Aller au contenu
Omnikalc

Calculateur de comparaison de deux corrélations (z de Fisher)

Saisissez deux coefficients de corrélation et leurs tailles d’échantillon pour obtenir le test z de Fisher de leur différence, sa valeur p et l’intervalle de confiance à 95 % de chaque corrélation.

Mis à jour le
Vos paramètres

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Résultats

Statistique z de la différence

1,825

Valeur p bilatérale
0,0680
Aucune différence significative entre les deux corrélations
z de Fisher de la corrélation 1
0,7250
z de Fisher de la corrélation 2
0,3654
Limite basse à 95 % de la corrélation 1
0,413
Limite haute à 95 % de la corrélation 1
0,766
Limite basse à 95 % de la corrélation 2
0,105
Limite haute à 95 % de la corrélation 2
0,555
Différence des z de Fisher et sa marge à 95 %
0,3862

Le calculateur de comparaison de deux corrélations teste si deux coefficients de corrélation d’échantillons indépendants diffèrent, avec le test z de Fisher, sa valeur p et l’intervalle à 95 % de chaque corrélation.

Comment se fait le calcul

  • Saisissez les deux corrélations et leurs tailles d’échantillon.
  • Lisez la statistique z et la valeur p.
  • Vérifiez les intervalles de confiance et la marge sur la différence.

Exemple

Une corrélation de 0,62 est trouvée chez 50 personnes et 0,35 chez 60 autres. Les valeurs de Fisher sont 0,7250 et 0,3654. L’erreur type de la différence est √(1/47 + 1/57) = 0,197, donc z = 1,825 et la valeur p bilatérale est de 0,0680. L’intervalle à 95 % de la première corrélation va de 0,413 à 0,766, et celui de la seconde de 0,105 à 0,555.

Pourquoi c’est utile

Le calculateur aide les chercheurs en psychologie, éducation et santé qui comparent des relations entre groupes, les étudiants en statistique, et les analystes qui vérifient si un effet a changé entre deux périodes.

À savoir

Le test suppose des échantillons indépendants et des données à peu près binormales, et il marche mieux avec au moins 25 personnes par échantillon. Une différence non significative ne prouve pas que les corrélations sont égales, surtout avec de petits échantillons, car le test a peu de puissance. Des corrélations très différentes peuvent avoir des intervalles qui se chevauchent, donc comparez avec le test et pas à l’œil. Pour des corrélations mesurées sur les mêmes personnes, un autre test est nécessaire. Pour comparer plus de deux corrélations, utilisez un test du khi-deux sur les valeurs de Fisher pondérées par n − 3. Rappelez-vous qu’une corrélation n’est pas un effet causal. Indiquez les tailles d’échantillon, les intervalles de confiance et la façon dont chaque variable a été mesurée, pour que les lecteurs jugent si les deux groupes sont vraiment comparables.

Outils liés

Le calculateur de significativité d’une corrélation teste une corrélation contre zéro, celui de corrélation partielle retire une troisième variable, celui de corrélation de Spearman utilise les rangs et celui d’intervalle de confiance encadre des moyennes.

Questions fréquentes

Pourquoi utiliser la transformation z de Fisher ?

La distribution d’échantillonnage d’une corrélation est asymétrique, surtout près de ±1. La transformation de Fisher z = ½ ln((1 + r) / (1 − r)) est approximativement normale avec une erreur type de 1 / √(n − 3), quelle que soit la vraie corrélation, ce qui permet tests et intervalles.

Comment compare-t-on deux corrélations ?

Transformez les deux, soustrayez-les et divisez par √(1 / (n1 − 3) + 1 / (n2 − 3)). Le résultat se compare à la loi normale centrée réduite. Les échantillons doivent être indépendants : ce n’est pas valable pour deux corrélations issues des mêmes personnes.

Comment sont construits les intervalles ?

Les limites sont calculées sur l’échelle z comme z ± 1,96 / √(n − 3), puis reconverties par r = (e^(2z) − 1) / (e^(2z) + 1). C’est pourquoi les intervalles ne sont pas symétriques autour de r.

Ce calculateur vous a-t-il été utile ?

Merci pour votre avis !

Résultats indicatifs fournis à titre d'information. Ils ne remplacent pas l'avis d'un professionnel.