Table r critique (corrélation)

Qu'est-ce qu'une table de r critique ?

Une table de r critique affiche la valeur absolue minimale du coefficient de corrélation de Pearson nécessaire pour rejeter l'hypothèse nulle d'absence de corrélation. Si votre |r| calculé dépasse la valeur critique, la corrélation est statistiquement significative.

La relation entre r et t

La signification d'un coefficient de corrélation est testée en utilisant la distribution t :

$t = \frac{r\sqrt{n-2}}{\sqrt{1-r^2}}$

Cette statistique t a n - 2 degrés de liberté. La table de r critique pré-calcule les valeurs r correspondant aux valeurs t critiques, facilitant l'évaluation directe de la signification.

Comment utiliser la table

1. Calculer votre coefficient de corrélation d'échantillon r
2. Trouver la ligne pour votre taille d'échantillon n
3. Trouver la colonne pour votre niveau de signification α
4. Comparer |r| à la valeur critique

Décision : Si |r| ≥ r_critique, la corrélation est statistiquement significative.

Exemple : Avec n = 25 à α = 0,05 (bilatéral) :

• r critique = 0,396
• Si r = 0,52, alors |0,52| > 0,396, donc rejeter H₀

Tests unilatéraux vs bilatéraux

• Bilatéral (r ≠ 0) : Teste si une corrélation existe (positive ou négative)
• Unilatéral (r > 0 ou r < 0) : Teste une corrélation dans une direction spécifique

Pour un test unilatéral, utilisez la colonne pour α. Pour bilatéral, utilisez α/2 (ou cherchez une table bilatérale).

Valeurs critiques courantes (bilatéral, α = 0,05)

Taille d'échantillon et signification

Remarquez comment le r critique diminue quand la taille d'échantillon augmente. Cela signifie :

• Petits échantillons : Besoin de corrélations très fortes pour être significatives
• Grands échantillons : Même des corrélations faibles peuvent être statistiquement significatives

C'est pourquoi signification statistique ≠ importance pratique. Une corrélation de r = 0,10 pourrait être significative avec n = 500, mais n'explique que 1% de la variance.

Interprétation de la taille d'effet

Directives de Cohen pour interpréter la force de corrélation :

| Valeur |r| | Interprétation | |-----------|----------------| | 0,10 | Petit effet | | 0,30 | Effet moyen | | 0,50 | Grand effet |

Coefficient de détermination

N'oubliez pas que r² (r-carré) indique la proportion de variance expliquée :

• r = 0,50 → r² = 0,25 (25% de la variance expliquée)
• r = 0,70 → r² = 0,49 (49% de la variance expliquée)
• r = 0,90 → r² = 0,81 (81% de la variance expliquée)

Hypothèses pour un test valide

Le test de signification de corrélation suppose :

1. Les deux variables sont continues
2. La relation est linéaire
3. Les données sont approximativement bivariées normales
4. Les observations sont indépendantes
5. Pas de valeurs aberrantes significatives

Violer ces hypothèses peut invalider le test.

Alternative : transformation z de Fisher

Pour comparer des corrélations ou construire des intervalles de confiance, utilisez le z de Fisher :

$z = \frac{1}{2}\ln\left(\frac{1+r}{1-r}\right) = \text{arctanh}(r)$

L'erreur standard de z est approximativement 1/√(n-3).

Outils associés

• Calculateur de corrélation de Pearson — Calculer r
• Calculateur de valeur p de corrélation — Obtenir les valeurs p exactes
• Calculateur de corrélation de Spearman — Corrélation de rang
• Calculateur de régression linéaire — Prédire les relations

Résumé

La table de r critique fournit un moyen rapide d'évaluer si une corrélation est statistiquement significative. En comparant votre corrélation calculée à la valeur critique pour votre taille d'échantillon et niveau de signification, vous pouvez prendre une décision immédiate sur le rejet de l'hypothèse nulle. Cependant, considérez toujours la taille d'effet et la signification pratique aux côtés de la signification statistique — une corrélation « significative » dans un grand échantillon peut encore représenter une relation trivialement petite.