Variance inter-classes : La variance des moyennes entre différentes classes ou groupes. Elle décrit les différences qui peuvent être dues à la modalité du facteur, d'où son nom de variance expliquée. Elle mesure l'ampleur des différences entre les groupes ou classes en termes de moyenne (source : cadre conceptuel, exemple de groupes 1, 2, 3).
Variance intra-classes : La variance au sein d'une même classe ou groupe. Elle correspond à la variabilité des données à l’intérieur de chaque groupe, c'est-à-dire la variabilité résiduelle ou intra-groupe (source : cadre conceptuel, mentionné dans la distinction avec la variance inter-classes).
ANOVA : Analyse de la variance utilisée pour comparer plusieurs moyennes. Elle permet de déterminer si la variance inter-classes (différences entre groupes) est significativement plus grande que la variance intra-classes (variabilité à l’intérieur des groupes).
Variance expliquée : La variance des données attribuable au facteur étudié. Elle correspond à la part de la variance totale que l’on peut attribuer aux différences entre classes ou groupes (source : cadre conceptuel).
Variance résiduelle : La variance non expliquée par le modèle, c’est-à-dire la variabilité au sein des groupes ou la variabilité non attribuable au facteur étudié. Elle représente la variabilité intra-classes.
La variance inter-classes quantifie les différences entre groupes ou classes, permettant d’évaluer si ces différences sont statistiquement significatives par rapport à la variabilité intra-classes.
Variance intra-classes : La variance des données au sein d'une même classe ou groupe. Elle correspond à la variabilité observée entre les mesures ou individus d'un même groupe. Elle est aussi appelée variance résiduelle ou variance intra-groupe. Selon le cadre de l'ANOVA, elle résume la variabilité qui n'est pas expliquée par le facteur étudié (source : structure des séances, Gabriela REZENDE).
Effet du facteur musical : Impact du facteur musical sur la variable dépendante, mesuré par la part de variance expliquée par ce facteur (voir section 4).
Effet du moment de mesure : Influence du temps ou du moment de la mesure sur la variable dépendante, également quantifiée par la part de variance expliquée (voir section 10).
Hypothèses statistiques : Conditions nécessaires pour la validité du test, notamment la normalité des protocoles des différences parentes et la sphéricité (voir sections 7 et 8).
Test de sphéricité : Test permettant de vérifier si les variances des différences entre toutes les combinaisons des niveaux du facteur sont homogènes. Il utilise le W de Mauchly. La violation de cette hypothèse peut fausser les résultats de l'ANOVA (voir section 8).
Taille d’effet η² (eta carré) : Mesure de l'ampleur de l'effet du facteur, indiquant la proportion de variance expliquée par ce dernier. Une valeur élevée indique un effet fort (voir sections 4 et 6).
La variance intra-classes représente la variabilité au sein d’un même groupe ou classe, contrairement à la variance inter-classes qui concerne la variabilité entre différentes classes ou groupes.
Dans le contexte de l’ANOVA à mesures répétées, la variance intra-classes correspond à la variabilité des mesures répétées sur le même sujet, qui doit être faible pour que le test soit fiable.
La part de variance expliquée par le facteur musical ou par le moment de mesure est quantifiée par η² ou η² partiel, permettant d’évaluer l’impact pratique de ces facteurs.
Le test de sphéricité de Mauchly vérifie si la condition d’homogénéité des variances des différences est respectée. En cas de non-respect, des corrections ou une autre analyse sont nécessaires.
La taille d’effet η² suit des seuils empiriques : petit (<4%), moyen (4-16%), fort (>16%).
La variance intra-classes reflète la variabilité au sein d’un même groupe ou sujet, et sa bonne estimation est essentielle pour valider la fiabilité des résultats de l’ANOVA à mesures répétées, notamment via le test de sphéricité et la mesure de la taille d’effet.
ANOVA S*T : Analyse de la variance à mesures répétées avec deux facteurs (exemple : sujet et traitement). Elle permet d’étudier si les moyennes de la variable dépendante diffèrent en fonction de deux facteurs, en tenant compte de la structure de mesures répétées.
Hypothèses statistiques (sur la population parente) :
Décision statistique :
Test de Mauchly :
L’ANOVA S*T permet d’analyser l’effet de deux facteurs sur une variable mesurée plusieurs fois chez les mêmes sujets, en vérifiant notamment l’homogénéité des variances des différences par le test de Mauchly. La décision repose sur la p-value, et l’interprétation doit considérer la taille de l’effet et la validité des hypothèses.
Taille d’effet η² : Mesure de l'importance pratique de l'effet, correspondant à la proportion de la variance totale expliquée par le facteur étudié. Elle indique dans quelle mesure le facteur musical explique la variabilité de la variable dépendante (par exemple, le taux d’IgA ou le niveau de stress perçu). Selon Cohen (1988), η² > 0.16 est considéré comme un effet fort.
Interprétation des résultats : Les conclusions tirées de l’analyse statistique, notamment si le facteur musical a un effet significatif ou non sur la variable dépendante, et l’importance pratique de cet effet, en se basant sur la taille d’effet η² et la p-value.
Hypothèses statistiques : Conditions sur la population pour la validité du test, notamment la normalité des protocoles des différences parentes et l’hypothèse de sphéricité (homogénéité des variances des différences entre toutes les combinaisons des conditions). La validité du test repose aussi sur la répartition aléatoire et la normalité.
Décision statistique : Conclusion basée sur la p-value, qui indique si l’effet du facteur musical est statistiquement significatif ou non. Par exemple, si p < 0.05, on rejette H0, concluant à un effet significatif ; si p > 0.10, on ne rejette pas H0, indiquant l’absence d’effet significatif.
Test de sphéricité : Vérification de l’homogénéité des variances des différences entre toutes les paires de conditions (via le W de Mauchly). Si le test est significatif, cela indique une violation de l’hypothèse de sphéricité, nécessitant une correction ou l’abandon de l’analyse avec ANOVA sur mesures répétées.
La taille d’effet η² permet d’évaluer la pertinence pratique d’un effet du facteur musical, tandis que le test de sphéricité garantit la validité de l’analyse. La conclusion repose sur la p-value, indiquant si l’effet observé est statistiquement significatif ou non.
Interprétation des résultats : Analyse visant à comprendre la signification statistique et pratique des résultats obtenus, notamment si l’effet observé est fiable et pertinent dans la population étudiée.
Taille d’effet η² : Quantification de l’impact du facteur étudié sur la variable dépendante, exprimée en proportion de la variance expliquée par ce facteur. Elle permet d’évaluer l’importance pratique de l’effet.
Hypothèses statistiques : Conditions sur la population pour que le test soit valide, notamment l’égalité des variances des différences parentes (hypothèse de sphéricité). La violation de cette hypothèse peut fausser les résultats.
Décision statistique : Rejet ou non de l’hypothèse nulle en se basant sur la p-value. Si p est inférieur au seuil (souvent 0,05 ou 0,10), on rejette H0, indiquant une différence significative. Sinon, on ne rejette pas H0, suggérant une absence de différence significative.
Le test de sphéricité vérifie si les variances des différences entre conditions sont homogènes ; sa non-conformité oblige à ajuster l’analyse pour assurer la validité des résultats.
16% : effet fort ou grand
La taille d’effet η² quantifie la proportion de variance expliquée par le facteur, permettant d’évaluer la force de l’impact dans une analyse de la variance.
Hypothèses statistiques (sur la population parente) : Ce sont des affirmations concernant la population dont provient l’échantillon, formulées en termes d’égalité ou de différence de paramètres (moyennes ou variances). Par exemple, H0 : égalité des variances des différences parentes, H1 : au moins deux variances des différences parentes ne sont pas égales (voir section 3, 4, 9).
Test de sphéricité : Vérification de l’hypothèse selon laquelle les variances des différences entre toutes les combinaisons des conditions sont égales. Il s’agit d’un test pour assurer que l’hypothèse de sphéricité est respectée, condition essentielle pour la validité de l’ANOVA à mesures répétées (voir section 4, 9).
Statistique de décision : La valeur calculée (F, t, Z) utilisée pour décider si l’on rejette ou non l’hypothèse nulle (voir section 4, 9).
p-value : Probabilité d’obtenir un résultat au moins aussi extrême que celui observé, sous l’hypothèse nulle. Elle sert à prendre la décision de rejeter ou non H0 en la comparant à un seuil α (voir section 4, 9).
L’ANOVA à mesures répétées repose sur plusieurs hypothèses : normalité des protocoles des différences parentes, homogénéité des variances des différences (sphéricité), et répartition aléatoire des sujets dans les conditions (voir section 4, 9).
La test de Mauchly est utilisé pour vérifier l’hypothèse de sphéricité. Si le résultat est significatif (p < 0.05), cela indique une violation de l’hypothèse, ce qui peut fausser les résultats de l’ANOVA et nécessiter une correction ou l’abandon du test (voir section 4, 9).
La décision statistique se fonde sur la p-value : si p < α (souvent 0.05), on rejette H0, sinon on ne la rejette pas. La conclusion concerne la population parente, en tenant compte du seuil choisi (voir section 4, 9).
La taille d’effet partielle η² indique l’ampleur de l’effet du facteur dans la population, avec des valeurs seuils pour juger si l’effet est faible, moyen ou fort (voir section 4, 9).
Les hypothèses statistiques garantissent la validité des résultats de l’ANOVA à mesures répétées ; leur vérification, notamment par le test de sphéricité, est essentielle pour interpréter correctement les effets observés.
Hypothèses statistiques : Ce sont des assertions sur la population parente concernant la variance. La H0 suppose que les variances des différences parentes sont égales, tandis que la H1 indique qu’au moins deux variances diffèrent (voir aussi "Test de sphéricité" dans la section 3).
Décision statistique : Elle consiste à rejeter ou non l’hypothèse nulle (H0) en se basant sur la p-value. Si p < 0.05, on rejette H0, sinon on ne la rejette pas.
Interprétation des résultats : Elle porte sur la signification statistique (rejet ou non de H0) et la signification pratique (l’impact ou l’effet observé, notamment via η² ou η² partiel).
Test de Mauchly : C’est un test de sphéricité utilisé pour vérifier si l’hypothèse de sphéricité est respectée dans une ANOVA à mesures répétées. Un résultat significatif indique une violation de cette hypothèse (voir aussi "Test de sphéricité" dans la section 3).
La vérification de l’hypothèse de sphéricité via le test de Mauchly est une étape cruciale pour l’analyse avec ANOVA S*T. Si cette hypothèse est violée (p < 0.05), l’analyse doit être corrigée ou abandonnée.
La décision de rejet ou non de H0 repose sur la p-value : p < 0.05 entraîne le rejet, p > 0.05 indique qu’on ne peut pas rejeter H0.
La taille d’effet, comme η² ou η² partiel, permet d’évaluer la portée pratique de l’effet observé, avec des seuils (ex : > 0.16) pour juger si l’effet est fort.
La conclusion doit préciser si, dans la population parente, il existe un effet significatif du facteur étudié, basé sur la statistique F, les degrés de liberté, et la p-value.
La décision statistique dans l’ANOVA à mesures répétées repose principalement sur la p-value et la vérification de l’hypothèse de sphéricité ; une fois cette étape validée, l’interprétation porte sur la signification de l’effet global ou spécifique du facteur.
Taille d’effet η² : Mesure de l’importance pratique de l’effet, correspondant à la part de variance de la variable dépendante expliquée par le facteur étudié. Elle indique si l’effet est faible, moyen ou fort selon des seuils empiriques (ex : η² > 0.16 = effet fort). La version partielle (η² partiel) indique la proportion de variance expliquée par un prédicteur spécifique après retrait des autres influences (voir aussi "ηp2").
Interprétation des résultats : Conclusions tirées de l’analyse statistique, notamment si l’effet du facteur est significatif ou non, et son importance pratique via la taille d’effet. Elle permet d’évaluer la portée de l’effet dans la population.
Hypothèses statistiques : Conditions sur la population pour la validité du test, notamment la normalité des différences parentes et l’homogénéité des variances des différences (test de sphéricité). La vérification de ces hypothèses est essentielle pour la fiabilité du résultat (voir aussi "hypothèses statistiques" et "test de sphéricité").
Décision statistique : Conclusion basée sur la p-value, déterminant si l’on rejette ou non l’hypothèse nulle. Rejet si p < seuil (souvent 0,05 ou 0,001), ce qui indique un effet significatif dans la population.
Test de sphéricité : Vérification de l’homogénéité des variances des différences entre toutes les paires de conditions. Le test de Mauchly fournit un W et un p associé. Si le test est significatif, cela indique une violation de l’hypothèse de sphéricité, nécessitant une correction ou l’abandon de l’analyse avec ANOVA sur mesures répétées.
La variance inter-classes reflète l’effet du facteur sur la différence entre groupes, tandis que la variance intra-classes représente la variabilité interne. Leur comparaison permet d’évaluer la signification des différences observées.
(aucune date explicite dans le contenu fourni, donc cette section est omise)
| Critère | Variance inter-classes | Variance intra-classes |
|---|---|---|
| Définition | Variance des moyennes entre groupes | Variabilité des mesures au sein d’un même groupe |
| Objectif | Mesurer les différences dues au facteur | Évaluer la variabilité résiduelle ou intra-groupe |
| Représente | Effet du facteur sur la variable dépendante | Variabilité non expliquée par le facteur |
| Mesure | Variance expliquée | Variance résiduelle |
| Auteur | Cadre conceptuel (exemple : groupes 1, 2, 3) | Gabriela REZENDE (structure des séances) |
| Critère | ANOVA mesures répétées | Test de sphéricité (Mauchly) |
|---|---|---|
| Définition | Analyse de la variance avec mesures répétées sur le même sujet | Vérification de l’homogénéité des variances des différences |
| Hypothèses | Homogénéité des variances des différences | Homogénéité des variances des différences entre conditions |
| Résultat | Significatif si p < 0.05 | Significatif si W de Mauchly est significatif (violation de sphéricité) |
| Auteur | ANOVA S*T | Mauchly |
| Critère | Taille d’effet η² | Hypothèses statistiques |
|---|---|---|
| Définition | Proportion de variance expliquée par le facteur | Normalité, sphéricité, homogénéité des variances |
| Interprétation | Effet faible (<4%), moyen (4-16%), fort (>16%) | Validité des résultats dépend du respect des hypothèses |
| Auteur | Cohen (1988) | - |
Teste tes connaissances sur Analyse de la Variance en Psychologie avec 10 questions à choix multiples et corrections détaillées.
1. Quelle est la caractéristique principale de la variance inter-classes dans l’analyse de la variance ?
2. En quoi la variance intra-classes diffère-t-elle de la variance inter-classes dans le cadre de l’ANOVA ?
Mémorisez les concepts clés de Analyse de la Variance en Psychologie avec 20 flashcards interactives.
Variance inter-classes — définition ?
Variance des moyennes entre groupes.
Variance intra-classes — rôle ?
Mesure la variabilité au sein d’un groupe.
ANOVA mesures répétées — objectif ?
Comparer plusieurs moyennes appariées.
Importe ton cours et l'IA génère fiches, QCM et flashcards en 30 secondes.
Générateur de fiches