Tests statistiques
Prendre des décisions, c’est plus facile en stats
À la fin de ce chapitre, vous devez :
- Comprendre ce que sont l’hypothèse nulle et l’hypothèse alternative ;
- Comprendre la différence entre hypothèse alternative unilatérale et bilatérale ;
- Connaître le principe général d’un test (avec les 6 étapes) ;
- Choisir un test statistique approprié pour une question donnée :
- Tests du \(\chi^2\) (ajustement et indépendance)
- Tests de comparaison de moyennes (échantillon unique, deux échantillons indépendants, deux ou plusieurs échantillons indépendants)
- Test de Wilcoxon-Mann-Whitney
- Test pour séries appariées (Student apparié, McNemar)
- Tests de corrélation entre deux variables quantitatives (Pearson, Spearman)
- Savoir effectuer un test statistique à la main (Chi², Student, Welch, corrélation de Pearson) ;
- Vérifier les conditions de validité et les hypothèses sous-jacentes à chaque test ;
- Savoir conclure sur un test statistique à l’aide de la région/valeur critique ;
- Savoir conclure compte tenu du contexte.
Une étude est généralement menée pour répondre à une ou plusieurs interrogations. Par exemple, la cohorte i-Share souhaitait étudier la santé des étudiants français au travers de 12 thématiques, pour chacune desquelles des hypothèses sont formulées puis évaluées.
Sur ces thématiques, une étape de description des données a été menée ; mais elle ne suffit pas à conclure sur nos interrogations. L’outil qui permet d’y répondre est le test statistique : il évalue si un résultat observé dans un échantillon est compatible avec les fluctuations d’échantillonnage - auquel cas rien “d’inhabituel” ne semble observé - ou s’il constitue un argument contre une hypothèse de référence.
Il existe des centaines de tests statistiques1 et ce chapitre n’a pas pour but de les lister. Nous souhaitons surtout que vous en compreniez la logique commune, que vous puissiez choisir un test approprié pour une question donnée, et que vous sachiez correctement interpréter les résultats.
Plusieurs exemples du chapitre reprennent des chiffres issus de deux datasets :
- HTA : enquête transversale réalisée sur l’île Maurice du 19 au 21 avril 1999 auprès de 402 adultes âgés de plus de 18 ans. L’étude portait sur l’hypertension artérielle et décrivait la population enquêtée selon des caractéristiques sociodémographiques, notamment le sexe, l’âge et le statut professionnel, afin d’étudier la répartition des facteurs liés à l’HTA dans cet échantillon ;
- Poids de naissance : étude observationnelle réalisée au Baystate Medical Center, à Springfield, Massachusetts, aux États-Unis, au cours de l’année 1986, auprès de 189 femmes ayant accouché dans cet établissement. L’étude portait sur les facteurs maternels associés au faible poids de naissance, défini par un poids inférieur à 2 500 g ; 59 nouveau-nés présentaient un faible poids de naissance.
La section sur R utilise en plus PAM-13 : étude transversale réalisée aux Pays-Bas entre 2009 et 2011 auprès de 1 154 patients atteints de maladies chroniques suivis en soins primaires ou secondaires. L’étude évaluait l’activation à l’autogestion à l’aide du PAM-13 et recherchait les facteurs sociodémographiques, cliniques et psychosociaux associés à ce score. Les patients inclus présentaient un diabète de type 2, une BPCO, une insuffisance cardiaque chronique ou une maladie rénale chronique.
ggdist n’est nécessaire que pour le raincloud plot, gtsummary et car que pour la page bonus.
Plan du chapitre
Notes de bas de page
Sur ce lien, certains sont listés, mais ce n’est clairement pas exhaustif !↩︎