Interpretation des valeurs P - GRIP

2016-11-30
1
L’interprétation des valeurs P:
Nouvelles recommandations
Bei Feng et Nadine Forget-Dubois
le 29 novembre 2016
Niveaux de signification
Un index informel pour évaluer la discordance entre les
données et l’hypothèse nulle introduite par Ronald
Fisher: années 1920

2016-11-30
2
Exemple
Est-ce que nos données montrent une
discordance avec l’hypothèse nulle ?
Valeur P calculée: probabilité d’avoir une
différence par hasard plus grand que une valeur
observée dans l’echantillonage, étant donné que
l’hypothèse nulle est vraie
Ex. Si p =0.03, on rejette l’hypothèse nulle
Utilisations des valeurs P ?
•La valeur P détermine un seuil de signification
arbitraire pour rejeter l’hypothèque nulle;
•Obtenir des résultats significatifs augmente la
chance de publier un article;
•Obtenir des résultats significatifs augmente la
chance d’avoir une subvention;
•Interprétation facile des résultats selon la
signification.

2016-11-30
3
Abus de l’utilisation des valeurs P
•L’hypothèse nulle ne peut jamais être
acceptée;
•La signification statistique n’implique pas que
le résultat est important;
•Un paramètre significatif ne garantit pas une
importance scientifique;
Questions: Oui/Non
•Q1: La valeur P est la probabilité que l’hypothèse
du test soit vraie; si pour un test P = 0,01,
l'hypothèse nulle a seulement 1% de chance
d'être vraie;
•Q2: Un résultat significatif (P <= 0,05) signifie que
l'hypothèse du test est fausse et devrait être
rejetée;
•Q3: Un résultat non significatif (P> 0,05) signifie
que l'hypothèse du test est vraie et devrait être
acceptée;

2016-11-30
4
•Q4: La signification statistique indique qu’une
relation scientifique ou importante a été
détectée;
•Q5: L’absence de signification statistique
indique que la taille de l'effet est faible;
•Q6: Un intervalle de confiance à 95% prédit
que 95% des estimations des études futures
tomberont à l'intérieur de l'intervalle observé.
Déclaratons de l’ASA sur les valeurs P
1. P-values can indicate how incompatible the data are with a specified statistical model.
2. P-values do not measure the probability that the studied hypothesis is true, or the
probability that the data were produced by random chance alone.
3. Scientific conclusions and business or policy decisions should not be based only on
whether a p-value passes a specific threshold.
4. Proper inference requires full reporting and transparency.
5. A p-value, or statistical significance, does not measure the size of an effect or the
importance of a result.
6. By itself, a p-value does not provide a good measure of evidence regarding a model or
hypothesis.
https://www.amstat.org/asa/files/pdfs/P-ValueStatement.pdf

2016-11-30
5
1. La valeur-p peut être utile pour indiquer l’incompatibilité entre les
données et un modèle statistique spécifié;
2. La valeur-p ne mesure pas la probabilité que l’hypothèse étudiée
soit vraie, ou la probabilité que les données aient été produites
par le hasard seul;
3. Les conclusions scientifiques ne devraient pas être fondées que
sur le fait que la valeur-p se trouve au-delà ou non d’une valeur
seuil;
4. Afin d’être appropriée, l’inférence requiert que les résultats soient
rapportés de façon complète et transparente (c’est-à-dire, ne pas
rapporter seulement les résultats statistiquement significatifs);
5. La valeur-p, ou la signification statistique, ne mesurent pas la taille
d’un effet ou l’importance d’un résultat;
6. En soi, la valeur-p ne fournit pas une bonne mesure de la preuve
concernant un modèle ou hypothèse.
Interpretation des valeurs P:
Sterne and Davey Smith (2001). Sifting the evidence—what's wrong with significance tests?
BMJ; 322: 226-231