L’importance des statistiques en psychologie (avec exemples)

Le domaine des statistiques concerne la collecte, l’analyse, l’interprétation et la présentation des données.

Dans le domaine de la psychologie, les statistiques sont importantes pour les raisons suivantes :

Raison 1 : Les statistiques descriptives permettent aux psychologues de résumer les données liées à la performance humaine, au bonheur et à d’autres mesures.

Raison 2 : Les modèles de régression permettent aux psychologues de quantifier la relation entre les variables liées à la performance humaine, au bonheur et à d’autres mesures.

Raison 3 : Les tests d’hypothèses permettent aux psychologues de comparer l’efficacité de différentes méthodes, techniques et procédures sur la performance humaine, le bonheur et d’autres mesures.

Dans la suite de cet article, nous développons chacune de ces raisons.

Raison 1 : Utiliser des statistiques descriptives pour résumer les données

Les statistiques descriptives sont utilisées pour décrire les données.

Les psychologues utilisent souvent des statistiques descriptives pour résumer les données relatives aux individus.

Par exemple, un psychologue industriel et organisationnel pourrait calculer les statistiques descriptives suivantes pour les personnes qui travaillent dans une certaine entreprise :

• Satisfaction globale à l’égard du salaire (par exemple, échelle de 1 à 7)
• Satisfaction globale à l’égard de la culture du lieu de travail
• Satisfaction globale concernant les horaires de travail

Grâce à ces mesures, un psychologue I/O peut mieux comprendre le degré de satisfaction des employés dans l’entreprise.

Ils peuvent ensuite utiliser ces mesures pour informer l’organisation sur les domaines qui pourraient être améliorés pour rendre le lieu de travail un environnement plus agréable pour les employés.

Raison 2 : Utiliser des modèles de régression pour quantifier la relation entre les variables

Les statistiques sont également utilisées en psychologie sous la forme de modèles de régression .

Ce sont des modèles qui permettent aux psychologues de quantifier la relation entre une ou plusieurs variables prédictives et une variable de réponse .

Par exemple, un psychologue peut avoir accès à des données sur le nombre total d’heures passées à faire de l’exercice par jour, le nombre total d’heures passées à travailler par jour et le bonheur global (par exemple sur une échelle de 0 à 100) des individus.

Ils pourraient ensuite construire le modèle de régression linéaire multiple suivant :

Bonheur = 76,4 + 9,3 (heures passées à faire de l’exercice par jour) – 0,4 (heures passées à travailler par jour)

Voici comment interpréter les coefficients de régression dans ce modèle :

• Pour chaque heure supplémentaire passée à faire de l’exercice par jour, le bonheur global augmente en moyenne de 9,3 points (en supposant que les heures passées à travailler restent constantes).
• Pour chaque heure supplémentaire passée à travailler par jour, le bonheur global diminue en moyenne de 0,4 point (en supposant que les heures passées à faire de l’exercice restent constantes).

En utilisant ce modèle, un psychologue peut rapidement comprendre que plus de temps passé à faire de l’exercice est associé à un bonheur global accru et que plus de temps passé à travailler est associé à un bonheur global moindre.

Ils peuvent également quantifier exactement dans quelle mesure la quantité d’exercice et de travail affecte le bonheur général.

Raison 3 : Utiliser des tests d’hypothèse pour comparer les méthodes

Les statistiques sont également utilisées en psychologie sous la forme de tests d’hypothèses .

Ce sont des tests que les psychologues peuvent utiliser pour déterminer s’il existe une signification statistique entre différentes méthodes, techniques ou procédures.

Par exemple, supposons qu’un psychologue du sport estime qu’une nouvelle méthode d’entraînement est capable d’augmenter le bien-être mental des joueurs de basket-ball universitaires. Pour tester cela, il peut mesurer le bien-être (par exemple sur une échelle de 1 à 7) de 40 joueurs avant et après la mise en œuvre de la nouvelle méthode d’entraînement pendant un mois.

Il peut alors réaliser un test t pour échantillons appariés en utilisant les hypothèses suivantes :

• H ₀ : μ _après = μ _avant (le bien-être moyen est le même avant et après utilisation de la méthode)
• H _A : μ _après > μ _avant (le bien-être moyen est plus élevé après utilisation de la méthode)

Si la valeur p du test est inférieure à un certain niveau de signification (par exemple α = 0,05), alors il peut rejeter l’hypothèse nulle et conclure que la nouvelle méthode conduit à un bien-être accru des joueurs.

Remarque : Ceci n’est qu’un exemple de test d’hypothèse utilisé en psychologie. D’autres tests courants incluent un test t à un échantillon , un test t à deux échantillons , une ANOVA unidirectionnelle et une ANOVA bidirectionnelle .

Ressources additionnelles

Les articles suivants expliquent l’importance des statistiques dans d’autres domaines :

L’importance des statistiques dans la recherche
L’importance des statistiques dans les soins de santé
L’importance des statistiques dans les entreprises
L’importance des statistiques en économie
L’importance des statistiques dans l’éducation