Cours de Méthodologie en psychologie sociale

 

- La situation est réaliste si les sujets la trouvent réalistes. On parle ici de réalisme expérimental.

- La situation est réaliste si elle présente des similarités avec la vie de tous les jours. On parle ici de réalisme trivial.

 

Le simple fait qu'un événement expérimental ressemble à un événement de la vie de tous les jours ne suffit pas à le rendre intéressant dans le cadre de l'étude du comportement humain. Beaucoup de ces événements sont en effet ennuyeux ou sans influence.

 

Réalisme expérimental et trivial ne sont pas à considérer comme deux extrêmes, il y a moyen de les réunir au sein d'une même expérience.

 

Le 17/11/2009

- Instructions d'évaluation (voir plus bas)
- Comment détecter les valeurs extrêmes (rappel, cf. supra). Avantage des scores standardisés par rapport au "boxplot". 
- Pour éliminer des sujets, possibilité de créer un filtre (dans "select cases"/sélectionner les observations). Ce filtre (généralement nommé filter_$) vaudra 1 pour toutes les observations qui sont traitées dans l'analyse et 0 pour celles qui sont exclues des analyses. En cas de valeur extrême, on peut donc attribuer un 0 à ces obsevations, qui seront exclues de l'analyse. L'autre solution consiste à définir une règle du type "valeur absolue(score_standardisé)<3).
- Nous avons encore discuté des avantages respectifs des contrastes et des comparaisons multiples. Ceux-ci doivent répondre à deux exigences: puissance et contrôle de l'erreur de première espèce. On peut les classer sur un continuum, des moins puissants qui contrôlent bien l'erreur de type I (comme le Tukey HSD) au plus puissant qui la contrôlent mal (par ex. le LSD). Le SNK est un bon compromis à cet égard. Le Bonferroni présente un avantage lorsqu'on veut se focaliser sur certaines comparaisons. On effectue alors des tests t pour chacune de ces comparaison en divisant le seuil par le nombre de comparaisons. 
- Nous avons discuté de la possibilité de combiner des contrastes (si on a des hypothèses claires concernant certaines comparaisons) et des post hoc (si on n'en n'a pas concernant d'autres comparaisons).
- Nous avons reproduit (en partie) les exercices ci-dessus. L'output correspondant est disponible en ligne.
 
Le 24/11/2009

Nous avons examiné l'output d'une analyse factorielle.
- Le KMO
- Le pourcentage de variance expliquée et les valeurs propres de chaque facteur avant et après rotation. On ne garde que les VP > 1. Avant rotation: le premier facteur explique le plus de variance, puis le second, etc. Après rotation: on essaye de maximiser la "pureté" des facteurs (chaque item est saturé sur un facteur si possible).
- On voit très bien la différence entre les deux approches en examinant les saturations avant et après rotation.
- Les scores factoriels = "position" de chaque sujet sur chaque facteur. Alternative à la construction d'une échelle.
- Souvent, dans la perspective d'une construction d'échelle:
1 - Analys factorielle (avec rotation si plusieurs dimensions)
2-Eventuellement "purification" des facteurs en enlevant des items qui saturent sur plusieurs facteurs.
3-Nouvelle analyse (si 2).
4-Calcul des score factoriels ou des alphas de cronbach sur les items saturant sur chaque facteur.
5-Construction de l'échelle.
- Nous avons également vu la possibilité de représenter un graphe des différents facteurs et la possibilité de les ordonner.
Voir à cet égard la page web: L’analyse factorielle en composantes principales


Le 1/12/2009

Nous avons vu aujourd'hui l'analyse de variance factorielle. Une page web assez ancienne existe déjà à ce sujet: L'analyse de variance factorielle.
Lisez également ce court article de Christophe Leys.
Cette méthode s'intéresse à l'effet de deux ou davantage de facteurs (variables indépendantes) sur une variable indépendante.
Permet de préciser un plan expérimental correspondant à la forme suivante: Nom du facteur(modalité1, modalité 2,...) X Nom du facteur 2 (modalité 1, modalité 2...).
Nous avons distingué les effets principaux (effet d'une variable (ou facteur) sans tenir compte de l'autre variable, basé sur les moyennes marginales), les effets simples (effet d'un facteur à une modalité précise de l'autre facteur) et les interactions (effet d'une variable dépendant d'une autre variable).
Nous avons vu comment représenter ceux-ci graphiquement (dans le cas de tableaux 2 X 2). Un facteur 1 est en abcisse l'autre (2) sous forme de lignes de couleurs différentes, la Variable dépendante est en ordonnée.
Effet principal du facteur 1: On calcule la "moyenne" des deux lignes. Si elle est en pente (et non plate), suggère effet principal.
Effet principal du facteur2: On calcule la "moyenne" des deux côtés du graphiques (c'est-à-dire la moyenne des points gauche et droit de chaque ligne). Si ces points sont distants l'un de l'autre, effet principal.
Interaction: si les deux lignes ne sont pas parallèle.
Effet simple du facteur 1: Lorsqu'une ligne n'est pas plate.
Effet simple du facteur 2: Lorsque deux points d'un côté du graphique (gauche ou droite) ne se superposent pas.
Voici quelques exercices sur les interactions à faire pour le 8/12.
L'ANOVA factorielle suppose que les observations sont intersujets et indépendantes. En d'autres termes, les sujets ou observation sont réparties totalement aléatoirement dans les conditions. Nous avons examiné des cas de dépendance: par exemple:

 -on demande à des sujets indépendants de penser à entre 1 et 4 produits et de juger chacun d'eux. On interroge 60 sujets et on obtient des jugements sur 150 produits.
- On a donc un jugement par produit.
- Peut-on traiter le jugement de chaque produit comme une observation indépendante? Non, vu que (par exemple) le produit 1 et 4 auront peut-être été jugés par le même produits.
- Pour régler ceci, que peut-on faire:
1- faire la moyenne des jugements par sujets
2-refaire l'étude en demandant à chaque sujet de juger uniquement un seul produit
3-Ne prendre en compte qu'un jugement par sujet).
4-Estimer la dépendance des observations en calculant la corrélation des réponses aux différents produits chez chaque sujet. En d'autres termes, les réponses des sujets à un produit sont elle liées à leur réponse à un autre produit? Si cette corrélation est nulle, on peut argumenter que le fait que les observations sont dépendantes n'affecte pas l'analyse (on peut les traiter comme indépendantes).

Le 8/12
 
  Les épreuves de l'article sur la médiation est disponible ici (à lire attentivement; explique aussi très succinctement la régression multiple).
Nous avons également parlé de l'analyse de variance à mesures répétées (facteurs uniquement intra) et mixte (facteurs inter et intra) et nous avons vu comment la faire sur SPSS. Dans l'analyse de variance à mesures répétées, les modalités de la variable répétée correspondent chacune à une colonne. Vous trouverez une description de cette méthode ici sur lequel vous trouverez également un fichier sur lequel vous pourrez vous exercer. Vous pouvez vous entraîner à l'appliquer avec ce fichier-ci. Par exemple, vous pouvez considérer la condition comme un facteur inter et la mesure de probabilité quant au type de fin (var. finprob1 à finprob4) comme facteur intra. Donc, vous avez fin manipulée (courageuse, contrôle, lâche) X type de fin mesurée (courageuse, lâche, neutre1, neutre2), le premier facteur est inter, le second est inter.
Nous avons également examiné les différentes étapes dans l'analyse de plans factoriels complexes, une question qui est examinée sur cette page-ci. la logique consiste à décomposer les effets d'interaction. Si on a une interaction entre trois facteurs, on scinde ("split file") le fichier afin d'examiner les effets d'interaction entre deux facteurs pour chaque modalité du troisième. Ensuite, si on a une nouvelle interaction entre deux facteurs, on procède de la même façon en examinant les effets simples d'un facteur à chaque modalité du second. 
Voir aussi la façon dont on écrit les résultats de données expérimentales.
 

Evaluation

L'examen sera oral. Il portera sur la matière présentée au cours et sera précédé d'un temps de préparation de 20'. Il impliquera des manipulations sur SPSS/PASW sur mon portable (sur lequel sont installées les versions anglaise et française). Par ailleurs, vous serez interrogé(e) sur les aspects méthodologiques d'un article de votre choix. Pour votre choix d'article, vous avez les possibilités suivantes:

- Soit vous choisissez deux articles publiés à partir de 1995 dans une des revues suivantes (articles relativement courts):
- European Journal of Social Psychology
- Revue Internationale de Psychologie Sociale (maximum 1 des deux)
- Journal of Experimental Social Psychology
- Psychological Science (mais doit être un article de psychologie sociale)

-Soit vous ne choisissez qu'un seul article publié dans une des revues suivantes à partir de 1995 (articles plus longs):

- Journal of Personality and Social Psychology
- Personality and Social Psychology Bulletin

Je vous demande d'être en mesure de comprendre et de commenter les choix méthodologiques posés dans cet article. Il sera plus encore préférable d'être en mesure de les critiquer et/ou de proposer des alternatives. Il est vivement conseillé de lire les articles avant de les choisir. Il vous revient de vous documenter si cela ne devait pas suffire (nombreux ouvrages de méthodologie en psychologie sociale sont disponibles à la bibliothèque dont Aronson, Ellsworth & Gonzales & Judd, Smith & Kidder, 2001 pour la méthodologie et Howell, 1997 ou le site de l'unité pour les questions statistiques). Votre article devra me parvenir pour le 21 décembre (sous forme imprimée, dans mon casier au secrétariat de l'Unité, 8ème étage du Bâtiment D ou glissé sous la porte de mon bureau - je ne tolérerai aucun retard). Veuillez aussi inscrire le nom de votre article (ou de vos articles) sur ce sondage afin d'éviter des doublons.