Sur l'importance des effets et ses indicateurs dans l'analyse statistique des données

Résumé En Fr

Summary : On the importance of effect size and indicators of effect size in the statistical analysis ofdata. We emphasize, as do many other authors, the necessity of questioning the importance of the observed effects in all data-analysis situations. After presenting various ways for evaluating effect size, we develop indicators based on internai data references le. «psychometric indicators». Various elementary situations ofdata analysis are examined. For each one, relevant indicators are defined and three conventional values for describing an effect as « small », « medium » or « large » are presented. We emphasize that these values are indicative and not to be applied mechanically. The proposed methodology is to reach systematically a decision on effect size as early as the descriptive phase. This recommendation should help to avoid interpretation errors within the inferential phase. Key words : statistics, data analysis, effect size, benchmark values, large effect small effect, descriptif conclusion and inference.

On souligne avec de nombreux auteurs la nécessité de poser la question de l'importance de l'effet observé dans toute situation d'analyse de données. Après avoir rappelé différents moyens d'évaluer cette importance on développe la présentation d'indicateurs qui s'appuient sur une référence interne aux données ou « indicateurs psychométriques ». Les différentes situations élémentaires d'analyse de données sont examinées. Pour chacune d'elles des indicateurs pertinents sont définis ainsi que trois valeurs conventionnelles permettant de qualifier un effet de «faible », «moyen», ou «important ». On insiste sur le fait qu'il s'agit de valeurs-repères permettant de situer l'effet, et ne devant pas être appliquées mécaniquement. La méthodologie proposée suggère de se prononcer systématiquement, et ceci dès l'étape descriptive, sur l'importance de l'effet. Ceci devrait en particulier contribuer à éviter des erreurs d'interprétation lors de l'étape inférentielle. Mots-clés : statistique, analyse des données, importance des effets, valeurs-repères, effet notable, effet négligeable, conclusion descriptive et inférence.