Raisonnement dichotomique
En statistique, le raisonnement dichotomique ou raisonnement binaire est le processus de voir une discontinuité dans les valeurs possibles qu'une valeur p peut prendre pendant le test d'hypothèse nulle: elle est soit au-dessus du seuil significatif (habituellement 0,05) ou au-dessous. En appliquant le raisonnement dichotomique, une première valeur p de 0,0499 sera interprétée comme une valeur p de 0,0001 (l'hypothèse nulle est rejetée) tandis qu'une seconde valeur p de 0,0501 sera interprétée comme une valeur p de 0,7 (l'hypothèse nulle est acceptée). Le fait que la première et la deuxième valeurs de p soient mathématiquement très proches est donc totalement ignoré et les valeurs de p ne sont pas considérées comme continues mais sont interprétées de manière dichotomique par rapport au seuil de significativité. Une mesure courante de la pensée dichotomique est le cliff effect[1].
La pensée dichotomique est très souvent associée aux valeurs p[2] - [3] mais cela peut aussi arriver avec d'autres outils statistiques comme les techniques d'estimations basées sur les intervalles de confiance ou bayésiens[1].
Notes et références
- Jerry Lai, « DICHOTOMOUS THINKING: A PROBLEM BEYOND NHST », ICOTS8,
- Robert Rosenthal et John Gaito, « title=The Interpretation of Levels of Significance by Psychological Researchers », The Journal of Psychology, Informa UK Limited, vol. 55,‎ , p. 33-38 (ISSN 0022-3980, DOI 10.1080/00223980.1963.9916596)
- Nanette Nelson, Robert Rosenthal et Ralph L. Rosnow, « Interpretation of significance levels and effect sizes by psychological researchers », American Psychologist, American Psychological Association (APA), vol. 41, no 11,‎ , p. 1299-1301 (ISSN 1935-990X, DOI 10.1037/0003-066x.41.11.1299)