Comment analyser en fonction du genre et du sexe? Dominic Beaulieu-Prévost SEX 9100 Novembre 2014

Les principaux enjeux Identifier les variables associées au genre et au sexe qui sont pertinentes pour l’étude. S’assurer que les indicateurs utilisés permettent des comparaisons valides entre hommes et femmes. Tenir compte du genre/sexe dans les analyses. Évaluer à quel point un effet associé au genre/sexe peut être expliqué par des variables sociales ou contextuelles. Créer statistiquement des indicateurs de genre.

Identifier les variables associées au genre et au sexe qui sont pertinentes pour l’étude Les questionnaires abordant les rôles de genre (ex: BSRI, MGRS/FGRS). Dissocier Identité de genre et Sexe attribué à la naissance. Les indicateurs sociaux associés au rôle de genre (ex: être parent à la maison, salaire, type d’emploi, androphilie,...) Les indicateurs biologiques associés au sexe (ex: taux de testostérone, grandeur,...)

S’assurer que les indicateurs utilisés permettent des comparaisons valides entre hommes et femmes Les comparaisons intergenres (et inter-culturelles) ne sont possibles que lorsque les échelles utilisées mesurent des construits similaires dans tous les groupes. L’évaluation d’invariance de mesure sert à évaluer à quel point des concepts mesurés par des échelles sont équivalents à travers divers groupes. Une absence d’invariance indique que les différences inter-groupes peuvent représenter une différence dans la façon dont le concept est compris, représenté et défini dans chaque groupe. Cela nécessite une analyse factorielle confirmatoire multi-groupe (Mplus, AMOS, Lisrel,…).

S’assurer que les indicateurs utilisés permettent des comparaisons valides entre hommes et femmes Exemples de problèmes de non-invariance Le fait de pleurer et les symptômes somatiques tels les changements d’appétit ou de poids semblent plus caractériser la dépression chez les femmes que chez les hommes. L’inverse semble se produire pour le manque d’énergie. Donc, une échelle basée principalement sur des Sx “féminins” surestimerait la dépression des femmes par rapport aux hommes.

Tenir compte du genre/sexe dans les analyses L’évolution des méthodes au fil des ans Le contrôle par élimination: Utilisation d’échantillons exclusivement masculins. Le contrôle statistique: Inclusion du genre/sexe comme variable de contrôle. Les analyses indépendantes: Les hommes et les femmes sont analysés séparéments. La modélisation en fonction du genre/sexe: Utilisation du genre/sexe comme modérateur des autres VI.

Tenir compte du genre/sexe dans les analyses L’utilité de la modélisation en fonction du genre/sexe Permet à la fois (a) d’évaluer les paramètres du modèle indépendamment pour les deux genres/sexes et (b) de comparer la taille de ces paramètres entre les deux groupes. En éliminant les interactions statistiquement non-significatives du modèle, on peut arriver à un modèle qui synthétise les différences et les similarité entre les deux genres/sexes.

Tenir compte du genre/sexe dans les analyses Exemple Des analyses séparées pour Hs et Fs ont permis de constater que le taux de blessures par année était (a) équivalent entre hétéros, gais et bisexuels pour les hommes; (b) plus élevés chez les lesbiennes et bisexuelles que chez les hétéros pour les femmes. Une modélisation incluant une interaction entre genre/sexe et orientation sexuelle a démontré un taux de blessure équivalent pour tous les groupes sauf pour les femmes hétéros, dont le taux était plus faible.

Évaluer à quel point un effet associé au genre/sexe peut être expliqué par des variables sociales ou contextuelles Les variables genre/sexe, âge, race, appartenance ethnoculturelle ne devraient jamais servir d’explication. Ce sont des variables qui cachent les réels processus à l’origine d’un effet. Les régressions hiérarchiques et les tests de médiation permettent d’identifier les processus pouvant expliquer les différences associées au genre/sexe.

Évaluer à quel point un effet associé au genre/sexe peut être expliqué par des variables sociales ou contextuelles Exemple Les taux de suicide sont plus élevés chez les hommes que chez les femmes. Peut-on expliquer ces différences par (a) la plus grande proportion d’hommes n’ayant pas de confident ou (b) la plus grande efficacité des méthodes de suicide utilisées par les hommes? Par régression hiérarchique: Est-ce que l’effet du genre/sexe sur les taux de suicide diminue après avoir contrôlé pour (a) et (b). Par test de médiation: Peut-on expliquer l’effet du genre/sexe sur le taux de suicide en disant que c’est parce que (1) le sexe affecte les chances d’avoir un confident et le choix de la méthode de suicide et que (2) le fait d’avoir ou non un confident et la méthode de suicide utilisée affectent les chances de se suicider?

Créer statistiquement des indicateurs de genre On peut facilement créer des indicateurs de genre Choisir un groupe de variable qui forment un ensemble cohérent et qui sont associés à la variable genre/sexe (ex: caractéristiques de l’emploi, situation socioéconomique, attitudes,…); Utiliser ces variables comme VI dans une régression pour prédire le genre/sexe et sauvegarder la valeur prédite de la VD (Y prédit); Ce Y prédit représente à quel point le patron de réponse de l’individu sur le groupe de variables est typique d’un genre/sexe ou de l’autre. Utiliser cette variable comme une mesure de genre.

Voilà!!