Taille d’effet
La taille d’effet quantifie l’ampleur d’un phénomène, par exemple le d de Cohen pour une différence de moyennes standardisée ou le coefficient r pour une association, indépendamment du nombre de personnes testées. Jacob Cohen en systématise le calcul en 1988 avec des repères conventionnels pour un petit, moyen ou grand effet, en précisant lui-même que ces seuils restent des conventions grossières et non des vérités fixes valables dans tous les domaines.
01
En détail
Contrairement à la signification statistique, la taille d’effet ne dépend pas du nombre de participants : un d de Cohen de 0,5 décrit la même ampleur de différence que l’étude porte sur trente ou sur trente mille personnes, ce qui permet de comparer directement des études de tailles très différentes et de juger de la pertinence pratique d’un résultat plutôt que de sa seule existence statistique.
02
Exemples
- Un d de Cohen de 0,8 sur une mesure d’anxiété indique un écart large entre deux groupes, quelle que soit la taille de l’échantillon utilisé.
- Deux études rapportant toutes deux p < ,05 peuvent correspondre à des tailles d’effet très différentes, l’une négligeable et l’autre substantielle.
03
Dans les dossiers de Psychotheca
04
Dans les lectures guidées
05
Notions liées
06
Sources
- Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates. Consulter
- Cohen, J. (1992). A power primer. Psychological Bulletin, 112(1), 155–159. Consulter
- Wilkinson, L., & Task Force on Statistical Inference, APA Board of Scientific Affairs (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. Consulter
- Cumming, G. (2014). The new statistics: Why and how. Psychological Science, 25(1), 7–29. Consulter
Ces contenus sont des ressources d’information. Ils ne remplacent pas une évaluation ou un accompagnement par un professionnel de santé.