Aller au contenu
Boîte à outilsExpectTools

En accès libre

Boîte 3 · Module 4

Les analyses statistiques

Les statistiques donnent du sens aux données : elles résument, représentent, et testent des liens.

Pas pour faire les calculs vous-même : pour lire des résultats dans un rapport, dialoguer avec un statisticien, et piloter une analyse.

Environ 37 min en tout. 5 parties, chacune se lit à part.

Par Nicolas Naïditch, sociologue de la santé

Option : garde les démonstrations vues dans ce navigateur. Rien n’est envoyé.

10 min · 1 démonstration · 1 exercice · 2 fiches · 2 ressources

Une variable qualitative se décrit par ses effectifs et ses fréquences. Ce sont les fréquences qui permettent de comparer des groupes de tailles différentes.

Voir

Moins de fumeurs à l’hôpital B ?

Deux hôpitaux.

À retenir Les effectifs trompent, les fréquences comparent ; et l’écart entre deux pourcentages se dit en points.

ExerciceCe fichier est-il prêt à être analysé ?

Avant le premier calcul · cas fictifs, rien n’est gardé ni envoyé

Six lignes fictives, cinq identifiants distincts, et plusieurs décisions à documenter. Vérifier ne modifie pas le fichier brut ; transformer se fait sur une copie, avec un journal.

Extrait fictif · une ligne devrait représenter une réponse

Le fichier brut de l’exercice
LigneIdentifiantÂgeRenoncementScore de difficulté
1A0134Oui7
2A02−4Âge à vérifierNon6
3A03Identifiant répété45OuivideMotif inconnu
4A03Identifiant répété45OuivideMotif inconnu
5A0472oui␣Écriture à harmoniser10
6A0529Non concernévideVérifier le filtre

Choisissez une vérification.

Le fichier brut reste intact. Une anomalie appelle une décision documentée, pas une suppression automatique.

Une valeur impossible demande une vérification.

La ligne 2 indique −4 ans. Vérifiez la source, l’unité ou l’import. Sans information vérifiable, ne remplacez pas ce nombre par un âge inventé ; documentez une donnée indisponible, et son motif.

Le fichier brut n’a pas été modifié.

Deux lignes se ressemblent. Est-ce la même réponse ?

Les lignes 3 et 4 ont le même identifiant et les mêmes réponses visibles. Vérifiez la structure du fichier et les traces de collecte avant de retirer une ligne. Une répétition peut aussi être un suivi prévu.

Le fichier brut n’a pas été modifié.

Une variante d’écriture ne crée pas une nouvelle réponse.

La ligne 5 contient « oui » en minuscules, suivi d’un espace. Une règle écrite peut l’harmoniser en « Oui », sans toucher au sens. Gardez « Non concerné » distinct de « Non ».

Le fichier brut n’a pas été modifié.

Deux cases vides peuvent avoir deux histoires.

Le score manque aux lignes 3 et 4, sans explication dans l’extrait. À la ligne 6, il est peut-être sans objet, si le filtre prévu le confirme. Gardez un motif d’absence distinct, et ne transformez pas les absences en zéro.

Le fichier brut n’a pas été modifié.

Trace de votre exercice

Zéro est une valeur. Une absence, un refus et une question sans objet sont des états différents ; documentez leur codage.

Une valeur inhabituelle n’est pas toujours fausse. Vérifiez la source et les bornes adaptées au public avant de corriger ou d’exclure.

Mettre le raisonnement à l’épreuve · sans note

Un zéro et une case vide

Dans une variable « nombre de consultations », une personne a répondu 0 et une autre n’a rien répondu. Que faire avant l’analyse ?

Remplacer la case vide par zéro, pour simplifierCela attribuerait zéro consultation à une personne qui n’a pas donné l’information.

Garder la distinction, et documenter les données manquantesOui. Zéro est une valeur observée. La case vide appelle un examen du parcours, du codage et, quand on la connaît, de la raison du manque.

Supprimer tout de suite les deux personnesRien ne justifie de supprimer la personne qui a répondu zéro. Le traitement des données manquantes dépend de l’analyse prévue.

Gardez une copie brute et un journal des transformations. Une correction se justifie, se refait à l’identique, et reste distincte de la réponse d’origine.

Modèle à remplir

Dictionnaire des variables

Une ligne par variable, avec sa nature, ses réponses, ses codes, ses filtres et ses motifs d’absence.

⬇ Télécharger · CSV · 1 Ko
Voir le modèle en entier · 10 champs

Remplissez-le en même temps que le questionnaire, à partir du modèle de questionnaire de la boîte. La nature reprend le cours « La nature des variables » de la boîte 3. Un code numérique (1 = Oui, 0 = Non) se note à part, il ne change pas la nature.

Une ligne du tableur rassemble les champs ci-dessous ; dupliquez-la pour chaque nouvelle entrée. Les textes entre crochets sont à remplacer par les vôtres. Aperçu lu dans le fichier publié.

Tous les champs de Dictionnaire des variables
Champ à renseignerRepère à remplacer
Nom de la variable[variable]
Question posée, ou source de la mesure[question ou source]
Nature de la variable[quantitative mesurée / comptage / score / binaire / nominale / ordinale / texte libre]
Unité, ou réponses possibles[unité, ou liste des réponses]
Codes numériques et ce qu’ils désignent[code = réponse, ou sans objet]
Personnes concernées[personnes]
Condition pour recevoir la question[condition, ou toutes et tous]
Codage des absences et de leurs motifs[non réponse, sans objet, refus]
Valeurs plausibles, et contrôle prévu[bornes, règle]
Transformation prévue, et sa justification[règle justifiée, ou aucune]
Modèle à remplir

Journal des transformations

Chaque transformation du fichier, avec sa règle, sa raison et son effet. Le fichier brut reste intact.

⬇ Télécharger · CSV · 1 Ko
Voir le modèle en entier · 10 champs

Une ligne par règle appliquée à une copie du fichier brut. Une vérification sans modification se note aussi, avec « aucune » comme règle appliquée.

Une ligne du tableur rassemble les champs ci-dessous ; dupliquez-la pour chaque nouvelle entrée. Les textes entre crochets sont à remplacer par les vôtres. Aperçu lu dans le fichier publié.

Tous les champs de Journal des transformations
Champ à renseignerRepère à remplacer
Date[AAAA-MM-JJ]
Version du fichier brut[version]
Variable concernée[variable]
Problème constaté[constat]
Vérification faite à la source[vérification]
Règle appliquée, ou aucune[règle, ou aucune]
Justification de la décision[justification]
Nombre de lignes concernées[nombre]
Version du fichier produit[version]
Personne qui a fait la transformation[initiales]

Pour en savoir plus · 2 fiches à dérouler

Fiche 1/2Effectifs et fréquencesUne variable qualitative se décrit par ses effectifs (n), le nombre d’individus dans chaque catégorie, et ses…

Une variable qualitative se décrit par ses effectifs (n), le nombre d’individus dans chaque catégorie, et ses fréquences (%), leur proportion. La fréquence normalise : c’est elle qui permet de comparer des groupes de tailles différentes.

Fiche 2/2Points ou pourcentageLa différence entre deux pourcentages s’exprime en points : de 60 à 70 %, c’est 10 points de plus. Pour la dire en…

La différence entre deux pourcentages s’exprime en points : de 60 à 70 %, c’est 10 points de plus. Pour la dire en pourcentage, il faut la différence relative : 10 rapporté à 60, soit 16,7 % de plus. Confondre les deux est l’une des erreurs les plus fréquentes des rapports.

4 min · 2 démonstrations · 2 fiches · 1 ressource

Une variable quantitative se résume par une tendance centrale (moyenne, médiane, mode) et une dispersion (écart-type, écart interquartile). L’une ne va pas sans l’autre.

Voir

La moyenne dit-elle la valeur typique ?

Dix durées d’hospitalisation.

À retenir Une valeur extrême tire la moyenne ; la médiane, elle, ne bouge pas.

Deux classes, même moyenne : identiques ?

Deux classes.

À retenir La moyenne dit où sont les données ; la dispersion dit si elles se ressemblent.

Pour en savoir plus · 2 fiches à dérouler

Fiche 1/2La tendance centraleLa moyenne la somme des valeurs divisée par leur nombre. Elle utilise toutes les données, mais elle est très sensible…
  • La moyennela somme des valeurs divisée par leur nombre. Elle utilise toutes les données, mais elle est très sensible aux valeurs extrêmes.
  • La médianela valeur qui partage la distribution en deux moitiés. Robuste face aux valeurs extrêmes.
  • Le modela valeur la plus fréquente. Simple ; il peut y en avoir plusieurs.
Fiche 2/2La dispersion et la positionL’étendue le maximum moins le minimum ; simple, très sensible aux extrêmes. L’écart-type la dispersion autour de la…
  • L’étenduele maximum moins le minimum ; simple, très sensible aux extrêmes.
  • L’écart-typela dispersion autour de la moyenne ; il l’accompagne.
  • L’écart interquartilede Q1 à Q3, la moitié centrale des valeurs ; il accompagne la médiane.
  • Quartiles, déciles, centilesils découpent la distribution en 4, 10 ou 100 parts et situent une observation parmi les autres.

En pratique : moyenne et écart-type si la distribution est symétrique, médiane et écart interquartile sinon. Ce choix dépend de la forme des données, pas de leur nombre. Avec moins de 30 observations, on peut difficilement vérifier cette forme ; dans le doute, la médiane est plus prudente.

2 min · 1 démonstration · 1 fiche

Le bon graphique dépend de la nature de la variable : des barres pour les catégories, dans l’ordre si elles en ont un ; un histogramme ou une boîte à moustaches pour les nombres.

Voir

Camembert ou barres ?

Deux variables, deux graphiques ratés.

À retenir Un camembert perd l’ordre d’une échelle ; une barre par âge est illisible : chaque nature de variable a son graphique.

Pour en savoir plus · 1 fiche à dérouler

Fiche 1/1Un graphique par nature de variableQualitative nominale un diagramme en barres ; un camembert seulement s’il y a moins de cinq modalités. Qualitative…
  • Qualitative nominaleun diagramme en barres ; un camembert seulement s’il y a moins de cinq modalités.
  • Qualitative ordinaledes barres dans l’ordre des modalités ; un camembert perd cet ordre.
  • Quantitativeun histogramme, qui regroupe les valeurs en classes, ou une boîte à moustaches, qui résume médiane, quartiles et extrêmes.

Une barre par âge n’a pas de sens : les âges sont des valeurs continues, pas des catégories.

13 min · 2 démonstrations · 1 exercice · 3 fiches · 2 ressources

Mesurer une relation entre deux variables, c’est savoir s’il existe un lien statistiquement significatif, et quelle est sa force. Deux règles suffisent à choisir le test.

Voir

Quel test pour mes deux variables ?

Le tableau des tests.

À retenir La nature des deux variables choisit la ligne ; les conditions du test choisissent la colonne. Pour deux qualitatives, les effectifs attendus ; dès qu’une variable est quantitative, ce que l’on compare et la forme des données.

Significatif veut-il dire important ?

Le même écart.

À retenir La p-value dépend de la taille de l’échantillon : sur un grand échantillon, un petit écart devient significatif. Demandez-vous toujours s’il compte.

Le tableau complet : groupes appariés, plus de deux groupes, régressions

Facteur d’étude ↓ · Variable de réponse →Qualitative nominale, 2 groupesQualitative nominale, plus de 2 groupesQualitative ordinaleQuantitative
Qualitative, 2 groupesappariés
  • Test de McNemar
  • McNemar exact, si petits effectifs
  • Test de McNemar-Bowker
  • Test des signes
  • Test des rangs signés de Wilcoxon
  • Test t de Student apparié
  • Test des rangs signés de Wilcoxon
Qualitative, 2 groupesindépendants
  • Z de comparaison de proportions
  • Chi²
  • Test exact de Fisher
  • Chi²
  • Test de Cochran-Armitage
  • Test t de Student
  • Test de Welch
  • Test de Mann-Whitney
Qualitative, plus de 2 groupesappariés
  • Test Q de Cochran
  • Modèle multinomial à mesures répétées
  • Test de Friedman
  • ANOVA à mesures répétées
  • Test de Friedman
Qualitative, plus de 2 groupesindépendants
  • Chi²
  • Chi²
  • Test de Kruskal-Wallis
  • Analyse de la variance
  • Test de Kruskal-Wallis
Quantitative
  • Régression logistique
  • Régression logistique multinomiale
  • Corrélation de Spearman
  • Tau de Kendall
  • Corrélation de Pearson
  • Régression linéaire

En gras bleu, les tests paramétriques ; les autres sont non paramétriques. Parmi les paramétriques, ceux qui comparent des moyennes supposent une distribution à peu près normale, la régression logistique non. Appariés : les mêmes personnes mesurées deux fois, ou des paires ; indépendants : des groupes distincts.

OutilQuel test pour votre question ?

Décrivez ce que vous comparez, entre qui, et ce que vous voulez pouvoir écrire. Le sélecteur oriente un raisonnement, avec ses conditions et ses sources ; il ne fait aucun calcul sur vos données, et le statisticien confirme le choix. Pour vous entraîner, essayez d’abord un cas fictif.

Le plan change le raisonnement

Groupe AGroupe B
Des personnes différentes · on compare deux groupes.

Un score quantitatif dans les deux cas. Le test, lui, peut changer.

Les repères à garder près du résultat

Une variable quantitative est une quantité mesurée ou comptée. Une variable qualitative est une catégorie · binaire avec deux réponses, nominale sans ordre, ordinale avec un ordre. Un code numérique ne change pas la nature d’une catégorie.

Deux groupes indépendants réunissent des personnes différentes. Des mesures appariées se correspondent, avant et après chez une même personne par exemple. Pour une corrélation, mesurer deux caractéristiques chez chacun est normal ; ce sont les personnes dont on examine l’indépendance.

Un petit effectif ne commande pas à lui seul un test de rangs, et « je ne sais pas » non plus. La forme des données se regarde sur les changements individuels ou les résidus utiles. Un test ne répare pas un recrutement biaisé, et n’établit pas une causalité.

Dans le rapport, donnez les effectifs analysés, l’effet estimé et son intervalle de confiance, les données manquantes, puis la p-value quand elle est utile. Prévoyez les comparaisons multiples, et dites lesquelles sont exploratoires.

La nature des variables, boîte 3 ▸

ExerciceLe même écart raconte-t-il la même chose ?

Un résultat a une taille et une précision · cas fictifs, rien n’est gardé ni envoyé

Deux groupes indépendants, un score fictif, le même écart-type de 10 points dans chacun. Faites varier le nombre de personnes ou l’écart observé, et regardez l’intervalle.

Différence de moyennes et intervalle à 95 %

Ce que cette simulation permet de conclure

Ici, l’erreur standard vaut 10 × √(2 / n). L’intervalle utilise un quantile de Student à 2n − 2 degrés de liberté, ce qui correspond au test de Welch quand les deux groupes ont la même taille et le même écart-type. La p-value est bilatérale, pour un écart nul.

Le trait à 5 points est un seuil d’intérêt inventé pour l’exercice, pas une différence validée en clinique. Un intervalle qui n’inclut pas zéro ne prouve pas que l’effet est important ; un intervalle qui inclut zéro ne prouve pas l’absence d’effet.

La précision statistique ne dit rien des biais. Ces calculs ne suffisent pas à étendre les réponses d’un recrutement volontaire à toute une population.

Mettre le raisonnement à l’épreuve · sans note

Une grande étude, un petit écart

Avec 200 personnes par groupe, l’écart est estimé à 2 points, avec un intervalle à 95 % d’environ 0 à 4 points. Le seuil d’intérêt fictif est de 5 points. Quelle lecture est la plus défendable ?

Une petite p-value suffit à rendre l’effet importantLa significativité ne mesure pas l’importance de l’effet.

Lire l’intervalle par rapport à zéro, et par rapport à 5 pointsOui. L’intervalle dit à la fois la précision, et les écarts compatibles avec les données et le modèle. Ici, tous restent sous le seuil d’intérêt.

Un effet sous 5 points est exactement nulUn seuil d’intérêt n’est pas une preuve d’égalité à zéro.

Le seuil de 5 points est inventé pour l’exercice. Dans une étude réelle, il se justifie avant de voir les résultats.

American Statistical Association · Interpréter une p-value ↗

Mettre le raisonnement à l’épreuve · sans note

Une petite p-value

Une comparaison donne p = 0,003. Que peut-on conclure de cette seule valeur ?

L’écart est forcément important pour les patientsLa p-value ne mesure pas l’importance pratique ou clinique d’un écart.

Il y a 0,3 % de chances que l’hypothèse nulle soit vraieUne p-value n’est pas la probabilité que l’hypothèse testée soit vraie.

Il faut encore regarder l’effet estimé, son incertitude, le plan d’étude et les hypothèses du testOui. La valeur s’interprète dans un modèle et une démarche d’analyse. Elle ne suffit pas à juger de l’intérêt du résultat.

Présentez l’écart avec ses unités, un intervalle d’incertitude et les limites de l’étude. Précisez les comparaisons prévues, et celles explorées après avoir vu les données.

American Statistical Association · Interpréter une p-value ↗

Pour en savoir plus · 3 fiches à dérouler

Fiche 1/3Trois questions pour choisir un testLa nature des variables deux qualitatives, on compare des effectifs observés et attendus ; une quantitative et une…
  • La nature des variablesdeux qualitatives, on compare des effectifs observés et attendus ; une quantitative et une qualitative, on compare des moyennes, ou des rangs, entre les groupes ; deux quantitatives, on mesure une corrélation.
  • La structure des observationsdes personnes différentes dans chaque groupe, ou les mêmes personnes mesurées plusieurs fois, avant et après par exemple. Les secondes demandent des tests appariés, comme le test t apparié, le test des rangs signés de Wilcoxon ou le test de McNemar.
  • Ce qu’on veut comparer, puis la distributionun test de moyennes répond à de combien les moyennes diffèrent-elles ?, un test de rangs à les valeurs d’un groupe tendent-elles à être plus hautes ?. On choisit d’abord la question, puis on regarde la forme des données, un histogramme ou une boîte à moustaches par groupe. Un effectif d’au moins 30 par groupe rend les tests de moyennes plus robustes, sans dispenser de regarder. Une forte asymétrie ou des valeurs extrêmes se discutent avec un statisticien ; un doute ne fait pas basculer automatiquement vers les rangs, qui changeraient la question.

Les tests se font en bilatéral, et on les dit significatifs pour une p-value inférieure à 0,05. Pas besoin de faire les calculs : il suffit de savoir quel test demander, et à quel logiciel.

Fiche 2/3Lire une p-valueLa p-value est la probabilité d’observer un écart au moins aussi grand si, en réalité, il n’y avait aucun lien. Elle…

La p-value est la probabilité d’observer un écart au moins aussi grand si, en réalité, il n’y avait aucun lien. Elle dépend fortement de la taille de l’échantillon : sur un très grand échantillon, des différences minimes deviennent significatives ; sur un petit, une vraie différence peut ne pas l’être.

Un résultat statistiquement significatif n’est donc pas forcément important, et l’inverse. Demandez-vous toujours si l’écart compte, pour les personnes, pour la pratique.

Fiche 3/3Lire une corrélationUn coefficient proche de +1 ou de −1 indique un lien fort ; proche de 0, une absence de lien linéaire. Pearson résume…

Un coefficient proche de +1 ou de −1 indique un lien fort ; proche de 0, une absence de lien linéaire. Pearson résume un lien linéaire ; Spearman, un lien qui monte ou descend sans suivre une droite, ou des réponses ordonnées. Regardez d’abord le nuage de points. Une corrélation, même forte et significative, ne dit pas ce qui cause quoi.

8 min · 4 exercices

Un laboratoire où le graphique se dessine, puis trois séries de lectures, tirées de vrais rapports.

Le graphique qui se dessine

Choisissez : le graphique s’affiche avec les données, et l’erreur se voit avant de se lire. Données fictives.

Juste, ou faux ?

Six phrases lues dans des rapports.

Moyenne, ou médiane ?

Cinq variables à résumer.

Quel graphique ?

Six variables d’une enquête.

La bibliothèque du module

Les références du module

4 références réunies pour ce module, des sources des démonstrations aux lectures conseillées. Chaque dos du rayon mène à sa fiche, et un clic copie la référence, prête à coller dans votre bibliographie.

  1. ART COC 1954Article

    Cochran W. G.

    « Some methods for strengthening the common χ² tests »

    Biometrics, 10(4), 417-451

    DOI ↗
  2. ART STE 1946Article

    Stevens S. S.

    « On the theory of scales of measurement »

    Science, 103(2684), 677-680

    DOI ↗
  3. ART WAS 2016Article

    Wasserstein R. L., Lazar N. A.

    « The ASA statement on p-values: context, process, and purpose »

    The American Statistician, 70(2), 129-133

    DOI ↗
  4. GUI NAV 2019Guide

    Navarro D., Foxcroft D., Meunier J.-M. (trad.)

    Apprentissage des statistiques avec Jamovi. Un tutoriel pour les étudiants en psychologie et autres débutants

    HAL, hal-02335912

Des résultats à analyser ? Demander l’analyse statistique seule ▸ ou les réponses libres, en analyse de verbatims ▸