études corrélationnelles psychologie carte mentale

Comprendre le sujet

Les études corrélationnelles en psychologie mesurent la relation entre deux variables sans manipulation expérimentale. Cette ressource explique le coefficient de corrélation, les types de corrélations, les méthodes de collecte de données et surtout la distinction essentielle entre corrélation et causalité, avec des exemples concrets et les biais d'interprétation les plus fréquents chez les étudiants.

Interpréter le coefficient de corrélation
Le coefficient de corrélation de Pearson mesure la force et la direction d'une relation linéaire entre deux variables quantitatives. Un r de +0,80 indique une association positive forte, tandis qu'un r de -0,30 signale une relation négative faible. Attention : la force perçue dépend aussi du contexte disciplinaire ; en psychologie, des corrélations autour de 0,30 peuvent être théoriquement importantes. Le coefficient ne capture que les relations linéaires : une relation en U inversé, comme entre activation et performance selon la loi de Yerkes-Dodson, peut donner un r proche de 0 malgré une association réelle. Enfin, un coefficient obtenu sur un échantillon restreint ou homogène peut sous-estimer la véritable relation.

Le problème de la variable tierce
Le piège majeur des études corrélationnelles est la variable confondue, ou variable tierce, qui influence simultanément les deux variables étudiées. Classique exemple pédagogique : le nombre de pompiers envoyés sur un incendie corrèle avec les dégâts, non parce que les pompiers causent les dégâts, mais parce que la taille du feu détermine les deux. En psychologie, si l'on observe une corrélation entre temps d'écran et baisse des résultats scolaires, des facteurs comme le milieu socio-économique ou le sommeil peuvent expliquer l'association. Des techniques statistiques comme l'analyse de régression multiple ou la corrélation partielle permettent de contrôler certaines variables tierces, mais elles ne garantissent jamais l'exhaustivité du contrôle.

Corrélation, régression et prédiction
Malgré ses limites causales, la méthode corrélationnelle a une valeur prédictive réelle. La régression linéaire s'appuie sur la corrélation pour estimer une variable à partir d'une autre : par exemple, prédire la performance professionnelle à partir de scores de tests cognitifs. C'est pourquoi la sélection du personnel et l'orientation scolaire utilisent largement des données corrélationnelles. La corrélation entre prédicteur et critère, appelée validité prédictive, se compare souvent au carré du coefficient, r², qui indique la proportion de variance partagée. Un r² de 0,25 signifie que 25 pour cent de la variance d'une variable est associée à l'autre, ce qui laisse 75 pour cent expliqués par d'autres facteurs.

Choisir entre méthode corrélationnelle et expérimentale
Le choix méthodologique dépend de la question et des contraintes éthiques. L'expérimentation manipule une variable indépendante et assigne aléatoirement les participants, ce qui permet d'inférer la causalité. Mais certaines questions ne peuvent être étudiées expérimentalement : on ne peut pas assigner aléatoirement des enfants à un tabagisme maternel ou des adultes à un événement traumatique. La méthode corrélationnelle devient alors la seule option éthique et réaliste. Les deux approches se complètent : des résultats corrélationnels solides, répliqués dans diverses populations et cohérents avec des mécanismes plausibles, renforcent la confiance, sans jamais égaler la preuve expérimentale. Les études longitudinales offrent un compromis en mesurant les variables dans le temps.