SlideShare une entreprise Scribd logo
Université d’Oum El Bouaghi , Algérie
Faculté des sciences de la terre et de l’architecture
Prof. Adad Mohamed Cherif
2017
( One-way ANOVA)
Dans ce tutoriel, il s’agit de montrer
comment peut-on procéder à l’analyse
ANOVA à 1 facteur entre des
échantillons indépendants par le biais
du logiciel SPSS et quels sont les
résultats à mettre sur le rapport final ?
Introduction
ANOVA est l’abréviation de ANalysis Of VAriance.
L’ANOVA est une méthode d’analyse bivariée. C’est-à-dire le croisement de
2 variables de nature différente.
L’analyse de variance, à un facteur (One way ANOVA), appelée ANOVA est
une techniques permettant de savoir si une variable dépendante Y (variable à
expliquer) est en relation avec une seule variable indépendante X
(variable explicative). En d’autres termes, inférer une relation ente X et Y
variable dépendante
Y
(Quantitative)
DÉFINITION
L’hypothèse nulle
H0: µ1 = µ2 = µ3 =µ...
Les moyennes de la population sont égales.
L’hypothèse alternative
H1: µ1 ≠ µ2 ≠ µ3 ≠ µ…
Au moins une moyenne est différente . C’est-à-dire
qu’au moins une moyenne n’est pas égale aux autres .
HYPOTHESES
La variable dépendante est une variable numérique ou
quantitative. La variable indépendante est appelée aussi
facteur. C’est une variable catégorielle ( discrète, qualitative or
nominale). Exemple le sexe, statut professionnel. On utilise
l’ANOVA quand notre test d’analyse comporte plus de 2 groupes
(variable indépendante ) et que la variable dépendante est
quantitative.
En termes plus simples, ANOVA vise à comparer des
moyennes sur plusieurs échantillons afin de déterminer s'il
existe des preuves que les moyennes des échantillons
associées sont significativement différentes. ANOVA est un test
paramétrique ( la moyenne, l’écart-type)
• Les groupes sont indépendants et aléatoirement tirés de leur population
respective (il n’y a ni relation entre les observations à l’intérieur d’un groupe, ni relation entre
les observations entre les groupes).
• Il n'y a pas de relation entre les sujets ou mesures de chaque échantillon. Cela
signifie que les sujets ou les mesures du 1er échantillon ne peuvent pas être aussi
dans le 2ème échantillon ou le 3ème et ainsi de suite.
• Les échantillons doivent suivent une loi normale ( une normalité parfaite n’est exigée)
• Si les échantillons sont modérés ou de grande taille, une violation de la
normalité peut donner des valeurs de signification assez précises.
• Les données de la variable dépendante présentent des
variances identiques (recours au test de Levene surtout si le la taille des groupes n’est
pas identique). Si le test est significatif sig. < 0,05 , on doit faire, donc, appel au test
Brown-Forsythe ou le Welch Robust F..
• Lorsque la normalité, l’homogénéité des variances ne sont pas respectées, on
peut utiliser le test non paramétrique de Kruskal-Wallis.
Conditions d’utilisation
Le rejet de H0 signifie qu’il y a une grande
probabilité qu’au moins il y a une différence entre
les groupes. L’analyse Post Hoc est nécessaire pour
nous indiquer ou se situe la différence entre la ou
les moyens.
Exemple 1
Variable indépendante (qualitative):
 Niveau social (à 3 niveaux)
 Classe supérieure
 Classe moyenne
 Classe inférieure
Variable dépendante ( quantitative)
Satisfaction des services hôteliers
QU’EST CE QUE L’ANOVA PEUT
NOUS DIRE
Exemple 2
Variable indépendante (qualitative):
 le niveau de formation
 BEM
 BAC
 Ingénieur
Variable dépendante ( quantitative)
 Le salaire
ANOVA
Existe-il de différence dans les salaires des métiers de
menuisier, plombier et électricien dans l’exercice de leur
fonction ?
 H0
L’hypothèse nulle
les moyennes des salaires des
différents métiers sont égales.
Ici, nous avons 3 niveaux (ou groupes)
Plombier ------ µ1
Menuisier ------ µ1
Electricien ---- µ3
 µ1 = µ2 = µ3
 H1
L’hypothèse alternative
Au moins une moyenne des salaires
des différents métiers n’est pas égale
aux autres.
 µ1 ≠ µ2 ≠ µ3
 Ou µ1 ≠ µ2
 Ou µ2 ≠ µ3
 Ou µ1 ≠ µ3
Question de recherche
Affichage des données
Affichage des variables
Groupe est une variable nominale dont la
colonne « Valeurs» nous indique le codage des
métiers.
Remarque : dans la colonne « Nom » il ne faut
jamais laisser de vide entre les caractères .
Analyse comparer les moyennes ANOVA 1 facteur
Il faut insérer les deux variables dans la
fenêtre à gauche :
Dans « Liste variables dépendantes » , on
place la variable dépendante ‘ Salaire perçu ‘.
Dans « Critère » la variable indépendante
‘Type de métier’.
Appuyer sur « OPTION »
Cocher:
 Caractéristiques : statistiques descriptive
 Test d’homogénéité de variance : vérification des
variances si elles sont identiques ou non.
 Brown-Forsythe et Welch où cas où l’homogénéité des
variances n’est pas vérifiée.
 Diagramme des moyennes
 Exclure les observations analyse par analyse:
Cliquer sur Post Hoc
Cocher
 Turkey pour les comparaisons multiples
 Niveau de signification : 0.05
Puis « Poursuivre » et OK
On obtient le résumé des actions et 6 tableaux
Fichier des données
Test d’homogénéité de
variance
Test Post Hoc
1
Analyse descriptive et test d’homogénéité des variances
2
Dans le tableau descriptives,, il est indiqué
les différents métiers et moyennes et les écart-
types des différents métiers . On voit que la
moyenne des salaires la plus élevée est celle du
métier d’électricien , puis vient ensuite celle des
salaires du métier de menuisier .
• Le tableau Test d’homogénéité met en évidence le
test de Levene. Il nous montre la signification =
0.095 > 0.05. Nous pouvons conclure que
l’hypothèse de l’homogénéité des variances est
confirmée, comme on peut le voir sur le 1er
tableau qu’au moins 2 écart-types (4136.55 et
4299.87) sont presque identiques. Donc , on est
autorisé à continuer notre analyse en passant au
Plombier( M=5000, ET=4136.55, N=10)
Menuisier (M=56000, ET=7102.42, N=10)
Electricien (M=65400, ET=4299.87, N=10)
• Si ce test n’est concluant, on fait appel
aux tests Brown-Forsythe ou le Welch
Robust F..
Si l’hypothèse de l’homogénéité
des variances est confirmée alors
les tests de Welch et Brown-
Forsythe deviennent inutiles, on
passe donc directement au tableau
ANOVA .
Tableau ANOVA 3
Ce qui nous intéresse dans ce tableau est la signification
(SIG.), ici elle est de 0.000 < 0.05 , cela signifie que les
moyennes des salaires des différents métiers sont
différentes. Cependant, il n’est pas indiqué dans le
tableau la signification statistique entre chaque paire
de métiers . Résultat: F(2,27)=21.00, p=0,000
ddl (degré de liberté) 2 et 27
Mesure F = 21.008
Signification = 0.000 < 0.05
Tests Post Hoc
4
Pour voir la signification entre les salaires de chaque paire de
métiers, on a recours au tableau « Comparaisons multiples » à
condition que dans le test ANOVA p< 0.05. Il nous permet de faire
la comparaison entre les groupes . On remarque la présente
d’astérix dans la colonne « Différence de moyenne » , qui signifie
que la différence de salaires entre 2 métiers est statistiquement
très significative. Dans notre cas, la différence des moyennes de
chaque binôme , est statiquement significative .
Par exemple: Menuisier et électricien , la différence des
moyennes est très significative p = 0.002 < 0.05
Un autre moyen pour comparer les moyennes est l’utilisation du diagramme des
moyennes. Il nous donne une idée très claire sur la différence des moyennes des salaires.
Cependant, il ne faut pas se fier à ce graphe avant de consulter d’abord, le tableau des
statistiques descriptives, puis la comparaison des moyens,
Ceci fait, nous pouvons dire que la salaire moyenne du métier d’électricien est le plus élevé
alors que celui du plombier est le moins rémunérant.
5
 Une taille d'effet est une mesure de la force
de l'effet observé d'une variable sur une autre
 Dans le cadre de l'ANOVA, les conventions de
grandeurs de la taille de l'effet f sont
 f=0,1, l'effet est faible.
• f=0,25, l'effet est modéré.
• f=0,4, l'effet est fort.
• Dans notre cas, taille d’effet=0.6, donc c’est
un effet fort.
Taille d’effet =Somme des carrés ( Inter-groupes) / Total
 (voir tableau ANOVA)
6
Il est important de présenter certains résultats dans le rapport scientifique à
soumettre pour une éventuelle évaluation.
La véracité de l’hypothèse d’homogénéité des variances est
confirmée et mise en évidence par le test de Levene .
F=(2,27)=2.56, p=0,095
La variable indépendante est à trois niveaux:
Salaire bas, Plombier( M=5000, ET=4136.55, N=10)
Salaire moyen, Menuisier (M=56000, ET=7102.42, N=10)
Salaire élevé, Electricien (M=65400, ET=4299.87, N=10
A l’issue de cette analyse ANOVA à 1 facteur, nous pouvons dire que l’hypothèse
nulle «les moyennes des salaires des différents métiers sont égales » est rejetée.
Donc, l’hypothèse alternative est retenue “la différence entre les moyennes des
salaires est significative”:
F(2,27)=21.00, p=0.000
La différence entre les moyennes des salaire est forte selon la convention de
Cohen (1988) au sujet de l’interprétation de la taille d’effet: taille d’effet=0.6.
ANOVA à 1 facteur
Prof. Adad Mohamed Chérif
2017

Contenu connexe

Tendances

Analyse Factorielle des Correspondances
Analyse Factorielle des CorrespondancesAnalyse Factorielle des Correspondances
Analyse Factorielle des Correspondances
Jaouad Dabounou
 
Spss les premieres notions 1
Spss les premieres notions 1Spss les premieres notions 1
Spss les premieres notions 1
Adad Med Chérif
 
Analyse de régression multiple
Analyse de régression multipleAnalyse de régression multiple
Analyse de régression multiple
Adad Med Chérif
 
Questionnaire sous spss
Questionnaire sous spssQuestionnaire sous spss
Questionnaire sous spss
Adad Med Chérif
 
Test de wilcoxon mann-whitney (SPSS), Test non-paramétrique
Test de wilcoxon mann-whitney (SPSS), Test non-paramétrique Test de wilcoxon mann-whitney (SPSS), Test non-paramétrique
Test de wilcoxon mann-whitney (SPSS), Test non-paramétrique
Adad Med Chérif
 
5.3 Régression logistique
5.3 Régression logistique5.3 Régression logistique
5.3 Régression logistique
Boris Guarisma
 
chapitre 1 régression simple.pdf
chapitre 1 régression simple.pdfchapitre 1 régression simple.pdf
chapitre 1 régression simple.pdf
AnassFarkadi
 
Regression simple
Regression simpleRegression simple
Regression simple
LearningMahout
 
Analyse de données avec spss,
Analyse de données avec spss,Analyse de données avec spss,
Analyse de données avec spss,
Mohamed Amine Sansar
 
Stat8 Anova
Stat8  AnovaStat8  Anova
Stat8 Anova
Jean-Louis ESTRADE
 
Sample Size And Gpower Module
Sample Size And Gpower ModuleSample Size And Gpower Module
Sample Size And Gpower Module
llalablink
 
Analyse de données avec SPSS (1).pdf
Analyse de données avec SPSS (1).pdfAnalyse de données avec SPSS (1).pdf
Analyse de données avec SPSS (1).pdf
ImadSa
 
Cours acp mehdi_aman
Cours acp mehdi_amanCours acp mehdi_aman
Cours acp mehdi_aman
Mehdi Aman
 
Analyse en Composantes Principales
Analyse en Composantes PrincipalesAnalyse en Composantes Principales
Analyse en Composantes Principales
Jaouad Dabounou
 
Test t pour échantillons indépendants
Test t pour échantillons indépendantsTest t pour échantillons indépendants
Test t pour échantillons indépendantsSouad Azizi
 
Calcul des prévisions
Calcul des prévisionsCalcul des prévisions
Calcul des prévisions
Aboubakr Moubarak
 
Cours doumi spss 2013 2014
Cours doumi spss 2013 2014Cours doumi spss 2013 2014
Cours doumi spss 2013 2014tsuhel
 
Introduction aux statistiques descriptives et tests d'hypothèses
Introduction aux statistiques descriptives et tests d'hypothèsesIntroduction aux statistiques descriptives et tests d'hypothèses
Introduction aux statistiques descriptives et tests d'hypothèses
Clément Dussarps
 
COURS SUR LES SERIES TEMPORELLES
COURS SUR LES SERIES TEMPORELLESCOURS SUR LES SERIES TEMPORELLES
COURS SUR LES SERIES TEMPORELLES
Abdoulaziz ALHASSANE GARBA
 

Tendances (20)

Analyse Factorielle des Correspondances
Analyse Factorielle des CorrespondancesAnalyse Factorielle des Correspondances
Analyse Factorielle des Correspondances
 
Spss les premieres notions 1
Spss les premieres notions 1Spss les premieres notions 1
Spss les premieres notions 1
 
Analyse de régression multiple
Analyse de régression multipleAnalyse de régression multiple
Analyse de régression multiple
 
Questionnaire sous spss
Questionnaire sous spssQuestionnaire sous spss
Questionnaire sous spss
 
Test de wilcoxon mann-whitney (SPSS), Test non-paramétrique
Test de wilcoxon mann-whitney (SPSS), Test non-paramétrique Test de wilcoxon mann-whitney (SPSS), Test non-paramétrique
Test de wilcoxon mann-whitney (SPSS), Test non-paramétrique
 
5.3 Régression logistique
5.3 Régression logistique5.3 Régression logistique
5.3 Régression logistique
 
chapitre 1 régression simple.pdf
chapitre 1 régression simple.pdfchapitre 1 régression simple.pdf
chapitre 1 régression simple.pdf
 
Regression simple
Regression simpleRegression simple
Regression simple
 
Analyse de données avec spss,
Analyse de données avec spss,Analyse de données avec spss,
Analyse de données avec spss,
 
(Cours régression)
(Cours régression)(Cours régression)
(Cours régression)
 
Stat8 Anova
Stat8  AnovaStat8  Anova
Stat8 Anova
 
Sample Size And Gpower Module
Sample Size And Gpower ModuleSample Size And Gpower Module
Sample Size And Gpower Module
 
Analyse de données avec SPSS (1).pdf
Analyse de données avec SPSS (1).pdfAnalyse de données avec SPSS (1).pdf
Analyse de données avec SPSS (1).pdf
 
Cours acp mehdi_aman
Cours acp mehdi_amanCours acp mehdi_aman
Cours acp mehdi_aman
 
Analyse en Composantes Principales
Analyse en Composantes PrincipalesAnalyse en Composantes Principales
Analyse en Composantes Principales
 
Test t pour échantillons indépendants
Test t pour échantillons indépendantsTest t pour échantillons indépendants
Test t pour échantillons indépendants
 
Calcul des prévisions
Calcul des prévisionsCalcul des prévisions
Calcul des prévisions
 
Cours doumi spss 2013 2014
Cours doumi spss 2013 2014Cours doumi spss 2013 2014
Cours doumi spss 2013 2014
 
Introduction aux statistiques descriptives et tests d'hypothèses
Introduction aux statistiques descriptives et tests d'hypothèsesIntroduction aux statistiques descriptives et tests d'hypothèses
Introduction aux statistiques descriptives et tests d'hypothèses
 
COURS SUR LES SERIES TEMPORELLES
COURS SUR LES SERIES TEMPORELLESCOURS SUR LES SERIES TEMPORELLES
COURS SUR LES SERIES TEMPORELLES
 

En vedette

Mustafa Degerli - 2016 - Project Management Professional (PMP)® by Project Ma...
Mustafa Degerli - 2016 - Project Management Professional (PMP)® by Project Ma...Mustafa Degerli - 2016 - Project Management Professional (PMP)® by Project Ma...
Mustafa Degerli - 2016 - Project Management Professional (PMP)® by Project Ma...
Dr. Mustafa Değerli
 
Acquisition of Funds, Utilization of Funds and Ratio Analysis On Engro Fertil...
Acquisition of Funds, Utilization of Funds and Ratio Analysis On Engro Fertil...Acquisition of Funds, Utilization of Funds and Ratio Analysis On Engro Fertil...
Acquisition of Funds, Utilization of Funds and Ratio Analysis On Engro Fertil...
Sayyad Kazmi
 
How to conduct a literature review: A literature review on knowledge manageme...
How to conduct a literature review: A literature review on knowledge manageme...How to conduct a literature review: A literature review on knowledge manageme...
How to conduct a literature review: A literature review on knowledge manageme...
Roberto Cerchione
 
Anova single factor
Anova single factorAnova single factor
Anova single factor
Dhruv Patel
 
ANOVA in Marketing Research
ANOVA  in Marketing ResearchANOVA  in Marketing Research
ANOVA in Marketing Research
vivek_goyal87
 
NG BB 34 Analysis of Variance (ANOVA)
NG BB 34 Analysis of Variance (ANOVA)NG BB 34 Analysis of Variance (ANOVA)
NG BB 34 Analysis of Variance (ANOVA)
Leanleaders.org
 
MBA -Project Study Report
MBA -Project Study Report MBA -Project Study Report
MBA -Project Study Report
Alexander Thottathil Clement
 
Project report on ratio analysis of axis bank
Project report on ratio analysis of axis bankProject report on ratio analysis of axis bank
Project report on ratio analysis of axis bank
Sukhchain Aggarwal
 
Mba project report
Mba project reportMba project report
Mba project report
Cochin University
 
Reporting a one-way anova
Reporting a one-way anovaReporting a one-way anova
Reporting a one-way anova
Ken Plummer
 
A project report on analysis of financial statement of icici bank
A project report on analysis of financial statement of  icici bankA project report on analysis of financial statement of  icici bank
A project report on analysis of financial statement of icici bank
Projects Kart
 
Reporting a single linear regression in apa
Reporting a single linear regression in apaReporting a single linear regression in apa
Reporting a single linear regression in apa
Ken Plummer
 
Slideshare ppt
Slideshare pptSlideshare ppt
Slideshare ppt
Mandy Suzanne
 
How to Make Awesome SlideShares: Tips & Tricks
How to Make Awesome SlideShares: Tips & TricksHow to Make Awesome SlideShares: Tips & Tricks
How to Make Awesome SlideShares: Tips & Tricks
SlideShare
 
Getting Started With SlideShare
Getting Started With SlideShareGetting Started With SlideShare
Getting Started With SlideShare
SlideShare
 

En vedette (15)

Mustafa Degerli - 2016 - Project Management Professional (PMP)® by Project Ma...
Mustafa Degerli - 2016 - Project Management Professional (PMP)® by Project Ma...Mustafa Degerli - 2016 - Project Management Professional (PMP)® by Project Ma...
Mustafa Degerli - 2016 - Project Management Professional (PMP)® by Project Ma...
 
Acquisition of Funds, Utilization of Funds and Ratio Analysis On Engro Fertil...
Acquisition of Funds, Utilization of Funds and Ratio Analysis On Engro Fertil...Acquisition of Funds, Utilization of Funds and Ratio Analysis On Engro Fertil...
Acquisition of Funds, Utilization of Funds and Ratio Analysis On Engro Fertil...
 
How to conduct a literature review: A literature review on knowledge manageme...
How to conduct a literature review: A literature review on knowledge manageme...How to conduct a literature review: A literature review on knowledge manageme...
How to conduct a literature review: A literature review on knowledge manageme...
 
Anova single factor
Anova single factorAnova single factor
Anova single factor
 
ANOVA in Marketing Research
ANOVA  in Marketing ResearchANOVA  in Marketing Research
ANOVA in Marketing Research
 
NG BB 34 Analysis of Variance (ANOVA)
NG BB 34 Analysis of Variance (ANOVA)NG BB 34 Analysis of Variance (ANOVA)
NG BB 34 Analysis of Variance (ANOVA)
 
MBA -Project Study Report
MBA -Project Study Report MBA -Project Study Report
MBA -Project Study Report
 
Project report on ratio analysis of axis bank
Project report on ratio analysis of axis bankProject report on ratio analysis of axis bank
Project report on ratio analysis of axis bank
 
Mba project report
Mba project reportMba project report
Mba project report
 
Reporting a one-way anova
Reporting a one-way anovaReporting a one-way anova
Reporting a one-way anova
 
A project report on analysis of financial statement of icici bank
A project report on analysis of financial statement of  icici bankA project report on analysis of financial statement of  icici bank
A project report on analysis of financial statement of icici bank
 
Reporting a single linear regression in apa
Reporting a single linear regression in apaReporting a single linear regression in apa
Reporting a single linear regression in apa
 
Slideshare ppt
Slideshare pptSlideshare ppt
Slideshare ppt
 
How to Make Awesome SlideShares: Tips & Tricks
How to Make Awesome SlideShares: Tips & TricksHow to Make Awesome SlideShares: Tips & Tricks
How to Make Awesome SlideShares: Tips & Tricks
 
Getting Started With SlideShare
Getting Started With SlideShareGetting Started With SlideShare
Getting Started With SlideShare
 

Similaire à ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)

Stat5 Student
Stat5 StudentStat5 Student
Stat5 Student
Jean-Louis ESTRADE
 
Régression de variation des structures sociales
Régression de variation des structures socialesRégression de variation des structures sociales
Régression de variation des structures sociales
aniss25
 
Stat7 Correlation
Stat7  CorrelationStat7  Correlation
Stat7 Correlation
Jean-Louis ESTRADE
 
Stat6 Chideux
Stat6   ChideuxStat6   Chideux
Stat6 Chideux
Jean-Louis ESTRADE
 
Stat4 Principes Des Tests Statistiques
Stat4  Principes Des Tests StatistiquesStat4  Principes Des Tests Statistiques
Stat4 Principes Des Tests Statistiques
Jean-Louis ESTRADE
 
Azizi test t a echantillons independants
Azizi test t a echantillons independantsAzizi test t a echantillons independants
Azizi test t a echantillons independantsSouad Azizi
 
Loic sarton (2)
Loic sarton (2)Loic sarton (2)
Loic sarton (2)
Loic Sarton
 
7490_chap02.pdf
7490_chap02.pdf7490_chap02.pdf
7490_chap02.pdf
SaidSousdi
 
TESTS D’HYPOTHESES.pdf
TESTS D’HYPOTHESES.pdfTESTS D’HYPOTHESES.pdf
TESTS D’HYPOTHESES.pdf
RdaAllouche
 
Corrélation linéaire chapitre 2 Chap11_Partie2.pdf
Corrélation linéaire chapitre 2 Chap11_Partie2.pdfCorrélation linéaire chapitre 2 Chap11_Partie2.pdf
Corrélation linéaire chapitre 2 Chap11_Partie2.pdf
KOUADIOPATRICE1
 
Chapitre2: Sondage aléatoire simple
Chapitre2: Sondage aléatoire simpleChapitre2: Sondage aléatoire simple
Chapitre2: Sondage aléatoire simple
Mahamadou Haro
 
Loic sarton spss 2011
Loic sarton  spss 2011Loic sarton  spss 2011
Loic sarton spss 2011
Loic Sarton
 
Stat2 Statistiques Descriptives
Stat2  Statistiques DescriptivesStat2  Statistiques Descriptives
Stat2 Statistiques Descriptives
Jean-Louis ESTRADE
 
Chapitre I - Développements introductifs.pptx
Chapitre I - Développements introductifs.pptxChapitre I - Développements introductifs.pptx
Chapitre I - Développements introductifs.pptx
melianikholoud
 
Stat3 Intervalle De Confiance
Stat3  Intervalle De ConfianceStat3  Intervalle De Confiance
Stat3 Intervalle De Confiance
Jean-Louis ESTRADE
 
Stat1 Les Indices
Stat1  Les IndicesStat1  Les Indices
Stat1 Les Indices
Jean-Louis ESTRADE
 
Ecart type experimental : quelle formule choisir ?
Ecart type experimental : quelle formule choisir ?Ecart type experimental : quelle formule choisir ?
Ecart type experimental : quelle formule choisir ?
Jean-Michel POU
 

Similaire à ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA) (18)

Stat5 Student
Stat5 StudentStat5 Student
Stat5 Student
 
Régression de variation des structures sociales
Régression de variation des structures socialesRégression de variation des structures sociales
Régression de variation des structures sociales
 
Stat7 Correlation
Stat7  CorrelationStat7  Correlation
Stat7 Correlation
 
pmi définition variance
pmi définition variancepmi définition variance
pmi définition variance
 
Stat6 Chideux
Stat6   ChideuxStat6   Chideux
Stat6 Chideux
 
Stat4 Principes Des Tests Statistiques
Stat4  Principes Des Tests StatistiquesStat4  Principes Des Tests Statistiques
Stat4 Principes Des Tests Statistiques
 
Azizi test t a echantillons independants
Azizi test t a echantillons independantsAzizi test t a echantillons independants
Azizi test t a echantillons independants
 
Loic sarton (2)
Loic sarton (2)Loic sarton (2)
Loic sarton (2)
 
7490_chap02.pdf
7490_chap02.pdf7490_chap02.pdf
7490_chap02.pdf
 
TESTS D’HYPOTHESES.pdf
TESTS D’HYPOTHESES.pdfTESTS D’HYPOTHESES.pdf
TESTS D’HYPOTHESES.pdf
 
Corrélation linéaire chapitre 2 Chap11_Partie2.pdf
Corrélation linéaire chapitre 2 Chap11_Partie2.pdfCorrélation linéaire chapitre 2 Chap11_Partie2.pdf
Corrélation linéaire chapitre 2 Chap11_Partie2.pdf
 
Chapitre2: Sondage aléatoire simple
Chapitre2: Sondage aléatoire simpleChapitre2: Sondage aléatoire simple
Chapitre2: Sondage aléatoire simple
 
Loic sarton spss 2011
Loic sarton  spss 2011Loic sarton  spss 2011
Loic sarton spss 2011
 
Stat2 Statistiques Descriptives
Stat2  Statistiques DescriptivesStat2  Statistiques Descriptives
Stat2 Statistiques Descriptives
 
Chapitre I - Développements introductifs.pptx
Chapitre I - Développements introductifs.pptxChapitre I - Développements introductifs.pptx
Chapitre I - Développements introductifs.pptx
 
Stat3 Intervalle De Confiance
Stat3  Intervalle De ConfianceStat3  Intervalle De Confiance
Stat3 Intervalle De Confiance
 
Stat1 Les Indices
Stat1  Les IndicesStat1  Les Indices
Stat1 Les Indices
 
Ecart type experimental : quelle formule choisir ?
Ecart type experimental : quelle formule choisir ?Ecart type experimental : quelle formule choisir ?
Ecart type experimental : quelle formule choisir ?
 

Plus de Adad Med Chérif

Evaluation poste occupationnelle (EPO) dans le cas d'un quartier à logement...
Evaluation poste occupationnelle (EPO)  dans le cas d'un quartier  à logement...Evaluation poste occupationnelle (EPO)  dans le cas d'un quartier  à logement...
Evaluation poste occupationnelle (EPO) dans le cas d'un quartier à logement...
Adad Med Chérif
 
Questionnaire:Traitement d’une question sur « La qualité de vie dans un quart...
Questionnaire:Traitement d’une question sur « La qualité de vie dans un quart...Questionnaire:Traitement d’une question sur « La qualité de vie dans un quart...
Questionnaire:Traitement d’une question sur « La qualité de vie dans un quart...
Adad Med Chérif
 
شهادة مدرسية : تحريرها باستعمال الاكسيل
شهادة مدرسية : تحريرها باستعمال الاكسيلشهادة مدرسية : تحريرها باستعمال الاكسيل
شهادة مدرسية : تحريرها باستعمال الاكسيل
Adad Med Chérif
 
Options Graphiques: saisie des données dans l'userform
Options Graphiques: saisie des données dans l'userformOptions Graphiques: saisie des données dans l'userform
Options Graphiques: saisie des données dans l'userform
Adad Med Chérif
 
Export des données et des graphiques : de l'Excel vers Powerpoint et word
Export des données et des graphiques : de l'Excel vers Powerpoint et word Export des données et des graphiques : de l'Excel vers Powerpoint et word
Export des données et des graphiques : de l'Excel vers Powerpoint et word
Adad Med Chérif
 
VBA Excel: Enquête sur la qualité de l’aménagement extérieur des logements
VBA Excel:   Enquête sur la qualité de l’aménagement  extérieur des logements  VBA Excel:   Enquête sur la qualité de l’aménagement  extérieur des logements
VBA Excel: Enquête sur la qualité de l’aménagement extérieur des logements
Adad Med Chérif
 
Création d'une base de donnée en VBA Excel
Création d'une base de donnée en VBA Excel Création d'une base de donnée en VBA Excel
Création d'une base de donnée en VBA Excel
Adad Med Chérif
 
Analyse descriptive en VBA Excel
Analyse descriptive en VBA Excel Analyse descriptive en VBA Excel
Analyse descriptive en VBA Excel
Adad Med Chérif
 
Water level indicator with alarm for underground tank
Water level indicator with alarm for underground tank Water level indicator with alarm for underground tank
Water level indicator with alarm for underground tank
Adad Med Chérif
 
Fonctionnement d’un récepteur radio superhétérodyne en MA et FM
 Fonctionnement  d’un récepteur radio  superhétérodyne en MA et FM  Fonctionnement  d’un récepteur radio  superhétérodyne en MA et FM
Fonctionnement d’un récepteur radio superhétérodyne en MA et FM
Adad Med Chérif
 
Indicateur d'arrivée de d'eau/ Détecteur de pluie
Indicateur  d'arrivée de d'eau/ Détecteur de pluie  Indicateur  d'arrivée de d'eau/ Détecteur de pluie
Indicateur d'arrivée de d'eau/ Détecteur de pluie
Adad Med Chérif
 
Home security alarm system
 Home security alarm  system  Home security alarm  system
Home security alarm system
Adad Med Chérif
 
Le four à micro-ondes Principe de fonctionnement
Le four à micro-ondes Principe de fonctionnement Le four à micro-ondes Principe de fonctionnement
Le four à micro-ondes Principe de fonctionnement
Adad Med Chérif
 
Notice bibliographique pour les doctorants chercheurs en VBA sous Excel
Notice bibliographique pour les  doctorants chercheurs en VBA sous Excel Notice bibliographique pour les  doctorants chercheurs en VBA sous Excel
Notice bibliographique pour les doctorants chercheurs en VBA sous Excel
Adad Med Chérif
 
Convertisseur Pouce en cm et cm en pixel
Convertisseur  Pouce en cm et  cm en pixelConvertisseur  Pouce en cm et  cm en pixel
Convertisseur Pouce en cm et cm en pixel
Adad Med Chérif
 

Plus de Adad Med Chérif (15)

Evaluation poste occupationnelle (EPO) dans le cas d'un quartier à logement...
Evaluation poste occupationnelle (EPO)  dans le cas d'un quartier  à logement...Evaluation poste occupationnelle (EPO)  dans le cas d'un quartier  à logement...
Evaluation poste occupationnelle (EPO) dans le cas d'un quartier à logement...
 
Questionnaire:Traitement d’une question sur « La qualité de vie dans un quart...
Questionnaire:Traitement d’une question sur « La qualité de vie dans un quart...Questionnaire:Traitement d’une question sur « La qualité de vie dans un quart...
Questionnaire:Traitement d’une question sur « La qualité de vie dans un quart...
 
شهادة مدرسية : تحريرها باستعمال الاكسيل
شهادة مدرسية : تحريرها باستعمال الاكسيلشهادة مدرسية : تحريرها باستعمال الاكسيل
شهادة مدرسية : تحريرها باستعمال الاكسيل
 
Options Graphiques: saisie des données dans l'userform
Options Graphiques: saisie des données dans l'userformOptions Graphiques: saisie des données dans l'userform
Options Graphiques: saisie des données dans l'userform
 
Export des données et des graphiques : de l'Excel vers Powerpoint et word
Export des données et des graphiques : de l'Excel vers Powerpoint et word Export des données et des graphiques : de l'Excel vers Powerpoint et word
Export des données et des graphiques : de l'Excel vers Powerpoint et word
 
VBA Excel: Enquête sur la qualité de l’aménagement extérieur des logements
VBA Excel:   Enquête sur la qualité de l’aménagement  extérieur des logements  VBA Excel:   Enquête sur la qualité de l’aménagement  extérieur des logements
VBA Excel: Enquête sur la qualité de l’aménagement extérieur des logements
 
Création d'une base de donnée en VBA Excel
Création d'une base de donnée en VBA Excel Création d'une base de donnée en VBA Excel
Création d'une base de donnée en VBA Excel
 
Analyse descriptive en VBA Excel
Analyse descriptive en VBA Excel Analyse descriptive en VBA Excel
Analyse descriptive en VBA Excel
 
Water level indicator with alarm for underground tank
Water level indicator with alarm for underground tank Water level indicator with alarm for underground tank
Water level indicator with alarm for underground tank
 
Fonctionnement d’un récepteur radio superhétérodyne en MA et FM
 Fonctionnement  d’un récepteur radio  superhétérodyne en MA et FM  Fonctionnement  d’un récepteur radio  superhétérodyne en MA et FM
Fonctionnement d’un récepteur radio superhétérodyne en MA et FM
 
Indicateur d'arrivée de d'eau/ Détecteur de pluie
Indicateur  d'arrivée de d'eau/ Détecteur de pluie  Indicateur  d'arrivée de d'eau/ Détecteur de pluie
Indicateur d'arrivée de d'eau/ Détecteur de pluie
 
Home security alarm system
 Home security alarm  system  Home security alarm  system
Home security alarm system
 
Le four à micro-ondes Principe de fonctionnement
Le four à micro-ondes Principe de fonctionnement Le four à micro-ondes Principe de fonctionnement
Le four à micro-ondes Principe de fonctionnement
 
Notice bibliographique pour les doctorants chercheurs en VBA sous Excel
Notice bibliographique pour les  doctorants chercheurs en VBA sous Excel Notice bibliographique pour les  doctorants chercheurs en VBA sous Excel
Notice bibliographique pour les doctorants chercheurs en VBA sous Excel
 
Convertisseur Pouce en cm et cm en pixel
Convertisseur  Pouce en cm et  cm en pixelConvertisseur  Pouce en cm et  cm en pixel
Convertisseur Pouce en cm et cm en pixel
 

Dernier

Newsletter SPW Agriculture en province du Luxembourg du 12-06-24
Newsletter SPW Agriculture en province du Luxembourg du 12-06-24Newsletter SPW Agriculture en province du Luxembourg du 12-06-24
Newsletter SPW Agriculture en province du Luxembourg du 12-06-24
BenotGeorges3
 
Bibliothèque de L'Union - Bilan de l'année 2023
Bibliothèque de L'Union - Bilan de l'année 2023Bibliothèque de L'Union - Bilan de l'année 2023
Bibliothèque de L'Union - Bilan de l'année 2023
Bibliothèque de L'Union
 
Textes de famille concernant les guerres V2.pdf
Textes de famille concernant les guerres V2.pdfTextes de famille concernant les guerres V2.pdf
Textes de famille concernant les guerres V2.pdf
Michel Bruley
 
Iris van Herpen. pptx
Iris         van         Herpen.      pptxIris         van         Herpen.      pptx
Iris van Herpen. pptx
Txaruka
 
Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...
Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...
Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...
M2i Formation
 
Iris van Herpen. pptx
Iris         van        Herpen.      pptxIris         van        Herpen.      pptx
Iris van Herpen. pptx
Txaruka
 
Veille Audocdi 90 - mois de juin 2024.pdf
Veille Audocdi 90 - mois de juin 2024.pdfVeille Audocdi 90 - mois de juin 2024.pdf
Veille Audocdi 90 - mois de juin 2024.pdf
frizzole
 

Dernier (7)

Newsletter SPW Agriculture en province du Luxembourg du 12-06-24
Newsletter SPW Agriculture en province du Luxembourg du 12-06-24Newsletter SPW Agriculture en province du Luxembourg du 12-06-24
Newsletter SPW Agriculture en province du Luxembourg du 12-06-24
 
Bibliothèque de L'Union - Bilan de l'année 2023
Bibliothèque de L'Union - Bilan de l'année 2023Bibliothèque de L'Union - Bilan de l'année 2023
Bibliothèque de L'Union - Bilan de l'année 2023
 
Textes de famille concernant les guerres V2.pdf
Textes de famille concernant les guerres V2.pdfTextes de famille concernant les guerres V2.pdf
Textes de famille concernant les guerres V2.pdf
 
Iris van Herpen. pptx
Iris         van         Herpen.      pptxIris         van         Herpen.      pptx
Iris van Herpen. pptx
 
Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...
Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...
Formation M2i - Onboarding réussi - les clés pour intégrer efficacement vos n...
 
Iris van Herpen. pptx
Iris         van        Herpen.      pptxIris         van        Herpen.      pptx
Iris van Herpen. pptx
 
Veille Audocdi 90 - mois de juin 2024.pdf
Veille Audocdi 90 - mois de juin 2024.pdfVeille Audocdi 90 - mois de juin 2024.pdf
Veille Audocdi 90 - mois de juin 2024.pdf
 

ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)

  • 1. Université d’Oum El Bouaghi , Algérie Faculté des sciences de la terre et de l’architecture Prof. Adad Mohamed Cherif 2017 ( One-way ANOVA)
  • 2. Dans ce tutoriel, il s’agit de montrer comment peut-on procéder à l’analyse ANOVA à 1 facteur entre des échantillons indépendants par le biais du logiciel SPSS et quels sont les résultats à mettre sur le rapport final ? Introduction
  • 3. ANOVA est l’abréviation de ANalysis Of VAriance. L’ANOVA est une méthode d’analyse bivariée. C’est-à-dire le croisement de 2 variables de nature différente. L’analyse de variance, à un facteur (One way ANOVA), appelée ANOVA est une techniques permettant de savoir si une variable dépendante Y (variable à expliquer) est en relation avec une seule variable indépendante X (variable explicative). En d’autres termes, inférer une relation ente X et Y variable dépendante Y (Quantitative) DÉFINITION
  • 4. L’hypothèse nulle H0: µ1 = µ2 = µ3 =µ... Les moyennes de la population sont égales. L’hypothèse alternative H1: µ1 ≠ µ2 ≠ µ3 ≠ µ… Au moins une moyenne est différente . C’est-à-dire qu’au moins une moyenne n’est pas égale aux autres . HYPOTHESES
  • 5. La variable dépendante est une variable numérique ou quantitative. La variable indépendante est appelée aussi facteur. C’est une variable catégorielle ( discrète, qualitative or nominale). Exemple le sexe, statut professionnel. On utilise l’ANOVA quand notre test d’analyse comporte plus de 2 groupes (variable indépendante ) et que la variable dépendante est quantitative. En termes plus simples, ANOVA vise à comparer des moyennes sur plusieurs échantillons afin de déterminer s'il existe des preuves que les moyennes des échantillons associées sont significativement différentes. ANOVA est un test paramétrique ( la moyenne, l’écart-type)
  • 6. • Les groupes sont indépendants et aléatoirement tirés de leur population respective (il n’y a ni relation entre les observations à l’intérieur d’un groupe, ni relation entre les observations entre les groupes). • Il n'y a pas de relation entre les sujets ou mesures de chaque échantillon. Cela signifie que les sujets ou les mesures du 1er échantillon ne peuvent pas être aussi dans le 2ème échantillon ou le 3ème et ainsi de suite. • Les échantillons doivent suivent une loi normale ( une normalité parfaite n’est exigée) • Si les échantillons sont modérés ou de grande taille, une violation de la normalité peut donner des valeurs de signification assez précises. • Les données de la variable dépendante présentent des variances identiques (recours au test de Levene surtout si le la taille des groupes n’est pas identique). Si le test est significatif sig. < 0,05 , on doit faire, donc, appel au test Brown-Forsythe ou le Welch Robust F.. • Lorsque la normalité, l’homogénéité des variances ne sont pas respectées, on peut utiliser le test non paramétrique de Kruskal-Wallis. Conditions d’utilisation
  • 7. Le rejet de H0 signifie qu’il y a une grande probabilité qu’au moins il y a une différence entre les groupes. L’analyse Post Hoc est nécessaire pour nous indiquer ou se situe la différence entre la ou les moyens. Exemple 1 Variable indépendante (qualitative):  Niveau social (à 3 niveaux)  Classe supérieure  Classe moyenne  Classe inférieure Variable dépendante ( quantitative) Satisfaction des services hôteliers QU’EST CE QUE L’ANOVA PEUT NOUS DIRE
  • 8. Exemple 2 Variable indépendante (qualitative):  le niveau de formation  BEM  BAC  Ingénieur Variable dépendante ( quantitative)  Le salaire
  • 10.
  • 11. Existe-il de différence dans les salaires des métiers de menuisier, plombier et électricien dans l’exercice de leur fonction ?  H0 L’hypothèse nulle les moyennes des salaires des différents métiers sont égales. Ici, nous avons 3 niveaux (ou groupes) Plombier ------ µ1 Menuisier ------ µ1 Electricien ---- µ3  µ1 = µ2 = µ3  H1 L’hypothèse alternative Au moins une moyenne des salaires des différents métiers n’est pas égale aux autres.  µ1 ≠ µ2 ≠ µ3  Ou µ1 ≠ µ2  Ou µ2 ≠ µ3  Ou µ1 ≠ µ3 Question de recherche
  • 12. Affichage des données Affichage des variables Groupe est une variable nominale dont la colonne « Valeurs» nous indique le codage des métiers. Remarque : dans la colonne « Nom » il ne faut jamais laisser de vide entre les caractères .
  • 13. Analyse comparer les moyennes ANOVA 1 facteur
  • 14. Il faut insérer les deux variables dans la fenêtre à gauche : Dans « Liste variables dépendantes » , on place la variable dépendante ‘ Salaire perçu ‘. Dans « Critère » la variable indépendante ‘Type de métier’. Appuyer sur « OPTION » Cocher:  Caractéristiques : statistiques descriptive  Test d’homogénéité de variance : vérification des variances si elles sont identiques ou non.  Brown-Forsythe et Welch où cas où l’homogénéité des variances n’est pas vérifiée.  Diagramme des moyennes  Exclure les observations analyse par analyse:
  • 15. Cliquer sur Post Hoc Cocher  Turkey pour les comparaisons multiples  Niveau de signification : 0.05 Puis « Poursuivre » et OK
  • 16. On obtient le résumé des actions et 6 tableaux Fichier des données Test d’homogénéité de variance Test Post Hoc 1
  • 17. Analyse descriptive et test d’homogénéité des variances 2 Dans le tableau descriptives,, il est indiqué les différents métiers et moyennes et les écart- types des différents métiers . On voit que la moyenne des salaires la plus élevée est celle du métier d’électricien , puis vient ensuite celle des salaires du métier de menuisier . • Le tableau Test d’homogénéité met en évidence le test de Levene. Il nous montre la signification = 0.095 > 0.05. Nous pouvons conclure que l’hypothèse de l’homogénéité des variances est confirmée, comme on peut le voir sur le 1er tableau qu’au moins 2 écart-types (4136.55 et 4299.87) sont presque identiques. Donc , on est autorisé à continuer notre analyse en passant au Plombier( M=5000, ET=4136.55, N=10) Menuisier (M=56000, ET=7102.42, N=10) Electricien (M=65400, ET=4299.87, N=10) • Si ce test n’est concluant, on fait appel aux tests Brown-Forsythe ou le Welch Robust F..
  • 18. Si l’hypothèse de l’homogénéité des variances est confirmée alors les tests de Welch et Brown- Forsythe deviennent inutiles, on passe donc directement au tableau ANOVA .
  • 19. Tableau ANOVA 3 Ce qui nous intéresse dans ce tableau est la signification (SIG.), ici elle est de 0.000 < 0.05 , cela signifie que les moyennes des salaires des différents métiers sont différentes. Cependant, il n’est pas indiqué dans le tableau la signification statistique entre chaque paire de métiers . Résultat: F(2,27)=21.00, p=0,000 ddl (degré de liberté) 2 et 27 Mesure F = 21.008 Signification = 0.000 < 0.05
  • 20. Tests Post Hoc 4 Pour voir la signification entre les salaires de chaque paire de métiers, on a recours au tableau « Comparaisons multiples » à condition que dans le test ANOVA p< 0.05. Il nous permet de faire la comparaison entre les groupes . On remarque la présente d’astérix dans la colonne « Différence de moyenne » , qui signifie que la différence de salaires entre 2 métiers est statistiquement très significative. Dans notre cas, la différence des moyennes de chaque binôme , est statiquement significative . Par exemple: Menuisier et électricien , la différence des moyennes est très significative p = 0.002 < 0.05
  • 21. Un autre moyen pour comparer les moyennes est l’utilisation du diagramme des moyennes. Il nous donne une idée très claire sur la différence des moyennes des salaires. Cependant, il ne faut pas se fier à ce graphe avant de consulter d’abord, le tableau des statistiques descriptives, puis la comparaison des moyens, Ceci fait, nous pouvons dire que la salaire moyenne du métier d’électricien est le plus élevé alors que celui du plombier est le moins rémunérant. 5
  • 22.  Une taille d'effet est une mesure de la force de l'effet observé d'une variable sur une autre  Dans le cadre de l'ANOVA, les conventions de grandeurs de la taille de l'effet f sont  f=0,1, l'effet est faible. • f=0,25, l'effet est modéré. • f=0,4, l'effet est fort. • Dans notre cas, taille d’effet=0.6, donc c’est un effet fort. Taille d’effet =Somme des carrés ( Inter-groupes) / Total  (voir tableau ANOVA) 6
  • 23. Il est important de présenter certains résultats dans le rapport scientifique à soumettre pour une éventuelle évaluation. La véracité de l’hypothèse d’homogénéité des variances est confirmée et mise en évidence par le test de Levene . F=(2,27)=2.56, p=0,095 La variable indépendante est à trois niveaux: Salaire bas, Plombier( M=5000, ET=4136.55, N=10) Salaire moyen, Menuisier (M=56000, ET=7102.42, N=10) Salaire élevé, Electricien (M=65400, ET=4299.87, N=10 A l’issue de cette analyse ANOVA à 1 facteur, nous pouvons dire que l’hypothèse nulle «les moyennes des salaires des différents métiers sont égales » est rejetée. Donc, l’hypothèse alternative est retenue “la différence entre les moyennes des salaires est significative”: F(2,27)=21.00, p=0.000 La différence entre les moyennes des salaire est forte selon la convention de Cohen (1988) au sujet de l’interprétation de la taille d’effet: taille d’effet=0.6.
  • 24. ANOVA à 1 facteur Prof. Adad Mohamed Chérif 2017