Etude en ostéopathie / Statistica
dans Statistiques
Bonjour,
Je suis étudiante en dernière année d'ostéopathie et je dois faire mon mémoire.
J'ai déjà toutes mes données mais je suis incapable de savoir quel test il faut que j'utilise pour les étudier.
J'ai entendu parler du Chi2, de Student, d'ANOVA et on m'a conseillé d'utiliser Statistica. Mais n'étant pas de nature mathématicienne, je ne sais pas où aller.
Est-ce que quelqu'un a des bonnes notions de Statistica, ou pourrait me guider pour que je sache quel test utiliser?
Ma population est faite de 21 personnes traitées (13 femmes, 8 hommes) et 19 simulés (10 femmes, 9 hommes). Je voudrais savoir si mes groupes sont comparables.
Lorsque j'essaie dans statistica (sans rien sélectionner alors est-ce que les résultats sont bons ??), mon Chi2 est de 12,550973, je suppose que mon dl doit être de 1 et du coup p=0,999604.
Sur un site qui utilise le logiciel R, avec les mêmes données, j'arrive à un p=0,7855.
Lequel est le bon ?
Je ne demande pas qu'on me fasse mes stats, mais qu'on m'aiguille sur les tests à faire et sur l'utilisation de Statistica.
D'avance un grand merci à ceux qui voudront bien me sortir de mon pétrin!
Nat.
Je suis étudiante en dernière année d'ostéopathie et je dois faire mon mémoire.
J'ai déjà toutes mes données mais je suis incapable de savoir quel test il faut que j'utilise pour les étudier.
J'ai entendu parler du Chi2, de Student, d'ANOVA et on m'a conseillé d'utiliser Statistica. Mais n'étant pas de nature mathématicienne, je ne sais pas où aller.
Est-ce que quelqu'un a des bonnes notions de Statistica, ou pourrait me guider pour que je sache quel test utiliser?
Ma population est faite de 21 personnes traitées (13 femmes, 8 hommes) et 19 simulés (10 femmes, 9 hommes). Je voudrais savoir si mes groupes sont comparables.
Lorsque j'essaie dans statistica (sans rien sélectionner alors est-ce que les résultats sont bons ??), mon Chi2 est de 12,550973, je suppose que mon dl doit être de 1 et du coup p=0,999604.
Sur un site qui utilise le logiciel R, avec les mêmes données, j'arrive à un p=0,7855.
Lequel est le bon ?
Je ne demande pas qu'on me fasse mes stats, mais qu'on m'aiguille sur les tests à faire et sur l'utilisation de Statistica.
D'avance un grand merci à ceux qui voudront bien me sortir de mon pétrin!
Nat.
Connectez-vous ou Inscrivez-vous pour répondre.
Réponses
"J'ai déjà toutes mes données mais je suis incapable de savoir quel test il faut que j'utilise pour les étudier. " Aie, aie aie !
Le test détermine les données à recueillir. Donc si on a les données, il n'y a plus guère le choix sur le test. D'ailleurs, le test n'a aucun intérêt si on n'a pas à valider une hypothèse (c''est pour ça qu'on perle de "test d'hypothèse";
Donc la démarche c'est : Quelle hypothèse veux-je tester ? Quel test me le permet ? quelles données dois-je recueillir ?
Mais baste ! Essayons d'avancer.
"Est-ce que quelqu'un a des bonnes notions de Statistica, ou pourrait me guider pour que je sache quel test utiliser ? "
Pour Statistica, peu de chances d'être aidé ici (voir un forum spécialisé en statistiques pratiques). Pour les tests éventuellement.
Pour la suite, je ne peux rien dire, je n'ai pas les données ni leur présentation. Il va cependant falloir être prudent, car tu as des échantillons faibles, surtout si tu sépares les sexes. Déjà que veux-tu tester avec ce Khi-deux ?
Cordialement.
Comme le dit mon ami Gérard si tu présentais tes data on pourrait envisager ce qu'on peut faire.
Cordialement
Koniev
-- Schnoebelen, Philippe
Avec ce test je veux voir si mes 2 groupes (traités et non traités) sont comparables, déjà rien que par la population Homme/Femme dans chaque groupe (en gros ce que j'expliquais dans le 1er post) S'ils sont comparables alors il faudra que j'analyse des données recueillies concernant le pouls et la capacité respiratoire. Sinon je suppose qu'il faudra que je fasse des tendances.
D'après ce que j'ai pu trouver sur internet, la probabilité de mon Chi 2 est de 0,55. Mais ce que je n'arrive pas à comprendre c'est ce qu'il veut dire. Si je pars de l'hypothèse que mes groupes sont comparables ou si je pars de l'hypothèse que mes groupes ne le sont pas, alors mon Chi 2 sera toujours le même... Et donc l'une comme l'autre sera acceptable...
Ca peut vous paraitre complètement ridicule mes questions mais franchement je ne comprends rien du tout.
Concernant le test en double aveugle, c'est simple, une personne externe a randomiser ma population et l'a divisée en 2 groupes traité ou pas, et moi lors de mes tests je ne sais pas à quel groupe ils appartiennent. Ce n'est qu'une fois tous les tests finis que je découvre leur groupe.
Je ne dis pas que mon étude est parfaite, je fais avec les moyens qu'on m'a donné, et si je connaissais quelque chose aux maths et aux statistiques je ne viendrais pas demander de l'aide et je n'aurais pas choisi ostéo...
-- Schnoebelen, Philippe
Concernant les patients non traités en fait c'est une simulation d'un traitement. Un peu le même principe que l'effet placebo
-- Schnoebelen, Philippe
-- Schnoebelen, Philippe
-- Schnoebelen, Philippe
Tu voulais dire balisée, je suppose...
amicalement,
e.v.
Qu'il y ait un biais ou pas, que le test soit sain ou biaisé, je revient sur le test du Khi-deux. Ce test comporte généralement sa propre hypothèse, qui est que les variables marginales sont indépendantes. Donc le résultat du test est "variables liées" si le test est significatif (avec le risque choisi de se tromper, ou bien pas de vraie conclusion si le test réussit. Si tu as une p-value de 0,55, le test n'est pas significatif, donc on ne peut pas conclure, mais rien ne remet en cause l'hypothèse éventuelle que les variables "sexe" et "groupe" soient indépendantes. Au vu des données, on s'y attendait !
Par contre, tu n'as pas traité ta question : "je veux voir si mes 2 groupes (traités et non traités) sont comparables", tout simplement parce que "comparables" ne veut pas dire grand chose. D'ailleurs, avais-tu vraiment le choix des personnes ?
Pour l'usage de Statistica, tu devrais te méfier, car je trouve un Khi-deux de 0,35 qui donne une p-valeur de 0,45. Ton 0,55 aussi est suspect (n'aurais-tu pas rentré le totaux par colonnes comme des valeurs ?).
Cordialement.
Je suppose que ce qu'on me demande c'est de voir si le groupe traité et le groupe non traité peuvent être considéré comme une même population, et donc ce que je retrouve comme résultat sur le groupe traité pourrait s'appliquer sur le second si il avait été traité.
En gros est ce que les 2 populations sont les mêmes? Enfin je suppose.
Concernant mon Chi2 je l'ai fait avec Excel du coup, vu que Statistica m'a l'air beaucoup trop avancé pour moi, et à l'aide d'un tutoriel d'une université sur internet.
Donc j'ai rentré dans excel la formule =test.khideux(données retrouvées;données théoriques) qui m'a donné le p (c'est bien ça??)
J'ai aussi fait la donnée du chi2 retrouvé et regardé selon la table du chi2 si ma valeur retrouvée était bien inférieure à la valeur théorique de la table...
Aux vues de ce que vous me dites, j'ai l'impression qu'une étude statistique telle qu'on me la demande n'est pas vraiment réalisable. Comment justifier ceci du coup?
Et pour discuter de mes résultats, je dois comparer des moyennes?
Non, biaisée. :)o
Toi, non, mais le praticien à qui on dit de faire ou de ne pas faire, si.
En fait, la question que je pose en amont est la pertinence de l’usage de l’outil mathématique.
-- Schnoebelen, Philippe
"ce que je m'efforce d'expliquer c'est que moi même je ne sais pas ce que ça veut dire, je traite des gens pas des formules. "
Oui, mais c'est toi qui fais ce travail. Donc si tu ne sais pas pourquoi on te demande de le faire, c'est aux donneurs d'ordre qu'il faut poser la question.
Pour ton Khi-deux, j'ai mis du temps à comprendre que tu t'es piègée en voulant bien faire. Tu as fait comparer les 4 valeurs aux 4 valeurs théoriques, donc Excel considère que tu compares dans un modèle à 4 valeurs, donc 3 degrés de liberté. Or dans un tableau de contingence $n\times m$, le nombre de degrés de liberté est $(n-1)\times(m-1)$, soit ici 1. Excel n'est vraiment pas fort en statistiques, même s'il a de nombreuses fonctions (que personne n'utilise !). Pour ma part, j'ai tellement peu confiance que je fais toujours recalculer le khi-deux, plutôt que d'utiliser TEST.KHI-DEUX..
"Aux vues de ce que vous me dites, j'ai l'impression qu'une étude statistique telle qu'on me la demande n'est pas vraiment réalisable."
Je ne sais pas, je manque de données. Mais en tout cas, si une étude est faite, ses résultats doivent être pris avec précaution s'ils ne sont pas très significatifs (petits échantillons). Pour l'instant, tu as le résultat que la répartition homme/femmes dans tes deux échantillons n'est pas déséquilibrée. Mais j'imagine que le coeur de la question n'est pas là, que tu dois examiner les effets du traitement (ou non traitement).
"Et pour discuter de mes résultats, je dois comparer des moyennes? " Comme tu n'as pas dit ce que tu as rassemblé comme données, comment voudrais-tu qu'on réponde à une telle question ?
Cordialement.
NB : Je peux sembler réticent, mais n'oublie pas que je ne sais rien de ton enquête.
-- Schnoebelen, Philippe
-- Schnoebelen, Philippe
Pour gerard0 je te mets les données que j'ai recueilli puisque je n'arrive pas à être claire dans mon explication.
Pour mettre en évidence cette éventuelle différence, il y a deux voies classiques :
* comparaison de moyennes, si la variable mesurée est à peu près gaussienne, ou si les effectifs des groupes sont suffisants (supérieurs à 30)
* Comparaison par les tests non paramétriques de Wilcoxon, ou de Mann-Whithney.
Si tu as de bonnes raisons de penser que la répartition des valeurs du test de Ruffier Dickson dans la population est gaussienne, tu peux utiliser le t-test, appelé encore test de Fischer ou test de Student. Tu pourras aussi comparer les variances, ce qui donne une idée de la variation de dispersion. Si tu n'en sais rien utilise un Mann-Whithney, qui mesure l'entremêlement des valeurs des deux groupes (si les groupes suivent la même statistique, les valeurs sont très entremêlées).
Même chose pour les autres mesures.
Cordialement.
NB : Ton test n'est bien évidemment pas en double aveugle, ni même probablement en aveugle, mais on peut voir les résultats. Il faudra ensuite les interpréter avec modération.
Et bien merci beaucoup je vais essayer de trouver comment montrer que mes courbes suivent une loi Normale.
Ce qui justifie que je prenne ces tests là, si j'ai bien compris c'est ma population de 40 patients, le fait que ca suive une loi normale ou non.
Et si tu n'en sais rien, utilise Wilcoxon.
D'autre part, si tu compares deux groupes parmi les 40 patients, tu n'as qu'environ 20 individus par groupe. Et si tu compares des résultats sur les 40 à deux moments différents, il faut utiliser les tests pour échantillons appariés.
Cordialement.
Alors j'ai défini que ma population ne suivait pas une Loi Normale, donc j'ai pris le test paramétrique de Mann Whitney.
Je pensais avoir compris son interprétation mais après avoir surfer sur plusieurs cours de maths en ligne je me retrouve complétement perdue.
Quand je fais ce test, H0 signifie qu'il n'y a pas de différence entre mes deux populations?
Donc pour alpha à 5%, si je retrouve une p-value de par exemple 0,36, alors je peux en conclure que mes deux populations ne sont pas différentes parce que p-value est supérieure à 0,05???
Et qu'est ce qu'une p-value de 1 signifie????
Dans le test de Wilcoxon, l'hypothèse H0 est que les deux échantillons proviennent de populations de même distribution (ce qui fait que les valeurs sont très entremêlées).
Pour un risque 5%, une p-value de 0,36 dit que le test a réussi, donc qu'on ne peut pas rejeter l'hypothèse (ce qui ne prouve pas qu'elle est vraie). D'un certain point de vue, on n'a pas appris grands chose. Si on pensait que les populations ne sont pas différentes, on est conforté; si on ne savait pas, on ne sait toujours pas. L'interprétation classique est "les populations ne sont pas significativement différentes" (qui dit simplement que le test a réussi).
Une P-value de 1 est le cas où les échantillons suivent parfaitement le modèle, par exemple pour Wilcoxon, il y a exactement les mêmes valeurs le même nombre de fois.
Cordialement.
Concernant la p-value à 1, je me retrouve dans ce cas, pourtant mes données sont différentes, de même pour la moyenne et l'écart type? Est ce logique? Est ce possible?
D'ailleurs je remarque qu'au final pour quasiment toutes les fois où je fais le test de Mann Withney, je me retrouve avec les mêmes résultats, peut importe les données au début.
Donc autre question, est ce que je ne peux pas, vu que j'ai défini par Mann Withney que il n'y avait pas de difference significative entre les deux groupes, tester le reste de mes hypothèses avec le test de Student???
Merci
Je ne comprends pas la fin de ton message. Soit tu peux utiliser Student, soit pas, ça ne dépend pas du résultat d'un autre test.
Cordialement.
A B C
1 Traité Simulé
2 Fumeurs 1 2
3 Non fumeurs 20 17
J'utilise XLstat, dans mon échantillon 1 je mets de B1 à B3, dans mon échantillon 2 de C1 à C3.
Et la il me donne les résultats automatiquement.
Et du coup pour ce cas la j'ai un p=1.
Student je ne peux l'utiliser que si ma population suit une loi normale non??
Il a fallu attendre que le serveur fonctionne.
dans ton cas, il y a effectivement un problème d'utilisation de test : Tu compares des échantillons de 2 valeurs : Un premier avec les valeurs 1 et 20, un deuxième avec les valeurs 2 et 17. Comme 2 et 17 sont entre 1 et 20, le résultat du test est parfait (autant de valeurs avant qu'après.
Mais :
* Ce n'est pas un cas sérieux d'utilisation du test de Wilcoxon, qui se destine à des échantillons d'une dizaine à une centaine de valeurs (exceptionnellement de 5 à 10, avec précautions).
* Ce n'est sans doute pas ce que tu voulais faire.
Pour comparer B et C ici, comme le test du Khi-deux est impossible, on utilise plutôt le test exact de Fischer (si ton logiciel le fait). mais je peux te donner d'avance le résultat : Il n'y a pas de différence significative entre traité et simulé (statistiquement, le passage de 1 à 2 n'a pas de signification). Pas besoin de test pour interpréter ce tableau !
Cordialement.