Des expériences comparatives à répartition aléatoire (autrement connues commes des études expérimentales aléatoires)
Croyez-vous à cette affirmation sur des chaussures de force? Cessez de rêver, saute plus haut !! Toutes chaussures de basketball de APL sont équipées avec la technologie «Charge et lance» interdite par le NBA et conçue pour augmenter instantanément votre saut vertical. Croyez-vous à cette affirmation sur des chaussures de force? Pourrions-nous concevoir une étude pour éxaminer cette affirmation?
La chaussure de force est une chaussure de sport modifier avec une plate-forme de 4 cm fixée à la partie avant de la semelle. Ses fabricants affirment que cette chaussure augmente la capacité de sauter d'une personne. Supposons que votre ami qui porte des chaussures de force peut sauter plus loin qu’un autre ami qui porte des chaussures de sport ordinaires. Consideriez-vous cela comme une preuve convaincante que les chaussures de force augmentent réellement la capacité de sauter? Expliquez. C'est ce qu'on appelle de la preuve anecdoctique; elle en résulte des situations qui viennent facilement à l'esprit ou qui sont commodes. Une grande partie de la pratique de la statistique consiste à concevoir des études et la collecte de données de telle manière que nous n'avons pas besoin de s'appuyer sur des preuves anecdotiques.
Scénario hypothétique Supposez que vous prenez un échantillon aléatoire de personnes, vous identifiez celles qui portent et celles qui ne portent pas des chaussures de force, puis vous comparez leur capacité à sauter (à l'aide d'une certaine méthode uniforme de mesurer la distance sautée). Identifiez la variable explicative et la variable de réponse dans cette étude, et classez chacune selon son type. Explicative: Type: Réponse: Type: Supposez que vous trouvez que le groupe qui portent des chaussures de force ont tendance à sauter beaucoup plus loin que l'autre groupe. Serait-il légitime de conclure que le saut plus élevé a été causé par les chaussures de force?
Quel est le problème avec cette étude d'observation? Nous ne savons pas si les deux groupes sont différents d'une manière autre que simplement dans la variable explicative; c'est à dire, en autres caracéristiques qui pourraient également expliquer les réponses observées. p. ex. Est-ce que les participants qui portent des chaussures de force ont une capacité athlétique supérieure à ceux qui portent des chaussures ordinaires? p. ex. Est-ce que les participants qui ont porté des chaussures de force pourraient être généralement plus grands que ceux qui ont porté des chaussures ordinaires? Proposez d'autres variables potentiellement confondantes qui pourraient être «cachées»?
Afin d'étudier si une variable provoque un effet sur une autre variable (au sens de la causalité), nous devons créer un groupe de comparaison et affecter des participants aux groupes de la variable explicative de telle façon qui a une tendance à assurer que les groupes sont pratiquement identiques dans toutes caractéristiques autres que la variable explicative. Le ci-dessus caractérise la conception d'une étude expérimentale : le chercheur impose activement un «traitement» sur des participants (en leur affectant aux groupes de la variable explicative). Les participants dans ce type d'étude constituent des unités expérimentales. Une conclusion viable peut alors être atteinte sur les effets directs de la variable explicative sur la variable de réponse (nous apprendrons comment quantifier la confiance en ces conclusions plus tard dans le cours)
Exemple illustratif En 1993 le American Journal of Sports Medicine a publié une étude au sujet de la prétention sur des chaussures de force avec un groupe de 12 participants de l'athlétisme interuniversitaire (Cook et al., 1993). Supposez que vous souhaitez également faire une enquete sur cette affirmation, et vous recrutez 12 de vos amis pour être des participants. Vous prévoyez d'avoir 6 amis qui portent des chaussures de force et les autres qui portent des chaussures de sport ordinaires. Ensuite vous allez mesurer leurs hauteurs de saut. Comment pourriez-vous affecter les participants aux deux groupes afin d'équilibrer des variables potentiellement confondantes?
L'affectation aléatoire est la méthode préférée pour la répartition des participants aux traitements (groupes de variables explicatives) dans des études expérimentales : cette méthode donne à chaque participant la même chance d'être affecté à chacun des groupes de traitement. On appelle ce type d'étude une expérience comparative aléatoire. Décrivez de façon assez détaillée comment vous pourriez mettre en œuvre le processus d'affectation aléatoire de vos 12 sujets aux traitements.
Attention! L'affectation aléatoire n'est PAS la même chose que la sélection d'un échantillon aléatoire à partir d'une population. Plutôt c'est l'utilisation d'un processus aléatoire pour déterminer la répartition des particpants parmi des groupes (les variables explicatives). Les participants auront déjà été retenus pour former un échantillon (soit au hasard ou non). La plupart des études expérimentales aléatoires (p. ex. des études sur les traitements médicaux impliquant des êtres humains) utilisent des volontaires tirés des groupes particuliers (ex. âge, sexe, etc) qui sont probablement pas représentatifs d'une population ciblée--ils ne contituent pas des échantillons aléatoires.
Des groupes de comparaison sont particulièrement importants dans des études médicales parce que les participants réagissent souvent positivement tout simplement parce qu'ils ont recu un « traitement », indépendamment de savoir si le traitement est en fait efficace (du point de vue médicale). Ce phénomène est connu comme l'effet placebo. Les chercheurs essaient de contrôler cet effet en administrant un placebo aux participants dans un groupe «contrôle» : ils reçoivent un traitement inerte, sans ingrédients actifs. Dans cette configuration, les participants doivent être ignorants («aveugle») de quel traitement ils reçoivent ou bien que leur connaissances pourraient affecter leurs réponses. Si possible, les études expérimentales aléatoires doivent être en double-aveugle : ce qui signifie que les chercheurs doivent également être ignorant de ce que les participants reçoivent comme traitement réel.