Академический Документы
Профессиональный Документы
Культура Документы
b) La condition de normalité :
On doit s’assurer que les variables sont distribués selon la loi normale. Si cela est le cas, les
tests d’hypothèse classiques sont applicables, si la condition de normalité est violée, il faudra
trouver une alternative dite non paramétrique au test d’hypothèse à réaliser.
2- Décomposition de la variance :
b) Interprétation pratique :
Si le test de Fisher amène à conclure à l'existence d'un effet significatif du facteur, deux
questions peuvent être posées pour parfaire l'interprétation de l'analyse et lui donner une
portée pratique. La première est celle de la signification pratique : le test indique un effet du
facteur, mais quelle est l'importance des facteurs manipulés dans les variations de la variable à
expliquer ?
La seconde question est celle des effets spécifiques des différentes modalités du facteur
Tests de comparaisons multiples :
Lorsqu’on a déterminé qu’il existe des différences parmi les moyennes, les tests d’intervalle
post hoc et de comparaisons multiples par paires déterminent les moyennes qui diffèrent. Ces
tests servent à connaître, parmi plusieurs niveaux de modalités, ceux qui sont
significativement différents des autres. Ils sont utilisés après que l’analyse de variance a été
effectuée, si un facteur est significatif, et ils ne concernent que les facteurs ayant plus de deux
niveaux. Les tests post hoc les plus courants sont ceux de Duncan, de Tukey, de Scheffé et de
Bonferroni.
4-Analyse de la variance à plusieurs facteurs :
L’ANOVA à plusieurs facteurs consiste à tester l’hypothèse d’égalité des moyennes d’une
variable quantitative selon plusieurs variables qualitatives. Par exemple, on pourra tester les
variations de salaire selon le diplôme et le sexe de l’employé. Le test de significativité est un
test F. Il s’appuie sur la décomposition de la variance qui comprend : les effets principaux, les
effets d’interaction et un terme résiduel.
MANOVA
L’analyse de la variance multi variée est une extension de l’ANOVA dans laquelle les effets
de facteurs sont évalués sur une combinaison de plusieurs variables réponses. Avec une
MANOVA on est donc capable de tester conjointement toutes les hypothèses que testent une
ANOVA et on a plus de chances d’observer les différences entre les niveaux de facteurs.
1- Les conditions d’application :
a) La condition d’homoscédasticité
L’examen des indices d’aplatissement et d’asymétrie univariés ne semble plus être suffisant
pour préjuger de la distribution multivariée. Le recours à des tests de normalité multivariée
tels que le coefficient de Mardia et le test de Van der Waerden s’avère actuellement
nécessaire et très pratique.
c) La condition de linéarité et la multicolinéarité
Les variables explicatives doivent entretenir des relations linéaires et ne pas présenter une trop
forte multicolinéarité.
Pour la multicolinéarité : On peut la détecter par une matrice de corrélation (vérifier dans la
matrice de corrélation qu'aucune paire de variable n'est corrélée au-delà de 0,7).
2- Modèle de MANOVA (interprétation statistique) :
De façon similaire à l'ANOVA, plusieurs tests permettent de comparer les groupes deux à
deux afin de repérer précisément les différences entre groupes, le cas échéant : Scheffé, HSD
(honestly significant difference) de Tuckey, etc.
En ce qui concerne l'importance de l'effet, ou le pourcentage de variance expliquée, elle peut
être estimée par le calcul de Tf ajusté (êta carré ajusté) :
Tf ajusté = 1-[1-(1-A)] [(N-1) / (N-min (Ki-1)-1)
où A est le lambda de Wilks, m est le nombre de facteurs, k {est le nombre de modalités du
facteur i et Nie nombre d'observations. Variant entre 0 et 1, il s'interprète comme (R2
précédemment vu dans le cadre de l'analyse de variance.)