielles.
Apprends plus vite avec les 10 fiches sur Tests statistiques
Inscris-toi gratuitement pour accéder à toutes nos fiches.
Questions fréquemment posées en Tests statistiques
À propos de StudySmarter
StudySmarter est une entreprise de technologie éducative mondialement reconnue, offrant une plateforme d'apprentissage holistique conçue pour les étudiants de tous âges et de tous niveaux éducatifs. Notre plateforme fournit un soutien à l'apprentissage pour une large gamme de sujets, y compris les STEM, les sciences sociales et les langues, et aide également les étudiants à réussir divers tests et examens dans le monde entier, tels que le GCSE, le A Level, le SAT, l'ACT, l'Abitur, et plus encore. Nous proposons une bibliothèque étendue de matériels d'apprentissage, y compris des flashcards interactives, des solutions de manuels scolaires complètes et des explications détaillées. La technologie de pointe et les outils que nous fournissons aident les étudiants à créer leurs propres matériels d'apprentissage. Le contenu de StudySmarter est non seulement vérifié par des experts, mais également régulièrement mis à jour pour garantir l'exactitude et la pertinence.
En savoir plus