Sur l'importance des effets et ses indicateurs dans l'analyse statistique des données - article ; n°4 ; vol.94, pg 607-623

Rouanet

Description

L'année psychologique - Année 1994 - Volume 94 - Numéro 4 - Pages 607-623
Summary : On the importance of effect size and indicators of effect size in the statistical analysis ofdata.
We emphasize, as do many other authors, the necessity of questioning the importance of the observed effects in all data-analysis situations. After presenting various ways for evaluating effect size, we develop indicators based on internai data references le. «psychometric indicators». Various elementary situations ofdata analysis are examined. For each one, relevant indicators are defined and three conventional values for describing an effect as « small », « medium » or « large » are presented. We emphasize that these values are indicative and not to be applied mechanically.
The proposed methodology is to reach systematically a decision on effect size as early as the descriptive phase. This recommendation should help to avoid interpretation errors within the inferential phase.
Key words : statistics, data analysis, effect size, benchmark values, large effect small effect, descriptif conclusion and inference.
Résumé
On souligne avec de nombreux auteurs la nécessité de poser la question de l'importance de l'effet observé dans toute situation d'analyse de données. Après avoir rappelé différents moyens d'évaluer cette importance on développe la présentation d'indicateurs qui s'appuient sur une référence interne aux données ou « indicateurs psychométriques ». Les différentes situations élémentaires d'analyse de données sont examinées. Pour chacune d'elles des indicateurs pertinents sont définis ainsi que trois valeurs conventionnelles permettant de qualifier un effet de «faible », «moyen», ou «important ». On insiste sur le fait qu'il s'agit de valeurs-repères permettant de situer l'effet, et ne devant pas être appliquées mécaniquement.
La méthodologie proposée suggère de se prononcer systématiquement, et ceci dès l'étape descriptive, sur l'importance de l'effet. Ceci devrait en particulier contribuer à éviter des erreurs d'interprétation lors de l'étape inférentielle.
Mots-clés : statistique, analyse des données, importance des effets, valeurs-repères, effet notable, effet négligeable, conclusion descriptive et inférence.
17 pages
Source : Persée ; Ministère de la jeunesse, de l’éducation nationale et de la recherche, Direction de l’enseignement supérieur, Sous-direction des bibliothèques et de la documentation.

Informations

• Publié par: L-annee-psychologique
• Publié le: 01 janvier 1994
• Nombre de lectures: 21
• Langue: Français
• Poids de l'ouvrage: 1 Mo

Extrait

D. Corroyer
H. Rouanet
Sur l'importance des effets et ses indicateurs dans l'analyse
statistique des données
In: L'année psychologique. 1994 vol. 94, n°4. pp. 607-623.
Abstract
Summary : On the importance of effect size and indicators of effect size in the statistical analysis ofdata.
We emphasize, as do many other authors, the necessity of questioning the importance of the observed effects in all data-analysis
situations. After presenting various ways for evaluating effect size, we develop indicators based on internai data references le.
«psychometric indicators». Various elementary situations ofdata analysis are examined. For each one, relevant indicators are
defined and three conventional values for describing an effect as « small », « medium » or « large » are presented. We
emphasize that these values are indicative and not to be applied mechanically.
The proposed methodology is to reach systematically a decision on effect size as early as the descriptive phase. This
recommendation should help to avoid interpretation errors within the inferential phase.
Key words : statistics, data analysis, effect size, benchmark values, large effect small effect, descriptif conclusion and inference.
Résumé
On souligne avec de nombreux auteurs la nécessité de poser la question de l'importance de l'effet observé dans toute situation
d'analyse de données. Après avoir rappelé différents moyens d'évaluer cette importance on développe la présentation
d'indicateurs qui s'appuient sur une référence interne aux données ou « indicateurs psychométriques ». Les différentes situations
élémentaires d'analyse de données sont examinées. Pour chacune d'elles des indicateurs pertinents sont définis ainsi que trois
valeurs conventionnelles permettant de qualifier un effet de «faible », «moyen», ou «important ». On insiste sur le fait qu'il s'agit
de valeurs-repères permettant de situer l'effet, et ne devant pas être appliquées mécaniquement.
La méthodologie proposée suggère de se prononcer systématiquement, et ceci dès l'étape descriptive, sur l'importance de l'effet.
Ceci devrait en particulier contribuer à éviter des erreurs d'interprétation lors de l'étape inférentielle.
Mots-clés : statistique, analyse des données, importance des effets, valeurs-repères, effet notable, effet négligeable, conclusion
descriptive et inférence.
Citer ce document / Cite this document :
Corroyer D., Rouanet H. Sur l'importance des effets et ses indicateurs dans l'analyse statistique des données. In: L'année
psychologique. 1994 vol. 94, n°4. pp. 607-623.
doi : 10.3406/psy.1994.28794
http://www.persee.fr/web/revues/home/prescript/article/psy_0003-5033_1994_num_94_4_28794L'Année psychologique, 1994, 94, 607-624
NOTE MÉTHODOLOGIQUE
LaPsyDEE, CNRS URA 1353^*
UFR de Mathématiques et Informatique
CNRS, URA 120 12**
Université Paris V
SUR L'IMPORTANCE DES EFFETS ET SES INDICATEURS
DANS L'ANALYSE STATISTIQUE DES DONNÉES
par Denis Corroyer* et Henry Rouanet**3
SUMMARY : On the importance of effect size and indicators of effect
size in the statistical analysis of data.
We emphasize, as do many other authors, the necessity of questioning
the importance of the observed effects in all data-analysis situations. After
presenting various ways for evaluating effect size, we develop indicators
based on internal data references i.e. «psychometric indicators ». Various
elementary situations of data analysis are examined. For each one, relevant
indicators are defined and three conventional values for describing an effect
as « small », « medium » or « large » are presented. We emphasize that
these values are indicative and not to be applied mechanically.
The proposed methodology is to reach systematically a decision on
effect size as early as the descriptive phase. This recommendation should
help to avoid interpretation errors within the inferential phase.
Key words : statistics, data analysis, effect size, benchmark values,
large effect small effect, descriptif conclusion and inference.
INTRODUCTION
Lors de l'analyse des données il est rare que la seule ques
tion pertinente soit celle de l'existence d'un effet (ou d'une liai-
1. 46, rue Saint-Jacques, 75005 Paris.
2. 12, rue Cujas, 75005 Paris.
3. Nous remercions Jean-Marc Bernard et Robert Saules pour leur lecture
attentive d'une première version de cet article et pour leurs suggestions. 608 Denis Corroyer et Henry Rouanet
son, d'un écart...)- La question de l'importance de cet effet est
souvent au centre des préoccupations du chercheur, même si elle
est rarement explicitée comme telle. Mais l'on se trouve immé
diatement confronté au problème suivant : à partir de quelle(s)
valeur(s) une différence entre deux moyennes, une corrélation,
un écart à l'indépendance... sont-ils suffisamment grands pour
être considérés comme notables ou au contraire suffisamment
petits pour être considérés comme négligeables ?
La question de l'évaluation de l'importance des effets n'est
pas nouvelle (cf. en particulier, Rouanet, Lépine, Pelnard-Con-
sidère, 1976 ; Reuchlin, 1977 ; Lépine et Holender,
1978), mais elle semble, enfin, devenir une question à l'ordre
du jour dans les revues internationales les plus officielles, ceci
non seulement pour interpréter les résultats d'une recherche
particulière, mais aussi pour aider à la synthèse d'un ensemb
le de recherches portant sur un même thème (meta- analyse)
(Chow, 1988 ; Cohen, 1990, 1992 ; Folger, 1989 ; Harris et Ro
senthal, 1985 ; McGraw et Wong, 1992 ; Rosnow et Rosenthal,
1989 ; Tatsuoka,1993).
Ce problème y est souvent discuté parallèlement à une re
mise en cause des tests statistiques traditionnels. La référence
à l'importance des effets y est alors souvent envisagée comme
un complément à ces tests. La méthodologie que nous propo
sons ici est sensiblement différente : elle situe la question de
l'importance de l'effet dès l'étape descriptive, quelle que soit
la procédure inférentielle utilisée ultérieurement (« la descrip
tion d'abord, l'inférence ensuite ») et elle est applicable même
si les données ne nécessitent pas le recours aux procédures
inférentielles.
Rappelons tout d'abord qu'aucune procédure inférentielle
ne permet de déterminer ce que peut être un effet important
ou un effet négligeable.
Les procédures traditionnelles de tests d'hypothèse permett
ent seulement de se prononcer sur l'existence d'un effet.
Constater à la suite d'un test qu'un effet observé est significatif,
voire très significatif, permet seulement d'inférer avec une bonne
garantie, voire une très bonne garantie, que l'effet parent n'est
pas nul (il peut être grand mais il peut aussi être très petit).
Constater qu'un effet observé est non significatif conduit sim
plement à un constat d'ignorance (n'autorise pas à conclure
que l'effet parent est inexistant, ni qu'il est petit). La question
de l'importance des effets est tellement au centre des préoccu- L'importance des effets en statistique 609
pations des chercheurs que toutes ces mises en garde n'y fe
ront rien tant qu'elles ne seront pas assorties de propositions
constructives pour répondre à cette question.
Les procédures d'inférence fîducio-bayésienne, quant à elles,
visent à répondre à ces insuffisances des procédures inférentiel-
les traditionnelles : elles permettent bien d'établir dans quelle
mesure un effet parent est important ou négligeable (voir
Rouanet, Lépine et Pelnard-Considère, 1976 ; Rouanet, Lecou-
tre M. P., Bert, Lecoutre B. et Bernard, 1991 ; en particulier
tre, 1991, p. 118-120 ; Rouanet, soumis). Mais, pour appliquer
ces procédures, encore faut-il avoir défini préalablement à partir
de quelle(s) valeur(s) un effet pourra être considéré comme
important ou négligeable, ce qui renvoie à la mesure de l'impor
tance dès l'étape descriptive.
Pour mesurer l'importance d'un effet on utilisera nécessai
rement des statistiques purement descriptives, en bref dans ce
qui suit des descriptives (au sens opérationnel de
Rouanet, Le Roux et Bert, 1987, p. 27, et Rouanet, Bernard, Le
Roux, 1990, p. 3, où est formulée la distinction fondamentale
entre statistique descriptive et statistique