Quel Test Statistique Dois-Je Utiliser?

1. tests Univariés
2. tests intra-sujets
3. Tests Inter-sujets
4. mesures D’Association
5. Analyses de prédiction
6. Analyses de Classification

résumé

trouver le test statistique approprié est facile si vous connaissez

1. Le type de test de base que vous recherchez et
2. les niveaux de mesure des variables concernées.

pour chaque type et niveau de mesure, ce tutoriel indique immédiatement le bon test statistique., Nous allons également définir brièvement les 6 types de tests de base et les illustrer avec des exemples simples.

Présentation Tests Univariés

Univariate Tests – Quick Definition

Univariate tests are tests that involve only 1 variable.,Tests univariés soit tester si

1. Un paramètre de population-généralement une moyenne ou une médiane – est égal à une valeur hypothétique ou
2. une distribution de population est égale à une fonction, souvent la distribution normale.

un exemple de manuel est un test T à un échantillon: il teste si une moyenne de population-un paramètre-est égale à une valeur X. Ce test implique seulement 1 variable (même s’il y en a beaucoup plus dans votre fichier de données).,

dichotomique McNemar test Cochran Q test NOMINAL (Non disponible) (Non disponible) ORDINAL Wilcoxon signé-ranks test
signe test pour 2 médianes connexes test de Friedman quantitative échantillons appariés T-Test mesures répétées Anova

tests intra-sujets – définition rapide

tests intra-sujets comparent 2+ variables
mesuré sur les mêmes sujets (souvent des personnes).,Un exemple est répété mesures ANOVA: il teste si 3 + variables mesurées sur les mêmes sujets ont des moyennes de population égales.

Les tests intra-sujets sont également appelés

• tests d’échantillons appariés (comme dans un test T d’échantillons appariés) ou
• tests d’échantillons associés.

« échantillons apparentés” fait référence à des sujets internes et « K” signifie 3+.,st pour 2 + médianes indépendantes

test de Kruskal-Wallis (rangs moyens)
Test médian pour 2+ médianes indépendantes Quantitative échantillons indépendants t-test (moyennes)
Test de Levene (variances) ANOVA unidirectionnelle (moyennes)
Test de Levene (variances)

tests inter-sujets-définition rapide

les tests inter – sujets examinent si 2+ sous-populations
sont identiques en ce qui concerne

• un paramètre (moyenne de la population, écart type ou proportion) ou
• une distribution.,

l’exemple le plus connu est une ANOVA à Sens Unique comme illustré ci-dessous. Notez que les sous-populations sont représentées par des sous-échantillons-des groupes d’observations indiqués par une variable catégorielle.

Les tests »entre sujets” sont également appelés tests « échantillons indépendants”, tels que le test T-échantillon indépendant. « Échantillons indépendants » signifie que les sous-échantillons ne se chevauchent pas: chaque observation n’appartient qu’à 1 sous-échantillon.,tr>

NOMINAL Eta carré Cramér V Cramér V dichotomique corrélation Point-bisérielle
corrélation Bisérielle corrélation de Spearman
tau de Kendall
corrélation polychorique V de Cramér Phi-coefficient
corrélation Tétrachorique

mesures d’association – définition rapide

Les mesures d’association sont des nombres qui indiquent
Dans quelle mesure 2 variables sont associées.,La mesure d’association la plus connue est la corrélation de Pearson: un nombre qui nous indique dans quelle mesure 2 variables quantitatives sont linéairement liées. L’illustration ci-dessous visualise les corrélations sous forme de nuages de points.,>

OUTCOME VARIABLE ANALYSIS Quantitative (Multiple) linear regression analysis Ordinal Discriminant analysis or ordinal regression analysis Nominal Discriminant analysis or nominal regression analysis Dichotomous Logistic regression

Prediction Analyses – Quick Definition

Prediction tests examine how and to what extent
a variable can be predicted from 1+ other variables.,L’exemple le plus simple est la régression linéaire simple comme illustré ci-dessous.

Les analyses de prédiction supposent parfois tranquillement la causalité: tout ce qui prédit une variable est souvent pensé pour affecter cette variable. Selon le contenu d’une analyse,la causalité peut être plausible ou non.Gardez à l’esprit, cependant, que les analyses énumérées ci-dessous ne prouvent pas la causalité.

Analyses de Classification

Les analyses de Classification tentent d’identifier et
de décrire des groupes d’observations ou de variables.,Les 2 principaux types d’analyse de classification sont

• l’analyse factorielle pour trouver des groupes de variables (« facteurs”) et
• l’analyse en grappes pour trouver des groupes d’observations (« grappes”).

l’analyse factorielle est basée sur des corrélations ou des covariances. On suppose que des groupes de variables fortement corrélées mesurent des facteurs sous-jacents similaires-parfois appelés « constructions”. L’idée de base est illustrée ci-dessous.

l’analyse en grappes est basée sur les distances entre les observations-souvent des personnes., Les groupes d’observations avec de petites distances entre eux sont supposés représenter des grappes telles que des segments de marché.

à Droite. Donc, cela fera l’affaire pour un aperçu de base. J’espère que vous avez trouvé ce guide utile! Et le dernier mais non le moindre,

merci pour la lecture!