LPSYS2145 - Modèles de prédiction – Examen de janvier 2016 – version 1

Contexte de recherche et variables

Dans le fichier examen.sav, on trouve les données d’une expérience sur les stéréotypes au cours de
laquelle des sujets ont jugé leur propre groupe, les étudiants en psychologie, ainsi qu’un autre
groupe. Pour ce qui est de la première variable expérimentale (au nombre de 4, renseignées par la
variable statut), les psychologues occupent une position sociale beaucoup plus basse, légèrement
plus basse, légèrement plus haute, ou beaucoup plus haute que le groupe cible. Les jugements à
propos de chacun des deux groupes concernent des traits de compétence ou de chaleur. Quant à
l’autre variable expérimentale (au nombre de 3, renseignée par la variable ordre), il s’agissait de juger
soit les deux groupes sur les deux types d’échelle simultanément, soit les deux groupes d’abord sur
les traits de chaleur et puis les traits de compétence, soit les deux groupes d’abord sur les traits de
compétence et puis les traits de chaleur. Une série d’autres d’informations ont également été
recueillies.

1. Une première salve de questions qui intéressent le chercheur concerne les relations entre certaines
variables sur l’ensemble des données.

a. Est-ce que la perception de légitimité de la position sociale des groupes (leg) prédit la perception de
stabilité de la position sociale des groupes (sta) ?

Faire une régression linéaire "Linear regression", mettre "sta" dans Dependent et "leg" dans Independent car
on cherche si leg prédit sta

i. Indiquez les valeurs de l’intercept et du t correspondant. 2.008 et 7.484

1
 ii. Donnez la valeur du coefficient de régression de la pente et son erreur standard.
 .737
 .047

iii. Quel est le PRE du modèle ? Fournissez d’abord la formule formelle du PRE puis appliquez-la en exploitant
les sommes de carrés du cas présent.
 PRE = (SCE(C) –SCE(A))/SCE(C)
 (1036.996-516.407)/1036.996
 520.589/1036.996
 .502

iv. Présentez la formule du F dans laquelle on retrouve le nombre de paramètres tant dans sa version
formelle qu’avec les chiffres concrets.
 F = (PRE/(PA-PC))/((1-PRE)/(n-PA)
 (.502/1)/(.498/248) =
 250.008

v. Quelle est la valeur seuil dans la table du PRE pour les paramètres concernés qui rend la prédiction
significative (arrondissez au besoin) ?
 Entre 200 et 500, il y a 500.
 Entre 0.019 et 0.008, il y a 0.011. Dès lors, 0.011/300 x 48 = 0.00176 (On multiplie par 48 car on doit
arriver à 248, on est à 200, donc il manque 48)
 0.019 - 0.00176 = 0.01724
 .017

vi. Quelle est la valeur du coefficient de corrélation entre leg et sta ?

 .709

vii. Combien de paramètres restent disponibles pour améliorer la prédiction de sta ?

 248

2
viii. Quel est l’intercept et le t associé au niveau moyen de leg ?
Il faut, ici, centré la variable avec la moyenne et refaire une régression, faire un descriptive statistics de la
variable "leg", créer une nouvelle variable en soustrayant la moyenne (Transform - Comput variable). C'est une
variable centrée de "leg" que nous faisons, ce qui nous donne "LegC". Ensuite on relance une régression
linéaire avec "sta" et "legC"

5.996 et 65.699

ix. Est-ce que l’intercept trouvé au point viii diffère significativement du point milieu de l’échelle, à savoir 5  ?
Répondez en donnant le t associé à ce test.
Créer une nouvelle variable (StaEcart5), on est 5 points en dessous de la moyenne, donc prendre la variable
Sta et faire -5
Refaire une régression linéaire avec dans "dependent" => StaEcart5 et dans "Independant" => LegC

Oui car le t est de 10.913 est significatif

3
b. Le degré de biais en faveur de son propre groupe dans le jugement (bias) est-il lié à l’ensemble de
prédicteurs comprenant l’identification à son groupe (mid), la perception de la norme de non-discrimination
(nondis), la légitimité perçue (leg) et la stabilité perçue (sta)

Regression > linear > block 1 avec 3 puis block 2 avec 4 !???

4
 i. Quel est le PRE du modèle complet ? .086

ii. Quelles variables prédisent significativement le biais et quelles sont les valeurs t et les probabilités associées ?
Mid avec un t de 3.898 et un p < .000 et leg avec un t de 2.006 et une probabilité de p < .046

iii. Dans le modèle complet, quel est le PRE associé spécifiquement à la variable mid ? Montrez comment vous
aboutissez à la réponse par l’intermédiaire de la somme de carrés expliquée par mid. Sur base de l’output
SPSS, on peut calculer directement ce PRE. Montrer votre calcul.
Refaire un tableau de régression linéaire, mettre que mid, ensuite cliquer sur next et ne mettre les autres
variables.

PRE = (1081.242-1018.096)/1081.242 = 63.146/1081.242 = .058 Le PRE est aussi le carré de la corrélation

partielle .242 * .242 = .058.

5
iv. Dans le modèle complet, quelle est la tolérance associée à la variable leg ? Calculez le modèle de régression
dont le PRE correspond précisément à cette tolérance  et donnez-en le F ?

Tolérance = 1 - PRE donc 1- Tolérance = 0.512, 0.512 est le PRE qui correspond à la tolérance leg
Formule de F => (PRE/(PA-PC)) / ((1-PRE)/(n-PA))
(0,512/3) / ((1-0.512/245)) = 86.180

.488 et 86.180

v. Le modèle complet est-il utile par rapport à un modèle qui ne comprendrait que la variable mid ? Etayez votre
réponse à l’aide du PRE lié à l’ajout des trois variables et en prenant appui sur la valeur critique à .05 ?

non car le PRE est de (1041.844-1018.096)/1041.844 = .023 avec 3 et 245 cela est inférieur à .034 et donc non-
significatif
Encadré A2 pour les seuil critique.

6
2. Le chercheur examine ensuite l’impact des manipulations expérimentales sur certaines des variables
dépendantes.

a. Il souhaite d’abord étudier l’impact de la variable de différence de statut à 4 niveaux ( statut) sur la
perception de la distance entre l’endogroupe et l’exogroupe (dist)? Pour ce faire, il crée trois contrastes
polynomiaux (poly1, poly2, poly3)

Faire une régression linéaire en mettant la variable "dist" dans "Dependant" et "Poly1", "Poly2", "Poly3" dans
Independent(s)

i. Calculez un modèle qui exploite ces contrastes polynomiaux. Donnez les valeurs du PRE et du F de ce
modèle ainsi que les formules en utilisant uniquement des sommes de carrés dans les formules ?
PRE= (1246.100-509.234)/ 1246.100 = 736.866/1246.234 = .591 et F = (736.866/3)/(509.234/246) = 118.655

ii. Quels sont le coefficient de pente et le PRE (pas besoin de formule) associés au contraste linéaire ?
Coefficient (B de Unstandardized Coefficient)= .754 et PRE = .769² soit .591

7
b. Pour étudier le biais de jugement en faveur de l’endogroupe sur la compétence (biasco), le chercheur décide
de regrouper les deux conditions dans lesquelles l’endogroupe occupe un statut hiérarchique inférieur d’une
part et les deux conditions dans lesquelles l’endogroupe occupe un statut hiérarchique supérieur d’autre
part de façon à ne plus avoir que deux niveaux de cette variable.

i. Calculez un modèle de régression multiplicatif qui combine cette nouvelle variable statut à créer avec 2
niveaux et la variable ordre. Créez les contrastes orthogonaux pour cette variable sachant que le chercheur
souhaite en tous cas comparer la condition où les participants évaluent les deux groupes simultanément sur
les deux échelles aux deux autres conditions .
Quel sont les PC, PA et n-PA, le PRE et le F du modèle complet  (pas besoin de formule) ?

La transformation de la variable Statut qui a 4 niveau en une variable qui a deux niveau la rend
dichotomique, dès lors, on doit utiliser pour le codage les chiffres -1 et 1 pour que la somme fasse 0.
Aller dans "Transform" "Recode into different variable", " mettre les différents label :
 -1 correspond au 1 et 2
 1 correspond au 3 et 4
Le recodage de cette nouvelle variable est "StatutCentre"

Ensuite faire un tableau a plusieurs entrée sur Word avec toutes les données. Dans ce tableau, on
prend toutes les combinaisons qui sont possibles entre le Statut, que l'on a recodé en fonction de ce
qui est dit dans l'énoncer. (Haut et Bas, qui correspond à nos nouvelles variables -1 et 1) et les
évaluation. On retrouve ça dans l'énoncer de la question.
"Il s’agissait de juger soit les deux groupes sur les deux types d’échelle simultanément, soit les deux
groupes d’abord sur les traits de chaleur et puis les traits de compétence, soit les deux groupes
d’abord sur les traits de compétence et puis les traits de chaleur. Une série d’autres d’informations
ont également été recueillies."

8
 Une fois que le0 tableau est fait, nous allons ensuite recoder nos variables. Comme dans le tableau,
on les recodes en fonctions de nos lignes. On retourne dans "Transform" "Recode into different
variable". La, si on regarde la question de l'énoncer, il est dit " participants évaluent les deux groupes
simultanément sur les deux échelles aux deux autres conditions.". On crée donc une nouvelle variable
qui est "Simultane_Autre" afin de refaire un codage. Nous y mettrons 2 pour le fait que l'évaluation
soit simultanée et -1 pour les deux autres conditions d'évaluation.
Pour ce qui est de savoir si la personne a un statut haut ou bas, cela correspond à ce que nous avons
fait plus haut (recoder le "Statut", ce qui a donné la variable "Statut Centre").

Ensuite on va voir l'interaction entre la ligne 1 (Simul/Autres) et la ligne 3 (Haut/Bas) (Haut/Bas

correspond à la variable Statut Centre, que nous avons réaliser plus haut). On va dans " Transform"
"Compute Variable" et on fait donc l'interaction entre les deux variables, on met la variable
Comp_Chaleur x Statut Centre. Ce qui nous donne une nouvelle variable "Comp_ChalXstats".

Nous faisons pareil, nous allons voir l'interaction entre la ligne 2 (Comp/Chal) et la ligne 3
(Haut/bas). On va dans "Transform" "Compute Variable" et on fait donc l'interaction entre les deux
variables, on met la variable Simul_Autre x StatutCentre. Ce qui nous donne une nouvelle variable
"Comp_ChalxStats".

Une fois que tout ceci est fait, nous pouvons faire tourner la régression en y mettant toutes nos
données et en ajoutant la donnée "Biasco"

 PC = 1
 PA = 6
 n-PA = 244
 PRE = .550 et F = 59.527

9
ii. Quel est le PRE de l’interaction  entre les deux variables expérimentales ? Expliquez pourquoi ce PRE n’est pas
le même que la valeur du changement de R carré ?

Parce que le PRE du changement de R carré met en dénominateur 859.328 et trouve donc 26.296/859.328
=.031 Il met le total 859,328 en dénominateur alors qu'il ne doit pas, il se trompe !
26.296 vient de 413,408 - 387,116
Mais, nous devons faire comme ça ! (413.408-387.116)/413.408 = 26.296/413.408 =.064

iii. Le contraste qui intéresse le chercheur  est-il influencé par la variable statut? Donnez la valeur F du modèle qui
teste spécifiquement cette question

10
Oui le F = 2.549²=6.497

Astuce : Si on veut créer des polynomiaux nous mêmes, voici le tableau qui nous aidera à le faire !

Ce tableau nous donne directement le bon codage à faire ! :)

11