Pearson et Spearman
Objectif
Quantifier la force et le sens d'une association entre deux variables quantitatives.
Pearson ou Spearman ?
| Méthode | Mesure | Conditions / usage |
|---|---|---|
| Pearson | Association linéaire | Relation linéaire, peu de valeurs atypiques |
| Spearman | Association monotone (rangs) | Relation monotone non linéaire ou valeurs atypiques |
r
cor.test(donnees$age, donnees$pression_systolique, method = "pearson")
cor.test(donnees$age, donnees$pression_systolique, method = "spearman")cor.test(x, y) teste l'association entre deux vecteurs numériques : ici, x est l'âge et y la pression systolique, extraits du tableau avec $. L'argument method choisit le coefficient et le test associés : "pearson" mesure une association linéaire, tandis que "spearman" calcule une association sur les rangs, adaptée à une relation monotone. Par défaut, le test est bilatéral (alternative = "two.sided") et utilise un niveau de confiance de 95 % (conf.level = 0.95, pour l'intervalle disponible avec Pearson).
Commencez toujours par un nuage de points.
Interprétation du coefficient
- Proche de +1 : association positive forte.
- Proche de −1 : association négative forte.
- Proche de 0 : pas d'association linéaire détectable (une autre forme de relation peut exister).
Rapportez le coefficient, son IC à 95 % (fourni par cor.test pour Pearson) et la valeur p, avec mention explicite de la significativité.
Attention : corrélation ≠ causalité. La relation peut être confondue par une troisième variable ou résulter d'un biais de sélection ou de mesure.