Salut à tous,
J'ai quelques questions très basiques que j'aimerais vérifier comment répondre correctement (je commence par les statistiques, veuillez être patient). Je ne sais pas quels résultats choisir pour formuler des réponses simples.
Mon expérience porte sur les changements dans le nombre de fixations et dans l'expérience esthétique avant et après la restauration d'une peinture.
Les données dont je dispose sont:
- Phase de restauration (avant / après)
- Nombre de fixations (nombre)
- Expérience esthétique (oui / non)
Questions: ("oui / non" et "comment")
1) Existe-t-il une relation entre la phase de restauration et le nombre de fixations?
2) Existe-t-il une relation entre la phase de restauration et l'expérience esthétique?
3) Existe-t-il une relation entre le nombre de fixations et l'expérience esthétique?
J'ai mis ici l'image de l'analyse que j'ai faite.
Ps: J'ai décidé de ne pas exclure les valeurs aberrantes.
Réponses:
1) Non, il n'y a pas de relation significative entre la phase de restauration et le nombre de fixations ( α = 0,05 / p = 0,3498 )
2) Oui, il y a une relation significative entre la phase de restauration (avant / après) et l'expérience esthétique (α = 0,05 / ChiSquare = 0,037 / p = 0,8484 /).
3) Non, il n'y a pas de relation significative entre le nombre de fixations et l'expérience esthétique (α = 0,05 / p = 0,6071).
L'aide dont j'ai besoin:
- Les réponses sont-elles correctes? L'analyse est-elle la bonne pour les types de variables que j'ai?
- Si j'ai bien des statistiques, il n'est pas possible de vérifier la causalité, non? (car ils incluent tous une variable nominale). Sinon, comment comprendre comment une variable influence l'autre à partir de l'analyse réelle?
- Que puis-je dire d'autre sur chacune des réponses de l'analyse jointe pour enrichir mon analyse?
Merci beaucoup!
1. Les mesures de fixation avant et après comptent-elles pour la même personne ou des individus différents ont-ils été mesurés? Un groupe pour l'avant et un groupe pour l'après?
2. Le nombre de fixations est ce que vous mesurez pour estimer comme / pas comme ... correct?
Salut Jim,
1. Ce sont des individus différents dans deux groupes différents, le groupe avant et le groupe après.
2. Je veux vérifier si plus / moins de fixations sont liées à des réponses d'expérience esthétique (oui / non). Disons: les gens qui disent oui pour l'expérience esthétique se fixent-ils davantage?
Je crois que tu veux faire
Analyser ==> Ajuster le modèle
Avec votre modèle défini comme
Variable Y, nombre de fixations
Vos effets de modèle
Esthétique
Restauration
Restauration esthétique *
Il devrait vous donner toutes les analyses dont vous avez besoin
Je tiens à souligner que vos analyses, bien que cohérentes avec la manière dont les statistiques sont communément enseignées (mal) et avec la plupart des livres de statistiques d'introduction, sont de plus en plus considérées comme de mauvaises pratiques. Des preuves telles que vous ne devez pas être considérées comme répondant à la question: existe-t-il une relation entre x et y ou n'y a-t-il pas une relation? Tous les résultats sont en termes de probabilités, c'est-à-dire des nuances de gris plutôt que des questions oui / non. Dichotomiser la réponse, à mon avis, est une mauvaise pratique statistique. Les décisions sont souvent des dichotomies, mais les preuves ne le sont jamais. La détermination des relations causales est encore plus nébuleuse.
Je recommanderais de se concentrer sur la qualité (ou non) des données et sur la variation des données. Votre ensemble de données est assez petit pour ces questions qualitatives, donc je ne pense pas qu'il soit approprié de conclure quoi que ce soit à partir de ces données. Au contraire, le mieux que vous puissiez faire est de dire si vos données limitées sont cohérentes ou non avec une hypothèse particulière. Et, si vous rejetez l'hypothèse selon laquelle il n'y a pas de relation, n'interprétez pas cela comme étayant l'hypothèse alternative particulière que vous avez envisagée. Le rejet signifie simplement que vous jugez les preuves suffisantes pour dire que quelque chose de plus qu'une variation aléatoire explique les tendances que vous voyez (ou, comme certains l'ont dit, l'hypothèse nulle - sans effet - est sûrement fausse; ce qui est plus intéressant est ce que vous pouvez dire sur la taille de l'effet: ce n'est certainement pas zéro, mais la vraie question est quelle est sa taille?).
