Outil · analyse des données
Quel test statistique choisir ?
Répondez à cinq questions sur vos données : l'outil indique le test adapté, ses conditions d'application, le code R et Python, et la façon de rédiger le résultat dans le mémoire.
Exemple : comparer une variable quantitative entre deux groupes indépendants. Décrivez vos propres données.
Test recommandé
Test U de Mann-Whitney
Aucune hypothèse de normalité ; compare les rangs.
Mettre en œuvre
- R
wilcox.test(y ~ groupe)- Python
scipy.stats.mannwhitneyu(a, b)- Dans le mémoire
- U = 210 ; p = 0,031
Alternative : Test t de Student (version de Welch). Variable quantitative à peu près normale dans chaque groupe. t.test(y ~ groupe)
- Vérifiez la normalité : histogramme et test de Shapiro-Wilk (shapiro.test() en R). Avec plus de 30 observations par groupe, les tests t et l'ANOVA restent robustes.
- Rapportez toujours la taille de l'effet (différence de moyennes, d de Cohen, rapport de cotes) et son intervalle de confiance, pas seulement la valeur p.
Aide-mémoire
Les tests les plus utilisés en mémoire
| Situation | Paramétrique | Non paramétrique |
|---|---|---|
| Comparer 2 groupes indépendants | t de Student (Welch) | Mann-Whitney |
| Comparer 2 mesures sur les mêmes sujets | t apparié | Wilcoxon |
| Comparer 3 groupes ou plus | ANOVA | Kruskal-Wallis |
| 3 mesures ou plus sur les mêmes sujets | ANOVA à mesures répétées | Friedman |
| Relier deux variables quantitatives | Pearson | Spearman |
| Relier deux variables qualitatives | Khi-deux (Fisher si petits effectifs), V de Cramér | |
| Expliquer une variable oui/non | Régression logistique | |
Questions fréquentes
Ce que les étudiants demandent
Comment choisir un test statistique ?
Trois questions suffisent le plus souvent : quel est l'objectif (comparer, relier, prédire), de quel type est la variable étudiée (quantitative, qualitative, ordinale) et les groupes sont-ils indépendants ou appariés.
Quand utiliser un test non paramétrique ?
Quand la variable est ordinale, ou quantitative mais nettement non normale avec de petits effectifs. Mann-Whitney, Wilcoxon, Kruskal-Wallis et Friedman comparent alors les rangs.
Que faut-il rapporter en plus de la valeur p ?
La statistique du test, ses degrés de liberté, la taille de l'effet et son intervalle de confiance. Une valeur p seule ne dit pas si l'écart est important.