Pour rédiger un chapitre de résultats quantitatifs, commencez par rappeler brièvement l’objectif d’analyse, puis présentez les résultats descriptifs, les tests statistiques et les réponses aux hypothèses dans un ordre logique. Le texte doit guider la lecture des tableaux et figures sans interpréter les causes, car l’interprétation appartient surtout à la discussion.
Comment rédiger un chapitre de résultats quantitatifs sans perdre votre lecteur
Vous avez lancé vos analyses, obtenu des tableaux de sortie, noté des p-valeurs, des moyennes et peut-être une régression, mais au moment de rédiger un chapitre de résultats, tout ressemble à une pile de chiffres difficile à transformer en texte universitaire. Vous ne savez pas s’il faut commencer par les statistiques descriptives, répondre directement aux hypothèses, commenter chaque cellule du tableau ou déjà expliquer pourquoi les résultats sont surprenants. Le risque est réel : écrire une section qui ressemble à un copier-coller de logiciel statistique, ou au contraire une mini-discussion qui interprète trop tôt les résultats. Pour des étudiants en licence, baccalauréat ou master dans des universités francophones, le problème n’est pas seulement statistique ; il est aussi rédactionnel, logique et visuel.
Pour rédiger un chapitre de résultats quantitatifs, partez de vos questions ou hypothèses, organisez les résultats du plus général au plus ciblé, puis utilisez les tableaux et figures comme preuves lisibles plutôt que comme annexes décoratives. Le texte doit annoncer ce que le lecteur doit voir, rapporter les valeurs nécessaires et réserver l’explication des causes à la discussion.
Dans ce guide
- Comment rédiger un chapitre de résultats quantitatifs sans raconter toute votre étude ?
- Quelle structure donner à un chapitre résultats quantitatifs ?
- Dans quel ordre présenter des résultats quantitatifs ?
- Comment construire des tableaux et figures lisibles pour présenter des résultats quantitatifs ?
- Que mettre dans le texte autour des tableaux statistiques ?
- Comment distinguer résultats ou discussion dans votre travail ?
- Quelles erreurs les étudiants commettent-ils souvent pour rédiger un chapitre de résultats ?
- Comment adapter un exemple de section résultats à votre discipline ?
- Comment vérifier votre chapitre avant de passer à la discussion ?
Comment rédiger un chapitre de résultats quantitatifs sans raconter toute votre étude ?
Un chapitre de résultats quantitatifs sert à présenter ce que vos données montrent, pas à refaire toute l’introduction, la méthode ou la discussion. Il doit répondre aux questions de recherche avec des statistiques descriptives, des tests ou des modèles, dans une progression facile à suivre. La règle pratique : chaque sous-section doit correspondre à une variable, une hypothèse, une question ou un bloc d’analyse.
Le rôle exact du chapitre
Le chapitre de résultats est la partie du travail où vous exposez les constats issus de l’analyse des données. Dans un travail quantitatif, ces constats prennent souvent la forme de moyennes, fréquences, écarts-types, coefficients, intervalles de confiance, p-valeurs, tailles d’effet ou comparaisons entre groupes.
Le chapitre ne doit pas répéter longuement la méthodologie. Vous pouvez rappeler en une phrase le test utilisé, mais le détail du choix du test appartient plutôt au chapitre de méthode. Si vous hésitez encore entre plusieurs tests, l’arbre de décision visuel pour choisir un test statistique peut vous aider à stabiliser cette étape avant la rédaction.
La bonne question à vous poser n’est pas : « Ai-je tout mis ? » mais : « Le lecteur peut-il voir clairement comment chaque résultat répond à mon objectif ? »
Ce que le lecteur attend
Votre lecteur cherche trois choses : une orientation, des données lisibles et une réponse progressive à vos hypothèses. Il ne veut pas deviner pourquoi un tableau apparaît à cet endroit ni chercher la variable dépendante dans une sortie brute.
Dans un mémoire de master en psychologie sociale sur le lien entre stress perçu et procrastination universitaire, par exemple, le lecteur s’attend à voir d’abord les caractéristiques de l’échantillon, puis les statistiques descriptives des échelles, puis la corrélation ou la régression qui répond à l’hypothèse. Si la section commence directement par « le modèle est significatif », sans contexte, le résultat flotte dans le vide.
Un bon chapitre quantitatif fonctionne donc comme une carte : il ne commente pas chaque détail, mais il indique au lecteur où regarder et pourquoi.
Quelle structure donner à un chapitre résultats quantitatifs ?
La structure la plus claire pour un chapitre résultats quantitatifs suit généralement quatre niveaux : rappel bref de l’objectif, description de l’échantillon, statistiques descriptives, puis analyses liées aux hypothèses ou questions de recherche. Cette structure peut varier selon votre discipline, mais l’ordre doit toujours aller des informations générales vers les résultats les plus analytiques.
Une structure de base efficace
Une structure simple évite de transformer le chapitre en inventaire de tableaux. Elle peut ressembler à ceci :
- Introduction du chapitre : rappel de l’objectif d’analyse en deux ou trois phrases.
- Description de l’échantillon : nombre de participants, groupes, caractéristiques pertinentes.
- Statistiques descriptives : moyennes, écarts-types, distributions, fréquences.
- Résultats par hypothèse ou question : tests, comparaisons, modèles.
- Brève synthèse factuelle : rappel des résultats principaux sans interprétation développée.
La statistique descriptive désigne les valeurs qui résument vos données avant tout test d’hypothèse : moyenne, médiane, écart-type, minimum, maximum ou pourcentage. Pour savoir quoi rapporter selon le type de variable, le résumé visuel des statistiques descriptives peut servir de repère.
Une comparaison concrète de structure
Voici une différence fréquente entre une structure confuse et une structure plus solide :
| Version faible | Version plus solide |
|---|---|
| « Résultats du questionnaire » puis cinq tableaux sans sous-titres clairs | « Profil des répondants », « Scores descriptifs des variables », « Test de H1 », « Test de H2 » |
| « Analyse SPSS » comme titre de section | « Effet de la satisfaction client sur l’intention de réachat » |
| Tableau de régression avant la description des variables | Statistiques descriptives des variables, puis matrice de corrélation, puis régression |
| Commentaire causal dès le premier résultat : « Les étudiants réussissent mieux grâce au feedback » | Formulation factuelle : « Le groupe avec feedback obtient une moyenne plus élevée que le groupe sans feedback » |
Cette structure plus solide ne rend pas les résultats artificiellement meilleurs. Elle les rend lisibles, vérifiables et alignés sur la question de recherche.
Lien avec le plan général
Le chapitre de résultats ne doit pas surgir comme une partie autonome détachée du reste du travail. Il reprend les décisions prises dans la problématique, les hypothèses et la méthode. Si votre plan global est encore instable, la hiérarchie de chapitres pour structurer un travail universitaire peut vous aider à vérifier que les résultats arrivent au bon endroit dans l’ensemble du document.
Le meilleur indice d’une structure réussie est simple : les titres de sous-sections pourraient presque être lus comme des réponses successives à vos hypothèses.
Dans quel ordre présenter des résultats quantitatifs ?
Pour présenter des résultats quantitatifs, commencez par ce qui aide à comprendre les données, puis avancez vers les analyses qui répondent directement aux hypothèses. L’ordre habituel est : échantillon, données descriptives, vérifications nécessaires, tests principaux, analyses complémentaires. Évitez de suivre aveuglément l’ordre produit par votre logiciel statistique.
Un ordre en cinq étapes
Un ordre logique donne au lecteur les informations dont il a besoin au moment où il en a besoin. Vous pouvez suivre ce processus :
- Présenter l’échantillon analysé : nombre de cas inclus, exclusions éventuelles, groupes comparés.
- Décrire les variables principales : moyennes, écarts-types, fréquences ou distributions.
- Mentionner les vérifications pertinentes : normalité, valeurs manquantes, fiabilité d’une échelle si votre cours le demande.
- Rapporter les tests principaux : t-test, ANOVA, khi carré, corrélation, régression, selon vos hypothèses.
- Ajouter les analyses secondaires : uniquement si elles répondent à une question annoncée ou clarifient le résultat principal.
Cet ordre fonctionne dans beaucoup de travaux de licence et de master, mais il doit rester subordonné à votre question. Une étude avec plusieurs hypothèses peut être organisée par hypothèse plutôt que par type de test.
Ne pas suivre la sortie du logiciel
Les logiciels statistiques produisent des sorties techniques, pas un chapitre universitaire. Un tableau SPSS, Jamovi, R ou Excel peut contenir des informations utiles, mais aussi des lignes inutiles pour votre lecteur.
Par exemple, si vous testez la différence de moyenne d’anxiété entre deux groupes d’étudiants, votre lecteur n’a pas besoin de toute la sortie brute. Il lui faut le nom du test, les moyennes de chaque groupe, la statistique de test, les degrés de liberté si requis, la p-valeur, et parfois une taille d’effet.
Dans un travail de gestion sur l’effet de la satisfaction client sur l’intention de réachat, l’ordre le plus lisible pourrait être : description des deux scores, corrélation, puis régression linéaire. Copier d’abord tous les tableaux de diagnostic de modèle rendrait la section plus lourde que nécessaire.
Comment construire des tableaux et figures lisibles pour présenter des résultats quantitatifs ?
Un tableau ou une figure doit répondre à une fonction précise : résumer, comparer ou montrer une relation. Pour présenter des résultats quantitatifs clairement, choisissez le format selon le type de données, limitez les décimales et donnez un titre descriptif. Un bon tableau réduit l’effort de lecture ; il ne remplace pas l’explication dans le texte.
Choisir entre tableau et figure
Un tableau convient quand le lecteur doit lire des valeurs exactes : moyennes, écarts-types, coefficients, pourcentages. Une figure convient mieux pour voir une tendance, une comparaison visuelle ou une distribution.
Dans une étude en sciences infirmières sur l’adhésion médicamenteuse chez des patients âgés après un retour à domicile, un tableau peut présenter les caractéristiques de l’échantillon : âge moyen, sexe, nombre de médicaments, score moyen d’adhésion. Une figure peut ensuite montrer la proportion de patients à faible, moyenne et forte adhésion dans deux groupes de suivi.
Le choix dépend donc de la tâche du lecteur. S’il doit comparer rapidement des barres, une figure aide. S’il doit vérifier des chiffres exacts, un tableau est préférable.
Règles concrètes de lisibilité
Un tableau de résultats n’est pas un entrepôt. Il doit être nettoyé. Gardez seulement les colonnes nécessaires à votre argument empirique.
Quelques règles pratiques :
- donnez un titre qui annonce la comparaison ou l’analyse ;
- utilisez le même nombre de décimales pour les valeurs comparables ;
- évitez trois décimales si deux suffisent selon les consignes de votre discipline ;
- indiquez clairement le nombre de participants ou d’observations ;
- placez les notes sous le tableau si des abréviations sont nécessaires ;
- ne répétez pas dans le texte chaque chiffre déjà visible dans le tableau.
Exemple de tableau utile
Dans un chapitre sur la réussite universitaire, un tableau descriptif pourrait ressembler à ceci :
| Variable | Groupe tutorat, M (ET) | Groupe sans tutorat, M (ET) | N |
|---|---|---|---|
| Note finale sur 20 | 14.2 (2.1) | 12.8 (2.4) | 118 |
| Heures d’étude par semaine | 8.6 (3.0) | 7.9 (2.8) | 118 |
| Motivation académique | 4.1 (0.7) | 3.8 (0.8) | 118 |
Ce tableau permet de voir les tendances avant les tests. Le texte pourra ensuite signaler que le groupe avec tutorat présente une moyenne plus élevée à la note finale, puis rapporter le test qui évalue si cette différence est statistiquement compatible avec l’hypothèse.
Que mettre dans le texte autour des tableaux statistiques ?
Le texte autour des tableaux doit orienter le lecteur, rapporter les résultats essentiels et relier chaque tableau à la question de recherche. Il ne doit ni répéter toutes les cellules ni laisser le tableau parler seul. Une phrase efficace annonce l’analyse, donne les valeurs clés et indique le sens du résultat.
La phrase avant le tableau
Avant un tableau, donnez au lecteur une raison de le lire. Une phrase d’annonce peut préciser l’objectif du tableau sans interpréter le résultat à l’avance.
Exemple : « Le tableau 2 présente les statistiques descriptives des trois variables utilisées pour tester l’hypothèse selon laquelle le stress perçu est associé à la procrastination. »
Cette phrase situe le tableau dans la logique du chapitre. Elle ne dit pas encore que le stress « cause » la procrastination, car la relation n’a pas été discutée.
La phrase après le tableau
Après le tableau, ne récitez pas chaque valeur. Sélectionnez les résultats nécessaires pour répondre à la question.
Version faible et version plus forte :
| Version faible | Réécriture plus forte |
|---|---|
| « On voit dans le tableau que la moyenne du stress est 3.40, la moyenne de la procrastination est 3.10, l’écart-type du stress est 0.80 et l’écart-type de la procrastination est 0.70. » | « Les scores moyens indiquent un niveau modéré de stress perçu (M = 3.40, ET = 0.80) et de procrastination (M = 3.10, ET = 0.70) dans l’échantillon. » |
| « La p-valeur est significative donc mon hypothèse est vraie. » | « La corrélation entre stress perçu et procrastination est positive et statistiquement significative, r = .42, p < .001, ce qui soutient H1. » |
La seconde version fait trois choses : elle nomme la relation, donne les valeurs nécessaires et relie le résultat à l’hypothèse. Elle évite aussi de dire que l’hypothèse est « vraie », formule trop forte pour une analyse statistique.
Les termes à définir brièvement
Une p-valeur indique la probabilité d’obtenir un résultat au moins aussi extrême que celui observé si l’hypothèse nulle était vraie, selon le modèle utilisé. Une taille d’effet indique l’ampleur du résultat, par exemple la force d’une corrélation ou l’écart entre deux groupes. Un intervalle de confiance donne une plage de valeurs plausibles pour un paramètre estimé.
Dans un exemple de section résultats, ces termes ne doivent pas être définis à chaque ligne. Une définition brève suffit si votre public est étudiant ou si votre enseignant l’attend.
Comment distinguer résultats ou discussion dans votre travail ?
La différence entre résultats ou discussion tient à la fonction de la phrase : le résultat rapporte ce qui a été observé, la discussion explique ce que cela signifie. Dans le chapitre de résultats, restez proche des données, des tests et des hypothèses. Gardez les causes possibles, les liens avec la littérature et les implications pour la section discussion.
Test simple pour classer une phrase
Posez-vous cette question : « Cette phrase décrit-elle une valeur observée ou propose-t-elle une explication ? » Si elle décrit une valeur, elle appartient probablement aux résultats. Si elle explique pourquoi, compare avec des études antérieures ou parle de conséquences, elle appartient plutôt à la discussion.
Exemples :
| Phrase | Partie la plus adaptée |
|---|---|
| « Le groupe expérimental obtient une moyenne plus élevée que le groupe contrôle. » | Résultats |
| « Cette différence pourrait s’expliquer par l’encadrement plus régulier reçu par le groupe expérimental. » | Discussion |
| « La régression montre que la satisfaction prédit positivement l’intention de réachat. » | Résultats |
| « Ce résultat rejoint les travaux qui décrivent la fidélité comme une conséquence de l’expérience client. » | Discussion |
La séparation n’est pas toujours absolue. Certaines consignes demandent une section « résultats et discussion » combinée. Dans ce cas, utilisez des sous-titres explicites pour éviter la confusion.
Les formulations qui débordent trop tôt
Les étudiants écrivent souvent : « Les résultats prouvent que la méthode est efficace. » En contexte universitaire, « prouvent » est généralement trop fort. Préférez : « Les résultats indiquent une différence en faveur du groupe ayant suivi la méthode. »
Dans un travail en éducation sur l’effet de quiz hebdomadaires sur la réussite en première année, la phrase de résultats serait : « Les étudiants ayant réalisé les quiz hebdomadaires obtiennent une note moyenne plus élevée à l’examen final. » La phrase de discussion serait : « Cette différence peut suggérer que la pratique régulière favorise la consolidation des connaissances. »
Cette distinction protège votre crédibilité. Elle montre que vous savez séparer l’observation statistique de l’interprétation académique.
Quelles erreurs les étudiants commettent-ils souvent pour rédiger un chapitre de résultats ?
Les erreurs les plus fréquentes viennent rarement d’un seul mauvais calcul ; elles viennent d’un mauvais ordre, d’un excès de sorties brutes ou d’une confusion entre résultat et interprétation. Pour rédiger un chapitre de résultats lisible, il faut sélectionner, nommer et relier les résultats à la question. Les exemples ci-dessous montrent des problèmes réalistes et leur correction.
Erreurs typiques et corrections
-
Commencer par un test sans décrire les variables
Exemple étudiant : « Le t-test est significatif, p = .03. »
Correction : commencez par les moyennes des groupes, puis rapportez le test. Le lecteur doit savoir ce qui est comparé avant de lire la p-valeur. -
Copier une sortie logicielle entière
Exemple étudiant : « Tableau ANOVA complet avec somme des carrés, carrés moyens, lignes résiduelles et toutes les colonnes exportées. »
Correction : gardez les informations demandées par votre consigne et utiles à l’analyse. Les détails techniques non commentés peuvent aller en annexe si votre enseignant les accepte. -
Utiliser “significatif” comme synonyme de “important”
Exemple étudiant : « La différence est significative, donc elle est très importante. »
Correction : distinguez la signification statistique et l’ampleur. Ajoutez une taille d’effet si elle est pertinente et prévue. -
Répondre aux hypothèses dans un ordre différent de leur présentation
Exemple étudiant : H1 porte sur le stress, H2 sur la motivation, mais la section commence par H2 puis revient à H1.
Correction : suivez l’ordre des hypothèses ou annoncez clairement un regroupement par type d’analyse. -
Interpréter causalement une corrélation
Exemple étudiant : « Le temps passé sur les réseaux sociaux diminue les notes, car la corrélation est négative. »
Correction : écrivez plutôt : « Le temps passé sur les réseaux sociaux est négativement associé aux notes. » La causalité dépend du design de recherche, pas seulement du coefficient.
Le problème caché : les variables mal définies
Un chapitre de résultats devient difficile à rédiger si les variables ont été mal définies avant l’analyse. Si « motivation », « performance » ou « satisfaction » ne correspondent pas à des indicateurs mesurables, vous ne saurez pas quoi rapporter avec précision. L’article sur la manière de définir les variables de recherche par indicateurs mesurables peut aider à corriger ce problème en amont.
Dans les résultats, chaque variable doit garder le même nom que dans la méthode et les hypothèses. Si vous changez de vocabulaire, le lecteur peut croire que vous introduisez une nouvelle mesure.
Comment adapter un exemple de section résultats à votre discipline ?
Un exemple de section résultats doit être adapté au type de données, aux conventions de votre discipline et au niveau attendu en licence, baccalauréat ou master. Les sciences sociales insistent souvent sur les hypothèses et les modèles, les sciences de la santé sur les groupes et indicateurs cliniques, et la gestion sur les relations entre variables. La structure reste comparable, mais les détails rapportés changent.
Exemple en psychologie ou sciences sociales
Sujet : relation entre solitude perçue et usage problématique du smartphone chez des étudiants.
Une section pourrait suivre cet ordre : caractéristiques de l’échantillon, fiabilité des échelles si demandée, statistiques descriptives, corrélations, régression. Une phrase de résultat pourrait être :
« La solitude perçue est positivement corrélée à l’usage problématique du smartphone, r = .36, p < .001. La régression linéaire indique que la solitude perçue prédit significativement le score d’usage problématique, β = .34, p < .001. »
Cette formulation reste descriptive. Elle ne dit pas encore que la solitude « provoque » l’usage problématique.
Exemple en santé ou sciences infirmières
Sujet : adhésion médicamenteuse chez des patients âgés suivis à domicile après une hospitalisation.
La section peut commencer par le profil clinique : âge, nombre moyen de traitements, présence de comorbidités, taux de suivi infirmier. Ensuite, elle peut comparer les scores d’adhésion selon le type de suivi.
Phrase possible :
« Les patients bénéficiant d’un suivi téléphonique hebdomadaire présentent un score moyen d’adhésion plus élevé que ceux du groupe de suivi standard, M = 7.8 contre M = 6.9. La différence entre les groupes est statistiquement significative, t(84) = 2.41, p = .018. »
La discussion expliquera ensuite ce que ce résultat peut signifier pour la continuité des soins.
Exemple en éducation ou gestion
Sujet en éducation : effet de quiz formatifs sur la réussite à un examen final.
« Les étudiants ayant complété au moins 80 % des quiz obtiennent une note moyenne plus élevée à l’examen final que les étudiants ayant complété moins de 80 % des quiz, M = 15.1 contre M = 12.9. Le test de comparaison indique une différence statistiquement significative entre les deux groupes, p = .004. »
Sujet en gestion : satisfaction client et intention de réachat.
« La satisfaction client est fortement associée à l’intention de réachat, r = .61, p < .001. Dans le modèle de régression, la satisfaction explique une part substantielle de la variance de l’intention de réachat, R² = .37. »
Ces exemples montrent que le style de rédaction reste stable : nommer la relation, donner les valeurs utiles, relier au modèle ou à l’hypothèse.
Comment vérifier votre chapitre avant de passer à la discussion ?
Avant de passer à la discussion, vérifiez que chaque résultat répond à une question annoncée, que les tableaux sont lisibles et que l’interprétation ne déborde pas. Une bonne relecture porte autant sur la logique que sur les chiffres. Le chapitre doit permettre au lecteur de comprendre les résultats sans ouvrir vos fichiers d’analyse.
Relecture logique
Relisez vos titres de sous-sections comme une table des matières miniature. S’ils ne racontent pas la progression de l’analyse, votre lecteur risque de se perdre. Chaque sous-section devrait indiquer clairement quelle variable, quelle hypothèse ou quel test est traité.
Vérifiez aussi la cohérence entre les hypothèses et les résultats. Si H1 annonce une relation entre motivation et réussite, la section correspondante ne doit pas se concentrer principalement sur l’âge ou le genre, sauf si ces variables sont des contrôles justifiés.
Relecture statistique et rédactionnelle
Les erreurs de notation donnent rapidement une impression de désordre. Utilisez une notation stable : par exemple, M pour moyenne, ET pour écart-type en français si votre faculté l’accepte, ou SD si votre consigne suit les normes anglophones. Ne mélangez pas les deux sans raison.
Assurez-vous que les tableaux sont appelés dans le texte avant ou juste après leur apparition. Un tableau non mentionné ressemble à une pièce jointe abandonnée. À l’inverse, un paragraphe qui répète tout le tableau donne l’impression que le visuel ne sert à rien.
Avant de continuer : checklist pour rédiger un chapitre de résultats
- Le chapitre commence par un rappel bref de l’objectif d’analyse.
- L’échantillon analysé est décrit avant les tests principaux.
- Les statistiques descriptives des variables centrales sont présentées.
- Chaque tableau ou figure est annoncé dans le texte.
- Les tableaux contiennent seulement les colonnes utiles au lecteur.
- Les résultats sont organisés par hypothèse, question ou bloc logique.
- Les p-valeurs ne sont pas utilisées comme seul indicateur d’intérêt.
- Les tailles d’effet ou intervalles de confiance sont inclus si la consigne les demande.
- Les formulations causales sont évitées si le design ne permet pas la causalité.
- La différence entre résultats ou discussion est respectée.
- Les notations statistiques sont cohérentes dans tout le chapitre.
- La synthèse finale reste factuelle et prépare la discussion sans la remplacer.
Liens internes recommandés
(Métadonnées du système — ne pas supprimer cette section)
- Arbre de décision visuel pour choisir un test statistique
- Résumé visuel des statistiques descriptives
- Hiérarchie de chapitres pour structurer un travail universitaire
- Définir les variables de recherche par indicateurs mesurables
Questions fréquentes
Quelle longueur doit faire un chapitre de résultats quantitatifs en licence ou en master ?
La longueur dépend du nombre d’hypothèses, du volume de données et des consignes de votre université. Dans beaucoup de travaux de licence, quelques pages bien structurées suffisent ; en master, le chapitre peut être plus long si plusieurs modèles ou analyses sont nécessaires. La priorité reste la lisibilité : un chapitre court mais complet vaut mieux qu’une accumulation de sorties statistiques.
Combien de tableaux faut-il mettre dans un chapitre résultats quantitatifs ?
Il faut autant de tableaux que nécessaire pour comprendre les analyses principales, mais pas un tableau pour chaque sortie logicielle. Un tableau descriptif, un tableau de corrélations et un tableau par modèle principal peuvent suffire dans de nombreux travaux. Les tableaux secondaires ou trop techniques peuvent être placés en annexe si la consigne l’autorise.
Quelle est la différence entre résultats ou discussion ?
Les résultats rapportent ce que les données montrent ; la discussion explique ce que ces résultats signifient. Une phrase avec des moyennes, coefficients ou p-valeurs relève généralement des résultats. Une phrase qui parle de causes possibles, de limites, de littérature antérieure ou d’implications relève plutôt de la discussion.
Peut-on commenter un résultat non significatif ?
Oui, un résultat non significatif doit être rapporté s’il correspond à une hypothèse ou à une analyse annoncée. Évitez de l’ignorer simplement parce qu’il ne va pas dans le sens attendu. Présentez-le factuellement, puis discutez plus tard des explications possibles, comme la taille d’échantillon, la mesure ou le design.
Faut-il présenter les statistiques descriptives avant les tests ?
Oui, dans la plupart des chapitres quantitatifs, les statistiques descriptives viennent avant les tests. Elles donnent au lecteur une première vision des variables, des groupes et des distributions. Les tests deviennent alors plus faciles à comprendre, car le lecteur sait déjà ce qui est comparé ou mis en relation.
