Bases de la recherche comportementale: définitions simples des variables et mesures

Cet article décompose certains des termes de base de l'analyse quantitative.

6689062, CC0, via Pixabay

L'analyse statistique qualitative et quantitative peut être très utile pour une entreprise ou une organisation souhaitant formuler une stratégie marketing efficace. Pourtant, comprendre les statistiques qualitatives et quantitatives et leurs outils peut être très déroutant. Cet article cherche à donner un sens aux termes de base associés à l'analyse quantitative.

Variables

Une variable est une caractéristique observable d'un objet ou d'un événement qui peut être décrite selon un schéma de classification ou de mesure bien défini.

Des exemples de variables étudiées dans la recherche en sciences du comportement ou en sciences sociales comprennent: le sexe, le revenu, l'éducation, la classe sociale, la productivité organisationnelle, l'orientation des tâches, la mémoire de rappel, la mémoire de reconnaissance et la réussite (Kerlinger et Lee, 2001).

Variables indépendantes et dépendantes

Une variable indépendante est un phénomène qui est manipulé par un chercheur et qui devrait avoir un effet sur d'autres phénomènes (Williams et Monge, 2001). Un exemple de variable indépendante serait une méthode d'enseignement, un traitement médical ou un régime d'entraînement.

Une variable dépendante est un phénomène affecté par la manipulation par le chercheur d'un autre phénomène. Par exemple, la réussite est l'effet d'une méthode d'enseignement, guérir ou non l'effet d'un traitement médical, et un niveau de compétence plus élevé ou non (réalisation) l'effet d'un régime d'entraînement.

Supposons qu'un chercheur en éducation veuille savoir comment un certain style d'enseignement affecte l'apprentissage en classe et mesurera la différence en donnant aux étudiants un pré-test avant l'application du style d'enseignement, puis en retestant ces mêmes étudiants par la suite. La variable indépendante serait la nouvelle méthode d'enseignement (la cause) et la variable dépendante serait les résultats des tests ou le résultat ou l'effet).

Variables actives et attributaires

Kerlinger et Lee font une autre distinction dans les variables entre actif et attribut.

Une variable active est une variable qui peut être manipulée. Les variables actives sont également appelées variables expérimentales. Des exemples de ce type de variable sont les méthodes d'enseignement, les schémas d'entraînement, etc., qui peuvent être modifiés pour mesurer leur effet sur les phénomènes.

Une variable d'attribut est une variable qui ne peut pas être manipulée. Un exemple de variable d'attribut est le sexe, la race, l'état psychologique et / ou toute caractéristique qui est inhérente ou préprogrammée et ne peut pas être modifiée.

Variables catégoriques et continues

Une troisième paire de variables importantes sont des variables catégorielles et continues (Kerlinger & Lee).

Les variables catégorielles appartiennent à une mesure dite de nature nominale et démographique. Cela signifie qu'ils sont utilisés à des fins de classification en catégories mutuellement exclusives. En tant que tels, ils n'ont aucun rang et sont donc de statut égal comme le sexe, l'âge, la race, la préférence religieuse et l'affiliation politique.

Les variables continues sont celles qui ont un sens ordonné des valeurs dans une certaine plage, avec un nombre théorique infini de valeurs dans cette plage. Un exemple de ce type de variable est l'intelligence, qui peut être qualifiée de élevée, moyenne ou faible en fonction des scores aux tests de rendement.

Échelles de mesure dans l'analyse statistique

Dans l'analyse statistique, il existe quatre niveaux de mesure de base.

Échelle nominale

L'échelle nominale est la forme la plus faible de mesure statistique. Les chercheurs utilisent une échelle nominale pour classer les observations sans avoir l'intention d'ordonner ou de classer les résultats par niveau d'importance. De telles observations comprennent la mise en évidence de la couleur des yeux, de la race, de la religion, de la nationalité, etc.

Échelle ordinaire

L'échelle ordinale incorpore l'échelle nominale, mais cherche à classer les réponses avec un certain «supérieur à» ou «inférieur à». Par exemple, un questionnaire de recherche pourrait être conçu pour savoir à quel point les adultes aiment utiliser les médias sociaux comme Facebook ou les résultats d'une course de chevaux peuvent être répertoriés dans l'ordre d'arrivée.

Les échelles de mesure nominales et ordinales sont principalement utilisées dans l'analyse qualitative.

Échelles d'intervalle et de rapport

Une troisième forme de mesure statistique est l'échelle d'intervalle. La première caractéristique des échelles d'intervalle et de rapport est que le niveau de signification est traité en termes d'intervalles connus et égaux. La deuxième caractéristique de ces niveaux ou échelles est qu'ils sont de nature quantitative. En outre, certaines ou toutes les opérations arithmétiques peuvent leur être appliquées.

Validité et la fiabilité

Dans Reasoning with Statistics, Frederick Williams et Peter Monge (2001) ont noté:

En d'autres termes, il y a toujours la possibilité que la méthode choisie conduise effectivement à la folie statistique. Afin de garantir les résultats d'une analyse statistique particulière, le chercheur potentiel doit prendre en considération les concepts de validité et de fiabilité.

Validité

La validité dans la recherche en sciences du comportement ou en sciences sociales indique dans quelle mesure les échelles mesurent ce que les chercheurs prétendent mesurer. Williams & Monge soulignent que «la question de validité est une question de« qualité de l'ajustement »entre ce que le chercheur a défini comme les caractéristiques d'un phénomène et ce qu'il ou elle a rapporté dans le langage de la mesure» (p. 29).

Par exemple, le concept de validité peut poser une question telle que «dans quelle mesure les résultats obtenus à un examen sont-ils liés à la rétention des connaissances sur un certain sujet? Dans un extrême absurde, le concept de validité serait violé si un enseignant donnait un examen sur la section 4 d'un texte d'histoire américaine alors qu'elle voulait savoir ce que ses élèves ont appris de la section 5 de leur texte de mathématiques. De même, une chercheuse en sciences sociales aurait tort de mesurer les perceptions du style de leadership en faisant un test de personnalité.

Fiabilité

La fiabilité dans la recherche en sciences du comportement fait référence à la cohérence interne et externe des mesures. La fiabilité cherche à savoir si l'outil de mesure choisi donnerait les mêmes résultats s'il était appliqué exactement dans les mêmes conditions.