Rechercher
Fermer ce champ de recherche.

Que vous apprend l’ampleur de l’effet ?

3 minutes de lecture

Sommaire

La signification statistique est l’aspect le moins intéressant des résultats. Vous devez décrire les résultats en termes de mesures d’ampleur – non seulement le traitement affecte-t-il les gens, mais aussi dans quelle mesure les affecte-t-il.

Apprenez des meilleurs mentors

Qu’est-ce que l’ampleur de l’effet ?

L’ampleur de l’effet est une mesure quantitative de l’ampleur de l’effet expérimental. Plus l’ampleur de l’effet est importante, plus la relation entre deux variables est forte.

Vous pouvez examiner l’ampleur de l’effet lorsque vous comparez deux groupes pour voir à quel point ils sont différents.

Typiquement, les études de recherche comprennent un groupe expérimental et un groupe de contrôle. Le groupe expérimental peut être une intervention ou un traitement censé affecter un résultat spécifique.

Par exemple, nous pourrions vouloir connaître l’effet d’une thérapie sur le traitement de la dépression. La valeur de l’ampleur de l’effet indiquera si la thérapie a eu un effet faible, moyen ou important sur la dépression.

Excellent
4.8 out of 5
Programme confiance en soi : formation éligible au CPF. Coaching individuel et collectif.

Calculer et interpréter les ampleurs de l’effet

Les ampleurs de l’effet mesurent soit l’ampleur des associations entre les variables, soit l’ampleur des différences entre les moyennes des groupes.

Le d de Cohen

Le d de Cohen est une amplification de l’effet appropriée pour la comparaison entre deux moyennes. Il peut être utilisé, par exemple, pour accompagner les résultats des tests t et des analyses de la variance. Pour calculer la différence moyenne standardisée entre deux groupes, soustrayez la moyenne d’un groupe à l’autre (M1 – M2) et divisez le résultat par l’écart type (ET) de la population à partir de laquelle les groupes ont été échantillonnés.

effect size formula for cohen

Un d de 1 indique que les deux groupes diffèrent d’un écart-type, un d de 2 indique qu’ils diffèrent de 2 écarts-types, et ainsi de suite. Les écarts types sont équivalents aux z-scores (1 écart type = 1 z-score).

Pearson r

Cohen a suggéré que d = 0,2 soit considéré comme une « petite » taille d’effet, 0,5 représente une taille d’effet « moyenne » et 0,8 une « grande » taille d’effet. Cela signifie que si la différence entre les moyennes de deux groupes est inférieure à 0,2 écart-type, la différence est négligeable, même si elle est statistiquement significative.

Corrélation r de Pearson

Ce paramètre de l’ampleur de l’effet résume la force de la relation bivariée. La valeur de l’ampleur de l’effet de la corrélation r de Pearson varie entre -1 (une corrélation négative parfaite) et +1 (une corrélation positive parfaite).

Pearson r

Selon Cohen (1988, 1992), la taille de l’effet est faible si la valeur de r varie autour de 0,1, moyenne si r varie autour de 0,3, et grande si r varie de plus de 0,5.

small medium and large effect sizes r

Pourquoi rapporter les tailles d’effet ?

La valeur p n’est pas suffisante

Une valeur p plus faible est parfois interprétée comme signifiant qu’il existe une relation plus forte entre deux variables. Cependant, la signification statistique signifie qu’il est peu probable que l’hypothèse nulle soit vraie (moins de 5 %).

Par conséquent, une valeur p significative nous indique qu’une intervention fonctionne, alors que l’ampleur de l’effet nous indique dans quelle mesure elle fonctionne.

On peut affirmer que le fait de mettre l’accent sur l’ampleur de l’effet favorise une approche plus scientifique, car contrairement aux tests de signification, l’ampleur de l’effet est indépendante de la taille de l’échantillon.

Pour comparer les résultats d’études réalisées dans des contextes différents

Contrairement à la valeur p, la taille de l’effet peut être utilisée pour comparer quantitativement les résultats d’études réalisées dans un contexte différent. Elle est largement utilisée dans les méta-analyses.

Informations complémentaires

Ce qu’une p -valeur vous dit sur la signification statistique

Cohen, J. (1992). A power primer. Psychological bulletin, 112(1), 155.

Ferguson, C. J. (2016). Un abécédaire de la taille de l’effet : un guide pour les cliniciens et les chercheurs.

Distribution normale (courbe de Bell)

Score Z : Définition, calcul et interprétation

Statistiques pour la psychologie

Statistiques pour la psychologie Livre à télécharger

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *