La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Statistiques, deuxième séance Licence de psychologie.

Présentations similaires


Présentation au sujet: "Statistiques, deuxième séance Licence de psychologie."— Transcription de la présentation:

1 Statistiques, deuxième séance Licence de psychologie

2 2. Régression linéaire double Cas de deux facteurs

3 Plan 1. Un exemple et sa formalisation 2. Les conditions d’application 3. La procédure 4. L’interprétation des résultats 5. Exemples supplémentaires

4 2.1. Un exemple Psychologie du « travail »

5 Greeley, Colorado You can smell Greeley, Colorado, long before you can see it. The smell is hard to forget but not easy to describe, a combination of live animals, manure, and dead animals being rendered into dog food. Eric Schlosser, Fast Food Nation, Peguin Books, P 149. On sent Greeley (Colorado) bien avant de le voir. L’odeur est difficile à oublier, mais pas facile à décrire. Une combinaison d’animaux vivants, de fumier, de cadavres transformés en pâtée pour chiens.

6 Satisfaction au travail…  Grâce à un questionnaire détaillé, nous pouvons mesurer la satisfaction au travail d’employés attachés à des entreprises de l’industrie alimentaire. Le résultat du questionnaire, une fois codé, nous donne un score S de satisfaction  Nous aimerions savoir dans quelle mesure cette satisfaction dépend de l’ancienneté A (en années) et des responsabilités R (score) incombant aux employés.

7 Formalisation de l’exemple  Nous cherchons à déterminer dans quelle mesure la satisfaction dépend des responsabilités et de l’ancienneté  Cela pourrait permettre de prédire la satisfaction des futurs employés  On étudie le lien entre deux facteurs catégoriels quantitatifs X 1 et X 2, et une variable dépendante, également quantitative, X 0  Afin de prédire la VD en fonction des deux VI

8 Formalisation de l’exemple Nous voulons un modèle linéaire Nous voulons généraliser la régression linéaire simple

9 On cherche :

10 Il faut donc Pouvoir mesurer l’erreur d’estimation Minimiser cette erreur pour déterminer les coefficients c i Déterminer les rôles respectifs des deux facteurs et leur éventuelle interaction dans leur effet sur la variable dépendante

11 2.2. Conditions d’application De la régression multiple

12 Situation statistique Nous disposons de deux facteurs numériques Et d’une variable dépendante numérique

13 Notations Nous noterons la variable X 0 et les facteurs X 1 et X 2. Nous noterons les coefficients de corrélation simples

14 2.3. Procédure Méthode, calculs

15 Coefficients de corrélation simples  On calcule les coefficients de corrélations simples  Qui donnent la matrice des coefficients de corrélation simples

16 Coefficients de corrélation simples  On calcule les coefficients de corrélations simples  Qui donnent la matrice des coefficients de corrélation simples

17 Alpha  On calcule ensuite les coefficients de régression partiels

18 Corrélation double  Qui donnent le coefficient de corrélation double

19 Enfin !  De là, on tire les coefficients de régression :

20

21 Interprétation graphique On cherche le meilleur plan pour représenter le nuage en dimension 3. C’est illisible, aussi ne représente-t-on pas habituellement le nuage de points.

22 Corrélation partielle  Il arrive qu’on ait besoin des coefficients de corrélation partiels

23 2.4. Interprétation Des valeurs obtenues

24 Premières remarques  Le coefficient de corrélation double R(0;1,2) est l’équivalent double de |r|, et non de r  Les « alpha » mesurent le caractère plus ou moins important des facteurs sur la VD  Les c renseignent sur le sens des liens entre facteurs et VD. Ils sont de même signe que les « alpha » correspondant. Il s’agit du sens du lien dans le modèle incorporant les deux facteurs!

25 Corrélation simple et partielle  r(0,1) mesure le lien qui existe, de fait, entre X 1 et X 0  Entre « glace » et « lunette », le coefficient est élevé  R(0,1.2) mesure le lien qui existerait entre X 1 et X 0 si X 2 n’intervenait pas  Entre « glace » et « lunette », si l’on supprime l’effet du soleil, le coefficient est faible

26 Causalités possibles X(0) et X(1) sont liés Causalité directe 0-1 Causalité directe 1-0 Causalité double 2-0; 2-1 « Aucune Causalité » Salaire Satisfaction Maladie de foie Alcool Glace Lunettes Note, Évolution

27 Alpha et c  Alors que les « alpha » mesurent le caractère plus ou moins prédictif des facteurs  Les « c » mesurent le caractère plus ou moins discriminant des facteurs  Est discriminant un facteur tel qu’une petite variation entraîne une grande variation de la VD  Est prédictif un facteur dont la connaissance renseigne efficacement sur celle de la VD

28 Discriminant vs prédictif

29

30

31

32 2.5. Exemple pratique De la régression linéaire double

33 Retour à l’abattoir

34 Situation  Nous disposions d’un échantillon d’employés, appartenant à la population des employés travaillant dans les abattoirs.  Nous avions relevé sur cet échantillon les trois variables numériques suivantes : 1) La satisfaction au travail S (VD) 2) L’ancienneté A (en années, VI) 3) Les responsabilités R (score, VI)

35 Données prétraitées La matrice des corrélations simples est, en posant VI(1)=A :

36 Écarts types et moyennes

37 Coefficients simples  L’ancienneté est liée aux responsabilités  La satisfaction est liée aux responsabilités  La satisfaction est peu liée linéairement à l’ancienneté  Tous les liens sont positifs

38 Alpha  On calcule à partir des coefficients de corrélation simple :

39 Interprétation  On voit également que les responsabilités sont plus prédictives de la satisfaction (le alpha correspondant étant plus grand en valeur absolue).  On voit que le premier facteur est lié négativement, dans l’équation de régression, à la VD. Ainsi, le modèle prévoit que la satisfaction diminue avec l’ancienneté, à responsabilités égales. (pourtant le r est positif).

40 Mystère  La satisfaction est liée négativement à l’ancienneté (c1)  La satisfaction est liée positivement à l’ancienneté (r(01))  On peut concevoir les choses comme suit :  L’ancienneté à un effet négatif (1 an: -1)  Les responsabilités ont un effet positif (1 point: +2)  L’ancienneté est les responsabilités sont liées: (1 an: +1)  Dans ce cas, bien que l’ancienneté ait un effet négatif, visible dans le modèle double, le r est positif à cause de R  Mais il est également évident qu’on a pu oublier un facteur important…

41 R R  On en déduit

42 Interprétation  Le coefficient ne semble pas mauvais. On a donc raison ici d’utiliser (avec prudence toutefois !) le modèle de régression linéaire, qui permet de prévoir la satisfaction.  On peut presque affirmer que la satisfaction dépend de l’ancienneté et des responsabilités

43 Et enfin

44 Interprétation  On voit donc que la responsabilité est plus discriminante que l’ancienneté.  L’équation de régression ainsi obtenu permet de prédire les valeurs de S connaissant A et T, en remplaçant tout simplement A et T par leur valeurs.

45 Et enfin

46 Interprétation  Il semble donc que l’ancienneté ait un effet plutôt négatif. Cela provient entre autre (on a déjà donné une explication) sans doute du fait que si l’ancienneté augmente mais pas les responsabilités, cela est considéré comme un déclassement, peu ou prou.  Pour augmenter la satisfaction, il faut sans doute donner plus de responsabilités. Cela n’est pourtant pas sûr : ne donne-t-on pas déjà les responsabilités aux personnes les plus motivées ?

47 Prudence avec la régression Quelques pièges à éviter

48  La régression linéaire double (multiple) dépend grandement du choix des facteurs. (conditions de travail, lieu de travail)  Comme dans le cas simple, corrélation n’est pas causalité  R est une estimation  Il n’y a rien de surprenant à obtenir un lien croissant ou décroissant selon la deuxième VI avec les mêmes données  Du fait que la représentation graphique est illisible, on ne voit pas bien les valeurs aberrantes.


Télécharger ppt "Statistiques, deuxième séance Licence de psychologie."

Présentations similaires


Annonces Google