Explore

Analyse de la variance avec le logiciel SPSS

6 hours on-demand video

$ 12.99

Save Course

Go to Course

Brief Introduction

Comprendre quand et comment utiliser l'analyse de variance avec le logiciel SPSS?

Description

Cette formation va vous aider à:

- Sélectionner des tests statistiques univariés en fonction du niveau de mesure des variables et du nombre et de la nature des échantillons

- Réaliser 2 analyses et tests

- Mettre en place un test binomial

- Traiter différents types de test t

- Effectuer des tests ordinaux tels que le test de Wilcoxon, le test U de Mann-Whitney, le test de Kruskal-Wallis et le test de Friedman

- Utilisez le test de McNemar

- Obtenez un aperçu du test Cochran Q et de l'analyse de mesure répétée de la variance

- Comprendre quand et comment utiliser l'analyse de variance

- Effectuer et interpréter une analyse unidirectionnelle de la variance et une analyse de la variance basée sur des plans factoriels complets

- Effectuer et interpréter des analyses de mesures répétées de la variance

Technique

Dans les deux premiers modules de cette formation sur les tests t, nous avons mentionné que lorsque le nombre d'échantillons était supérieur à deux, une autre technique devait être appliquée, à savoir l'analyse de la variance. L'analyse de la variance est donc une extension du test t dans les cas où il y a plus de deux échantillons impliqués. Une analyse de variance peut donc être utilisée pour déterminer le niveau de signification de la différence entre plus de deux moyennes, ainsi que pour découvrir quel est l'effet d'une ou plusieurs variables indépendantes nominales sur une variable dépendante échelonnée par intervalle. En fin de compte, les deux approches se résument à la même chose. Les variables indépendantes nominales sont également appelées facteurs. Les différentes valeurs que ces variables nominales peuvent prendre sont appelées niveaux.

L'analyse de variance (ou ANOVA) peut prendre diverses formes. Par exemple, vous pouvez avoir plusieurs variables indépendantes (chacune avec plusieurs niveaux de mesure) et / ou plusieurs variables dépendantes (MANOVA - M signifie Multivariate) impliquées. De plus, une variable indépendante supplémentaire (covariable) peut être incluse dans l'analyse (ANCOVA - COVA signifie Covariance). Plusieurs observations par répondant peuvent également être analysées (mesures répétées). Ce que cela revient à chaque fois, c'est la comparaison d'une variance causée par un ou plusieurs facteurs indépendants avec la variance non expliquée. Si le premier est relativement important, on peut dire que le facteur entraîne une différence significative.

Lorsque nous travaillons avec plus d'une variable indépendante, ces types d'analyses sont indiqués de manière spécifique. Par exemple, la détermination de l'effet des variables indépendantes `` couleur '' (rouge, vert, bleu) et `` rembourrage '' (cuir et pas de cuir) sur la préférence pour une voiture sera exprimée comme une conception expérimentale 3 2 (deux variables, dont la première est mesurée sur trois niveaux, l'autre mesurée sur deux niveaux).

Les types d'analyses suivants seront abordés dans cette formation:

- analyse de la variance comme test de différence ou ANOVA à un facteur (exemple 1)

- analyse de covariance ou ANCOVA (exemple 2)

- analyse de la variance pour un plan factoriel complet 2 2 2 (exemple 3)

- analyse multivariée de la variance ou MANOVA (exemple 4)

- analyse de la variance à l'aide de mesures répétées (exemple 5)

- analyse de variance utilisant des mesures répétées et un facteur inter-sujets (exemple 6)