Après avoir saisi et traité vos données les statistiques descriptives sont appliquées pour connaître la moyenne, la médiane ou le mode. La prochaine étape consistera à faire des inférences sur les données. De ce fait, les statistiques inférentielles sont l'ensemble des tests statistiques applicables que l’utilisateur utilise pour faire des inférences sur ces données.
Ces tests statistiques permettront aux chercheurs de montrer si une observation est dû à une intervention ou au hasard. Pour cela, une diversité de tests statistiques sont disponibles et la décision du test statistique à utiliser dépendra de plusieurs paramètres :-
La
conception de la recherche,
-
La
distribution des données,
-
Du
type de variable.
D’une façon générale, si les données suivent une distribution normale, des
tests paramétriques devraient être utilisés. Dans le cas contraire (Si les
données ne sont pas normales), des tests dits non paramétriques devraient être
utilisés.
Le tableau ci-dessous présentent une liste non exhaustive de quelques tests
statistiques courants et de leurs utilisations.
|
Type
de Test |
Usage |
|
Corrélationnel : ces tests permettent d’établir une association entre les variables |
|
|
Corrélation
de Pearson |
La corrélation de Pearson teste la puissance
de l'association entre deux variables continues |
|
Corrélation
de Spearman |
La corrélation de Spearman teste la puissance
de l'association entre deux variables ordinales (ne repose pas sur
l'hypothèse de données normalement distribuées) |
|
Chi-carrée |
Il permet de tester la puissance de
l'association entre deux variables catégorielles |
|
Comparaison des moyennes : ils permettent de tester la différence entre les moyennes des variables
des échantillons. |
|
|
Test-T
apparié |
Il est utilisé pour tester la différence
entre les variables de deux échantillons d'une même population. |
|
T-Test
Independent |
Il est utilisé pour tester la différence
entre la même variable de différentes populations |
|
ANOVA |
Il est utilisé pour tester la différence
entre les moyennes du groupe après que toute autre variance dans la variable
de résultat est prise en compte. |
|
Régression : ces tests évaluent si le changement dans une variable prédit le
changement dans une autre variable |
|
|
Régression
Simple |
Il est utilisé pour montrer comment le
changement dans la variable de prédiction prédit le niveau de changement dans
la variable de résultat. |
|
Régression
Multiple |
Utilisé pour tester comment les
changements dans la combinaison de deux ou plusieurs variables prédictives
prédisent le niveau de changement dans la variable de résultat. |
|
Non
paramétrique : ils sont utilisés dans
la situation où les données ne répondent pas aux hypothèses requises pour les
tests paramétriques (distribution normale, homogénéité…) |
|
|
Test
de rang de somme de Wilcoxon |
Utilisé pour tester la différence entre
deux variables indépendantes ; prend en compte l'ampleur et la direction de
la différence. |
|
Test
de rang des signes de Wilcoxon |
Utilisé pour tester la différence entre
deux variables liées ; prend en compte l'ampleur et la direction de la
différence. |
|
Test
de Signe |
Utilisé pour tester si deux variables
liées sont différentes ; ignore l'ampleur du changement - ne prend en compte
que la direction. |