Quel test statistique choisir pour ma thèse ?
C'est la question qui bloque la plupart des doctorants au moment d'analyser leurs données. La bonne nouvelle : choisir un test statistique n'est pas une affaire d'intuition, mais de logique. Trois questions suffisent à trancher dans la quasi-totalité des cas — à condition de vérifier ensuite que les conditions d'application du test sont réunies. Voici l'arbre de décision, les conditions à contrôler, et les pièges qui coûtent cher devant un jury.
Les 3 questions à se poser avant tout test
Avant de chercher un nom de test, répondez à ces trois questions sur vos données :
- Quel est le type de mes variables ? Qualitative (catégories : sexe, groupe, oui/non) ou quantitative (mesures chiffrées : âge, score, taux) ? Pour une variable quantitative, la distribution est-elle approximativement normale ? Attention : ce qui doit être « normal », ce n'est pas toujours la variable brute, mais selon le test la distribution des différences (cas apparié) ou des résidus du modèle (ANOVA, régression). On y revient plus bas.
- Qu'est-ce que je cherche à faire ? Comparer des groupes, mesurer un lien entre deux variables, ou prédire / expliquer une issue ?
- Mes mesures sont-elles indépendantes ou appariées ? Deux groupes de patients différents = indépendants. Les mêmes patients mesurés avant/après = appariés.
Deux mots de vocabulaire, en clair
« Normalité » (la courbe en cloche). Vos données sont dites « normales » quand, tracées sur un graphique, elles dessinent une cloche symétrique : la plupart des valeurs se regroupent autour de la moyenne, et il y en a de moins en moins à mesure qu'on s'en éloigne. La taille, la tension artérielle ou un score de QI y ressemblent souvent. C'est cette forme que supposent les tests dits « paramétriques ».
Paramétrique ou non paramétrique ? Un test paramétrique (t de Student, ANOVA, Pearson) suppose cette cloche et, en échange, repère les effets plus finement. Un test non paramétrique (Mann-Whitney, Kruskal-Wallis, Spearman) ne la suppose pas : on l'utilise quand la cloche n'est pas au rendez-vous — données très asymétriques, petits effectifs, ou scores ordinaux (type « de 1 à 5 »).
Avec ces réponses, l'arbre ci-dessous vous mène directement au bon test.
L'arbre de décision
Comparer une variable quantitative entre des groupes
Deux groupes indépendants
Exemple : comparer le score de satisfaction entre hommes et femmes.
- Test t de Student pour échantillons indépendants si les résidus (les écarts à la moyenne, dans chaque groupe) sont approximativement normaux. Sur grand échantillon, le théorème central limite rend le test t robuste à des écarts modérés à la normalité : ce n'est pas la normalité parfaite de la variable qui compte, mais celle de la distribution d'échantillonnage de la moyenne.
En clair — si vos valeurs dessinent grossièrement une cloche, le test t convient. Et avec beaucoup de données, il reste fiable même si la cloche est un peu déformée : c'est tout ce que dit le « théorème central limite ».
- Variante de Welch (à privilégier par défaut) lorsque les variances des deux groupes diffèrent. Elle ne suppose pas l'égalité des variances et reste valide quand elle est vraie ; de nombreux statisticiens la recommandent comme choix par défaut plutôt que le t de Student classique.
En clair — « variances » = à quel point les valeurs sont dispersées autour de la moyenne. Dans le doute, prenez la version de Welch : elle marche que les deux groupes soient également dispersés ou non, sans aucun inconvénient.
- Test de Mann-Whitney (U) comme alternative non paramétrique pour des petits effectifs nettement non normaux ou des variables ordinales. À noter : Mann-Whitney teste l'égalité des distributions (ou un décalage stochastique entre groupes), pas directement l'égalité des moyennes. Si vos deux distributions ont des formes très différentes, son interprétation se complique.
En clair — si vos données ne ressemblent pas du tout à une cloche (petits effectifs, scores « de 1 à 5 »…), Mann-Whitney répond plutôt à : « quel groupe a tendance à avoir les valeurs les plus élevées ? ». C'est ça, un « décalage stochastique ».
Les mêmes sujets, deux mesures (apparié)
Exemple : un score avant et après une intervention, chez les mêmes participants.
- Test t apparié si la distribution des différences intra-sujet est approximativement normale.
- Test de Wilcoxon (rangs signés) sinon.
Pour la taille d'effet, précisez laquelle vous reportez : dz (basé sur l'écart-type des différences) ou dav (basé sur l'écart-type intra-condition). L'ambiguïté est une question de jury classique.
Trois groupes ou plus
- ANOVA à un facteur si les résidus sont normaux et les variances homogènes, suivie d'un test post-hoc pour identifier quels groupes diffèrent : Tukey si les variances sont égales, Games-Howell sinon. Pour la taille d'effet, η² (êta-carré) est simple mais surestime l'effet sur petits échantillons ; ω² (oméga-carré) est moins biaisé et donc préférable.
- Kruskal-Wallis (+ post-hoc de Dunn) comme alternative non paramétrique.
- Mesures répétées sur les mêmes sujets : ANOVA à mesures répétées (avec contrôle de la sphéricité, test de Mauchly et correction de Greenhouse-Geisser si nécessaire) ou son équivalent non paramétrique, Friedman.
Mesurer un lien entre deux variables
Deux variables qualitatives
Exemple : le statut vaccinal dépend-il du niveau d'études ? On croise les deux dans un tableau de contingence.
- Test du chi-deux d'indépendance dans le cas général, à condition que les effectifs attendus soient suffisants (règle usuelle : tous ≥ 5, ou au plus 20 % des cases entre 1 et 5).
En clair — il faut assez de monde dans chaque case du tableau croisé. Quand certaines cases sont presque vides, le chi-deux devient peu fiable et on passe au test exact de Fisher.
- Test exact de Fisher si cette condition n'est pas respectée (petits effectifs).
- Test de McNemar pour des données appariées (même sujet, deux temps).
Deux variables quantitatives
Exemple : l'âge est-il lié au taux d'anticorps ?
- Corrélation de Pearson (r) pour une relation linéaire entre deux variables approximativement normales — la normalité n'étant en réalité requise que pour l'inférence (test de significativité et intervalle de confiance sur r), pas pour le coefficient lui-même. Vérifiez toujours le nuage de points avant : Pearson peut être trompé par une relation non linéaire ou par quelques points extrêmes.
- Corrélation de Spearman (rho) pour une relation monotone, des données ordinales ou non normales.
Prédire ou expliquer une issue
- Issue binaire (malade/sain, succès/échec) à partir de plusieurs facteurs : régression logistique. Elle fournit des odds ratios ajustés, très attendus par les jurys. Règle de prudence : visez au moins une dizaine d'événements par variable explicative (events per variable) pour limiter le surajustement — un piège fréquent dans les thèses à petits effectifs. C'est une heuristique commode ; les approches récentes (Riley, van Smeden et al.) calculent plutôt la taille d'échantillon requise à partir de critères de shrinkage et de calibration. Vérifiez aussi l'absence de colinéarité forte entre prédicteurs.
- Délai jusqu'à un événement (décès, rechute, sortie d'hospitalisation), avec des sujets non encore « arrivés » à l'événement (données censurées) : analyse de survie. Comparaison de courbes par Kaplan-Meier et test du log-rank, puis modèle de Cox pour ajuster sur plusieurs facteurs.
En clair — « données censurées » = des sujets pour qui on ne connaît pas (encore) la date de l'événement : étude terminée avant qu'il survienne, ou patient perdu de vue. On les garde quand même dans l'analyse, en tenant compte du temps pendant lequel on les a suivis.
Trois conditions méritent l'attention du jury :- Le log-rank partage avec Cox l'hypothèse des risques proportionnels et perd toute puissance si les courbes de survie se croisent — vérifiez d'abord que ce n'est pas le cas.
- Le modèle de Cox suppose des risques proportionnels (l'effet de chaque facteur est constant dans le temps) ; cela se vérifie avec les résidus de Schoenfeld, et son non-respect est l'une des critiques les plus classiques en soutenance.
- Toute l'analyse suppose une censure non informative : le fait qu'un sujet sorte de l'étude ne doit pas être lié à son pronostic. Un patient perdu de vue parce qu'il va trop mal viole cette hypothèse et biaise les courbes.
En clair — deux pièges à signaler avant le jury : si les courbes des deux groupes se croisent, le log-rank ne « voit » plus la différence ; et si les gens quittent l'étude pour une raison liée à leur état (et non par hasard), les résultats sont faussés.
Tableau récapitulatif
| Votre objectif | Variables | Test paramétrique | Alternative non paramétrique | Conditions à vérifier | Taille d'effet |
|---|---|---|---|---|---|
| Comparer 2 groupes indépendants | 1 quantitative + 1 groupe binaire | t de Welch (par défaut) ou Student | Mann-Whitney | Normalité des résidus (Welch dispense de l'égalité des variances) | d de Cohen |
| Comparer 2 mesures appariées | 1 quantitative, mêmes sujets | t apparié | Wilcoxon | Normalité des différences | d de Cohen (dz ou dav) |
| Comparer 3 groupes ou plus | 1 quantitative + 1 catégorielle | ANOVA | Kruskal-Wallis | Normalité des résidus ; homoscédasticité (Levene) | ω² (moins biaisé que η²) |
| Lien entre 2 variables qualitatives | 2 catégorielles | Chi-deux | Fisher (petits effectifs) | Effectifs attendus ≥ 5 | V de Cramér |
| Lien entre 2 variables quantitatives | 2 quantitatives | Pearson | Spearman | Linéarité (Pearson) ; nuage de points | r (lui-même) |
| Prédire une issue binaire | 1 binaire + plusieurs facteurs | Régression logistique (odds ratios) | — | ~10 événements / variable ; pas de colinéarité forte | OR + IC95 % |
| Délai jusqu'à un événement | temps + censure | Kaplan-Meier, log-rank, Cox | — | Risques proportionnels (Schoenfeld) pour Cox et le log-rank ; courbes non croisées ; censure non informative | HR + IC95 % |
Vérifier les conditions : la checklist du jury
Le choix du test ne suffit pas : il faut prouver que ses conditions sont réunies. Les vérifications attendues :
- Indépendance des observations : condition transverse à presque tous les tests, et la plus souvent violée. Données groupées ou répétées (mêmes patients, grappes, centres) → un modèle mixte (à effets aléatoires) remplace le test classique.
- Normalité : privilégiez l'inspection graphique (histogramme, QQ-plot) au test formel. Shapiro-Wilk est utile mais piégeux : hypersensible sur grands échantillons (il rejette la normalité pour des écarts triviaux) et peu puissant sur petits. Ne le laissez pas décider seul.
- Égalité des variances : pour une ANOVA classique, vérifiez-la (test de Levene) et passez à Welch / Games-Howell sinon. Pour deux groupes, la variante de Welch par défaut vous en dispense.
- Effectifs attendus pour le chi-deux.
- Linéarité et points extrêmes pour Pearson et les régressions.
- Analyse de survie : risques proportionnels (Schoenfeld) pour Cox et le log-rank, absence de croisement des courbes, et censure non informative.
Les pièges qui coûtent cher devant un jury
Choisir le test après avoir vu les résultats. Enchaîner les tests jusqu'à tomber sur un p < 0,05, c'est du p-hacking. Le test se décide en amont, à partir du type de variables et de la question — pas du résultat espéré.
- Oublier de vérifier les conditions. Annoncer un t de Student sans avoir regardé la normalité des résidus ni l'égalité des variances, c'est offrir au jury sa première question.
- Multiplier les tests sans correction. Plus on fait de tests, plus le risque de faux positif gonfle. Au-delà de quelques comparaisons, une correction s'impose : Bonferroni (simple mais conservateur), ou mieux la méthode de Holm, voire un contrôle du taux de fausses découvertes (FDR, Benjamini-Hochberg) quand les comparaisons sont nombreuses — sans oublier le post-hoc adapté après une ANOVA.
- Confondre significativité et pertinence. Un p < 0,05 ne dit pas que l'effet est important. Reportez toujours la taille d'effet (d de Cohen, η², r, odds ratio…) et son intervalle de confiance : c'est ce qui transforme un résultat statistique en résultat clinique.
En résumé
Le bon test découle mécaniquement de trois éléments : le type de vos variables, ce que vous cherchez à montrer, et le caractère indépendant ou apparié de vos mesures. Une fois ces points fixés, deux étapes restent décisives : vérifier les conditions d'application et reporter la taille d'effet. C'est précisément ce qu'un jury attend — une méthode justifiée, choisie avant de regarder les chiffres, et défendue avec ses conditions.
À savoir : l'approche présentée ici — vérifier la normalité, puis choisir entre test paramétrique et non paramétrique — est celle qu'attend un jury de thèse. Une autre école (les méthodes « robustes », autour de R. Wilcox) juge ce branchement binaire dépassé et privilégie des estimateurs robustes par défaut ; c'est une piste à connaître, sans rien changer à la recommandation ci-dessus pour votre soutenance.