Calculatrice gratuite Editverse

Calculateur d'ANOVA à un facteur

Comparez simultanément les moyennes de trois groupes indépendants ou plus à l'aide du test F, des degrés de liberté, de la p-valeur et des comparaisons post-hoc de Tukey HSD. Consultez la formule et la commande R reproductible, ainsi que le guide d'interprétation complet ci-dessous. Validé avec R 4.3.3.

En mots simples

L'ANOVA à un facteur (analyse de variance) répond à une question simple : les moyennes de trois groupes ou plus sont-elles différentes, ou ces différences sont-elles simplement dues au hasard ? On entre les effectifs de chaque groupe, et l'ANOVA renvoie une statistique F et une valeur p indiquant si un groupe diffère réellement.

Si le test global est significatif, un test post-hoc comme le test HSD de Tukey permet d'identifier les paires de groupes présentant des différences significatives. Privilégiez l'ANOVA plutôt que de réaliser de nombreux tests t , ce qui augmenterait le risque de faux positifs. Pour deux groupes seulement, utilisez un test t ; pour des données asymétriques, envisagez le test de Kruskal-Wallis.

Quand utiliser l'ANOVA à un facteur

L'ANOVA à un facteur compare une variable continue entre trois groupes indépendants ou plus, définis par un seul facteur catégoriel ; par exemple, elle compare un biomarqueur entre des groupes recevant une dose faible, moyenne et élevée. Elle teste l'hypothèse nulle globale selon laquelle les moyennes de tous les groupes sont égales.

Utilisez l'ANOVA lorsque votre variable dépendante est continue, que les groupes sont indépendants, que la variable dépendante suit approximativement une loi normale au sein de chaque groupe et que les variances des groupes sont à peu près égales (homogénéité des variances). Un F significatif indique qu'au moins un groupe diffère, mais pas lequel ; cela nécessite une analyse post-hoc comme le test HSD de Tukey, avec la correction pour comparaisons multiples choisie au préalable. Pour seulement deux groupes, un test t est équivalent et plus simple ; pour des données manifestement non normales, une alternative non paramétrique est plus appropriée. Vous hésitez sur le choix de l'ANOVA pour votre plan d'expérience ? Notre outil interactif de sélection de tests vous guide.

ANOVA unidirectionnelleComparer les moyennes entre 3 groupes ou plus · validé vs R 4.3.3
Mode d'emploi

Quand l'utiliser ? Pour comparer simultanément les moyennes de trois groupes indépendants ou plus.

Hypothèses. Indépendance ; normalité au sein des groupes ; homogénéité des variances.

Erreurs fréquentes. N'effectuez pas plusieurs tests t par paires : cela augmente le risque d'erreur de type I.

Exemple concret

Cliquez sur « Charger les données d'exemple » ci-dessus, puis sur « Lancer l'analyse » pour afficher un résultat complet avec figure, formule et interprétation pour ce test.

Références
  1. Fisher RA. Méthodes statistiques pour les chercheurs. 1925.
Sécurité accrue. Efforts réduits. Succès durable. editverse.com · Validé avec R 4.3.3 · v3.6Besoin d'une analyse d'expert ? →

Exemples travaillés

Exemple 1 — Trois doses (significatives)

Les valeurs des résultats pour les groupes de doses faibles (12, 15, 14, 13), moyennes (18, 20, 17, 19) et élevées (22, 24, 21, 23) augmentent de façon constante avec la dose. L'analyse de variance à un facteur (ANOVA) donne un F élevé et une p-valeur faible (p < 0.001), rejetant l'hypothèse nulle d'égalité des moyennes. Un test post-hoc de Tukey HSD permet ensuite d'identifier les paires de doses présentant des différences ; ici, les trois paires diffèrent entre elles.

Exemple 2 — Groupes qui se chevauchent (non significatif)

Si trois groupes présentent des moyennes similaires avec des écarts importants et se chevauchant, la statistique F est faible et la p-valeur élevée (p > 0.05). La conclusion correcte est qu'il n'existe aucune preuve de différence entre les moyennes des groupes et qu'aucun test post-hoc n'est justifié.

Hypothèses à vérifier

Indépendance. Les observations doivent être indépendantes entre les groupes et au sein de chaque groupe. Les mesures répétées sur les mêmes sujets nécessitent une ANOVA à mesures répétées ou un modèle mixte.

Normalité. La distribution des résultats doit être approximativement normale au sein de chaque groupe ; examinez les résidus à l’aide d’un graphique QQ. L’ANOVA est relativement robuste aux écarts mineurs, notamment avec des échantillons équilibrés et de grande taille.

Homogénéité des variances. Les groupes doivent présenter des variances similaires (vérifier avec le test de Levene). Si les variances diffèrent sensiblement, utiliser l'ANOVA de Welch, qui ne suppose pas l'égalité des variances.

Erreurs courantes

Effectuer plusieurs tests t au lieu d'une ANOVA

Comparer chaque paire de groupes par des tests t distincts augmente considérablement le risque d'erreur de type I. Il est préférable d'utiliser une ANOVA pour le test global, puis une procédure post-hoc corrigée.

Passer outre la correction a posteriori

Une ANOVA significative ne permet pas d'identifier les groupes présentant des différences significatives. Il est préférable d'utiliser le test HSD de Tukey ou une autre méthode intégrant un contrôle des comparaisons multiples plutôt que des tests de comparaisons par paires non corrigés.

Ignorer les variances inégales

Si les variances des groupes diffèrent sensiblement, l'ANOVA standard peut induire en erreur. Il est alors préférable d'utiliser l'ANOVA de Welch.

Ne rapportant que la valeur p

Indiquez la taille de l'effet (êta-carré ou oméga-carré) en plus de la valeur F et de la valeur p afin que les lecteurs puissent évaluer l'ampleur de l'effet, et pas seulement sa signification. Consultez le calculateur de taille de l'effet.

Questions fréquemment posées

Quelle est la différence entre une ANOVA et un test t ?

Un test t compare les moyennes de deux groupes ; l'ANOVA généralise cela à trois groupes ou plus dans un seul test tout en contrôlant le taux d'erreur.

Que fait Tukey HSD ?

Après une ANOVA significative, le test de différence significative honnête de Tukey compare toutes les paires de groupes tout en contrôlant le taux d'erreur familial, vous indiquant quelles paires spécifiques diffèrent.

Et si mes données ne sont pas normales ?

Pour les données manifestement non normales ou ordinales, le test de Kruskal-Wallis est l'alternative non paramétrique à l'ANOVA à un facteur.

Le résultat correspond-il à celui obtenu avec SPSS, R et Stata ?

Oui. La calculatrice utilise la même distribution F et les mêmes calculs de somme des carrés que les logiciels standards et affiche la commande R exacte afin que vous puissiez la reproduire.

Calculatrices associées

Test t indépendantTaille de l'effet (Eta-Square)Corrélation et régressionTaille et puissance de l'échantillonIntervalle de confianceQuel test dois-je utiliser ?

Références

  1. Fisher RA. Méthodes statistiques pour les chercheurs. Édimbourg : Oliver & Boyd ; 1925.
  2. Armstrong RA. Quand utiliser la correction de Bonferroni. Physiol Ophtalmique Opt. 2014;34(5):502–508. PMID 24697967.
  3. Greenland S, Senn SJ, Rothman KJ et al. Tests statistiques, valeurs P, intervalles de confiance et puissance : un guide pour éviter les erreurs d’interprétation. Eur J Epidemiol. 2016;31(4):337–350. PMID 27209009.

Besoin de cette analyse pour votre manuscrit ?

Nos biostatisticiens titulaires d'un doctorat effectuent votre analyse de variance (ANOVA), vérifient les hypothèses, appliquent la correction post-hoc appropriée et vous fournissent des tableaux prêts à être publiés avec des résultats R reproductibles.

Obtenez l'aide d'experts en statistiques