Comment calculer la taille d'effet (Eta carré) dans une ANOVA avec SPSS

Les scientifiques sociaux utilisent SPSS (Statistical Package for the Social Sciences) pour analyser des données avec une ANOVA (Analyse de la Variance) afin de comparer l'effet de variables indépendantes sur des variables dépendantes. Ils rapportent la significativité (probabilité que la différence soit due au hasard ; < 0,05 = moins de 5 chances sur 100). Ils déterminent aussi l'Eta carré (η²), la taille d'effet ou le pourcentage de la variable dépendante expliqué par la variable indépendante.

Accéder aux données

Étape 1

Cliquez sur « Fichier » en haut de l'écran SPSS pour charger des données depuis un fichier existant. Sélectionnez « Ouvrir » dans le menu déroulant.

Étape 2

Cliquez sur « Regarder dans » depuis le répertoire affiché. Sélectionnez « Données » dans « Type de fichiers ».

Étape 3

Cliquez sur le nom du fichier à analyser, par exemple « Jury.sav ».

ANOVA

Étape 1

Cliquez sur « Statistiques » en haut de l'écran SPSS. Sélectionnez « Modèle linéaire général » puis « Factoriel simple » dans le menu déroulant.

Étape 2

Surlignez votre variable dépendante (ex: niveau de culpabilité) dans la liste de gauche et cliquez sur la flèche droite pour la déplacer dans la zone « Dépendante ».

Étape 3

Surlignez vos variables indépendantes (ex: sexe et race) dans la liste de gauche et cliquez sur la flèche droite pour les déplacer dans la zone « Facteurs ».

Étape 4

Cliquez sur « Définir l'intervalle » et saisissez votre valeur minimale (ex: 1) et maximale (ex: 12) pour la variable dépendante.

Taille d'effet (Effect Size)

Étape 1

Cliquez sur « Options » parmi les trois boutons en bas de la boîte de dialogue (« Contrastes », « Post Hoc », « Options »).

Étape 2

Cliquez sur « Taille d'effet » (Effect Size) dans le menu déroulant. Cliquez sur « Continuer ».

Étape 3

Examinez la sortie « Tests des effets inter-sujets ». La colonne de gauche liste chaque variable indépendante et la variable d'interaction sous « Source ».

Étape 4

Suivez la ligne de chaque variable jusqu'à la colonne « Sig. » (Significativité). Plus la valeur est basse, moins les différences entre groupes sont dues au hasard. Par exemple, < 0,01 = moins d'1 chance sur 100 que les résultats soient dus au hasard.

Étape 5

Suivez la ligne jusqu'à la colonne « Eta carré » (Partial Eta Squared), l'information la plus importante. L'Eta carré mesure la taille d'effet : le pourcentage de la variable dépendante expliqué par l'indépendante. Plus le pourcentage est élevé (proche de 1), plus l'effet est important. Exemple : 0,65 = 65 % expliqué.