Glossaire



| 2 | 3 | A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z |

Effets Principaux

Par opposition aux effets d'interaction (dans l'ANOVA ou en Régression), l'effet principal d'un facteur spécifique (variable indépendante) sur une variable dépendante représente l'effet moyen de cette variable indépendante aux différents niveaux des autres variables indépendantes du modèle.  

Par exemple, les résultats de l'expérience (fictive) reportée ci-dessous illustrent les performances d'étudiants Travailleurs et Paresseux à une épreuve Facile et Difficile ; nous avons un effet principal de l'Épreuve sur la performance (les participants à ce test ont obtenu dans l'ensemble de meilleurs résultats à l'Épreuve Difficile (avec une moyenne de 13) qu'à l'Épreuve Facile (avec une moyenne de 11), mais il n'existe aucun effet principal de la propension au travail (12 vs. 12) :

 

Travailleurs

Paresseux

Moyenne

Épreuve Difficile

Épreuve Facile

14

10

12

12

13

11

Moyenne

12

12

 

Remarque : ce concept, crucial pour l'analyse et l'interprétation des données, est souvent confus et mal compris.

Par exemple, certaines définitions, courantes mais imprécises (et pouvant parfois conduire à une interprétation erronée) des effets principaux indiquent qu'ils représentent “l'effet d'un facteur sur une variable dépendante (variable de réponse) mesurée indépendamment des autres facteurs de l'analyse” (www.socialresearchmethods.net/tutorial).  Ces définitions sont incorrectes au sens où, dans les plans multivariés, l'importance d'un effet principal se calcule par rapport à la variance expliquée par les autres facteurs, et elle ne se mesure donc pas "indépendamment des autres facteurs" mais bien en tenant compte de ces facteurs.  Ainsi, les effets principaux se mesurent clairement "par rapport" aux autres facteurs, puisque l'importance d'un effet principal dépend des effets de ces autres facteurs.

Une autre erreur courante concerne l'hypothèse selon laquelle l'existence d'un effet principal pour un facteur spécifique implique d'une certaine manière que ce facteur ne contribue pas aux effets d'interaction du modèle donné.  Par exemple, l'ouvrage Méthodes de Recherche (Elmes, Kantowitz, Roediger, 2006) définit l'effet principal comme suit : "lorsque l'effet d'une variable indépendante est identique à tous les niveaux d'une autre variable indépendante".  Ceci est totalement faux, dans la mesure où nous décrivons ici l'absence d'interaction entre les deux facteurs concernés, sans parler de l'existence d'un effet principal, qui peut coexister avec des effets d'interaction relatifs aux mêmes facteurs d'un modèle.  Par exemple, considérons les résultats suivants d'une expérience (fictive) mentionnée précédemment :

 

Travailleurs

Paresseux

Moyenne

Épreuve Difficile

Épreuve Facile

17

14

14

15

15,5

14,5

Moyenne

15,5

14,5

 

Ces résultats révèlent l'existence de deux effets principaux sur les facteurs (les étudiants Travailleurs obtiennent globalement de meilleurs résultats que les Paresseux, mais également, l'Épreuve Difficile a produit de meilleurs résultats que l'Épreuve Facile), mais aussi un effet d'interaction entre les deux facteurs (l'Épreuve Facile peut avoir un effet démotivant pour les étudiants Travailleurs, mais donne de meilleurs résultats (motivation ?) chez les étudiants Paresseux).