Les trois tests de corrélation les plus utilisés sont ceux de Spearman, Kendall et Pearson. Les deux premiers sont des tests non-paramétriques que l'on peut également appliquer sur des variables qualitatives ordinales.
Pearson est utilisé pour les données paramétriques (linéaires et normalement distribuées) ; Spearman est utilisé pour les données non paramétriques.
coefficient de corrélation de Pearson
Il s'agit de la statistique la plus couramment utilisée ; toutefois, elle suppose une distribution normale ou en cloche pour la variable continue. Nous n'avons pas vérifié cette hypothèse ici, mais cela est indispensable pour toute analyse de données réelles. Le coefficient de corrélation varie de -1 à 1.
Le test de t s'applique seulement quand on a une seule variable explicative catégorique, qui comprend 2 niveaux. Pour tous les autres modèles linéaires avec des variables explicatives catégoriques avec > 2 niveaux, on utilise une ANOVA.
Le coefficient de corrélation de Pearson est utilisé pour deux variables quantitatives continues présentant une relation linéaire. Le coefficient de Spearman est utilisé pour deux variables quantitatives dont la relation est partiellement linéaire, ou pour une variable qualitative ordinale et une variable quantitative. Le coefficient de Kendall est souvent utilisé pour deux variables qualitatives ordinales.
Le test de Spearman est donc utile lorsque les hypothèses de base de linéarité et de variables continues nécessaires à la réalisation d'une analyse de corrélation bivariée de Pearson n'ont pas été respectées .
La statistique de Mann-Kendall indique l'existence d'une tendance et son sens (positif ou négatif) . Le calcul subséquent du tau de Kendall permet de comparer la force de la corrélation entre deux séries de données.
Le test t de Student est utilisé pour comparer les moyennes entre deux groupes, tandis que l'ANOVA est utilisée pour comparer les moyennes entre trois groupes ou plus .
Cette méthode analytique ANOVA permet de comparer la variance de groupes d'individus afin d'étudier une éventuelle influence de facteurs. Vous utilisez alors l'ANOVA pour vous aider à comprendre comment vos différents groupes répondent lors du test statistique.
Le test de corrélation permet de mesurer la relation entre deux variables numériques. Il permet de déterminer si ces deux variables évoluent ensemble (relation positive), de manière opposée (relation négative), ou si elles sont indépendantes l'une de l'autre (absence de corrélation).
1. L'ANOVA permet de tester les différences entre les moyennes de plus de deux échantillons et de déterminer si les moyennes des populations sont égales. 2. Le coefficient de corrélation de Pearson mesure la force et le sens de la relation linéaire entre deux variables quantitatives.
La corrélation est une statistique qui décrit l'association entre deux variables. Elle peut être utilisée pour des variables continues, binaires ou une combinaison des deux. En revanche, les tests t examinent s'il existe des différences significatives entre les moyennes de deux groupes .
Pour effectuer une corrélation bivariée de Pearson dans SPSS, cliquez sur Analyser > Corréler > Bivarié. La fenêtre Corrélations bivariées s'ouvre ; vous pourrez alors spécifier les variables à utiliser dans l'analyse.
Le coefficient de Pearson est adapté aux données d'intervalle ou de rapport présentant une relation linéaire entre les variables. Il convient aux distributions non normales si la taille de l'échantillon est importante. Le coefficient de Spearman, quant à lui, est destiné aux données ordinales , peut détecter certaines relations non linéaires et est performant pour les données non normales lorsque la taille de l'échantillon est petite.
À l'instar du coefficient de corrélation de Pearson, le coefficient de corrélation de rang de Spearman vaut +1 pour une correspondance parfaite des rangs, -1 pour une discordance parfaite et 0 pour l'absence de corrélation . Il arrive que les données, relatives à un phénomène qualitatif, ne soient disponibles que sous forme de valeurs et non de rangs.
L'ANOVA, ou analyse de la variance, est un test utilisé pour déterminer les différences entre les résultats de recherche provenant de trois échantillons ou groupes non liés ou plus .
Le test de Kruskal-Wallis peut être utilisé pour déterminer si au moins deux groupes diffèrent l'un de l'autre. Le test de Kruskal-Wallis n'apporte pas de réponse à la question de savoir lequel des groupes diffère ; un test post-hoc est nécessaire à cet effet.
Si l'ANOVA à un facteur donne une valeur p < 0,05, on rejette l'hypothèse nulle selon laquelle toutes les données proviennent de populations ayant la même moyenne . Dans ce cas, il semble logique qu'au moins un des tests de comparaisons multiples révèle une différence significative entre les paires de moyennes. Cependant, cela n'est pas nécessairement vrai.
Ainsi, trois tests t donneraient un taux d'erreur de 15 % (en réalité, 14,3 %), et ainsi de suite. Ces erreurs sont inacceptables. Une ANOVA permet de contrôler ces erreurs, de sorte que le risque d'erreur de type I reste à 5 % et que vous pouvez être plus confiant quant à la signification statistique de vos résultats, qui ne résultent pas simplement d'un grand nombre de tests .
L'ANOVA univariée ne s'utilise que lorsque l'on étudie un seul facteur et une seule variable dépendante. Pour comparer les moyennes de trois groupes ou plus, elle indique si au moins une paire de moyennes est significativement différente, mais elle n'indique pas laquelle.
Utilisez les tests du χ² lorsque toutes les variables sont catégorielles. Utilisez l'ANOVA lorsque vous avez au moins une variable dépendante catégorielle et une variable dépendante continue .
Le test de Kendall, également appelé test de Thomas modifié, est un test orthopédique courant permettant d'évaluer la longueur du muscle droit fémoral du quadriceps . Pour réaliser ce test, placez le patient en décubitus dorsal, les deux jambes hors de la table. Demandez-lui ensuite de ramener un genou vers sa poitrine et de maintenir la position.
Le tau (τ), également appelé lepton tau, particule tau ou tauon, est une particule élémentaire semblable à l'électron, avec une charge électrique négative et un spin de 12 .
Le test de Mann-Kendall analyse le signe de la différence entre les données mesurées ultérieurement et les données mesurées antérieurement . Chaque valeur mesurée ultérieurement est comparée à toutes les valeurs mesurées antérieurement, ce qui donne un total de n(n-1)/2 paires de données possibles, où n est le nombre total d'observations.