Différences entre groupes avec JASP
Autoformation
S’autoformer en statistique via des tutoriels et des capsules vidéo
Différences entre groupes avec JASP
Dans ce tutoriel, nous testons les différences entre groupes à l’aide du logiciel gratuit JASP.
Pour vous pratiquer, vous pouvez télécharger les données (fichier CSV) utilisées dans ce tutoriel !
Étape 1 : Chargez et vérifiez vos données
JASP vous permet d’ouvrir de charger des données à partir de différent type de fichiers. Un des formats qui est commode et souvent facile à exporter à partir d’autres logiciels est le format CSV (comma-separated value).
Le menu de JASP se trouve en haut à gauche. Cliquez dessus, puis cliquez sur « Ouvrir », avant de sélectionner votre fichier CSV contenant les données.
Vous devriez instantanément voir apparaître un tableau semblable à un chiffrier Excel. Avant de commencer vos analyses, jetez un coup d’œil rapide à vos données. Assurez-vous que les libellés de vos valeurs sont bien retranscrits et que toutes vos variables et vos participants sont là.
Si vous devez apporter des modifications à vos variables, vous pouvez le faire en cliquant sur le haut de la colonne appropriée.
- Cliquer sur l’icône vous permet de modifier la nature de la variable (échelle, ordinale ou catégorielle).
- Cliquer sur le nom de la variable vous permet d’attribuer des étiquettes à certaines valeurs.
Pour les analyses incluses dans ce tutoriel, les variables dépendantes doivent être numériques.
Étape 2 : Choisir le bon test
Un test t est approprié si vous désirez connaître les différences significatives entre deux groupes ou entre deux temps de mesure.
Si vous désirez par exemple connaître les différences entre deux groupes (groupe 1 et groupe 2) chacun composé de participants différents, vous utiliserez un test t pour échantillons indépendants. (p.ex : Existe-t-il une différence entre les participants francophone et anglophone pour cette variable ?).
Si vous désirez plutôt connaître les différences entre deux temps de mesure (Temps 1 et Temps 2) pour les mêmes participants, vous utiliserez un test t pour échantillons pairés. (p.ex : Existe-t-il une différence entre le score des participants avant et après une formation ?).
Une analyse de la variance, de l’anglais Analyse of Variance (ANOVA) est appropriée si vous voulez connaître les différences significatives entre plus de deux groupes distincts, ou plus de deux temps de mesures pour un même individu.
Test t
Nous commençons par utiliser le test t pour déterminer s’il existe des différences entre deux groupes de participants différents (test t pour échantillons indépendants) ou entre deux moyennes provenant des mêmes participants (test t pour échantillons pairés).
Étape 3 : Observer les données
Commençons par observer nos données de manière descriptive. En séparant nos données en deux catégories basées sur la langue (Fr, En) observons le salaire et le stress des participants aux deux premiers temps de mesure (T1 et T2).
Nous pouvons voir quelques différences entre les deux groupes et les temps de mesures, mais ces différences sont-elles significatives ?
Étape 4 : Test t pour échantillons indépendants
Après avoir cliqué sur l’onglet « T-Test » choisissez « Independant samples T-Test ».
Parmi les variables disponibles, sélectionnez vos variables à l’étude et insérez-les dans la boîte « Dependant variables ». Choisissez la variable qui servira à créer les groupes.
Dans notre exemple, nous nous intéressons au salaire et au stress des participants au T1 (temps 1) et nous voulons savoir s’il existe une différence entre nos deux groupes linguistiques:
- Variables dépendantes : Salaire, Stress.T1
- Variable de groupe : Langue
Les résultats ne montrent pas de différences significatives pour ces deux variables (p > 0.050). Ceci signifie que malgré les différences observées lors des analyses descriptives, les deux groupes linguistiques sont semblables pour ce qui est du salaire et du stress au travail.
Étape 5 : Test t pour échantillons pairés
Après avoir cliqué sur l’onglet « T-Test » choisissez « Paired samples T-Test ».
Parmi les variables disponibles, sélectionnez vos variables à l’étude et insérez-les dans la boîte «Variable Pairs». À la différence du test t pour échantillons indépendants, vous devez insérer les variables une à une en prenant bien soin de les placer dans la bonne paire.
Ainsi, dans notre exemple, nous nous intéressons aux différences de stress de nos participants entre les deux temps de mesure (T1 et T2). Pour ce faire, il faut mettre en paire les variables par temps de mesures
- Variables dépendantes : stress.T1 – stress.T2
Les résultats ne montrent pas de différences significatives pour ces deux variables (p > 0.050). Ceci signifie qu’il n’y a pas de changement entre le premier et le second temps de mesure en se qui a trait au stress de nos participants.
ANOVA
L’ANOVA est une extention du test t qui permet de tester des différences de moyennes entre plus de deux groupes. Premièrement, nous déterminerons s’il existe des différences entre plusieurs groupes de participants différents (ANOVA inter-sujets) ou entre plusieurs moyennes provenant des mêmes participants (ANOVA à mesures répétées).
Étape 6 : Observer les données
Commençons par observer nos données de manière descriptive. En séparant nos données en trois catégories basées sur le type d’employé (Full-time, Part-time, Freelance) regardons le salaire des participants.
Nous pouvons voir quelques différences entre les trois groupes, mais ces différences sont-elles significatives ?
Étape 7 : ANOVA inter-sujets
Après avoir cliqué sur l’onglet « ANOVA » choisissez « ANOVA ».
Parmi les variables disponibles, sélectionnez la variable à l’étude et insérez-la dans la boîte « Dependant variable ». Choisissez ensuite la variable groupale qui servira à la comparaison.
Dans notre exemple, nous nous intéressons au salaire par rapport au type d’employé (Full-time, Part-time, Freelance)
- Variable dépendante : Salaire
- Variable de groupe : Type
Les résultats montrent une différence significative (p < 0.050). Ceci signifie que certains types d’employés ont un salaire significativement plus élevé ou plus bas que d’autres. Mais lesquels ?
Cliquez sur l’onglet « Post Hoc Test » puis sélectionnez votre variable de groupe afin de générer un tableau de comparaisons entre vos groupes.
Dans notre exemple, il semblerait que tous les groupes soient significativement différents les uns des autres (p < 0.050).
Pour avoir une meilleure idée de ces différences, vous pouvez facilement générer un graphique montrant quel groupe gagne plus ou moins d’argent par rapport aux autres. Cliquez sur « descriptive plot », puis insérez votre variable de groupe. Vous verrez alors apparaitre un graphique qui vous aidera à interpréter les résultats du test Post Hoc.
Étape 8 : ANOVA à mesures répétées
Après avoir cliqué sur l’onglet « ANOVA », choisissez « Repeated measures ANOVA ».
Cliquez sur « RM factor 1 » et donnez-lui un nom représentatif. Pour une mesure répétée, il s’agit souvent du temps.
Puis, cliquez sur les différents niveaux (level) et donnez-leur un nom approprié. Dans notre exemple, il s’agit des trois temps de mesures (T1, T2 et T3).
Sélectionnez ensuite vos variables d’intérêt et insérez-les dans la section « Repeated Measures Cells ». Vous verrez alors les résultats apparaitre dans votre tableau.
Les résultats montrent une différence significative (p < 0.050). Ceci signifie qu’il existe une différence significative entre au moins deux temps de mesures. Mais lesquels ?
Cliquez sur l’onglet « Post Hoc Test » puis sélectionnez votre variable de groupe afin de générer un tableau de comparaison entre vos groupes.
Dans notre exemple, il semblerait que les temps de mesure 1 et 2 ne sont pas significativement différents (p = 0.329). Cependant, le temps de mesure 3 est significativement différent du temps 1 (p = 0.008) et du temps 2 (p < 0.001).
Pour avoir une meilleure idée de ces différences, générez un graphique similaire au précédent en cliquant sur « descriptive plot », puis insérez votre variable de groupe.
PARTAGEZ VOS IMPRESSIONS & POSEZ VOS QUESTIONS ICI !