bon je suis très nulle en stat et surtout j'ai peur de me planter dans mes analyses stat donc je voudrais savoir quelle analyse statistiques je dois faire.
en fait je n'ai qu'un groupe à qui j'ai fait passer différents tests et je voudrais voir si certains (exemple éval de la dépression, anxiété) influencent d'autres variables.
Ouhla !
Du calme pioupiou, on respire, on aérophage un bon coup et on réfléchis au calme, ok ?
Que veux-tu mesurer ?
As-tu un plan d'expérience ?
Raconte-nous, sinon ça va être show-time pour l'aide
Là tu sembles être en plan "intra", et tu veux savoir quoi ?
Si tu ne nous dis rien, on peux pas savoir... Associe librement...
j'ai un seul groupe de sujet à qui j'ai fait passer des tests mesurant différentes variables et en gros j'ai d'abord 2 Variables indépendantes dont je veux examiner l'impact sur une VD.
puis cette VD devient VI et je veux examiner son influence sur 1 autre VD
donc jveux juste voir si toutes ces VI ont bien une influence significative sur ces VD.
est ce que des analyses de régressions pourraient être bien dans ce cas?
Bonjour,
tu as fait des mesures (VI 1 et 2) qui sont censées prédire d'autres mesures (VD).
Il faut donc effectivement faire une régression et je dirais qu'elle doit être hiérarchique pour intégrer en 2 étapes les 2 mesures (VI 1 puis VI 2) que tu penses être prédictives de la 3ème (VD).
Penses-tu que la VI1 a un effet sur la VI2?
penses-tu que la VI1 a un effet sur la VD?
Et que la VI2 a un effet sur la VD?
Est-ce que tu penses que l'effet sur la VD de la VI1 passe par l'effet qu'elle a sur la VI2? Si oui tu pourrais avoir à tester la médiation.
merci de m'avoir aidé, j'ai donc fait des analyses de régression multiples en accord avec ma prof mais maintenant je sais pas quel modèle je dois garder, je ne sais pas s'il faut que je garde le modèle avec le Rcarré le plus élevé mais ou il y a beaucoup de variables explicatives dont le béta n'est pas significatif (d'après statistica) ou si je dois gardé le modèle ou il reste seulement des variables avec des Béta significatifs mais un R carré (%de variance expliqué par les variables) plus faible??
ensuite je me demande comment on interprète un Rcarré c'est à dire à partir de quel pourcentage de variance expliqué on peut considérer que notre modèle est intéressant, genre 20% d'un comportement expliqué par des variables c'est pas mal mais est ce suffisant que peut on conclure d'un tel résultat??
Question difficile que je me pose actuellement pour mes propres recherches...
Les statisticiens diraient sûrement que pour savoir quel modèle conserver, tu dois calculer si la variance expliquée dans le modèle complexe (avec plein de VI non significatives, pour lesquelles on a dû calculer un paramètre) est significativement supérieur à la variance expliquée dans le modèle simple (avec moins de VI, donc moins de paramètres à estimer).
le problème, c'est qu'en psychologie, on ne fait pas des stats, on ne cherche pas le meilleur modèle statistiquement parlant. Alors, on doit justifier "psychologiquement" pourquoi on supprime telle ou telle variable du modèle, surtout si tu attendais des effets de ces variables, qui n'en ont pas eu.
Alors, il faut faire un compromis. Je suppose que tu dois conserver dans ton modèle les VI pour lesquelles tu avais des hypothèses et que tu peux supprimer les variables qui n'ont pas d'effet significatif ET pour lesquelles tu n'avais pas d'hypothèses.
Pour l'interprétation du R², je ne crois pas qu'il y ait de seuil minimum d'intérêt... Enfin... il faut que ton modèle avec VI explique davantage de variance que le modèle sans VI (la prédiction de chaque score par la moyenne de l'échantillon). C'est la seule condition... je crois
J'ai jamais essayé moi-même, mais les équations structurales ça pourrait vous intéresser je pense
Hop, le même doc sur les équations structurales mais avec un joli pdf plutôt que le cache Google.Envoyé par Jiav
J'ai jamais essayé moi-même, mais les équations structurales ça pourrait vous intéresser je pense
Ethica, IV, 43 : Titillatio excessum habere potest et mala esse.
Spinoza
C'est plus beau
Normalement, le meilleur modèle, c'est celui qui explique le plus de variance avec le minimum de paramètres (ou de variables), cependant
Ce que tu dis ressemble à une analyse de médiation. Est-ce que tu attends que tes 2 VIs interagissent sur cette première VD ? sur la seconde ? Est-ce que tu t'attends à ce que l'effet de ces VIs sur la seconde VD soit expliqué au moins en partie par leur effet sur la première VD ?j'ai un seul groupe de sujet à qui j'ai fait passer des tests mesurant différentes variables et en gros j'ai d'abord 2 Variables indépendantes dont je veux examiner l'impact sur une VD.
puis cette VD devient VI et je veux examiner son influence sur 1 autre VD
