T. 01 34 25 44 18

Lundi › Vendredi (9h › 18h)

Présentation SES-Colibri

SES-Colibri

Taille des effets – Comparaison des moyennes de groupes indépendants
________________________________________________

Vous vous intéressez à la taille des effets mais…

  • votre logiciel ne calcule pas les indices de taille d’effet ou les intervalles de confiance sur ces indices,
  • vous n’avez pas les données (comptes rendus de recherches, articles, etc.).

Il n’est pas nécessaire de (re)saisir les données, ni même d’en disposer.

Avec SES-Colibri, saisissez uniquement :

  • la valeur du F (ou du t),
  • les degrés de liberté,
  • l’effectif total.

SES-Colibri calcule :

  • les indices de taille d’effet (Eta², R², d de Cohen, Omega²…),
  • les intervalles de confiance sur ces indices !

 


Téléchargement (Version 2.05)

Pour télécharger gratuitement SES-Colibri: cliquez ici

 


 

Documentation

Pour consulter (ou télécharger) une présentation complète (principes, utilisation, exemples…) de SES-Colibri : SES-Colibri.pdf


Auteur

Denis CORROYER

  • Maître de Conférences à l’Institut de Psychologie de l’Université Paris Descartes (Paris 5),
    enseigne l’analyse statistique des données auprès des étudiants en psychologie.
  • Membre du Laboratoire de Psychologie Sociales, menaces et société.
  • Auteur de plusieurs logiciels d’analyse statistique des données.

Références

Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2 ed.). Hillsdale, New Jersey: Lawrence Erlbaum Associates.

Cohen, J. (1973). Eta-squared and partial Eta-squared in fixed Factor ANOVA designs. Educational Psychological Measurement, 33, 107-112.

Corroyer, D., & Rouanet, H. (1994). Sur l’importance des effets et ses indicateurs dans l’analyse statistique des données. Année Psychologique, 94(4), 607-624.

Corroyer, D., & Wolff, M. (2003). L’Analyse Statistique des Données en Psychologie; Concepts et Méthodes de base. Paris: Armand Colin (Cursus).

Fleishman, A.I. (1980). Confidence intervals for correlation ratios. Educational and Psychological Measurement, 40, 659-670.

Hays, W.L. (1994). Statistics (5th edition), Harcourt Brace College Publishers: Orlando.

Hedges, L. V. (1981). Distribution theory for Glass’s Estimator of effect size and related estimators. Journal of Educational Statistics, 2, 107–128

Lecoutre, B., & Poitevineau, J. (2000). Aller au-delà des tests de signification traditionnels: vers de nouvelles normes de publication. Année psychologique, 100, 683-713.

Rosenthal, R., Rosnow, R., L., & Rubin, D. B. (2000). Contrasts and Effect Sizes in Behavioral Research – A Correlational Approach. Cambridge: Cambridge University Press.

Rouanet, H. (1996). Bayesian methods for assessing importance of effects. Psychological Bulletin, 119(1), 149-158.

Smithson, M. (2003). Confidence intervals. London: Sage.

Steiger, J.H. (2004). Beyond the F Test : Effect Size Confidence Intervals and Tests of Close Fit in the Analysis of Variance and Contrast Analysis. Psychological Methods, 9 (2), p.164-182.

Steiger, J.H. & Fouladi, R.T. (1997). Noncentrality Interval Estimation and the Evaluation of Statistical Models. in Harlow, Mulaik, Steiger. What if there were no significance tests ? Mahwah, NJ: Erlbaum.

Tiwari, R., C., & Yang, J. (1997). Algorithm AS 318 : An efficient recursive algorithm for computing the distribution function and non-centrality parameter of the non-central F-distribution. The Journal of the Royal Statistical Society; Applied Statistics, 46, 418-413.