TD5 Préparer le fichier de données

TD5 Préparer le fichier de données Lotje van der Linden l.vanderlinden@cogsci.nl

Emploi du temps Séance Date Thème 1 04/02/2016 Introduction Les statistiques descriptives 2 11/02/2016 Le test t: Comparer 2 moyennes 3 25/02/2016 L'ANOVA simple : Comparer >2 moyennes d'une seule VI 4 03/03/2016 L'ANOVA factorielle : Comparer >2 moyennes de plusiers VI 5 10/03/2016 Continuation ANOVA Preparer le fichier csv 6 17/03/2016 La régression simple et correlation 1 prédicteur 7 24/03/2016 La régression multiple Plusiers prédicteurs 8 31/03/2016 (Les tests non-paramétriques) Révisions 9?? Examen sur table 2

Planning Aujourd'hui Partie 1 : Théorie Mémoire Rappel TD 1-4 Construire fichier «input» pour JASP Pause Partie 2 : Informatique Préparer fichier «input» Effectuer des tests JASP TER 3

Taille d'effet Taille d'effet = effect size Si on dit : «la différence est significative» on veut dire «la différence est statistiquement significative» La différence, même si elle est minime, n'est pas due au hasard. Donc ici : significative importante / grande Le fait que une différence est significatif ne dit rien sur son degré d'importance Rapporter la taille d'effet : Effet de facilitation/ Premier possibilité : La différence «absolue» Bénéfice attentionnel Par ex : L'effet de facilitation est 30 ms m neutre m congruent 4

Taille d'effet Taille d'effet = effect size Si on dit : «la différence est significative» on veut dire «la différence est statistiquement significative» La différence, même si elle est minime, n'est pas due au hasard. Donc ici : significative importante / grande Le fait que une différence est significatif ne dit rien sur son degré d'importance Rapporter la taille d'effet : Deuxième possibilité : Présenter une statistique qui reflète la taille de notre effet. Test t : d de Cohen Autour 0,2 = effet «faible» Autour 0,5 = «moyen» Autour 0,8 et plus = «fort» d= m neutre m congruent écart type commun 5

Taille d'effet Taille d'effet = effect size Si on dit : «la différence est significative» on veut dire «la différence est statistiquement significative» La différence, même si elle est minime, n'est pas due au hasard. Donc ici : significative importante / grande Le fait que une différence est significatif ne dit rien sur son degré d'importance Rapporter la taille d'effet : Deuxième possibilité : Présenter une statistique qui reflète la taille de notre effet. Test t : d de Cohen Autour 0,2 = effet «faible» Autour 0,5 = «moyen» Autour 0,8 et plus = «fort» Mais : problème JASP 6

Taille d'effet Taille d'effet = effect size Si on dit : «la différence est significative» on veut dire «la différence est statistiquement significative» La différence, même si elle est minime, n'est pas due au hasard. Donc ici : significative importante / grande Le fait que une différence est significatif ne dit rien sur son degré d'importance Rapporter la taille d'effet : Deuxième possibilité : Présenter une statistique qui reflète la taille de notre effet. ANOVA : l'eta-carré (η2) Représente la proportion de variance de la VD expliquée par la VI. Cet indice varie entre 0 et 1 Autour 0,02 = «faible» Autour 0,13 = «moyen» Autour 0,26 et plus = «fort» 7

Taille d'effet APA Donc : effet du nombre de bières est forte Une ANOVA factorielle aux groupes indépendants montre que l'effet du Nombre de bières est significatif (F(2,42) = 44,29 ; p < 0,001) ; η2 = 0,477). 8

Taille d'effet Taille d'effet = effect size Si on dit : «la différence est significative» on veut dire «la différence est statistiquement significative» La différence, même si elle est minime, n'est pas due à la chance Donc ici : significative importante / grande Le fait que une différence est significatif ne dit rien sur son degré d'importance Rapporter la taille d'effet : Deuxième possibilité : Présenter une statistique qui reflète la taille de notre effet. Analyse de régression : R2 analogue η2 Représente la proportion de variance de la VD expliquée par la VI. Cet indice varie entre 0 et 1 Autour 0,02 = «faible» Autour 0,13 = «moyen» Autour 0,26 et plus = «fort» 9

Le Mémoire de TER 10

Le mémoire de TER Corps du texte 11

Corps du texte Hypothèse générale : L'alcool influence les compétences de conduit Hypothèse opérationnelle: Dans la condition Avec Bières, la déviation du parcours devrait être supérieur par rapport à la condition Sans Bières 12

Rappel TD 1-4 13

Arbre de décision 14

Résumé 1 VI Avec 2 modalités Groupes indépendants : Test t indépendant = independant samples t-test Groupes appariés : Test t apparié = paired samples t-test Un test t aux mesures répétées révèle que les participants répondent plus vite dans la condition «Congruent» par rapport à la condition «Incongruent» (t (21) = 3,17 ; p < 0,05). Figures avec barres d'erreur Statistiques descriptives (m ; s ) La taille de l'effet : Cohen's d TD4: 03/03/2016 15

Résumé 1 VI Avec >2 modalités ANOVA simple groupes indépendants = ANOVA ANOVA simple mesures répétées = Repeated Measures ANOVA Une ANOVA aux mesures répétées révèle que l'effet de la validité de l'indice est significatif (F (2,18) = 115,1 ; p < 0,001). Figures avec barres d'erreur Statistiques descriptives (m ; s ) La taille de l'effet : η2 Les tests post hoc quelles moyennes diffèrent entre elles? TD4: 03/03/2016 16

Résumé 2 VI : ANOVA factorielle groupes indépendant = ANOVA ANOVA factorielle mesures répétées = Repeated Measures ANOVA ANOVA factorielle mixte = Repeated Measures ANOVA + Between Subjects Factor Non seulement des effets principaux, mais aussi des interactions! Figures avec barres d'erreur Statistiques descriptives (m ; s ) La taille de l'effet : η2 Les tests post hoc quelles moyennes diffèrent entre elles? Pas de règles universels concernant les effets à discuter dans un CR Surtout si interaction croisée, discussion des effets principaux moins intéressant TD4: 03/03/2016 17

Résumé Préférence taille d'icônes Figures avec barres d'erreur Statistiques descriptives (m ; s ) La taille de l'effet : η2 Les tests post hoc quelles moyennes diffèrent entre elles? Pas de règles universels concernant les effets à discuter dans un CR Surtout si interaction croisée, discussion des effets principaux moins intéressant TD4: 03/03/2016 18

Préparer le fichier de données 19

Le fichier de données Pendant les TD précédents, on a utilisé des fichiers d'entrées qui étaient prêts à analyser Par contre, normalement il faut les préparer nous mêmes (si on utilise un interface pour analyser les données, comme JASP, SPSS, Statistica...) 20

Le fichier de données Chaque ligne = un participant Il nous faut 1 valeur par condition par participant Parfois, on recueilli qu'une seule valeur de la VD par condition par participant, par ex : Des notes sur un examen QI La taille, les poids 21

Le fichier de données Chaque ligne = un participant Il nous faut 1 valeur par condition par participant Mais souvent, on a plusieurs données par participant par condition : Plusieurs essais (pour une tâche d'ordinateur) Plusieurs questions (dans un questionnaire) Par conséquence, la valeur par condition par participant sera : Une moyennage sur beaucoup d'essais ex. TR Une proportion/pourcentage sur beaucoup d'essais ex. pourcentage de bonne réponses Ou même plus compliqué, comme par ex. la position d'atterissage de l'oeil, l'eeg. 22

Le fichier de données Indiçage de l'attention spatiale VI = Validité de l'indice : A trois modalités 1. congruent 2. neutre 3. incongruent VD = TR 23

Le fichier de données La relation entre échantillons : Groupes indépendants 3 groupes. Chaque groupe ne participe que dans une seule condition Mesures répétées Tous les sujets participent aux trois conditions 24

Groupes indépendants Effectif total : N = 30 Groupe 1 : congruent (n = 10) Chaque participant fait 50 essais Groupe 2 : neutre (n = 10) Groupe 3 : incongruent (n = 10) VD = TR 25

Groupes indépendants Indiçage de l'attention spatiale 26

Le fichier de données La relation entre échantillons : Groupes indépendants 3 groupes. Chaque groupe ne participe que dans une seule condition Mesures répétées Tous les sujets participent aux trois conditions 31

Mesures répétées Indiçage de l'attention spatiale 32

Préparer le fichier Si tâche sur ordinateur : Par participant : 1 fichier de données brutes Dans chaque fichier de données brutes : Plusieurs essais par condition 36

Préparer le fichier Fusionner les fichier dans un seul grand fichier : Par exemple avec le logiciel «datamerger» Table pivote / tableau dynamique croisé Le TR moyenne par participant par condition Avec tableur : «excel» ou «libreoffice» ou «openoffice» ou Identifier et mettre sur la bonne position : Le facteur aléatoire «Sujet» Les VI Ici : «Validité» La VD Ici : TR 37

Table de pivote des données LibreOffice 38

Table de pivote des données LibreOffice VD 39

Table de pivote des données LibreOffice Participant VD 40

Table de pivote des données LibreOffice Participant VI groupes indépendants VD 41

Table de pivote des données LibreOffice VI groupes mesures répétées Participant VI groupes indépendants VD 42

Groupes indépendants LibreOffice 43

Mesures répétées LibreOffice 45

Table de pivote des données Et si on a plusieurs facteurs? Influence de l'expression faciale du visage? VI = Validité de l'indice : A trois modalités 1. congruent 2. neutre 3. incongruent VI = Expression faciale: A deux modalités 1. happy 2. angry VD = TR (ou encore pourcentage correct) 47

Le fichier de données La relation entre échantillons : Groupes indépendants 3 groupes. Chaque groupe ne participe que dans une seule condition Mesures répétées Tous les sujets participent aux trois conditions Plan mixte Par ex : Groupe 1 : Happy toutes les conditions de validité Groupe 2 : Angry toutes les conditions de validité 50

Mixte LibreOffice 51

Conseils pratiques Si nécessaire, répéter les noms des modalités dans chaque cellule 52

Conseils pratiques Le table de pivote doit être copié vers un nouveau fichier/ un nouvel onglet 55

Conseils pratiques Si >1 facteurs aux mesures répétées : créer une étiquette pour chaque condition 56

Conseils pratiques Si >1 facteurs aux mesures répétées : créer une étiquette pour chaque condition 57

Conseils pratiques Si >1 facteurs aux mesures répétées : créer une étiquette pour chaque condition Fonction =CONCATENER( ; ; ) 58

Conseils pratiques Si >1 facteurs aux mesures répétées : créer une étiquette pour chaque condition Fonction =CONCATENER( ; ; ) Copier-coller SANS le fonction 59

Partie informatique 60

Télécharger data merger : Lien : www.cogsci.nl/dschreij/datamerger/ 61