Variance

souligne le fait que la médiation est parfaite dans le cas où la variable indépendante n’a pas d’effet quand le médiateur est contrôlé. 2 - Avec des ANOVA dans le cas de variables qualitatives Les trois liens sont testés avec des analyses de variances (ANOVA / ANCOVA). L’existence du médiateur peut se faire avec une analyse multivariée de covariance (MANCOVA) en prenant le soin d’insérer la variable médiatrice comme covariable. ----------------------- Variable indépendante Variable dépendante

398 24,772 24,772 24,772 16,945 16,945 16,945 24,657 24,597 24,578 17,016 17,016 17,016 16,481 16,498 16,498 17,016 17,088 17,016 Bernard CLÉMENT, PhD Évaluation processus mesure 7 ANALYSE MÉTHODE AVANTAGE STATISTIQUE Analyse de la variance (ANOVA) plus générale plus difficile à comprendre Cartes de Shewhart Xbar & R graphique /calculs faciles /conviviale INCONVÉNIENT interaction Opérateur x Pièce = 0 EXEMPLE : carte R - utilisation du module PROCESS ANALYSIS de Statistica

'Y −1 Les paramètres des estimateurs sont les suivants : E (γˆ ) = γ ˆ ; V (γ ) = σ 2 X ' X ( ) −1 XIV Annexe n°3 ˆ Remarque : Pour estimer la variance de γ , il s’agit d’estimer σ 2 ˆ σ = 2 n − k −1 ∑e 2 i 2. Tableau d’analyse de la variance Le tableau permettant l’analyse de la variance pour un m lg est : Source de ∆ X 1 , X 2 ,L, X k Résidu Total ∑ des carrés ˆ SCE = ∑ y SCR = ∑ e SCT = ∑ y 2 i 2 i 2 i ddl Carrés moyens k n − k −1 n −1

permet d’attribuer un score moyen global de motivation à chaque élève. Ce score varie de 1 à 10. Plus le score est élevé, plus l’enfant est motivé. La variable « motivation » est considérée comme étant une variable d’intervalle. L’homogénéité des variances et la normalité des distributions ont été vérifiées. Le psychologue s’attend à ce que les enfants bénéficiant d’un style éducatif permissif soient plus motivés que ceux bénéficiant d’un style éducatif autoritaire. a) Quel test faut-il effectuer pour

2 Properties of PCs • Variances: S yy = A S A = Λ and Covariance with x:S xy = S A • Total variance: Var(y1 ) + . . . + Var(y p ) = • % variance: tk = λk p k=1 λk p k=1 λk = trace(S ). q k=1 p k=1 and cumulated % Tq = λk . λk PCs on Correlation Matrix • Standardization: Xcs = Xc D−1/2 , where D = diag(s11 , s22 , . . . , s pp ). Then (n − 1)−1 Xcs Xcs = R. • Spectral decomposition: Rak = λk ak , • Principal components: yk = ak x s , • Total variance: p k=1 k = 1, . . . ,

traiter simultanément deux variables. Il s’agit d'analyse bi-variée. Le test du Chi² : analyser deux variables nominales Le test de Fisher : analyser une variable nominale et une variable numérique (ou échelle) – Analyse de la variance L'analyse de la variance s'applique au cas où les variables sont de natures différentes : l'une est nominale, l'autre numérique (ou échelle). L’objectif est d’établir si, au regard des valeurs de la variable numérique, les groupes d’individus correspondant

Marque Fiche N°4 : Techniques d’analyse des résultats de l’enquête Analyse uni-variée et bi-variée - Tri à plat - Croisement bi-bivarié - Tests d’association - Analyse de la variance ANOVA Analyse multivariée -ACP Fiche N°1 : Découverte des potentialités de SPSS dans le traitement d’enquête A- Initiation  Pour démarrer une session : - Dans le sous-menu Programmes du menu Démarrer de

5 3. Normalité des distributions parentes - Droite de Henry 7 3.1. Tests de normalité 7 3.2. Droite de Henry relative aux 4 échantillons 8 3.3. Normalité des protocoles dérivés des différences individuelles 9 4. Tests d'homogénéité des variances 10 4.1. Tests d'homogénéité sur les données structurées "par groupe" 10 4.2. Test d'homogénéité sur les données structurées "par variable" 10 5. Présenter les résultats obtenus à l'aide de Statistica 11 5.1. Présenter les résultats dans

l’analyse unidimensionnelle 2. Le recours à des représentations graphiques selon le(s) caractère(s) (quantitatif ou qualitatif) utilisés; 3. La détermination caractéristiques et des paramètres de position (mode, médiane, moyenne,…) ou de dispersion (variance, écart type,..). 29/05/2012 ANALYSE DES DONNEES 9 Exemple: NAIS ENTR RISQUE non Descriptive s Erreur standard ,33 Moy enne Intervalle de confiance à 95% pour la moyenne Moy enne tronquée à 5% Médiane Vari ance Ecart-type Mini mum Max imum

• Notions de statistique appliquées aux plans d’expériences 5.1 5.2 5.3 5.4 5.5 5.6 Exemple 04 : durée de vie des outils de coupe jetables Notions de statistique appliquées aux plans d’expériences Facteurs et interactions influents Analyse de la variance Application à l’exemple 04 Conclusion de l’étude 67 68 71 81 82 85 91 V 6 • Plans factoriels fractionnaires 6.1 6.2 6.3 6.4 6.5 6.6 6.7 6.8 6.9 Exemple 05 : le tellure Théorie des aliases Calcul de Box Relation d’équivalence Générateurs