Tout projet de recherche génère une grande quantité de données, dont certaines sont précieuses et d'autres non. Trouver quelque chose de nouveau, d'inattendu ou de déroutant dans une recherche peut rapidement devenir accablant.
Vous pouvez parfois déraper lorsque vous êtes sous pression pour respecter une échéance. Évitez de vous préoccuper de ces résultats involontaires une fois votre recherche en cours terminée en les excluant de la réflexion.
Dans l'analyse post-hoc, vous n'analysez pas tous les résultats aléatoires d'une expérience. Il est important de rechercher des modèles lorsque vous observez quelque chose qui justifie un examen attentif et une étude plus approfondie pour vous aider à mieux comprendre le concept.
Une analyse post hoc permet d'obtenir des informations supplémentaires et d'approfondir votre sujet. Examinons de plus près l'analyse post hoc.
Analyse post-hoc : de quoi s'agit-il ?
En latin, post hoc signifie "après cela", c'est-à-dire analyser les données expérimentales après coup.
Le but d'une analyse post-hoc est de trouver des tendances après la fin de l'étude, et de trouver des résultats qui n'étaient pas l'objectif premier. Ainsi, toutes les analyses effectuées après la fin d'une expérience et qui n'ont pas été planifiées à l'avance sont considérées comme des analyses post-hoc.
Les données qui ont déjà été collectées sont utilisées dans une étude post-hoc. Les chercheurs analysent ces données pour développer de nouveaux objectifs, qui ne figuraient pas dans le plan de l'expérience. Les études post hoc peuvent donc être réalisées sur des données agrégées provenant d'essais précédents.
La réalisation d'analyses post-hoc prend souvent beaucoup de temps, mais elle offre un certain nombre d'avantages. Pour découvrir des informations précieuses, faites preuve d'une prudence raisonnable et ne surestimez pas les résultats inattendus. Cela pourrait être le signe de quelque chose d'important, même s'il s'agit d'un événement fortuit.
Les analyses post hoc sont utiles pour étudier les taux d'erreur, évaluer la signification des hypothèses ou déterminer si elles sont statistiquement significatives.
Réaliser de multiples essais ou s'écarter de votre axe de recherche principal augmente le risque d'erreurs et de faux positifs. C'est là que le post hoc joue un rôle clé. Comment cela fonctionne-t-il exactement ?
Analyse post-hoc : comment fonctionne-t-elle ?
Il est toujours possible de tirer des enseignements précieux des données, même si l'objectif principal n'est pas atteint. Peut-être les effets secondaires du médicament et les données les concernant. Ou tout autre médicament similaire peut également valoir la peine d'être testé.
L'objectif d'une analyse post-hoc est de répondre à des questions après la fin de l'étude, un objectif qui n'a pas été énoncé dans l'étude.
Afin de déterminer d'où viennent les différences, un test post hoc est utilisé après avoir trouvé un résultat statistiquement significatif. Les tests post hoc peuvent être utilisés pour évaluer les différences entre plusieurs groupes tout en évitant les erreurs dues à l'expérience. Plusieurs tests post hoc ont été formulés, et la majorité d'entre eux donnent des résultats similaires.
Il existe différents types de tests post hoc
Les données recueillies au cours d'une recherche ou d'un essai clinique peuvent être analysées afin de détecter des modèles et différents facteurs. Les tests post hoc les plus courants sont les suivants :
- Procédure Bonferroni : Il est possible d'effectuer plusieurs tests statistiques en même temps en utilisant cette correction post hoc de comparaison multiple.
- Le nouveau test à portée multiple (MRT) de Duncan : Le test des écarts multiples de Duncan identifiera les paires de moyennes (parmi au moins trois) qui diffèrent.
- Test de comparaison multiple de Dunn : Il s'agit d'une analyse post hoc effectuée après une ANOVA, un test non paramétrique qui ne suppose pas que vos données suivent une distribution particulière.
- Différence la moins significative de Fisher (LSD) : Détermine si deux moyennes sont statistiquement différentes.
- Procédure de Holm-Bonferroni : Le test séquentiel de Bonferroni de Holm rend les comparaisons multiples moins strictes.
- En utilisant la méthode de Newman-Keuls, on peut identifier les échantillons qui ont des moyennes différentes les unes des autres. Newman-Keuls compare des paires de moyennes en utilisant des valeurs critiques différentes. Par conséquent, les différences significatives sont plus susceptibles d'être trouvées.
- La méthode de Rodger : Cette méthode statistique est utilisée pour évaluer les données de recherche de manière post hoc après une analyse "multivariée".
- La méthode de Scheffé : Dans la méthode de Scheffe, la statistique de test est ajustée différemment en fonction du nombre de comparaisons effectuées.
- Test de Tukey : Le test de Tukey détermine si votre échantillon est composé de groupes qui diffèrent les uns des autres. Chaque moyenne est comparée à la moyenne de tous les autres groupes en utilisant la "différence significative honnête", qui représente l'écart entre les groupes.
- La correction de Dunnett : Ce test post hoc compare les moyennes. Contrairement au test de Tukey, il compare chaque moyenne avec une moyenne de contrôle.
- Procédure de Benjamini-Hochberg (BH) : Un résultat significatif ne se produira que par hasard si vous effectuez de nombreux tests. Le taux de fausse découverte est pris en compte par ce test post hoc.
Rien ne peut battre une pièce visuelle impeccable qui transmet un message complexe.
Oui, c'est vrai, avec l'aide des visuels, il est beaucoup plus facile de mettre en perspective les concepts les plus difficiles. À l'ère des visuels, il n'est pas étonnant que vous puissiez probablement comprendre la physique quantique de manière beaucoup plus simple grâce à l'efficacité des graphiques.
Vous vous demandez comment commencer ? Pourquoi vous inquiéter quand vous avez mind the graph à portée de main ! Avec nous, vous pouvez choisir parmi plus d'un millier d'illustrations dans notre galerie, et réaliser des affiches à l'aide du générateur d'affiches intelligent que nous avons développé pour vous. Profitez de l'expertise de notre équipe talentueuse et adaptez-la à vos besoins. Pour plus d'informations, visitez notre site web.
S'abonner à notre newsletter
Contenu exclusif de haute qualité sur le visuel efficace
la communication dans les sciences.
French 
English 
Chinese 
Japanese 
German 
Spanish 
Portuguese 
Dutch 
Russian 
Italian