PierreQRL a écrit : ↑11 juin 2020, 19:16
Justement, il y a quelque chose à propos de la corrélation entre avis et fric que je n'ai pas compris et quelqu'un pourrait peut être m'expliquer. D'un coté, dans l'abstract, ils écrivent:
Our results show a correlation (correlation coefficient = 1) between the amount received from the Gilead Sciences company and public opposition to the use of hydroxychloroquine in France.
Mais dans la discussion à la fin du papier, ils écrivent que:
There is a strict correlation (Spearman test, p=0,017) between the position of doctors towards hydroxychloroquine and the average amount paid to them by the company...
D'habitude la corrélation de Spearman est notée \rho et la corrélation est maximale quand \rho=1. Eux, ils utilisent la lettre p et ils obtiennent p=0.017 et donc proche de 0. A moins que p=1-\rho, il y a donc un problème. Maintenant, il y a une certaine similitude entre p et \rho et ils auraient très bien pu utiliser un traitement de texte qui n'a pas l'alphabet grec, ce qui serait un comble. Ils se seraient mélangé les pinceaux? Ca ne serait pas très malin parce que là, on y reviendrait à l'histoire du cocotier et des fesses propres!
Salut, je n’ai pas lu l’article. Je peux sommairement expliquer ce qu’est rho et p.
On considère deux variables aléatoires par exemple, et on s’intéresse à une hypothèse sur leur nature. Par exemple est-ce que ces deux variables sont indépendantes ? On appelle cela l’hypothèse nulle.
On ne dispose jamais réellement de la connaissance théorique des lois, mais seulement d’un échantillon de tirages aléatoires. Il se peut que sur cet échantillon, quand on calcule un coefficient de corrélation, on tombe sur une valeur qui s’écarte plus ou moins significativement du coefficient théorique. Ce coefficient calculé s’appelle un estimateur. Il est uniquement déterminé par l’échantillon fourni.
On peut alors calculer la probabilité que ce coefficient issu de l’estimateur survienne conformément à l’hypothèse initiale (Hypothèse nulle). Ces probabilités se calculent avec des outils mathématiques purement théoriques basés sur des inégalités de queue de distribution.
Cette probabilité s’appelle la valeur p, ou p-value.
Suivant les domaines considérés, une faible ou très très faible valeur de p conduit à rejeter l’hypothèse initiale nulle (dans mon exemple l’indépendance de deux variables).
Vous avez évoqué 5 sigma pour les hypothèses faites dans le cadre des sciences dures fondamentales dans un post précédent. C’est ce cadre qui détermine la valeur de p qui conduit à rejeter ou pas l’hypothèse nulle. Dans beaucoup de domaines usuels, la valeur de p seuil est 0,05.
En d’autres termes, avec un p de 0,017, on part de la convention que s’il s’agit d’économie ou de sciences humaines ou sociales, l’hypothèse que les deux variables aléatoires ne sont pas corrélées est à rejeter.
Pour ce qui est de rho, coefficient de corrélation, on parle du coefficient de Spearman, pas de celui de Pearson. Le coefficient de Spearman évalue uniquement la monotonie conjointe des variables aléatoires examinées, non pas une directe proportionnalité avec un coefficient de régression linéaire. Dans le cas considéré , on examine si la croissance de la rémunération par la boite privée est liée à la croissance du rejet de l’efficacité de la chloroquine.
) . Il me vient comme un doute là...
