Notice
Vous quittez maintenant support.minitab.com.
Cliquez sur Continuer pour procéder à :
La statistique de rémanence mesure l'effet d'un traitement sur l'autre traitement. Par exemple, supposons que le traitement de référence ait un effet fort et que le traitement de test ait un effet faible. Si la période d'élimination n'est pas suffisamment longue, les effets du traitement de test, appliqué lors de la période 2, peuvent sembler plus forts qu'ils ne le sont en réalité, à cause des effets résiduels du traitement de référence appliqué lors de la période 1.
Comparez la valeur de p pour l'effet de rémanence au seuil de signification (aussi appelé alpha ou α). Un α de 0,05 est courant. Si la valeur de p est inférieure à α, l'effet de rémanence est statistiquement significatif. Dans ce cas, les résultats du test d'équivalence peuvent être biaisés.
| Effet | ErT | DL | Valeur de T | Valeur de P | IC 95% pour équivalence | |
|---|---|---|---|---|---|---|
| Rémanence | 0,45181 | 0,64988 | 15 | 0,69521 | 0,498 | (-0,93339; 1,8370) |
| Traitement | -0,32104 | 0,060641 | 15 | -5,2941 | 0,000 | (-0,45030; -0,19179) |
| Période | -0,097708 | 0,060641 | 15 | -1,6112 | 0,128 | (-0,22696; 0,031546) |
Dans ces résultats, l'effet de rémanence estimé est de −0,45181. Toutefois, la valeur de p est de 0,498, ce qui est supérieur à α (0,05). L'effet de rémanence n'est donc pas statistiquement significatif.
Si l'effet de rémanence ou de période est significatif sur le plan statistique, les résultats du test d'équivalence peuvent ne pas être fiables. En outre, l'effet de traitement peut être confondu avec l'effet de rémanence et/ou de période, rendant les estimations incertaines. Lorsque vous utilisez un plan croisé 2x2, avant de collecter et d'analyser les données, planifiez l'étude avec soin afin d'éviter les effets de rémanence et de période.
La statistique de traitement mesure la différence entre les effets du traitement de test et ceux du traitement de référence. Dans la majorité des études, c'est l'effet de traitement qui est intéressant.
Comparez la valeur de p pour l'effet de traitement au seuil de signification (aussi appelé alpha ou α). Un α de 0,05 est courant. Si la valeur de p est inférieure à α, l'effet de traitement est statistiquement significatif.
| Effet | ErT | DL | Valeur de T | Valeur de P | IC 95% pour équivalence | |
|---|---|---|---|---|---|---|
| Rémanence | 0,45181 | 0,64988 | 15 | 0,69521 | 0,498 | (-0,93339; 1,8370) |
| Traitement | -0,32104 | 0,060641 | 15 | -5,2941 | 0,000 | (-0,45030; -0,19179) |
| Période | -0,097708 | 0,060641 | 15 | -1,6112 | 0,128 | (-0,22696; 0,031546) |
Dans ces résultats, l'effet de traitement estimé est de −0,32104. La valeur de p pour l'effet de traitement est 0,000, ce qui est inférieur à 0,05. L'effet de traitement est donc statistiquement significatif au niveau de 0,05. L'effet de traitement significatif indique qu'un traitement a un plus grand effet que l'autre. Toutefois, un effet de traitement significatif ne signifie pas que vous ne pouvez pas déclarer l'équivalence. La différence entre les moyennes de traitement peut encore se trouver entre vos limites d'équivalence.
Si l'effet de rémanence ou de période est significatif sur le plan statistique, les résultats du test d'équivalence peuvent ne pas être fiables. En outre, l'effet de traitement peut être confondu avec l'effet de rémanence et/ou de période, rendant les estimations incertaines. Lorsque vous utilisez un plan croisé 2x2, avant de collecter et d'analyser les données, planifiez l'étude avec soin afin d'éviter les effets de rémanence et de période.
La statistique de période mesure la différence entre la réponse lors de la période 1 et de la période 2. Par exemple, si vous mesurez la tension artérielle comme réponse, il se peut que vous observiez une diminution de la réponse lors de la période 2 du simple fait que les patient se sont acclimatés à l'environnement et aux procédures de test. L'acclimatation des participants pourrait engendrer un effet de période.
Comparez la valeur de p pour l'effet de période au seuil de signification (aussi appelé alpha ou α). Un α de 0,05 est courant. Si la valeur de p est inférieure à α, l'effet de période est statistiquement significatif. Dans ce cas, les résultats du test d'équivalence peuvent être biaisés.
| Effet | ErT | DL | Valeur de T | Valeur de P | IC 95% pour équivalence | |
|---|---|---|---|---|---|---|
| Rémanence | 0,45181 | 0,64988 | 15 | 0,69521 | 0,498 | (-0,93339; 1,8370) |
| Traitement | -0,32104 | 0,060641 | 15 | -5,2941 | 0,000 | (-0,45030; -0,19179) |
| Période | -0,097708 | 0,060641 | 15 | -1,6112 | 0,128 | (-0,22696; 0,031546) |
Dans ces résultats, l'effet de période estimé est de −0,097708. Toutefois, la valeur de p est de 0,128, ce qui est supérieur à alpha (0,05). L'effet de période n'est donc pas statistiquement significatif.
Si l'effet de rémanence ou de période est significatif sur le plan statistique, les résultats du test d'équivalence peuvent ne pas être fiables. En outre, l'effet de traitement peut être confondu avec l'effet de rémanence et/ou de période, rendant les estimations incertaines. Lorsque vous utilisez un plan croisé 2x2, avant de collecter et d'analyser les données, planifiez l'étude avec soin afin d'éviter les effets de rémanence et de période.
L'erreur type (ErT) de chaque effet estime la variabilité entre les effets d'échantillons que vous obtiendriez si vous preniez des échantillons répétés de la même population.
L'erreur type de l'effet permet d'évaluer la précision de l'estimation de chaque effet par rapport à la variabilité d'échantillonnage aléatoire. Généralement, plus l'erreur type est minime, plus l'estimation de l'effet est précise et plus l'intervalle de confiance est étroit.
Diviser chaque effet par son erreur type permet de calculer une valeur de t pour l'effet. Plus l'erreur type est faible par rapport à la taille de l'effet, plus la valeur absolue de la valeur de t est élevée. Si la valeur de p associée à cette valeur de t est inférieure au niveau d'alpha, vous en concluez que l'effet est significatif sur le plan statistique. Pour plus d'informations, reportez-vous à la section sur la valeur de p pour les effets.
Les degrés de libertés (DL) représentent la quantité d'informations disponibles dans les données pour estimer les valeurs des paramètres inconnus et calculer la variabilité de ces estimations.
Minitab utilise les degrés de liberté pour calculer la statistique du test. Les degrés de liberté dépendent de l'effectif de l'échantillon. L'accroissement de l'effectif de l'échantillon permet d'obtenir davantage d'informations sur la population, ce qui augmente les degrés de liberté.
La valeur de t est une statistique de test mesurant l'importance d'un effet, par rapport à la variabilité des échantillons (l'erreur type).
Vous pouvez utiliser la valeur de t afin de déterminer si l'hypothèse nulle doit être rejetée. Toutefois, la valeur de p ou l'intervalle de confiance sont généralement utilisés car ils sont plus faciles à interpréter.
Diviser chaque effet par son erreur type permet de calculer une valeur de t pour l'effet. Plus l'erreur type est faible par rapport à l'effet, plus la valeur absolue de la valeur de t est élevée, et plus les preuves sont solides contre l'hypothèse nulle.
La valeur de t pour chaque effet permet de calculer la valeur de p correspondante. Si la valeur de p associée à cette valeur de t est inférieure au seuil de signification, vous en concluez que l'effet est significatif sur le plan statistique. Pour plus d'informations, reportez-vous à la section sur la valeur de p pour les effets.
La valeur de p est la probabilité qui mesure le degré de certitude avec lequel il est possible d'invalider l'hypothèse nulle. Des probabilités faibles permettent d'invalider l'hypothèse nulle avec plus de certitude.
Dans le cadre d'un test d'équivalence pour un plan croisé 2x2, Minitab calcule les valeurs de p pour l'effet de rémanence, l'effet de période et l'effet de traitement.
Utilisez la valeur de p pour chaque effet afin de déterminer s'il est statistiquement significatif. Comparez chaque valeur de p au seuil de signification (aussi appelé alpha ou α). Généralement, un α de 0,05 produit de bons résultats.
Si l'effet de rémanence ou de période est significatif sur le plan statistique, les résultats du test d'équivalence peuvent ne pas être fiables. L'effet de traitement peut être confondu avec l'effet de rémanence et/ou de période. Lorsque vous utilisez un plan croisé 2x2, avant de collecter et d'analyser les données, planifiez l'étude avec soin afin d'éviter les effets de rémanence et de période.
Si l'effet de rémanence et l'effet de période ne sont pas significatifs d'un point de vue statistique, déterminez si l'effet de traitement l'est. Généralement, c'est l'effet de traitement qui est intéressant.
| Effet | ErT | DL | Valeur de T | Valeur de P | IC 95% pour équivalence | |
|---|---|---|---|---|---|---|
| Rémanence | 0,45181 | 0,64988 | 15 | 0,69521 | 0,498 | (-0,93339; 1,8370) |
| Traitement | -0,32104 | 0,060641 | 15 | -5,2941 | 0,000 | (-0,45030; -0,19179) |
| Période | -0,097708 | 0,060641 | 15 | -1,6112 | 0,128 | (-0,22696; 0,031546) |
Dans ces résultats, la valeur de p pour l'effet de rémanence et la valeur de p pour l'effet de période sont supérieures à 0,05 (le seuil de signification). De ce fait, ces effets ne sont pas significatifs d'un point de vue statistique. La valeur de p pour l'effet de traitement est inférieure à 0,05, ce qui indique que la différence entre les traitements est significative.
Un effet de traitement significatif d'un point de vue statistique ne permet pas d'affirmer qu'il existe une équivalence. La différence entre les moyennes de traitement peut encore se trouver entre vos limites d'équivalence. Utilisez les résultats du diagramme d'équivalence pour déterminer si l'équivalence est avérée. Pour plus d'informations, reportez-vous à la rubrique Graphiques pour la fonction est d'équivalence pour plan croisé 2x2 et cliquez sur "Diagramme d'équivalence".
L'intervalle de confiance pour l'équivalence fournit une étendue de valeurs probables pour chaque effet basé sur les données échantillons.
Pour chaque effet, utilisez l'intervalle de confiance et la valeur de p pour déterminer si l'effet est statistiquement significatif.
| Effet | ErT | DL | Valeur de T | Valeur de P | IC 95% pour équivalence | |
|---|---|---|---|---|---|---|
| Rémanence | 0,45181 | 0,64988 | 15 | 0,69521 | 0,498 | (-0,93339; 1,8370) |
| Traitement | -0,32104 | 0,060641 | 15 | -5,2941 | 0,000 | (-0,45030; -0,19179) |
| Période | -0,097708 | 0,060641 | 15 | -1,6112 | 0,128 | (-0,22696; 0,031546) |
Dans ces résultats, l'intervalle de confiance à 95 % pour l'effet de rémanence est (−0,93339, 1,8370) et celui de l'effet de période est (−0,22696, 0,031546). Toutefois, aucun de ces effets n'est statistiquement significatif (p > 0,05). L'intervalle de confiance à 95 % pour l'effet de traitement est (−0,45030, −0,19179). L'effet de traitement est donc statistiquement significatif (p = 0,000).
Si l'effet de rémanence ou de période est significatif sur le plan statistique, les résultats du test d'équivalence peuvent ne pas être fiables. En outre, l'effet de traitement peut être confondu avec l'effet de rémanence et/ou de période, rendant les estimations incertaines. Lorsque vous utilisez un plan croisé 2x2, avant de collecter et d'analyser les données, planifiez l'étude avec soin afin d'éviter les effets de rémanence et de période.
Vous quittez maintenant support.minitab.com.
Cliquez sur Continuer pour procéder à :