Colloque

Voyez-vous pourquoi un graphique est préférable aux valeurs p?

Denis Cousineau

Membre a labase

Denis Cousineau : Université d'Ottawa

Résumé de la communication

Bien que la valeur p soit une statistique intéressante, sa signification est dépendante d'une hypothèse nulle. Les intervalles de confiance, au contraire, sont des outils qui permettent de tester un grand nombre d'hypothèses nulles. De plus, les intervalles de confiance sont faciles à illustrer en accompagnement des statistiques descriptives testées. Dans cette présentation, nous argumentons qu'un graphique accompagné de barres d'erreurs permet de saisir les données nettement mieux que ne peuvent le faire des statistiques inférentielles. Nous allons discuter de la distinction entre intervalles de confiances "stand alone" (classiques), ajustées pour les différences, et ajustée pour la corrélation. Nous donnerons des exemples illustrant des moyennes, des proportions, des écarts standardisés, des fréquences, etc. Tous ces exemples sont réalisés avec superb, un outil pour R qui ne nécessite aucune programmation. Un exemple sera réalisé en direct avec l'interface visuelle https://dcousin3.shinyapps.io/superbshiny/.

Résumé du colloque

Nous savons depuis près d’une centaine d’années que la valeur p (p value) utilisée pour tester des hypothèses présente des limites. Dans les dernières décennies, les critiques à l’égard de cette statistique se sont accumulées et l’American Statistical Association a même diffusé une prise de position officielle à son égard, en 2016. Signe des temps, certaines revues scientifiques en sciences humaines, sociales et en santé ont décidé de refuser l’utilisation de la valeur p dans leurs articles. Pourquoi ce choix ? Certaines alternatives sont-elles plus prometteuses ? Il est maintenant temps d’entamer une réflexion sérieuse sur l’ère post p < 0,05 dans ces disciplines.