dans les études quantitatives qui impliquent des comparaisons de conditions ou de traitements, il y a deux types de conceptions de base à considérer: entre sujets ou à l’intérieur des sujets (également appelés mesures répétées). Dans un plan entre sujets, chaque participant ne reçoit qu’une condition ou un traitement, tandis que dans un plan entre sujets, chaque participant reçoit plusieurs conditions ou traitements., Chaque approche de conception a ses avantages et ses inconvénients; cependant, il y a un avantage statistique particulier que les conceptions intra-sujets tiennent généralement sur les conceptions inter-sujets.
Les conceptions intra-sujets ont une plus grande puissance statistique que les conceptions inter-sujets, ce qui signifie que vous avez besoin de moins de participants dans votre étude pour trouver des effets statistiquement significatifs. Par exemple, la version entre sujets d’un test T standard nécessite une taille d’échantillon de 128 pour atteindre une puissance de .,80, alors que la version intra-sujets ne nécessite qu’une taille d’échantillon de 34 pour obtenir la même puissance. Cet avantage des conceptions intra-matières peut être de notoriété publique pour certains étudiants, mais de nombreux étudiants ne savent peut-être pas pourquoi c’est le cas. La réponse réside dans la façon dont la variance est divisée (ou « partitionnée”) dans une analyse intra-sujets.
prenez une analyse de variance (ANOVA) par exemple. Dans une ANOVA entre sujets, la variance totale est composée de la variance de traitement et de la variance d’erreur., Vous déterminez s’il existe des différences entre les groupes en examinant la proportion de la variance de traitement par rapport à la variance d’erreur. L’écart d’erreur dans ce plan peut être attribuable aux différences individuelles entre les participants (p. ex., les différences démographiques). En d’autres termes, vous essayez de voir à travers le « bruit” de la variance due aux différences individuelles pour voir quel impact votre traitement a.
cependant, dans une ANOVA intra-sujets, nous sommes capables de diviser encore plus la variance., Plus précisément, nous pouvons partitionner la variance due aux différences individuelles du reste de la variance” d’erreur ». Ainsi, la variance totale de L’ANOVA intra-sujets comprend la variance de traitement, la variance entre-sujets (c.-à-d. les différences individuelles) et la variance d’erreur. Nous déterminons toujours l’effet du traitement en examinant 
la proportion de la variance du traitement par rapport à la variance de l’erreur., En répartissant la variance entre les sujets, nous réduisons la quantité de variance d’erreur dans l’équation, réduisant ainsi le « bruit” que nous devons voir à travers afin de voir un effet de traitement significatif. Autrement dit, Puisque nous ne sommes pas intéressés par les différences entre les participants dans une conception intra-sujets, nous pouvons jeter la variance entre les sujets pour obtenir une image plus claire de ce qui se passe dans les données.
avoir une compréhension plus approfondie des avantages statistiques des conceptions intra-sujets peut vous aider à faire des choix plus éclairés sur votre conception de recherche à l’avenir!