Analyse et commentaire de données statistiques, articles scientifiques

Résumé du document

Devoir niveau Master 1 de Psychologie de la Santé.

Extraits

[...] Les auteurs utilisent ensuite des méthodes quantitatives comme l'analyse factorielle pour identifier les facteurs les plus pertinents à expliquer les résultats dérivés de ces questionnaires Méthodes d'analyse factorielle et de composantes principales Les méthodes d'analyse factorielles permettent de catégoriser les individus composants l'échantillon étudié à l'aide de critères quantitatifs. Dans le cas des trois études, les caractéristiques qualitatives des individus de l'échantillon sont collectées via les questionnaires administrés, où les choix des individus sont exprimés sur une échelle de Lickert. Grâce à ces questionnaires, il est possible de positionner les individus les uns par rapport aux autres en fonction de leurs proximités spatiales respectives. Cette proximité permet à son tour d'identifier les facteurs les plus à même à influer les caractéristiques de groupes d'individus. [...]

[...] Le second article quant à lui cherche à tester si la perception du corps a un impact statistiquement significatif sur la perception de soi. Dans les trois cas, l'analyse statistique porte essentiellement sur la pertinence d'un indicateur (ou un facteur) à expliquer la proximité entre les différents individus composants l'échantillon Echantillons et robustesse des tests La taille de l'échantillon est capitale dans la déterminante dans l'interprétation des résultats des trois papiers. En effet, les analyses factorielles incorporent toutes des degrés de libertés qui dépendent explicitement de la taille de l'échantillon. [...]

[...] L'analyse en composante principal suppose que ces facteurs ne sont pas corrélés entre eux. L'article 2 ne teste cependant pas pour l'existence de corrélation entre les quatre facteurs sélectionnés, ce qui ne permet pas d'évaluer précisément le résultat que les autres présentent, à savoir qu'un modèle à quatre facteurs explique 66% de la variance totale de l'échantillon. L'existence de corrélation est implicitement reconnue, lorsque les auteurs décident d'éliminer des lignes de questionnaire qui génère une colinéarité potentielle entre les facteurs. [...]

[...] Si ses résultats semblent être plus robustes en comparaison, les interprétations extraites à partir de tests en pair plutôt qu'en multivarié ne sont pas assez robustes pour conclure catégoriquement à l'absence de l'impact de l'âge sur la satisfaction globale de la vie. A ce sujet, les auteurs n'expliquent pas pourquoi cette dimension démographique n'a pas été incorporée explicitement dans le modèle, administrant ainsi un questionnaire augmenté d'une question sur l'âge à un échantillon très large. Les auteurs de l'article 3 aurait ainsi une analyse de facteurs incorporant l'âge dans l'échantillon, et le moyen de comparer leurs résultats avec ceux de l'étude anglo-saxonne de référence. [...]

[...] L'analyse factorielle obtient un score de Cronbach de 0.63, ce qui permet d'identifier les valeurs propres significatives. Ces dernières sont rapportées en gras sur le tableau 5. Les auteurs ont mené une analyse factorielle sur 13 items du questionnaire seulement, la justification implicite étant que ces questions traitent directement des antécédents d'accidents. Cependant, cela restreint encore plus la taille de leur échantillon, ce qui peut expliquer en partie le faible score de Cronbach. L'article 1 a mené une analyse factorielle sur un échantillon relativement faible, et cela explique les tests préalables quant à la validité statistique des antécédents d'accidents chez les individus de l'échantillon. [...]