Analyses statistiques / 2011

Corrélations

Quel coefficient de corrélation utiliser ?

Avant de calculer et de commenter les corrélations deux à deux entre tous les sous-tests de MathEval, la note globale, les tests de dépistage de 3e maternelle (GSM) et l'appréciation de l'enseignant, il faut choisir le bon coefficient. Deux sont possibles : celui de Bravais-Pearson, méthode paramétrique, préférable lorsque les notes brutes ne s'écartent pas trop d'une distribution normale ; celui des rangs de Spearman, lorsque les données s'en écartent trop.

Le critère d'application est large : les méthodes paramétriques conviennent dès que le coefficient d'asymétrie (skewness) de la distribution est compris entre −1 et 1. C'est le cas de la plupart des sous-tests, à l'exception des suivants :

  • « Subitizing » : effet plafond (l'épreuve est très bien réussie et ne distingue que les enfants extrêmement faibles) ;
  • « Lecture » et « Écriture » des nombres : effet plancher. Ces apprentissages formels ne commencent vraiment qu'en 1re primaire (CP en France) : seuls les enfants qui excellent y sont bien distingués.

D'après les tableaux complets, les deux coefficients (Bravais-Pearson et Spearman) ne diffèrent pas significativement. Par souci de clarté, l'analyse qui suit ne porte donc que sur les corrélations de Bravais-Pearson.

Noms des variables utilisées : JodSpat et JodNb (sous-tests spatial et nombres du test expérimental « Jod »), JodTot (total du test expérimental), SmbIniz (test d'Inizan), ScoreCpter (comptine récitée dans l'ordre croissant) et CptineCplt (reste du sous-test Comptine : comptage à rebours, par bonds, etc.).

Une corrélation statistiquement significative n'est pas forcément significative sur le plan psychologique. Certaines corrélations inférieures à 0,3 sont significatives : c'est le cas de la corrélation entre le dénombrement et le résultat total au test. Pourtant, le dénombrement n'« explique » que 6,4 % de la variance du résultat total (le carré de la corrélation) : 93,6 % de cette variance ne s'explique pas par ce seul sous-test.

Corrélation moyenne de chaque sous-test

VariableCorrélation moyenne avec les autres variablesCorrélation avec le score total MathEval
Comptine,48,83
Dénombrement,16,22
Subitizing,39,61
Représentation des quantités,40,71
Addition,45,74
Soustraction,41,66
Écriture des nombres,43,72
Lecture des nombres,34,61
Classement de l'enseignant,51,61
JodSpat,37,32
JodNb,33,40
JodTot,41,38
Test d'Inizan,40,53(*)

(*) ,47 sur l'échantillon élargi de 50 enfants testés en 2009-2010.

Le sous-test « Comptine » est celui qui présente la corrélation la plus élevée, non seulement avec les autres sous-tests, mais aussi avec le résultat total.

Tableau complet des corrélations (Bravais-Pearson)

Le tableau complet, reconstitué à partir des données brutes de 2011, confirme les chiffres ci-dessus et apporte deux informations supplémentaires.

Temps de passationComptineDénombrementSubitizingReprés. quantitésAdditionsSoustractionsÉcriture nb.Lecture nb.Total MathEvalClasst. enseignantJodSpatJodNbJodTotTest InizanCpterScoreCpter
Comptine,38
Dénombrement-,09,18
Subitizing,43,46,03
Représ. quantités,28,40,04,47
Additions,39,53,18,42,34
Soustractions,23,46-,02,41,34,49
Écriture nb.,33,47,04,41,48,46,42
Lecture nb.,41,41,13,38,44,29,33,73
Total MathEval,44,83,22,61,71,74,66,72,61
Classt. enseignant,02,50,16,32,40,51,42,45,26,61
JodSpat,01,35,03,20,13,24,20,28,15,32,67
JodNb,06,41,05,32,24,38,48,05-,14,40,38,32
JodTot,04,38,01,27,18,30,29,29,15,38,69,97,46
Test Inizan-,05,29,25,19,46,37,35,21,02,53,78
Cpter,45,54,26,29,42,58,44,69,73,73,40,29,14,31,08
ScoreCpter,38,41,35,12,26,46,31,48,57,54,21,09,09,12,08,83
CptineCplt,34,99,13,47,38,48,43,41,34,78,49,35,42,38,29,42,25

Coefficients de Bravais-Pearson, échantillon de 2011 (65 enfants, voir Introduction). Certains couples de variables portent sur un peu moins d'enfants, en raison de quelques données manquantes. Une vérification par les rangs de Spearman (méthode non paramétrique, moins sensible aux distributions atypiques) confirme chacun des deux constats ci-dessous, ce qui écarte l'hypothèse d'un artefact statistique. Cpter est une variable technique dont la définition exacte n'a pas pu être retrouvée avec certitude. D'après les données brutes, elle correspond vraisemblablement au niveau de comptage atteint par l'enfant (jusqu'où il sait compter), à distinguer du score attribué à cette performance (ScoreCpter). Ce point reste à confirmer.

  • L'indépendance du dénombrement n'est pas un effet de moyenne : elle est systématique. Sous-test par sous-test, le dénombrement présente une corrélation faible ou nulle avec tous les autres : Comptine (,18), Additions (,18), Écriture des nombres (,04), Soustractions (−,02), etc. C'est la quatrième confirmation indépendante de ce constat, sur des jeux de données différents. Les trois premières étaient la saturation factorielle la plus faible en 2010, la corrélation moyenne la plus faible en 2010 comme en 2011 et l'alpha de Cronbach le plus faible par sous-test en 2011. La quatrième est l'ensemble de ses corrélations individuelles en 2011. Cette convergence est remarquable. L'intervalle de confiance à 95 % de sa corrélation avec le score total (,22, N = 63) frôle d'ailleurs le zéro : [−,03 ; ,44] (transformation z de Fisher). Ceux de tous les autres sous-tests excluent au contraire nettement le zéro. ajout 2026
  • JodTot n'apporte presque rien de plus que sa composante spatiale. La corrélation de JodTot avec JodSpat est de ,97, contre ,46 seulement avec JodNb. Le score global du test expérimental « Jod » semble donc largement déterminé par son sous-test spatial ; la partie « nombres » y contribue peu.

Analyse factorielle

Une analyse factorielle a aussi été réalisée sur les 8 sous-tests de base de 2011. Le premier facteur a été extrait par décomposition en valeurs propres de la matrice de corrélations ci-dessus, selon la même méthode que pour l'analyse factorielle de 2010 (voir la page 2010).

Sous-testSaturation sur le facteur
Écriture des nombres,80
Comptine,75
Lecture des nombres,72
Additions,70
Subitizing,70
Représentation des quantités,68
Soustractions,67
Dénombrement,16

Valeur propre du facteur : 3,64, soit 45,5 % de la variance des 8 sous-tests de base de 2011. En 2010, le facteur expliquait 28,7 % de la variance de 10 sous-tests. Les deux batteries n'étant pas identiques, ces pourcentages ne se comparent pas directement ; le profil des saturations, en revanche, se compare tout à fait.

Le dénombrement, décidément à part. Sa saturation sur le facteur commun (,16) est de loin la plus faible. Elle est même inférieure à celle de 2010 (,29), qui était déjà la plus basse cette année-là. C'est la cinquième confirmation indépendante que ce sous-test se comporte à part du reste de la batterie, sur cinq analyses distinctes menées sur deux échantillons différents : saturation factorielle 2010, corrélations 2010, alpha de Cronbach 2011, corrélations 2011, saturation factorielle 2011.

Un seul facteur, ou plusieurs ? ajout 2026

La question se pose alors naturellement : si un facteur commun domine à ce point, les sous-tests mesurent-ils tous, au fond, la même aptitude ? Pour le savoir, il faut regarder au-delà du premier facteur. La règle habituelle (critère de Kaiser) consiste à ne retenir que les facteurs dont la valeur propre dépasse 1. En 2010, le second facteur ne valait que 0,63 : un seul facteur est donc statistiquement défendable, ce que l'analyse d'origine avait déjà conclu. En 2011, le second facteur atteint 1,057, tout juste au-dessus du seuil. Voici ce qu'il contient :

Sous-testFacteur 1 (45,5%)Facteur 2 (13,2%)
Écriture des nombres+,80+,14
Comptine+,75-,19
Lecture des nombres+,72+,06
Additions+,71-,22
Subitizing+,70+,12
Représentation des quantités+,68+,16
Soustractions+,67+,15
Dénombrement+,16-,94

Ce second facteur n'est donc pas une véritable deuxième dimension, commune à plusieurs sous-tests : il correspond au dénombrement, isolé. Toutes les autres saturations y restent inférieures à ,22, alors que celle du dénombrement atteint −,94. Autrement dit, les deux échantillons confirment indépendamment qu'un seul facteur général structure la batterie, et non deux ou trois. Le cas particulier du dénombrement est ainsi confirmé une sixième fois, de façon indépendante. Cette fois, la confirmation vient du nombre de facteurs, et non d'une simple corrélation.

Faut-il en conclure que le test pourrait se réduire à un seul sous-test ? Non, pour deux raisons. La première tient à la fiabilité. Même le sous-test le plus saturé (Écriture des nombres, ,80) ne partage avec le facteur général que ,80² ≈ 64 % de sa variance. Combiner plusieurs sous-tests corrélés réduit ce bruit par effet de moyenne : un sous-test unique serait nettement plus instable qu'un total calculé sur 7 ou 8 sous-tests. La seconde tient à l'utilité clinique. Le facteur général décrit ce qui se passe en moyenne, au niveau du groupe. Un enfant peut être fort partout, sauf dans un sous-test précis, et c'est justement ce type de dissociation que l'examinateur cherche à repérer. Un sous-test unique ne permet pas, par nature, de la mettre en évidence.

Le facteur général décrit la manière dont les compétences varient ensemble chez des enfants tout-venant, un peu comme le facteur « g » des tests d'intelligence. Il n'empêche pas un trouble spécifique de toucher une seule aptitude chez certains enfants. C'est même la condition pour que ces dissociations soient repérables : sans schéma général auquel comparer un enfant, on ne pourrait pas dire qu'il s'en écarte. Le dénombrement, qui ne suit pas le facteur général, en est d'ailleurs une petite illustration empirique.

La comptine numérique : cause ou conséquence des performances en calcul ?

On pourrait être tenté de penser qu'une bonne connaissance de la comptine numérique « entraîne » de bonnes performances en calcul, et qu'il suffirait donc d'améliorer la comptine pour améliorer le calcul. Cette conclusion est fausse.

D'abord, une corrélation élevée entre deux variables A et B n'implique pas, à elle seule, un lien de cause à effet : A peut causer B, B peut causer A, ou A et B peuvent dépendre toutes deux d'une troisième variable C. Pour l'illustrer, je cite volontiers un article qui relevait une corrélation positive entre l'utilisation de crème solaire et le cancer de la peau. En réalité, l'une et l'autre découlent d'une même cause : l'exposition au soleil.

Ensuite, le sous-test Comptine n'est pas homogène. Il évalue à la fois la comptine numérique classique (« ScoreCpter ») et des manipulations plus complexes : compter à rebours, compter par pas de 2, 5 ou 10, compter entre deux bornes (« CptineCplt »). La corrélation de ,83 entre la comptine et le score total se décompose ainsi : ,535 pour ScoreCpter seul, ,78 pour CptineCplt seul. CptineCplt contribue donc bien davantage au score total.

Corrélations partielles

Lorsque le total MathEval est maintenu constant, le score de récitation de la comptine (ScoreCpter) n'intervient plus dans le score Comptine, tandis que CptineCplt reste corrélé à ,971 avec ce score.

Sans variable de contrôleCptineCpltScoreCpterComptineTotal
CptineCplt1,000,252*,987**,780**
ScoreCpter,252*1,000,406**,535**
Comptine,987**,406**1,000,826**
Total,780**,535**,826**1,000
Avec Total MathEval comme variable de contrôleCptineCpltScoreCpterComptine
CptineCplt1,000-,313**,971**
ScoreCpter-,313**1,000-,076
Comptine,971**-,0761,000

(*) corrélation significative au seuil de ,05 ; (**) au seuil de ,01.

Conclusion : la capacité à réciter la comptine est une conséquence, et non une cause, des capacités en mathématiques. Cette découverte a conduit à réviser le rapport de MathEval : depuis 2011, le score de la comptine « pure » est distingué du score de manipulation de la suite des nombres.