Examen 2 Flashcards
(119 cards)
1
Q
Quel est le principe de base de l’ANOVA (son objectif) ?
A
Déterminer si la variabilité naturelle (variabilité d’erreur, effet du hasard) permet d’expliquer la variabilité observée entre les échantillons/mesures.
2
Q
Dans l’ANOVA, on utilise le test F pour comparer 2 sources de variance. Quelle est l’opération mathématique du test F ?
A
variance inter / variance intra
3
Q
Vrai ou faux : avec un test F, on rejette H0 quand la variabilité inter est inférieure à la variabilité intra.
A
Faux : on rejette H0 quand la variabilité inter est SUPÉRIEURE à la variabilité intra.
4
Q
L’ANOVA et le test t sont tous deux des tests des différences de moyennes. Quelle est la particularité de l’ANOVA ?
A
Aucune restriction quant au nombre de moyennes testées. On peut donc tester les effets de plusieurs VI et leurs interactions.
5
Q
Pourquoi le calcul des variances de l’ANOVA est basé sur une somme des carrés ?
A
Parce que les SC sont additives, ce qui facilite le calcul de l’ANOVA.
6
Q
SCtotal (variabilité totale) = ?
A
SC trait + SC erreur
7
Q
Quelle est la somme des carrés qui correspond à la variabilité INTERéchantillonnale ?
A
SCtrait (dûe au traitement)
8
Q
Pourquoi, pour comparer des SC, faut-il les transformer en CM ? Comment faire ?
A
Pour prendre en compte le nombre d’éléments qui entrent dans chacun des calculs. On divise la SC par les degrés de liberté.
9
Q
Comment nomme-t-on le ratio entre la variabilité inter et la variabilité intra ?
A
Le ratio F.
10
Q
Vrai ou faux : avec un test F, on rejette H0 si le F est supérieur au F critique.
A
Vrai
11
Q
Que représente la distribution F ?
A
La probabilité d’observer une valeur F si H0 est vrai.
12
Q
Si la variabilité inter et la variabilité intra sont égales, F = ?
A
F = 1
13
Q
De quoi dépend la valeur F critique ? (2 choses)
A
Niveau alpha et degrés de liberté.
14
Q
Qu’est-ce que ça signifie si on obtient un F de 9,08 ?
A
Notre traitement explique 9x plus de variance que l’Erreur.
15
Q
Quelles sont les 4 conditions d’utilisation de l’ANOVA à plan simple ?
A
Pas de données extrêmes, homogénéité des variances, normalité des scores dans chacune des conditions et de l’erreur de mesure, indépendance des observations.
16
Q
L’ANOVA est-elle robuste à l’anormalité ?
A
Juste quand on a des grands groupes avec le même nombre de participants et qu’on respecte les autres postulats : donc, la plupart du temps, non.
17
Q
Que faire avec notre ANOVA simple si l’homogénéité des variances n’est pas respectée ?
A
On apporte la correction Welch (parfois Brown).
18
Q
Qu’est-ce que ‘‘Based on Mean’’, pour l’ANOVA simple, veut dire si elle est significative ?
A
Cela signifie que les variances ne sont pas égales. On doit alors rapporter le résultat avec la correction Welch.
19
Q
Que faire si nos échantillons sont de taille inégales pour l’ANOVA ?
A
On réécrit le calcul du SCtrait, car il implique que les groupes soient égaux. Les autres calculs restent les mêmes.
20
Q
Quelle taille d’effet de l’ANOVA est la plus rigoureuse/conservatrice ? Pourquoi ?
A
L’oméga carré (ω2), car il prend en compte le nombre de groupes (k).
21
Q
Que représentent les tailles d’effet de l’ANOVA, η2 et ω2 ?
A
Le % de variance expliquée par le facteur.
22
Q
Quelle est la formule de l’oméga carré ?
A
SCtrait - (k-1) CMerreur / SCtotal + SCerreur
23
Q
Vrai ou faux : Selon Cohen, pour avoir autant de chance de détecter un effet moyen en conservant un alpha de 0.05, plus on a de groupes, plus le n est grand dans chaque groupe.
A
Faux : plus on a de groupes, MOINS le n est grand dans chaque groupe.
24
Q
Pourquoi est-ce que faire plusieurs test t ou test F pour comparer les moyennes 2 par 2, afin de trouver où se situe la différence de l’ANOVA, est un problème ?
A
À cause de l’addition des erreurs alpha (on trouverait assurément une différence significative due au hasard).
25
Quelles sont les deux approches pour faire des comparaisons multiples sur les moyennes ?
Comparaisons a priori (porte sur certaines comparaisons spécifiques) et comparaisons a posteriori (toutes les comparaisons possibles sont effectuées).
26
Quel est le principe général des comparaisons a posteriori ?
Établir la plus petite différence significative et voir pour quelles paires de moyennes la diférence observée est supérieure à cette plus petite différence significative.
27
Comment les tests post hoc (a posteriori) font pour ne pas que s'additionnent les erreurs alpha ?
Ils changent les seuils de signification nécessaires pour maintenir un alpha de 0,05.
28
Nomme, du plus conservateur au plus puissant, les 5 tests post hoc.
Scheffé, Bonferoni, Tukey, Dunnett, LSD de Fisher.
29
À quel moment est-ce que le test de Bonferoni est plus puissant que le test de Tukey ?
Quand le nombre de comparasons est petit (moins de 5)
30
Vrai ou faux : pour le test de Tukey, les n peuvent être inégaux.
Faux
31
Quand on a un groupe contrôle, quel test post hoc est le plus puissant ?
Dunnett
32
Pourquoi le LSD de Fisher devrait juste être utilisé avec k = 3 groupes ?
Parce qu'il n'y a aucune correction pour controler l'erreur alpha
33
Quels tests post hoc acceptent des groupes inégaux ?
Scheffé et Bonferonni
34
Qu'est-ce qu'une ANOVA à plan factoriel ? Pourquoi dit-on que le plan est ''factoriel'' ?
Une ANOVA avec 2 VI (facteurs) ou plus. Plan factoriel car il comporte tous les niveaux des facteurs.
35
Pour l'ANOVA, que représentent les niveaux d'un facteur ?
Les différentes conditions.
36
Vrai ou faux : les ANOVA factorielles ne peuvent être à mesures répétées.
Faux.
37
Quels sont les 2 avantages de l'ANOVA à plan factoriel ?
Généralisation plus large, tests d'interaction entre les facteurs.
38
Qu'est-ce qu'une interaction dans une ANOVA ?
Le fait qu'un facteur ait un effet différent pour les différents sous-groupes définis par un autre facteur.
39
Dans un plan factoriel 2 x 5, que signifient 2 et 5 ?
2 : il y a 2 niveux d'un facteur. 5 : il y a 5 niveaux de l'autre facteur.
40
Combien de test F doit-on faire pour une ANOVA factorielle ?
Un test F pour chacun des effets principaux et un pour l'interactin
41
Comment calcule-t-on la somme des carrés (variabilité) attribuable à l'interaction entre 2 facteurs (âge et condition) ?
SCac = SCcellules - SCâge - SCcondition
42
Pour une ANOVA, quelle est l'équation pour obtenir le SCerreur (variabilité de l'erreur) ?
SCerreur = SCtotal - SCcellules
43
On veut faire une ANOVA factorielle avec comme facteurs ''âge'' et ''condiiton''. Combien de CM doit-t-on calculer ?
4 (CMtotal, CMâge, CMcondition, CMâge*condition
44
On fait un test F pour déterminer l'effet de l'âge. Quelle est l'équation F ?
F = CMâge / CMerreur
45
2 phénomènes se produisent plus le modèle de l'ANOVA factorielle est complexe. Quels sont-ils ?
On ''perd'' des degrés de liberté et le CMerreur augmente.
46
Vrai ou faux : si une interaction (ANOVA) est significative, on n'a pas besoin d'interpréter les effets principaux.
Ça dépend des hypothèses qui nous intéressent.
47
Pour une ANOVA factorielle, qu'est-ce que signifie ''interaction ordinale'' ?
Une interaction où les facteurs vont toujours dans le même sens quand un passe d'un niveau à un autre.
48
Que doit-on faire pour trouver où se situe l’interaction significative dans une ANOVA factorielle ?
Des tests d'effets simples, qui vérifient l'effet d'un facteur pour chacun des niveaux d'un autre facteur. On peut aussi faire des comparaisons multiples pour chacun des facteurs.
49
Vrai ou faux : il est impossible de faire une ANOVA factorielle si nos N sont inégaux.
Faux, mais ça demande des corrections.
50
Vrai ou faux : Dans une ANOVA à mesures répétées, les mêmes participants fournissent les données pour les différentes cellules du plan.
Vrai
51
Quel est le but de l'analyse de l'ANOVA à mesures répétées ?
Déterminer s'il y a une différence significative moyennes d'une mesure à l'autre.
52
Contrairement à l'ANOVA intergroupe, dans l'ANOVA à mesures répétées, il y a une certaine corrélation entre ___.
Entre les données des différentes cellules.
53
Dans l'ANOVA à mesures répétées, comme les même participants sont mesurés plus d'une fois, il n'y a aucun effet de variabilité interéchantillonalle. Quel avantage cela apporte-t-il ?
Il y a moins de variabilité d'erreur (SCerreur) : on élimine une partie de la variabilité due aux participants.
54
L'ANOVA à mesures répétées ne permet pas de répartition au hasard. Quel effet cela peut-il avoir ?
Un effet de séquence.
55
Quelle est l'équation de la SCtotal pour l'ANOVA à mesures répétées ?
SCtrait + SCsujets + SCerreur
56
Quel type d'ANOVA a une condition d'application additionnelle, soit la sphéricité de la matrice des covariances ?
ANOVA à mesures répétées.
57
Dans la matrice des covariances, où se situes les covariances ?
Ce sont les valeurs hors diagonale.
58
Qu'est-ce que la sphéricité de la matrice des covariances ?
Les variances doivent être homogènes et les covariances aussi.
59
Qu'est-ce que signifie un test de sphéricité de Mauchly significatif ?
Que les données ne respectent pas le postulat de sphéricité.
60
Quand la matrice des covariance (ANOVA à mesures répétées) n'est pas sphérique, il existe des corrections Epsilon. Quel est leur effet ?
Elles baissent le nombre de degrés de liberté et rendent le test plus sévère.
61
Quelle correction Epsilon du test de sphéricité de Mauchly doit-on utiliser ?
Greenhouse-Geisser. Mais si GG est supérieur à 0,75, on prend Huynh-Feldt.
62
Vrai ou faux : tous les tests a posteriori et tests d'effets simples sont possibles avec les ANOVA à mesures répétées ou mesures répétées factorielles.
Vrai.
63
Comment interpréter le modèle linéaire qui sous-tend l'ANOVA Xij = u + aj + eij ?
Pour un score d'un individu "i" dans le groupe "j", on considère la moyenne de la population, la variabilité due à l'effet du groupe "j" et la variabilité de l'individu "i" dans le groupe "j" (c'est-à-dire l'erreur).
64
Que mesure un test d'effet simple ?
Effet d'un facteur (VI) sur la VD à un niveau d'un autre facteur.
65
À quoi servent les tests de comparaisons multiples ?
Les tests de comparaisons multiples servent à savoir quelles moyennes diffèrent entre elles (par exemple, quelles conditions sont différentes entre elles).
66
Quelle méthode de construction des équations de régression offre normalement le modèle le plus parcimonieux ?
Stepwise (pas à pas)
67
Quelle est la différence majeure entre une corrélation et une régression linéaire simple ?
La corrélation utilise 2 variables aléatoires et il n'y a pas de direction de l'effet : on ne peut pas dire que X variable a un effet sur Y. Dans la régression linéaire simple, on donne une direction à notre analyse.
68
Quel diagramme permet d'examiner la relation entre 2 variables continues X et Y ?
Diagramme de dispersion
69
Que représente la droite de régression ?
Le meilleur ajustement linéaire entre les variables (ligne qui touche le + de points possibles en minimisant l'écart entre cette ligne et les points, c-à-d les résidus)
70
Ŷ = bX + a est l'équation de quoi ? Que représente b ?
D'une droite de régression. b représente la pente de la droite, c-à-d de combien change Y pour un changement d'une unité sur X.
71
Que représente le coefficient de régression standardisé bêta β ?
La pente entre X et Y si les deux variables avaient la même échelle de mesure.
72
Pour une régression simple (avec une seule VI), que représente β ?
La corrélation entre VI et VD
73
Quel est l'indice d'ajustement de la régression le plus utilisé pour la droite de régression simple ? Pour la régression multiple ?
Simple : r2 ; Multiple : R2
74
Que représentent r2 ou R2 ? Entre quoi et quoi varient-ils ?
Le % de variance de Y expliqué par X. Ils varient entre 0 et 1.
75
Pourquoi utilise-t-on le r2 ajusté comme indice d'ajustement de la régression quand l'échantillon est de petite taille ?
Car R est un estimateur biaisé de rho (la corrélation au niveau de la population).
76
En régression, utilise-t-on les variances pour caractériser la variabilité
Non, on utilise les SC.
77
Qu'est-ce que la SCrésiduelle (l'erreur) dans une régression simple ?
La variance de Y qui n'est pas expliquée par X.
78
Pour une régression simple, qu'est-ce qui représente la variance de Y expliquée par X ?
SCŶ
79
SCŶ / SCY est l'équation de quoi ?
De r2
80
À quel moment effectue-t-on un test d'hypothèse dans une régression simple ?
Après avoir établi l'équation de régression. On veut vérifier si cette équation explique une part de variance plus grande que le hasard.
81
Quels son les 2 test d'hypothèses possibles en régression simple ? Quels sont leur hypothèses ?
Un test global pour tester si la corrélation est significativement différente de 0 (H0 : R = 0 ; H1 : R=/= 0) et un test sur le coefficient de régression b (H0 : b = 0 ; H1 : b =/= 0).
82
Sur quoi repose le test d’hypothèse sur r (ou R) pour la régression simple ?
Il repose sur un ratio F. (CMrégression/CMrésiduel).
83
Sur quoi repose le test d'hypothèse sur b de la régression simple ?
Sur un test t avec N-2 dl.
t = b / sb, c-à-d t = coefficient de régression / écart type de la distribution d'échantillon de b.
84
Quels sont les postulats à respecter (6) pour la régression simple ?
```
VD et VI continues
Indépendance des résidus
Normalité des résidus
Linéarité
Homoscédasticité / homogénéité des variances
Absence de données extrêmes
```
85
Quelles sont les 3 approches de la régression linéaire multiple ?
Algèbre scalaire, algèbre matricielle, étude basé sur les sorties d'ordinateur.
86
Quel est le but de la régression linéaire multiple ?
Trouver une équation de régression pour prédire une variable Y avec p prédicteurs X1, X2, X3... Xp.
87
Ŷ = b0 + b1X1 + b2X2 + ... + bpXp est l'équation de quoi ? Que représente b0 ? b1 ?
De la régression linéaire multiple. b0 est l'ordonnée à l'origine. b1 est le coefficient de régression, choisi pour minimiser l'erreur de prédiction.
88
Dans la régression linéaire multiple, que représente le coefficient R ?
La corrélation entre la VI et l'ENSEMBLE des prédicteurs.
89
Pourquoi, dans la régression multiple, est-il impossible de retirer un coefficient b de l'équation et de l'interpréter à lui seul ?
Car l'équation prend en compte l'ensemble des coefficients.
90
Pour la régression multiple, à quoi servent les coefficients bêta (βi) ?
À comparer l'importance ou la contribution de chacune des VI à la prédiction de la VD.
91
Quel est l'indice de la précision des coefficients de régression ?
L'erreur standard.
92
Dans la régression, qu'est-ce que la somme des différences entre les valeurs observées et les valeurs prédites au carré ?
L'erreur résiduelle, c-à-d la variabilité non expliquée par l'équation de régression.
93
Dans la régression, comment obtenir la variance résiduelle ?
En divisant l'erreur résiduelle par les degrés de liberté.
94
Dans la régression multiple, pourquoi préfère-t-on le R2ajusté au R2 ?
Parce que le R2 est un estimateur biaisé. R2ajusté prend en compte le nombre de prédicteurs et le N.
95
Pour la régression multiple, que représente le coefficient de corrélation multiple R ?
La corrélation entre la VD (Y) et la meilleure combinaison linéaire des prédicteurs.
96
Vrai ou faux : le test sur R2, dans la régression multiple, est un test t.
Faux, c'est un test F.
97
Quelles sont les 4 approches pour construire des équations de régression multiple ? Quelles sont les 2 plus courantes ?
Directe, Forward, Backward, Pas à pas. Les plus courantes sont Directe et Pas à pas.
98
Quel est cette méthode de construction d'une équation de régression multiple : À chaque étape, une variable est entrée ou sortie selon un critère statistique (plus grande corrélation avec VD ou plus grand F).
Pas à pas.
99
Pourquoi les critères d'ajustement sont-ils populaires ?
Ils prennent en compte à la fois le R2 (l'ajustement du modèle de régression multiple) ET le nombre de variables dans le modèle. Ils facilitent ainsi le choix du modèle le plus parcimonieux.
100
Qu'est-ce qui essaie de jauger si l'ajout d'un prédicteur en vaut la peine, considérant les inconvénients qui viennent avec ?
Le critère AIC.
101
Quels sont les 7 postulats à respecter pour la régression multiple ?
Linéarité de la relation
Homoscédasticité / homogénéité des variances
Indépendance des résultats
Normalité des résidus
Absence de valeurs extrêmes
Absence de multicolinéarité (variables très corrélées entre elles) et de singularité
Taille d'échantillon (le ratio n : nb de VI)
102
Pourquoi le ratio n : nb de VI est important à respecter pour la régression multiple ?
Un ratio trop faible peut mener à observer une association forte, mais fortuite.
103
Quel est le but de la régression logistique ?
Prédire à quelle catégorie une personne (ou autre) est la plus probable d'appartenir compte tenu des scores des prédicteurs.
104
Pourquoi la régression logistique est-elle plus flexible que d'autres analyses (3 raisons) ?
Elle permet d'inclure des prédicteurs évalués sur toutes les échelles de mesure.
Elle n'exige pas le respect de la linéarité des relations entre les prédicteurs.
Elle n'exige pas le respect de la normalité ou de l'homogénéité des variances.
105
Quel type de régression logistique voit-on le plus souvent ?
Régression logistique binaire (la VD a juste 2 valeurs).
106
Quel type d'analyse utilise une courbe zigmoïde ?
La régression logistique.
107
Vrai ou faux : Dans la régression logistique, on interprète les résultats par rapport à la valeur 0 (l'amélioration).
Faux, c'est la valeur 1 (l'amélioration).
108
Quelles sont les 2 caractéristiques de l'équation de régression logistique µ = A + B1X1 + .... BkXk ?
Elle exprime la relation linéaire de façon non linéaire et elle sert à classer chaque observation dans une catégorie (0 ou 1).
109
Une fois l'équation de régression logistique déterminée, que fait-on avec µ ?
On le transforme en probabilité ''logit'' Ŷi, qui est la probabilité prédite pour une unité individuelle d'appartenir au groupe visé.
110
Que représente le log-likelihood dans la régression logistique ?
La variance non expliquée par le modèle.
111
De quoi a-t-on besoin pour calculer el log-likelihood dans la régression logistique ?
Les probabilités prédites Ŷi, leurs résidus et les valeurs observées.
112
Vrai ou faux : plus le log-likelihood est grand, moins c'est bon.
Vrai
113
Régression logistique : une fois qu'on a les log-likelihood, on utilise deux modèles de tests inférentiels. Quels sont-ils et à quoi servent-ils ?
Modèle sans prédicteurs (null; juste l'ordonnée à l'origine) et modèle avec l'ensemble des prédicteurs. On veut savoir si un modèle avec prédicteurs présente un meilleur ajustement (signification plus petite) qu'un modèle sans prédicteurs.
114
Dans la régression logistique, un pseudo-R2 est donné par SPSS pour estimer le % de variance expliquée par les modèles. Lequel est recommandé ?
Nagelkerke
115
Dans la régression logistique, quel test indique si le coefficient de régression du prédicteur est significativement différent de 0 ?
Le test de Wald (un X2).
116
Dans la régression logistique, qu'est-ce qui indique la direction et la force de la relation entre le prédicteur et le groupe (VD) ?
Le rapport de cote (odds ratio).
117
Qu'est-ce qu'indique un rapport de cote de 1 ?
Une absence de relation.
118
Qu'est-ce qu'indique un rapport de cote de plus de 1 ?
Lorsque le prédicteur augmente, la chance d’appartenir à l'outcome augmente.
119
Qu'est-ce qu'indique un rapport de cote de moins de 1 ?
Lorsque le prédicteur augemente, la chance d'appartenir à l'outcome diminue.
