CHAPITRE 7 - Comparer plusieurs moyennes: ANOVA

Question 1

Quels sont les types de variance possibles (2)?

Answer 1

(1) variance systématique, (2) variance non-systématique

Question 2

Quel est le but de l’ANOVA?

Answer 2

comparer plusieurs moyennes: modèle linéaire général; comprendre le principe de l’anova expliquée

Question 3

Quand peut-on utiliser l’ANOVA?

Answer 3

Pour comparer les moyennes, on peut utiliser le test tt mais c’est possible seulement avec deux moyennes alors quand on veut comparer plusieurs moyennes, on utilise anova, qui est une extension de la régression.

Question 4

Pourquoi ne pas faire plusieurs tests t?

Answer 4

Dans ce cas, on augmente l’erreur de type 1 (5% des cas: accepter H1 alors que H0 est vraie donc dire qu’il y a une variance alors qu’il n’y en a pas).

Question 5

Pour l’ANOVA, que nous dit l’hypothèse nulle?

Answer 5

Comme dans un test t, elle nous dit qu’il n’y aura pas de différence entre les moyennes (H0)

Question 6

Pour l’ANOVA, que nous dit l’hypothèse alternative?

Answer 6

Comme dans un test t, elle nous dit qu’il y aura une différence entre les moyennes (H1)

Question 7

Pourquoi peut-on dire que l’ANOVA est un test Omnibus (3)?

Answer 7

(1) on l’utilise pour évaluer une différence entre les groupes, (2) elle nous dit que les moyennes sont différentes, (3) elle ne nous dit pas précisément quelles sont les moyennes qui diffèrent

Question 8

Quelle est la première étape de l’ANOVA?

Answer 8

On calcule la variabilité totale des scores: total sum of squares (SST)/Somme des carrés totales

Question 9

Quelle est la deuxième étape de l’ANOVA?

Answer 9

On calcule de combien cette variabilité est attribuable à notre manipulation expérimentale (expérimentale forte dose/faible dose/témoin): model sum of squares (SSM)…/somme des carrés du modèle - anova est possible dans un cadre expérimental/corrélationnel

Question 10

Quelle est la troisième étape de l’ANOVA?

Answer 10

On calcule combien de cette variabilité ne peut pas être expliquée à notre manipulation expérimentale: combien de la variabilité est attribuable à des différences individuelles ou autres facteurs; résiduel sum of squares (SSR)/somme des carrés résiduelle - calculer un ratio f

Question 11

Qu’est-ce que le ratio f ?

Answer 11

C’est quand on compare la variance expliquée par le modèle (la manipulation expérimentale) aux erreurs dans le modèle (les différences individuelles)

Question 12

Que se passe-t-il si le modèle explique plus de la variabilité qu’il n’en explique pas?

Answer 12

La manipulation expérimentale a un effet important sur le résultat: plus notre SSM est grand, plus le résiduel est petit, donc plus le f est gros. (SST = SSM - SSR) donc ici SSM sera plus grand que SSR, mais ça dépend aussi du nombre de participants

Question 13

Que peut-on dire sur les degrés de liberté (dl ou df)?

Answer 13

(1) Le nombre de valeurs libres de varier. (2) les degrés de liberté sont en général de 1 moins que les valeurs utilisées pour calculer la somme des carrés total (donc n-1) dfT : tous les participants des groupes!

Question 14

Qu’est-ce que K?

Answer 14

Le nombre de conditions. DfM = (k-1) combien de valeurs utilisées pour calculer ssm

Question 15

Comment fait-on pour calculer les degrés de liberté pour le résiduel?

Answer 15

Combien de valeurs pour calcule le résiduel? dépend du nombre de scores pou chacun des groupes: dfR= dfgroup1- df group2 - df group 3 etc

Question 16

Qu’est-ce que le score global et que fait on ensuite?

Answer 16

SST = SSM + SSR
ensuite on calcule le carré moyen du modèle/l’erreur/MSR: si la valeur obtenue est plus grande que la valeur critique, nous sommes significatifs à 5%

Question 17

Qu’est-ce que la valeur critique?

Answer 17

C’est le seuil. On se base sur celui-ci pour déterminer à quel point la différence entre les valeurs sont dues à la manipulation

Question 18

Comment-fait on pour calculer le ratio F et quand le faire?

Answer 18

Après avoir calculé le carré moyen du modèle/l’erreur/MSR: F = MSM/MSR

Question 19

Que fait-on après le ratio F?

Answer 19

Un tableau

Question 20

Pourquoi faire d’autre tests (2)?

Answer 20

(1) Le ratio F nous dit seulement s’il y a une différence entre les groupes, (2) le ratio F ne nous dit pas quels sont les groupes qui diffèrent

Question 21

Quelles sont les caractéristiques pour générer des hypothèses (avec les contrastes) (3)?

Answer 21

(1) habituellement on a 3 groupes donc 1 ou 2 groupes témoins, (2) on s’attend logiquement à ce que le groupe témoin diffère du groupe expérimental, (3) c’est toujours logique de comparer la variance attribuable aux groupes témoins.

Question 22

Comment fonctionne le principe des contrastes?

Answer 22

Contraste 1: hypothèse 1vs 2 contraste 2: hypothèse 2a vs 2b?

Question 23

Quelles sont les règles pour la codification des contrastes (3)?

Answer 23

(1) Règle 1: on compare des groupes codés positivement à des groupes codés négativement, (2) règle 2: la somme des codes doit toujours donner 0, (3) règle 3: si un groupe est exclu de la comparaison, alors on lui attribue 0, (4) règle 4: si un groupe est exclu, alors il ne peut plus être inclus

Question 24

Qu’est-ce que le post hoc (2)?

Answer 24

(1) on compare chaque moyenne face aux autres. Après chaque test à priori, donc après les contrastes, (2) en général, un critère plus strict pour accepter un effet comme significatif
un meilleur exemple serait la correction de bonferroni

Question 25

Quelle est la formule de bonferroni?

Answer 25

α (0.05) = α/nb de tests (nb de comparaisons que tu vas faire)

Question 26

Quelle est là caractéristique des tests post hoc?

Answer 26

SPSS possède 18 options

Question 27

Qu’est-ce que le LSD?

Answer 27

Ça signifie «least significant difference» (libéral) donc ça ne protège pas contre l’erreur de type 1 mais protège trop contre l’erreur de type 2

Question 28

Qu’est-ce que le REGWQ ou Tukey HSD?

Answer 28

Ça signifie «honestly significant difference», c’est une option acceptable. Par exemple, le bonferroni (conservateur) protège beaucoup contre l’erreur de type 1 mais entraîne à faire l’erreur de type 2

Question 29

Que peut on dire sur ANOVA comme la régression?

Answer 29

outcome = model + error
2 options de beta: forte ou faible
la corrélation/régression est à quantifier

Question 30

À quoi sert ANOVA dans la régression?

Answer 30

Elle est utilisée pour évaluer si on prédit bien un résultat

Question 31

À quoi sert ANOVA dans une manipulation expérimentale (2) ?

Answer 31

(1) elle est utilisée pour évaluer si une manipulation conduit à des changements dans la variable dépendante: en manipulant, nous pouvons changer (et donc prédire) un comportement, (2) même question sauf qu’on manipule la variable dans un plan expérimental