Comment effectuer le test de Dunn dans R

L’inférence statistique moderne appliquée aux sciences du comportement, à la psychologie cognitive et à la recherche biomédicale est régulièrement confrontée à une tension épistémologique fondamentale : la divergence entre la rigueur mathématique des postulats paramétriques et la nature intrinsèquement imparfaite des données empiriques recueillies sur le terrain. Alors que l’analyse de variance classique suppose l’homoscédasticité et la normalité asymptotique des résidus, la réalité psychométrique impose fréquemment l’usage de distributions asymétriques, de scores tronqués ou d’échelles ordinales. Face au non-respect de ces prémisses distributionnelles, les chercheurs se tournent naturellement vers l’alternative non paramétrique proposée par l’analyse de variance par rangs de Kruskal-Wallis. Toutefois, cette approche omnibus ne résout que la moitié du problème inférentiel en indiquant l’existence d’une hétérogénéité globale, sans en situer précisément la source.

Pour localiser les disparités statistiques significatives entre les différentes modalités d’un facteur, le recours à une procédure post-hoc adaptée est indispensable. C’est dans ce cadre méthodologique précis que s’impose le test de Dunn, développé par la biostatisticienne Olive Jean Dunn en 1964. Conçu spécifiquement pour faire suite au rejet de l’hypothèse nulle d’un test omnibus de Kruskal-Wallis, ce protocole d’analyse par paires permet de comparer les moyennes des rangs attribués aux observations, tout en intégrant des ajustements formels contre l’inflation redoutée de l’erreur de première espèce. Contrairement aux pratiques informelles consistant à multiplier des tests bilatéraux de Wilcoxon-Mann-Whitney sans ajustement global du rang, le test de Dunn s’appuie sur la variance globale estimée à partir de l’ensemble de l’échantillon, garantissant ainsi une puissance statistique optimisée et une rigueur probabiliste absolue.

Ce guide exhaustif a pour ambition d’explorer de manière approfondie l’ensemble des dimensions théoriques, mathématiques et informatiques associées au test de Dunn. À travers une formalisation rigoureuse et une mise en œuvre détaillée au sein de l’écosystème statistique du logiciel R, nous examinerons la transition méthodique allant de la validation des hypothèses jusqu’à la publication des résultats sous les standards académiques les plus exigeants, notamment ceux prescrits par l’American Psychological Association. En naviguant entre les bibliothèques historiques et les environnements de manipulation de données contemporains, le chercheur ou l’analyste quantitatif trouvera ici les fondations nécessaires pour exécuter, interpréter et valoriser ses comparaisons non paramétriques avec un niveau d’excellence scientifique irréprochable.

1. Introduction théorique au test de Dunn et son rôle en psychologie quantitative

1.1 Définition et origines du test post-hoc d’Olive Jean Dunn

L’histoire de la statistique appliquée du vingtième siècle est jalonnée de contributions majeures apportées par des figures féminines pionnières, parmi lesquelles la mathématicienne et biostatisticienne américaine Olive Jean Dunn occupe un rang prééminent. Ses travaux publiés au début des années 1960 ont jeté les bases contemporaines des procédures de comparaisons multiples. En 1964, Dunn formule un protocole rigoureux de comparaisons par paires basé sur les rangs, spécifiquement calibré pour succéder au test non paramétrique omnibus développé une décennie plus tôt par William Kruskal et W. Allen Wallis. L’objectif d’Olive Jean Dunn était de fournir aux praticiens un outil mathématiquement valide capable de déterminer quelles paires de sous-populations diffèrent entre elles de manière stochastique, sans devoir postuler une distribution gaussienne sous-jacente au sein de la population parente.

Sur le plan fondamental, le test de Dunn se définit comme une procédure d’analyse non paramétrique par rangs conçue pour des échantillons indépendants. Il intervient après qu’une différence globale a été détectée entre trois groupes ou davantage. Contrairement à l’analyse de variance classique qui évalue l’éloignement des moyennes arithmétiques sous l’égide de la distribution de Fisher-Snedecor, le test de Dunn convertit l’ensemble des valeurs brutes de l’échantillon en une hiérarchie ordinale unique, puis évalue les distances séparant les rangs moyens obtenus par chaque modalité expérimentale.

Cette distinction conceptuelle s’avère déterminante pour les sciences humaines et sociales, et tout particulièrement pour la psychologie quantitative. En psychométrie, la grande majorité des instruments de mesure, qu’il s’agisse d’inventaires de personnalité, d’échelles d’anxiété de Hamilton ou de questionnaires de satisfaction, reposent sur des échelles de Likert ou des échelles de notation graduées. Assimiler ces variables ordinales à des variables d’intervalle continu constitue une approximation hasardeuse susceptible de fausser les conclusions expérimentales. Le test d’Olive Jean Dunn offre un cadre inférentiel adapté à ces métriques, respectant fidèlement la structure ordinale des construits psychologiques sans recourir à des hypothèses paramétriques infondées.

1.2 La place du test de Dunn dans la démarche d’analyse de variance par rangs

Dans la démarche hypothético-déductive, le test de Dunn n’a pas vocation à être déployé de manière isolée ou en première intention. Il possède un statut subordonné de procédure a posteriori (ou post-hoc), dont la légitimité opératoire dépend directement du rejet préalable de l’hypothèse nulle globale au terme d’un test omnibus de Kruskal-Wallis. Si l’analyse omnibus conclut à l’absence de divergence statistiquement significative entre les k groupes à l’étude, l’investigation doit en principe s’interrompre afin de ne pas induire en erreur le processus d’inférence en sondant des contrastes fortuits issus des fluctuations d’échantillonnage.

La complémentarité mathématique entre le test de Kruskal-Wallis et le test de Dunn réside dans l’utilisation partagée de l’attribution globale des rangs. Lorsque l’hypothèse nulle globale est réfutée, le chercheur sait qu’au moins une population domine stochastiquement une autre, mais la statistique globale demeure incapable d’indiquer la configuration de cette asymétrie. Le test de Dunn vient combler ce vide en calculant une statistique standardisée pour chaque combinaison binaire possible, tout en utilisant la variance commune calculée sur la totalité des observations combinées. Cette particularité distingue le test de Dunn de la répétition mécanique de tests de Wilcoxon-Mann-Whitney qui réattribuent les rangs de façon isolée pour chaque paire, perdant ainsi l’information de classement acquise sur l’échantillon complet.

Face à d’autres alternatives post-hoc non paramétriques, telles que le test de Nemenyi ou le test de Conover-Iman, le test de Dunn occupe une place d’équilibre méthodologique. Si le test de Nemenyi est souvent privilégié pour des protocoles expérimentaux parfaitement équilibrés avec des effectifs rigoureusement identiques par groupe, le test de Dunn démontre une robustesse remarquable face aux déséquilibres d’effectifs (designs non balancés). Par comparaison avec le test de Conover, qui applique les mathématiques du test t de Student directement aux rangs et s’avère parfois trop libéral, le test de Dunn conserve un contrôle strict du risque d’erreur d’affirmation à tort, conférant une sécurité accrue aux inférences issues de protocoles expérimentaux complexes.

1.3 Pertinence méthodologique dans la recherche clinique et comportementale

Le contexte de la recherche clinique et comportementale impose des contraintes expérimentales singulières qui justifient l’omniprésence du test de Dunn dans les protocoles de validation thérapeutique et d’évaluation psychologique. Premièrement, les investigateurs font couramment face à des cohortes de taille restreinte. Dans les études pilotes, en neuropsychologie clinique ou lors du suivi de populations présentant des pathologies rares, recruter des cohortes excédant dix à quinze individus par bras expérimental s’avère difficile en raison des coûts de recrutement et des contraintes d’inclusion. À ces faibles niveaux d’effectifs, le théorème central limite ne peut s’appliquer pour garantir la normalité de la distribution d’échantillonnage des moyennes, rendant les méthodes paramétriques vulnérables aux distorsions.

Deuxièmement, les variables dépendantes investiguées dans ces disciplines — qu’il s’agisse de scores d’intensité douloureuse sur échelle visuelle analogique, d’indices de détresse psychologique ou de temps de réaction lors d’épreuves de flexibilité mentale — manifestent fréquemment des profils hautement asymétriques, marqués par des queues de distribution épaisses ou des saturations locales. Les observations extrêmes ou aberrantes constituent une réalité inhérente à la subjectivité des répondants. Les tests basés sur les moyennes et les écarts-types sont excessivement sensibles à ces valeurs distantes, alors que les méthodes par rangs neutralisent l’effet de levier des scores extrêmes en les réduisant à leur position relative dans l’ordonnancement général.

Enfin, les exigences méthodologiques contemporaines imposées par les comités de lecture des revues scientifiques de premier plan exigent une transparence accrue quant au respect des conditions d’application des tests statistiques. L’utilisation injustifiée de tests paramétriques sur des distributions nettement non gaussiennes est désormais régulièrement retoquée par les pairs évaluateurs. L’intégration systématique du test de Dunn dans la panoplie analytique du chercheur offre une garantie de rigueur méthodologique, assurant que les conclusions tirées quant à l’efficacité différentielle de thérapies ou de programmes d’intervention comportementale reposent sur des bases probabilistes incontestables.

2. Fondements mathématiques et propriétés statistiques du test de Dunn

2.1 Transformation des données en rangs et calcul des moyennes de rangs

Le socle calculatoire du test de Dunn repose sur l’abandon des grandeurs numériques métriques d’origine au profit d’un système de notation ordinale unifié. Soit une expérience comportant k populations distinctes et indépendantes, au sein de laquelle la i-ième modalité présente un échantillon de taille n_i. L’effectif total combiné est noté N, représentant la somme de l’ensemble des n_i pour i variant de 1 à k. L’ensemble des N observations provenant de tous les groupes d’étude est d’abord fusionné au sein d’une série numérique globale. Cette série fait l’objet d’un tri croissant, de la valeur la plus faible à la valeur la plus élevée.

À chaque observation est ensuite attribué un rang entier consécutif débutant à 1 pour le score minimal et s’étendant jusqu’à N pour le score le plus élevé. Lorsque plusieurs observations présentent des valeurs numériques rigoureusement identiques au sein de l’échantillon fusionné — un phénomène désigné sous le terme d’égalités numériques ou d’ex æquo (ties en anglais) —, la méthode standard prescrit l’attribution du rang moyen aux observations en concurrence. Si deux scores partagent les rangs 4 et 5, chacune de ces observations se verra attribuer le rang moyen fractionnaire de 4,5. Cette normalisation évite tout biais systématique dans l’affectation arbitraire des rangs.

Une fois les rangs individuels assignés à chaque observation de l’échantillon consolidé, les données sont redistribuées dans leurs sous-groupes d’origine. Pour chaque groupe i, on calcule la somme arithmétique de ses rangs, notée R_i. La moyenne des rangs du groupe i, désignée par W_i ou R_bar_i, s’obtient alors simplement en divisant la somme R_i par l’effectif correspondant n_i. La grandeur R_bar_i condense l’emplacement stochastique du groupe considéré dans la hiérarchie globale. L’interprétation des contrastes bilatéraux entre deux modalités i et j reposera donc directement sur l’écart absolu séparant leurs moyennes de rangs respectives, comparé à la variation attendue sous l’hypothèse d’une répartition purement aléatoire des observations.

2.2 Formulation de la statistique z et variance d’échantillonnage

Pour statuer sur la significativité de la différence observée entre la moyenne de rang R_bar_i du groupe i et la moyenne de rang R_bar_j du groupe j, le test de Dunn convertit cet écart en une statistique standardisée z. Sous l’hypothèse nulle selon laquelle les deux populations partagent une même distribution d’origine, l’espérance mathématique de la différence entre R_bar_i et R_bar_j est nulle. La quantification de l’incertitude requiert le calcul formel de l’erreur-type de cette différence, qui reflète la variance d’échantillonnage inhérente au processus de sélection aléatoire.

En l’absence totale d’égalités numériques dans l’échantillon consolidé, la variance théorique de la différence entre deux moyennes de rangs s’exprime par une relation mathématique exacte dérivée des propriétés combinatoires de la distribution uniforme discrète des rangs. Cette variance s’écrit sous la forme suivante : la quantité N multipliée par (N + 1), divisée par 12, le tout multiplié par la somme des inverses des effectifs des deux groupes en présence, soit (1/n_i + 1/n_j). L’erreur-type s’obtient alors en extrayant la racine carrée de cette variance théorique.

Toutefois, dans la recherche empirique sur variables quantitatives discrètes ou ordinales, la présence d’ex æquo est la norme plutôt que l’exception. L’existence d’égalités numériques tend à contracter artificiellement la variance globale des rangs attribués. Dès lors, Olive Jean Dunn a formalisé un facteur d’ajustement analytique visant à corriger la variance. Si l’on dénombre g groupes de valeurs ex æquo, et que t_s désigne le nombre d’observations partageant la s-ième valeur identique, le terme correctif soustrait de la variance non corrigée une quantité proportionnelle à la somme des cubes des t_s diminuée de t_s, le tout divisé par 12 fois (N – 1). La statistique standardisée z_ij de Dunn correspond alors au quotient de la différence des moyennes de rangs par la racine carrée de la variance ainsi ajustée. En vertu des propriétés limites, cette statistique z converge asymptotiquement vers la loi normale centrée réduite N(0, 1) lorsque l’effectif global N augmente, permettant le calcul précis des valeurs p bilatérales.

2.3 Formulation formelle des hypothèses statistiques

La précision conceptuelle d’un test statistique dépend de la rigueur avec laquelle ses hypothèses de travail sont énoncées. Dans le cas du test de Dunn, l’hypothèse nulle (H0) stipule que pour les populations i et j considérées, il y a égalité stochastique, ce qui signifie que la probabilité qu’une observation prélevée au hasard dans la population i surpasse une observation prélevée au hasard dans la population j est égale à 0,5. Autrement dit, sous l’hypothèse nulle, les distributions de probabilité cumulées des deux populations sont considérées comme interchangeables au regard de l’échelle ordinale.

L’hypothèse alternative bilatérale (H1) postule une dominance stochastique d’une population sur l’autre. Mathématiquement, cela implique que la probabilité conditionnelle qu’un individu du groupe i présente un score supérieur à un individu du groupe j diffère significativement du seuil de parité stochastique de 50 %. Cette formulation probabiliste montre que le test de Dunn ne constitue pas strictement un test d’égalité des moyennes arithmétiques, ni même un test portant intrinsèquement sur les médianes, bien qu’il soit couramment vulgarisé sous cette appellation dans la littérature appliquée.

Pour qu’une différence statistiquement significative sur les rangs moyens de Dunn puisse être interprétée de manière univoque comme un décalage horizontal des médianes des deux populations, une condition supplémentaire essentielle doit être remplie : l’homogénéité des formes de distribution. Si les groupes comparés présentent des allures distributionnelles identiques — c’est-à-dire une asymétrie et un aplatissement équivalents —, alors toute déviation des rangs moyens découle nécessairement d’une translation spatiale de la médiane. À l’inverse, si les populations manifestent des formes hétérogènes, avec par exemple une distribution fortement étalée vers la droite pour le groupe i et une distribution bimodale pour le groupe j, le rejet de l’hypothèse nulle indique simplement une non-équivalence stochastique globale, sans qu’il soit rigoureusement possible de conclure à une différence d’ordonnancement des seules médianes.

3. Conditions d’application et vérification des postulats méthodologiques

3.1 Indépendance des observations et structure des données

Comme pour l’ensemble des procédures inférentielles issues de l’école fréquentiste classique, la condition d’indépendance des observations représente le postulat méthodologique le plus critique pour la validité du test de Dunn. Chaque mesure enregistrée doit provenir d’un sujet ou d’une unité expérimentale distincte, sans corrélation résiduelle ni couplage d’aucune sorte avec les autres scores de l’ensemble de données. Cela requiert qu’aucune observation ne soit répétée au fil du temps sur un même individu, et qu’aucune structure d’appariement dyadique ou d’influence mutuelle entre participants n’interfère lors de la collecte des mesures.

Dans les protocoles de psychologie clinique, l’indépendance s’obtient idéalement par un processus d’échantillonnage probabiliste suivi d’une assignation aléatoire rigoureuse des volontaires aux différentes conditions thérapeutiques ou expérimentales. Lorsqu’un biais de structure apparaît — par exemple lors de tests conduits en classe où les élèves d’un même enseignant partagent des traits contextuels communs, ou lors d’expérimentations menées au sein d’unités de soins spécifiques —, le postulat d’indépendance est violé en raison d’effets de grappe (clustering). La violation de cette exigence conduit à une sous-estimation substantielle de la variance d’échantillonnage, provoquant une augmentation incontrôlée du taux de faux positifs.

Lorsque la structure expérimentale repose sur des mesures répétées ou des sujets appariés (par exemple un suivi longitudinal de la détresse psychologique chez les mêmes patients avant traitement, immédiatement après, et à six mois de distance), le test de Dunn et son pendant omnibus de Kruskal-Wallis sont formellement inapplicables. Le chercheur doit alors se tourner vers des alternatives non paramétriques adaptées aux protocoles intrapersonnels, telles que l’analyse de variance par rangs de Friedman, complétée par des tests post-hoc de Wilcoxon pour séries appariées ou des tests de rangs signés ajustés spécifiquement aux designs dépendants.

3.2 Évaluation de la nature de la variable dépendante

L’assise non paramétrique du test de Dunn confère une grande flexibilité quant à la nature métrique de la variable dépendante analysée. Celle-ci doit obligatoirement atteindre au minimum un niveau de mesure ordonné, selon la typologie formalisée par Stanley Smith Stevens. Les échelles purement qualitatives nominales — telles que l’appartenance catégorielle, le statut marital ou la typologie clinique sans hiérarchie sous-jacente — sont exclues de ce champ, car elles interdisent par essence tout processus de tri et d’attribution univoque de rangs numériques.

La puissance du test de Dunn s’exprime pleinement sur des variables ordinales fines, des échelles d’intervalles dégradées ou des variables continues dénuées de propriétés normales. Néanmoins, une vigilance particulière s’impose concernant la granularité de l’instrument de mesure psychométrique. Si une échelle ne comporte qu’un nombre dérisoire de catégories ordinales (par exemple une échelle à 3 points d’intensité), le jeu de données présentera un taux massif d’ex æquo. Bien que la formule du test de Dunn intègre une correction dédiée aux égalités numériques multiples, une présence prépondérante d’ex æquo réduit la précision de l’approximation par la loi normale centrée réduite et affaiblit notablement la puissance statistique globale du test.

De plus, l’analyste quantitatif doit veiller à l’absence ou à la prise en compte documentée des phénomènes de plancher ou de plafond. Dans l’évaluation clinique des symptômes ou de l’anxiété, il arrive fréquemment qu’une large proportion de la cohorte saine ou guérie se concentre au score minimal zéro, créant un bloc compact d’égalités qui sature la queue inférieure de la distribution. Ces contraintes métriques, si elles ne rendent pas le test de Dunn invalide, nécessitent une lecture critique approfondie de la variance corrigée et imposent de toujours vérifier si la sensibilité de l’instrument est appropriée pour distinguer les sous-populations étudiées.

3.3 Homogénéité de forme des distributions entre les modalités

L’examen minutieux des distributions empiriques constitue une phase préalable indispensable mais fréquemment négligée dans l’application des tests statistiques non paramétriques. Il existe une confusion théorique répandue consistant à croire que les tests par rangs s’affranchissent de toute condition relative à la dispersion des données. Si le test de Dunn ne réclame en aucun cas l’homoscédasticité ni la normalité pour déterminer s’il existe une différence de position stochastique générale, la formulation d’une conclusion portant spécifiquement sur le décalage des médianes exige une ressemblance morphologique entre les distributions des groupes comparés.

Pour attester de cet isomorphisme distributionnel, le chercheur doit procéder à une inspection visuelle exploratoire à l’aide de représentations graphiques dédiées, telles que des estimations de densité par noyau superposées ou des graphiques en violon. L’objectif est de vérifier si les distributions des différents groupes expérimentaux présentent des coefficients d’asymétrie (skewness) et d’aplatissement (kurtosis) comparables. Si les courbes de densité présentent des profils morphologiques similaires mais simplement décalés le long de l’axe des abscisses, l’hypothèse de pure translation d’échelle est vérifiée : on peut alors affirmer avec certitude que la différence de rangs moyens traduit un écart réel entre les médianes de population.

En revanche, lorsque les distributions révèlent une hétérogénéité structurelle marquée — par exemple si le groupe témoin montre une forte concentration symétrique tandis qu’un groupe clinique présente une dispersion étalée et asymétrique —, l’interprétation des rangs moyens devient plus nuancée. Le rejet de l’hypothèse nulle de Dunn ne pourra plus être formulé sous l’angle exclusif d’une supériorité ou d’une infériorité de la médiane. Dans cette situation, l’analyste devra rapporter rigoureusement que le test démontre une dominance stochastique, reflétant des disparités combinées dans la tendance centrale et la variabilité générale des scores recueillis.

4. Configuration de l’environnement R et sélection des bibliothèques dédiées

4.1 Installation et chargement des packages spécialisés

Pour mettre en œuvre le test de Dunn au sein de l’environnement informatique R, il convient de dépasser les fonctions natives du socle de base (R base), qui intègre la fonction kruskal.test pour l’évaluation omnibus mais ne propose aucune implémentation native pour les comparaisons post-hoc de Dunn. La communauté de développement statistique sur le dépôt officiel CRAN a comblé cette lacune par l’intermédiaire de trois extensions majeures : le paquet historique dunn.test, la bibliothèque pluridisciplinaire FSA, et la boîte à outils contemporaine rstatix, intégrée aux paradigmes d’analyse ordonnée (tidy data).

L’installation de ces modules s’effectue via l’interpréteur de commandes de R à l’aide de la fonction d’installation standard install.packages(), en passant un vecteur textuel regroupant le nom des bibliothèques requises. Pour disposer d’un écosystème fonctionnel complet, il est recommandé de solliciter conjointement dunn.test, FSA, rstatix ainsi que les éléments phares de manipulation et de visualisation de données que sont dplyr, tibble et ggplot2. L’intégration de ces outils garantit un flux d’ingénierie statistique fluide, depuis l’importation brute jusqu’à la modélisation inférentielle.

Une fois l’installation menée à bien dans le répertoire de travail local, le chargement effectif des dépendances en mémoire vive est réalisé au début de la session d’analyse par l’invocation récurrente de la directive library(). L’analyste s’assure ainsi de rendre les fonctions spécialisées immédiatement accessibles sans risque d’ambiguïté de portée. Cette configuration préliminaire de l’environnement garantit la disponibilité des différentes variantes de calcul algorithmique des rangs et prépare l’interfaçage transparent avec les modules graphiques.

4.2 Comparaison technique des fonctions dunn.test, dunnTest et dunn_test

Bien que ces trois bibliothèques partagent le même objectif statistique fondamental, leurs architectures logicielles et leurs modes de manipulation présentent des divergences notables qu’il convient d’appréhender avec discernement afin d’adopter l’outil le plus adapté à ses contraintes d’analyse :

• Le package dunn.test (Alexis Dinno) : Cette bibliothèque historique met à disposition la fonction homonyme dunn.test(). Conçue pour une rigueur analytique maximale, elle accepte principalement des vecteurs séparés pour les variables d’intérêt et de regroupement, tout en offrant une riche sélection d’options de correction des p-valeurs (Bonferroni, Holm, Hochberg, Benjamini-Hochberg, Šidák). Sa sortie par défaut imprime un tableau formaté dans la console R, ce qui facilite la lecture humaine instantanée mais rend l’extraction automatisée des résultats plus verbeuse sous forme d’objets matrices ou listes.
• Le package FSA (Derek H. Ogle) : Destiné initialement à l’analyse en sciences aquatiques et biologiques mais largement adopté en biométrie générale, il expose la fonction dunnTest(). Cette fonction autorise l’utilisation de la syntaxe de formule classique de type variable_reponse ~ variable_groupe, familière aux utilisateurs de modèles linéaires. La sortie générée se présente directement sous la forme d’un objet contenant un data.frame détaillé répertoriant les paires comparées, la statistique z, la p-valeur brute et la p-valeur corrigée, ce qui simplifie son intégration dans des boucles ou des chaînes de traitement automatisées.
• Le package rstatix (Alboukadel Kassambara) : Représentant l’approche moderne et intégrée au standard tidyverse, la fonction dunn_test() est entièrement pensée pour fonctionner de manière native avec l’opérateur de redirection (pipe). Elle prend en premier argument un tableau de données et produit un objet tibble parfaitement standardisé. Cette cohérence structurelle offre une interopérabilité directe avec la bibliothèque de visualisation ggpubr, permettant d’automatiser l’annotation des graphiques par des barres de significativité statistique en minimisant l’écriture de code redondant.

4.3 Bonnes pratiques de reproductibilité et gestion des versions dans R

L’exigence de reproductibilité constitue la pierre angulaire de la méthode scientifique moderne. Dans l’écosystème R, la production d’analyses statistiques auditables et transparentes impose la mise en œuvre de plusieurs règles méthodologiques fondamentales. Bien que le calcul formel des rangs au sein du test de Dunn soit intrinsèquement déterministe et ne nécessite pas par nature d’échantillonnage stochastique, la fixation préalable du générateur de nombres pseudo-aléatoires au moyen de la directive set.seed() demeure une règle d’or dès lors que le flux analytique inclut des étapes de simulation, de rééchantillonnage de type bootstrap ou d’assignation expérimentale.

De plus, l’analyste quantitatif doit veiller à consigner l’état précis de l’environnement informatique ayant exécuté le traitement statistique. L’appel de la fonction sessionInfo() en clôture de script permet d’imprimer la version exacte du moteur d’exécution de R, l’architecture du système d’exploitation utilisé, ainsi que les numéros de version des différents paquets chargés. Pour les projets cliniques ou psychométriques d’envergure, l’utilisation d’environnements hermétiques via des outils comme renv s’avère fortement conseillée, évitant que la mise à jour ultérieure d’un package n’altère la stabilité des calculs ou le comportement par défaut d’une fonction analytique.

Enfin, la traçabilité des manipulations de données doit être garantie par l’utilisation de scripts documentés ou, mieux encore, de documents computationnels dynamiques via R Markdown ou Quarto. Ces formats unifient dans une même trame éditoriale la description narrative des hypothèses cliniques, le code source d’exécution des tests de Kruskal-Wallis et de Dunn, ainsi que la restitution des sorties statistiques et des figures associées, éliminant tout risque d’erreur de retranscription manuelle entre le logiciel de calcul et le rapport scientifique final.

5. Création et structuration du jeu de données expérimental en psychologie

5.1 Définition du scénario clinique : Évaluation de traitements antalgiques

Afin de concrétiser les principes théoriques du test de Dunn à travers une démonstration pratique guidée, nous formulons un scénario clinique réaliste issu de la recherche translationnelle sur la prise en charge de la douleur chronique en psychologie de la santé. Imaginons un essai comparatif conduit en milieu hospitalier portant sur l’efficacité relative de trois interventions thérapeutiques distinctes administrées à des patients souffrant de lombalgie chronique invalidante depuis plus de six mois.

Le protocole expérimental compare trois modalités de prise en charge indépendantes :

• Traitement A (Approche conventionnelle de référence) : Prise en charge pharmacologique antalgique standardisée associée à une kinésithérapie passive bimensuelle.
• Traitement B (Intervention comportementale active) : Prise en charge pharmacologique standardisée enrichie d’un programme d’exercices physiques gradués et de remobilisation posturale active.
• Traitement C (Thérapie psychologique intégrative) : Combinaison de l’approche pharmacologique et d’un cycle structuré de thérapie d’acceptation et d’engagement (ACT) axée sur la désensibilisation à la kinésiophobie et la gestion cognitive de la douleur.

Un échantillon de 30 patients est randomisé de façon équilibrée au sein des trois bras d’intervention, soit 10 patients par condition. La variable dépendante principale est l’intensité résiduelle de la douleur perçue, mesurée au terme de huit semaines de suivi au moyen d’une échelle visuelle analogique (EVA) s’étalant de 0 (absence totale de douleur) à 100 (douleur maximale imaginable). Les praticiens s’interrogent sur l’existence de disparités d’efficacité entre ces trois stratégies de soins et souhaitent localiser précisément les contrastes qui se distinguent sur le plan clinique.

5.2 Génération reproductible de l’échantillon dans R

Pour garantir la parfaite reproductibilité de cette illustration statistique, nous procédons à la génération synthétique mais contrôlée du jeu de données au moyen des primitives de R. En paramétrant explicitement un générateur de nombres aléatoires via la commande set.seed(123), nous assurons que tout lecteur exécutant la séquence obtiendra une configuration numérique identique de l’échantillon.

La structuration des vecteurs s’effectue en créant une variable factorielle nommée Traitement qui comprend trois modalités textuelles répétées chacune dix fois : « Traitement_A », « Traitement_B » et « Traitement_C ». La variable dépendante continue Douleur_EVA est synthétisée en agrégeant trois séries de valeurs entières modélisant les profils cliniques différenciés des sous-populations. Par exemple, le groupe A présente des scores oscillant globalement entre 55 et 85 points (témoignant d’un soulagement modéré), le groupe B rassemble des scores situés entre 40 et 75 points, tandis que le groupe C intègre des scores variant majoritairement entre 20 et 55 points, illustrant l’efficacité notable de la thérapie psychologique combinée.

L’assemblage des deux vecteurs au sein d’une structure de données unifiée est réalisé par l’appel de la fonction data.frame() ou tibble(). La conversion explicite de la colonne de regroupement en facteur catégoriel via la commande factor() permet d’éviter toute ambiguïté sur la nature qualitative de la variable explicative. Une inspection préliminaire de la structure de l’objet est alors menée à l’aide des fonctions head(), str() et summary() afin de vérifier l’intégrité des types de colonnes et la cohérence des bornes de variabilité avant toute démarche inférentielle.

5.3 Nettoyage, contrôle d’intégrité et exploration des variables

Préalablement à l’application des modèles de rangs, une phase d’audit descriptif et de contrôle de la qualité des données s’avère indispensable. Dans le cadre d’études cliniques, cette étape vise à identifier d’éventuelles valeurs aberrantes physiologiquement impossibles, à s’assurer de l’absence de valeurs manquantes (NA) susceptibles de tronquer les calculs, et à quantifier la présence d’ex æquo au sein de la variable de réponse.

À l’aide de la syntaxe du package dplyr, l’analyste groupe les données en fonction de la modalité de traitement pour calculer les indicateurs de tendance centrale et de dispersion adaptés aux distributions non paramétriques. Contrairement à la pratique paramétrique qui reporte la moyenne et l’écart-type, l’exploration d’échelles ordinales ou de scores non gaussiens exige l’extraction systématique de la médiane et de l’intervalle interquartile (IQR), calculé comme l’écart entre le 75e et le 25e centile. Parallèlement, le calcul descriptif de la moyenne des rangs au sein de chaque groupe renseigne de manière directe sur la configuration ordinale globale qui sera ensuite évaluée par le test de Dunn.

Enfin, le contrôle de la table de contingence des valeurs identiques permet d’anticiper l’amplitude de la correction d’égalités numériques requise lors du calcul de la variance d’échantillonnage. Dans notre échantillon de 30 patients, il est attendu que plusieurs patients partagent un même score EVA (par exemple deux individus indiquant un score de 45). Ce constat empirique confirme l’obligation méthodologique de faire appel à une fonction d’analyse de Dunn intégrant la prise en compte formelle des ex æquo afin de ne pas biaiser la variance de l’estimateur standardisé z.

6. Étape préliminaire obligatoire : Exécution du test de Kruskal-Wallis dans R

6.1 Mise en œuvre du test omnibus avec kruskal.test()

L’analyse inférentielle de notre cohorte débute par l’évaluation globale de l’hypothèse nulle au moyen du test de Kruskal-Wallis. Dans l’écosystème R de base, cette procédure statistique s’exécute à l’aide de la fonction native kruskal.test(). L’interface logicielle privilégie la notation sous forme de formule explicite reliant la variable continue dépendante au facteur prédictif catégoriel, selon le canevas syntaxique Douleur_EVA ~ Traitement, complété par la désignation du tableau de données source via l’argument data.

Lors de son exécution, la fonction procède d’abord au classement global des 30 observations, calcule les sommes de rangs associées à chacun des trois groupes, puis évalue la statistique globale H de Kruskal-Wallis. Cette statistique quantifie la somme pondérée des carrés des écarts entre les moyennes de rangs de chaque sous-groupe et la moyenne générale des rangs attribués à l’ensemble de la cohorte consolidée. La fonction applique de surcroît le terme de correction standardisé tenant compte des ex æquo identifiés dans l’échantillon.

La statistique H résultante est alors comparée aux quantiles de la distribution théorique du Chi-deux. Le nombre de degrés de liberté (df) associé à cette distribution est déterminé par le nombre de modalités k diminué d’une unité, soit en l’occurrence k – 1 = 3 – 1 = 2 degrés de liberté. La fonction kruskal.test() retourne ainsi la valeur calculée de la statistique du Chi-deux, le paramètre des degrés de liberté, et la p-valeur bilatérale asymptotique correspondante, que l’on confronte au seuil conventionnel de significativité statistique alpha fixé à 0,05.

6.2 Interprétation académique de la décision globale omnibus

L’interprétation de la sortie console de kruskal.test() constitue une décision charnière dans le protocole de recherche. Si la p-valeur associée à la statistique H du Chi-deux s’avère strictement inférieure au seuil alpha prédéterminé (par exemple p = 0,002), le chercheur est formellement autorisé à rejeter l’hypothèse nulle globale. Cette décision inférentielle atteste qu’il est hautement improbable d’observer de telles divergences d’ordonnancement par le simple jeu du hasard sous l’hypothèse d’une population homogène.

Toutefois, l’investigateur doit garder à l’esprit les limites intrinsèques d’un test omnibus. Le test de Kruskal-Wallis répond exclusivement à une question d’hétérogénéité globale : il affirme qu’au moins l’une des distributions des populations se distingue des autres de manière stochastique, mais il est par nature incapable de spécifier quelles paires de modalités sont divergentes. L’hétérogénéité globale pourrait aussi bien provenir d’une supériorité isolée du Traitement C sur les deux autres, que d’une divergence mutuelle entre les trois thérapies, ou encore d’un clivage opposant le Traitement A au groupe combiné B et C.

C’est précisément cette indétermination spatiale qui légitime et impose le recours au test post-hoc de Dunn. Il existe cependant un risque épistémique majeur à contourner cette étape préliminaire : l’exécution intempestive de comparaisons par paires en l’absence d’un test omnibus statistiquement significatif expose l’analyste au risque d’analyser des fluctuations de bruit expérimental, favorisant l’émergence de faux positifs. Le respect strict de cette progression hiérarchique constitue une exigence fondamentale garantissant l’intégrité de la démarche scientifique.

6.3 Calcul de la taille d’effet omnibus (Epsilon carré)

La pratique statistique contemporaine ne se limite plus à la simple déclaration d’une significativité binaire par l’intermédiaire de la p-valeur. Conformément aux directives internationales de publication scientifique, il est impératif d’adjoindre à toute décision d’inférence une estimation standardisée de la magnitude de l’effet observé, indépendante de la taille brute de l’échantillon. Pour le test de Kruskal-Wallis, la taille d’effet la plus reconnue et documentée est l’Epsilon carré de rang (E²_R).

L’Epsilon carré quantifie la proportion de variance des rangs attribuable à la variable de regroupement. Sa formulation mathématique s’exprime par le quotient de la statistique H de Kruskal-Wallis (non corrigée ou corrigée des ex æquo) par le terme factoriel (N² – 1) divisé par (N + 1), ce qui se simplifie élégamment par l’équation : E²_R = H / (N – 1), où H représente la statistique observée et N l’effectif global combiné de l’échantillon. Cette métrique évolue sur un intervalle continu normalisé s’étendant de 0 (absence totale d’association) à 1 (différenciation stochastique parfaite entre les groupes).

Dans l’environnement R, le calcul de cette grandeur peut être programmé manuellement par l’évaluation directe de la formule à partir des sorties de kruskal.test(), ou obtenu automatiquement par la fonction kruskal_effsize() du package rstatix. Selon les critères d’interprétation conventionnels établis par Rea et Parker pour les métriques d’association ordinale, une valeur d’Epsilon carré inférieure à 0,06 traduit un effet faible, une grandeur comprise entre 0,06 et 0,14 signale un effet d’amplitude moyenne, tandis qu’un score excédant 0,14 reflète un effet substantiel ou important. La documentation de cet indice en amont des comparaisons de Dunn fournit au lecteur une vision globale de la force explicative du protocole expérimental.

7. Mise en œuvre pratique du test de Dunn avec le package dunn.test

7.1 Syntaxe fondamentale et exécution directe

La bibliothèque dunn.test constitue l’implémentation de référence la plus fidèle à la formulation mathématique originale proposée par Olive Jean Dunn. Développée par Alexis Dinno, cette boîte à outils intègre les ajustements de variance pour ex æquo les plus rigoureux du domaine. Sa mise en œuvre requiert la spécification des vecteurs de données brutes au sein de la fonction principale dunn.test().

L’invocation canonique de la fonction repose sur la transmission de deux arguments positionnels obligatoires : le vecteur x, correspondant à la mesure quantitative continue ou ordinale (dans notre cas, la variable Douleur_EVA), et le vecteur g, désignant le facteur de partitionnement expérimental (la variable Traitement). Contrairement à d’autres utilitaires, l’appel standardisé de base ne prend pas en charge la syntaxe de formule classique, imposant l’extraction vectorielle sous la forme dunn.test(x = donnees$Douleur_EVA, g = donnees$Traitement).

Par défaut, l’exécution directe déclenche l’évaluation conjointe de la statistique globale de Kruskal-Wallis (grâce au commutateur implicite kw = TRUE) suivie du calcul de l’ensemble des combinaisons binaires possibles de contrastes de rangs. La fonction procède alors à l’affichage dans la console R des statistiques de test standardisées z associées à chaque paire, accompagnées de leurs p-valeurs brutes bilatérales. L’absence d’argument de correction supplémentaire applique par défaut une procédure non corrigée, qu’il conviendra de paramétrer rigoureusement afin d’endiguer la multiplication incontrôlée des erreurs de décision.

7.2 Personnalisation des options d’affichage et de test

La fonction dunn.test() met à disposition de l’utilisateur un ensemble de paramètres permettant de moduler l’affichage et la structure calculatoire du test. L’un des arguments fondamentaux est method, qui gouverne l’algorithme d’ajustement probabiliste face au problème des comparaisons multiples. Les options disponibles incluent notamment « bonferroni », « holm », « bh » (Benjamini-Hochberg), « hochberg », « sidak » ou encore « none ». Le choix d’une méthode spécifique entraîne l’impression juxtaposée de la p-valeur brute et de la p-valeur ajustée au sein du rapport textuel.

Le chercheur dispose également du paramètre two.sided, configuré à TRUE par défaut, qui commande l’évaluation bilatérale des contrastes. Si des considérations théoriques solides et préétablies dictent qu’une modalité ne peut qu’être strictement inférieure à une autre, il est techniquement envisageable de contraindre le test vers une orientation unilatérale. Néanmoins, en matière de conformité académique, l’approche bilatérale demeure le standard requis par les revues de psychologie pour éviter tout soupçon d’inflation opportuniste de la puissance statistique.

D’un point de vue de la restitution graphique et tabulaire, les commutateurs table = TRUE et list = TRUE permettent d’orienter le formatage de la console. Le paramètre table génère une matrice triangulaire inférieure condensée présentant les statistiques z et les niveaux de significativité codés, tandis que l’option list = TRUE privilégie une disposition verticale ordonnée par paires, particulièrement pratique pour extraire les résultats ou vérifier manuellement le comportement des égalités numériques signalées par les alertes textuelles émises par le moteur algorithmique du paquet.

7.3 Cas d’application sur le jeu de données de douleur lombaire

L’application concrète de la fonction dunn.test() à notre jeu de données expérimental de 30 patients lombalgiques fournit un éclairage direct sur les contrastes thérapeutiques. En exécutant l’instruction dunn.test(x = donnees$Douleur_EVA, g = donnees$Traitement, method = « bonferroni »), le système commence par valider le rejet de l’hypothèse nulle globale de Kruskal-Wallis avec un Chi-deux avoisinant 12,8 pour 2 degrés de liberté (p < 0,01), confirmant la nécessité d’examiner le détail des comparaisons post-hoc.

L’examen des sorties séquentielles pour les trois contrastes binaires révèle la structure suivante :

• Traitement_A contre Traitement_B : La statistique standardisée z oscille autour d’une valeur modeste de 1,12, accompagnée d’une p-valeur corrigée par Bonferroni nettement supérieure au seuil d’admissibilité (p.adj > 0,05). Ce constat indique que la remobilisation active seule, bien que manifestant une tendance clinique favorable, ne produit pas de découplage stochastique statistiquement significatif par rapport au traitement pharmacologique conventionnel.
• Traitement_A contre Traitement_C : La statistique z atteint ici un niveau élevé de 3,54, associé à une p-valeur ajustée hautement significative (p.adj < 0,001). Ce résultat mathématique démontre une dominance stochastique indiscutable de la prise en charge combinant psychologie et analgésie par rapport à la modalité témoin classique.
• Traitement_B contre Traitement_C : La confrontation directe des deux approches innovantes engendre une statistique z de l’ordre de 2,42, débouchant sur une p-valeur ajustée franchissant le seuil critique (p.adj < 0,05). Cette observation atteste que l’intégration des techniques d’acceptation et d’engagement (ACT) surpasse significativement l’exercice physique isolé dans l’atténuation perçue de la douleur chronique.

8. Mise en œuvre alternative avec FSA et le flux tidyverse (rstatix)

8.1 Application avec la fonction dunnTest du package FSA

Bien que le package historique d’Alexis Dinno offre une précision mathématique remarquable, son ergonomie logicielle souffre d’un manque d’intégration aux idiomes contemporains du langage R. C’est pour répondre à cette exigence de fluidité syntaxique que Derek H. Ogle a développé la fonction dunnTest() au sein du package FSA. Cette fonction réintroduit l’usage naturel de la formule statistique classique, simplifiant considérablement l’écriture des scripts d’analyse.

La formulation canonique s’écrit dunnTest(Douleur_EVA ~ Traitement, data = donnees, method = « bonferroni »). Dès sa soumission, la fonction prend en charge le découpage interne des groupes sans nécessiter l’extraction de vecteurs déconnectés. Un atout méthodologique majeur réside dans la structure de l’objet produit : dunnTest retourne une liste contenant un tableau de données structuré nommé res. Ce sous-élément comprend explicitement les colonnes Comparison (libellé de la paire), Z (valeur de la statistique standardisée), P.unadj (valeur p brute) et P.adj (valeur p corrigée après ajustement).

Cette structuration tabulaire directe rend l’extraction des indices statistiques immédiate. L’analyste peut assigner le résultat à une variable d’environnement, puis interroger directement les colonnes d’intérêt pour construire des tableaux récapitulatifs, des rapports automatisés ou des conditions de filtrage logique. Il convient toutefois de noter que dunnTest du package FSA implémente des approximations mineures dans l’évaluation de la variance en cas d’égalités multiples complexes, bien que les écarts numériques par rapport aux calculs d’Alexis Dinno demeurent imperceptibles dans l’immense majorité des applications biomédicales standard.

8.2 Approche moderne et fluide avec dunn_test de rstatix

L’avènement de l’écosystème tidyverse a profondément métamorphosé les standards de développement en data science sous R. La bibliothèque rstatix, conçue par Alboukadel Kassambara, incarne cette transition méthodologique en transposant les tests statistiques traditionnels dans un format pipe-friendly, conforme aux principes de données ordonnées (tidy data). La fonction dunn_test() s’impose aujourd’hui comme l’approche la plus intuitive et standardisée pour réaliser les comparaisons post-hoc par rangs.

L’exécution de la procédure s’inscrit au sein d’une séquence connectée par l’opérateur de redirection : donnees %>% dunn_test(Douleur_EVA ~ Traitement, p.adjust.method = « bonferroni »). L’avantage structurel immédiat de cette démarche réside dans la production d’un objet de type tibble comprenant des descripteurs formels prédéfinis : .y. (nom de la variable réponse), group1 et group2 (identifiants des modalités comparées), n1 et n2 (effectifs respectifs), statistic (valeur de z), p (p-valeur nominale), p.adj (p-valeur ajustée), et p.adj.signif (niveau de significativité codé par des astérisques).

Au-delà de son élégance syntaxique, la bibliothèque rstatix excelle par sa synergie native avec les modules de rendu graphique de la suite ggpubr. L’objet tibble généré par dunn_test() contient intrinsèquement les métadonnées requises par les fonctions de visualisation dynamique, éliminant tout besoin de reconfiguration manuelle des coordonnées spatiales pour l’annotation des représentations par boîtes à moustaches ou tracés de densité.

8.3 Arbitrage méthodologique entre les différentes implémentations R

Face à la pluralité des options logicielles disponibles pour exécuter un même test de Dunn, l’investigateur doit opérer un arbitrage méthodologique raisonné fondé sur les caractéristiques de son projet scientifique :

• Critère de fidélité algorithmique et audit mathématique : Pour les mémoires universitaires de biostatistique, les essais cliniques réglementés ou les contextes industriels requérant une conformité stricte avec les formules matricielles d’Olive Jean Dunn de 1964, le package dunn.test d’Alexis Dinno demeure le choix à privilégier. Sa gestion méticuleuse de la correction de variance en présence d’ex æquo multiples garantit une précision au dix-millième près.
• Critère de lisibilité et intégration dans des rapports scientifiques : Pour la recherche psychologique appliquée courante, l’enseignement universitaire ou la rédaction d’articles académiques dans des revues de sciences du comportement, rstatix s’impose comme le standard de référence. Sa compatibilité parfaite avec les tibbles de dplyr et son interfaçage avec ggpubr assurent un gain de productivité majeur et réduisent drastiquement les risques d’erreurs lors de la transcription graphique des résultats inférentiels.
• Critère de stabilité logicielle et maintenance : L’ensemble de ces bibliothèques fait l’objet d’un suivi régulier sur le CRAN. Cependant, rstatix et FSA bénéficient d’une communauté d’utilisateurs particulièrement active, garantissant une compatibilité pérenne avec les évolutions continues du moteur R de base et des dépendances graphiques associées.

9. Ajustement des p-valeurs face au problème des comparaisons multiples

9.1 Théorie du taux d’erreur par famille (Family-Wise Error Rate)

L’exécution de comparaisons multiples par paires au terme d’un test omnibus soulève une difficulté probabiliste fondamentale désignée sous le terme d’inflation de l’erreur alpha globale ou de multiplicité des tests. Lorsqu’un chercheur évalue une hypothèse nulle unique au seuil de significativité nominal alpha conventionnel de 0,05, la probabilité de ne pas commettre d’erreur de première espèce (décider à tort de l’existence d’une différence qui n’est que le fruit du hasard) est égale à 1 – alpha = 0,95.

Néanmoins, dès lors que plusieurs contrastes indépendants ou partiellement dépendants sont testés de manière simultanée au sein d’une même famille d’inférences comprenant m paires, la probabilité combinée d’observer au moins un résultat faussement positif croît selon une progression géométrique définie par la formule : 1 – (1 – alpha)^m. Pour une expérience comparant quatre groupes cliniques distincts, le nombre de comparaisons binaires s’élève à m = 4 * (4 – 1) / 2 = 6 paires. En l’absence de correction, le taux d’erreur global par famille (Family-Wise Error Rate, ou FWER) grimpe alors à 1 – (0,95)^6 = 0,265, ce qui signifie que l’analyste fait face à plus de 26 % de risques d’affirmer à tort une découverte scientifique.

Cette problématique impose de distinguer deux philosophies de contrôle du risque : la maîtrise stricte du FWER, qui cherche à garantir que le risque de commettre ne serait-ce qu’une seule fausse découverte dans toute l’expérience demeure sous le seuil de 5 %, et le contrôle du taux de fausses découvertes (False Discovery Rate, ou FDR), qui tolère une fraction régulée de faux positifs parmi l’ensemble des rejets effectifs de l’hypothèse nulle. Le choix de l’une ou l’autre de ces approches conditionne directement le degré de sévérité imposé lors du calcul des p-valeurs ajustées du test de Dunn.

9.2 Méthodes conservatrices de contrôle du FWER

Parmi les stratégies de contention de l’erreur par famille, la méthode historique la plus célèbre et la plus élémentaire est sans conteste la correction d’Olive Jean Dunn elle-même, couramment désignée sous l’appellation d’ajustement de Bonferroni. Fondée sur l’inégalité de Boole, cette procédure divise uniformément le seuil nominal alpha par le nombre total m de contrastes évalués (alpha’ = alpha / m), ou de manière équivalente, multiplie chaque p-valeur brute par m (en plafonnant le résultat obtenu à 1). Si cette approche procure une protection absolue contre les fausses découvertes, elle est largement reconnue pour son conservatisme excessif. Lorsque le nombre de groupes croît, la pénalité devient si lourde qu’elle entraîne une chute de la puissance statistique, augmentant le risque d’erreur de type II (non-rejet à tort de l’hypothèse nulle).

Pour pallier cette perte d’efficacité sans renoncer à la maîtrise du FWER, l’analyste peut recourir à la procédure séquentielle descendante (step-down) formulée par Sture Holm en 1979, appelée méthode de Holm-Bonferroni. L’algorithme débute par le classement croissant des m p-valeurs nominales obtenues. La p-valeur la plus faible est d’abord confrontée à un seuil corrigé de alpha / m. Si elle franchit ce critère, le test rejette l’hypothèse nulle correspondante et passe à la deuxième p-valeur, qui est comparée à un seuil assoupli de alpha / (m – 1), et ainsi de suite de manière itérative jusqu’à la première non-significativité qui interrompt le processus. Cette approche est mathématiquement supérieure à la correction classique de Bonferroni, car elle préserve un contrôle strict du FWER tout en accordant un gain appréciable de puissance statistique.

Une alternative élégante est constituée par la correction de Šidák, qui s’appuie sur l’hypothèse de quasi-indépendance des contrastes pour formuler un ajustement d’échelle légèrement plus permissif : alpha’ = 1 – (1 – alpha)^(1/m). Bien que théoriquement supérieure à la correction purement linéaire de Bonferroni, le gain de puissance demeure marginal par rapport à l’avantage procuré par la procédure de Holm-Bonferroni, qui constitue aujourd’hui la référence pour le contrôle conservateur du risque d’affirmation fortuite.

9.3 Méthodes basées sur le contrôle du False Discovery Rate (FDR)

Dans de nombreuses disciplines contemporaines — telles que les études transcriptomiques à haut débit, la neuro-imagerie fonctionnelle ou les criblages psychométriques exploratoires portant sur des dizaines de dimensions comportementales —, imposer un contrôle du FWER paralyserait totalement la détection de signaux d’intérêt en raison d’un conservatisme mathématique inadapté. Dans ces contextes exploratoires, le paradigme de contrôle s’est déplacé vers la modélisation du False Discovery Rate (FDR), formalisée par Yoav Benjamini et Yosef Hochberg en 1995.

La procédure de Benjamini-Hochberg (fréquemment abrégée en « BH » ou « fdr » dans les arguments de packages R) ordonne les p-valeurs brutes de façon ascendante de 1 à m, puis compare chaque p_i au seuil proportionnel corrigé (i / m) * alpha. Cette calibration garantit que, parmi l’ensemble des contrastes déclarés statistiquement significatifs, la proportion moyenne attendue de faux rejets d’hypothèse nulle ne dépassera pas le seuil fixé de 5 %. Pour les configurations où les variables dépendantes manifestent des corrélations résiduelles substantielles, la variante de Benjamini-Yekutieli apporte un ajustement adapté prévenant les distorsions liées aux structures de dépendance positives ou négatives complexes.

Le tableau comparatif suivant synthétise les propriétés des principales approches de correction disponibles au sein des fonctions de Dunn dans R :

• Bonferroni : Contrôle le FWER | Algorithme à seuil fixe universel (alpha / m) | Avantage : Simplicité mathématique et conservatisme absolu | Inconvénient : Chute drastique de puissance statistique dès que m augmente | Usage recommandé : Études confirmatoires à faible nombre de contrastes (k ≤ 4).
• Holm-Bonferroni : Contrôle le FWER | Algorithme séquentiel pas à pas ascendant (step-down) | Avantage : Rigueur identique à Bonferroni mais puissance strictement supérieure | Inconvénient : Implique un ordonnancement itératif des tests | Usage recommandé : Choix standard pour les publications académiques en psychologie clinique.
• Benjamini-Hochberg (BH) : Contrôle le FDR | Algorithme basé sur la régulation de la proportion de faux rejets | Avantage : Excellente puissance statistique, détecte des effets modérés | Inconvénient : Tolère un nombre contrôlé de fausses découvertes | Usage recommandé : Protocoles exploratoires et comparaisons de screening multiples.

10. Interprétation quantitative approfondie et estimation des tailles d’effet

10.1 Décomposition fine des sorties statistiques générées

L’exploitation académique d’un test de Dunn ne saurait se réduire à un balayage binaire visant à identifier les astérisques de significativité. Une analyse rigoureuse nécessite de décomposer systématiquement la polarité de la statistique standardisée z. Le signe associé à cette statistique (+ ou -) fournit une information essentielle : il indique la directionnalité de l’écart stochastique séparant les deux groupes comparés. Dans la convention logicielle habituelle, un z positif indique que la moyenne des rangs de la première modalité (group1) surpasse celle de la seconde modalité (group2), tandis qu’un z négatif atteste d’un ordonnancement inverse.

Cette indication d’orientation doit être systématiquement confrontée aux grandeurs descriptives réelles obtenues lors de l’exploration préliminaire, à savoir les médianes empiriques et les intervalles interquartiles. Il arrive que des chercheurs inexpérimentés soient désorientés en observant une statistique z indiquant une supériorité d’un groupe dont la médiane brute semble visuellement équivalente à celle de son comparateur. Cette divergence apparente s’explique par la nature du test par rangs : le test de Dunn intègre l’ensemble de la dispersion ordinale des scores au sein de sa distribution globale, et non le seul point central tronqué que représente la médiane isolée.

De plus, l’analyste doit savoir gérer les situations de divergence apparente entre le résultat du test omnibus et les contrastes par paires. Bien que rare lorsque le test de Dunn est précédé d’un test de Kruskal-Wallis significatif, il peut arriver qu’aucun des contrastes post-hoc n’atteigne le seuil alpha requis après application d’une correction très conservatrice comme Bonferroni. Ce phénomène découle directement de la dispersion de la puissance statistique globale entre les différentes comparaisons binaires. Une telle situation doit être documentée avec transparence comme le signe d’une hétérogénéité d’ensemble portée par un faisceau d’écarts cumulés trop diffus pour individualiser un contraste particulier après pénalité de multiplicité.

10.2 Calcul de la taille d’effet pour chaque paire de contrastes

La publication d’un test post-hoc de Dunn requiert obligatoirement l’adjonction d’une mesure de taille d’effet pour chaque contraste significatif, afin d’éclairer l’amplitude pratique des divergences au-delà de la seule p-valeur. Pour les tests de comparaison non paramétriques exploitant une statistique standardisée z asymptotiquement normale, la métrique de référence la plus reconnue est le coefficient de corrélation de rang r proposé par Robert Rosenthal.

Le calcul formel de cette métrique est remarquablement direct : il s’obtient en divisant la valeur absolue de la statistique standardisée z issue de la paire considérée par la racine carrée de l’effectif total d’observations mobilisées pour cette comparaison binaire spécifique, soit l’équation : r = |z| / sqrt(n_i + n_j). Ce coefficient d’association r s’échelonne sur une amplitude théorique comprise entre 0 et 1. Selon les seuils d’interprétation conventionnels formalisés par Jacob Cohen pour les sciences humaines, un r de l’ordre de 0,10 reflète un effet de faible ampleur, une valeur avoisinant 0,30 signale un effet d’amplitude moyenne, tandis qu’un coefficient atteignant ou dépassant 0,50 témoigne d’un effet d’amplitude majeure.

En complément du r de Rosenthal, l’analyste peut quantifier la taille d’effet sous l’angle de la probabilité de supériorité (Common Language Effect Size), ou calculer le Delta de Cliff non paramétrique, qui évalue directement la proportion de paires où un score du groupe i surpasse un score du groupe j diminuée de la proportion inverse. L’extraction systématique de ces indicateurs s’automatise aisément au moyen de scripts R dédiés, garantissant une estimation complète de la portée des résultats empiriques.

10.3 Triangulation clinique et pertinence pratique des contrastes

L’inférence statistique ne doit jamais être confondue avec la pertinence clinique ou sociétale. Un résultat affichant une p-valeur extrêmement faible et une taille d’effet modérée peut être totalement dépourvu de signification fonctionnelle pour la qualité de vie des patients si l’amplitude réelle du changement métrique demeure en deçà des seuils de sensibilité humaine perceptibles.

Dans l’évaluation de la douleur lombaire via l’échelle visuelle analogique (EVA), la littérature en algologie et en psychologie de la santé a formalisé le concept de différence minimale cliniquement importante (Minimal Clinically Important Difference, ou MCID). Pour une échelle EVA graduée de 0 à 100 points, le consensus médical international s’accorde généralement sur le fait qu’une variation doit atteindre au minimum 15 à 20 points pour correspondre à un allègement perceptible et durable de la souffrance rapportée par le patient.

Dans notre étude illustrative, la confrontation des données d’inférence de Dunn avec les médianes descriptives révèle que le Traitement C (approche psychologique intégrative ACT) produit une réduction médiane de la douleur de plus de 25 points par rapport au Traitement conventionnel A, et d’environ 18 points par rapport au Traitement comportemental B. L’investigateur peut ainsi valider par triangulation que la supériorité stochastique démontrée par les statistiques z de Dunn (p.adj < 0,05 ; r > 0,45) s’accompagne d’une véritable pertinence clinique. À l’inverse, l’absence d’écart substantiel entre les Traitements A et B sur le plan inférentiel concorde avec un différentiel médian inférieur au seuil de la MCID, guidant ainsi les praticiens dans leurs choix thérapeutiques futurs.

11. Visualisation graphique avancée des résultats avec ggplot2

11.1 Conception d’un boxplot enrichi avec dispersion des points

La communication scientifique moderne exige une restitution graphique soignée, conforme aux meilleures pratiques de clarté visuelle. Pour illustrer des distributions asymétriques soumises à un test de Dunn, la conception d’un graphique en boîtes à moustaches (boxplots) enrichi par la dispersion brute des observations individuelles s’impose comme le standard méthodologique privilégié, matérialisé sous R par l’incontournable bibliothèque ggplot2.

La boîte à moustaches conventionnelle matérialise fidèlement les métriques non paramétriques clés : la ligne centrale épaisse représente la médiane du groupe, les bordures inférieure et supérieure de la boîte délimitent respectivement le premier quartile (Q1, 25e centile) et le troisième quartile (Q3, 75e centile), conférant une lecture directe de l’intervalle interquartile (IQR). Les moustaches s’étirent quant à elles jusqu’aux valeurs extrêmes n’excédant pas 1,5 fois l’IQR au-delà des charnières. Cette structure géométrique offre une lecture immédiate de la dispersion et de l’asymétrie propre à chaque modalité d’intervention clinique.

Afin de pallier l’opacité inhérente aux boxplots qui masquent la densité réelle des effectifs sous-jacents, l’adjonction d’une couche géométrique de dispersion avec tremblement aléatoire (geom_jitter) s’avère indispensable. En superposant les points individuels semi-transparents (par le réglage du paramètre alpha) et légèrement décalés sur l’axe horizontal, le chercheur garantit une transparence totale sur la distribution empirique des 30 patients, permettant d’identifier d’un coup d’œil les regroupements d’ex æquo sans altérer la lisibilité globale des charnières ordinales.

11.2 Superposition des barres de significativité post-hoc

La restitution visuelle des comparaisons multiples atteint son efficacité maximale lorsque les conclusions inférentielles du test de Dunn sont directement intégrées à l’espace graphique par des annotations géométriques standardisées reliant les sous-groupes comparés. L’association de ggplot2 avec l’extension ggpubr permet d’automatiser cette opération technique par l’entremise de la fonction spécialisée stat_pvalue_manual().

Cette méthode exploite directement le tableau tibble produit par la fonction dunn_test() du package rstatix. En transmettant ce tableau à la fonction d’annotation, ggpubr extrait automatiquement les coordonnées des modalités appariées (group1 et group2) ainsi que les p-valeurs ajustées correspondantes. L’analyste paramètre l’argument y.position afin de disposer harmonieusement les barres de comparaison à des hauteurs graduées au-dessus du nuage de points, évitant ainsi tout chevauchement inesthétique entre les segments de liaison.

Pour la formalisation finale de la figure, l’investigateur peut arbitrer entre l’affichage textuel direct des valeurs chiffrées ajustées (par exemple « p = 0.002 ») ou l’utilisation des codes de significativité académiques normalisés sous forme d’astérisques (par exemple « *** » pour p < 0,001, « ** » pour p < 0,01, « * » pour p < 0,05, et « ns » pour les contrastes non significatifs). L’intégration de ces annotations transforme une simple boîte descriptive en une figure démonstrative immédiatement exploitable dans le corps d’une publication clinique.

11.3 Visualisation complémentaire de la distribution des rangs

Si la boîte à moustaches enrichie de points demeure la référence éditoriale prédominante, d’autres géométries graphiques apportent un éclairage complémentaire sur les propriétés non paramétriques des données. Le tracé en violon (geom_violin), par exemple, génère une estimation par noyau de la densité de probabilité le long de l’axe de mesure. Il met en lumière avec une grande acuité la morphologie interne des distributions, révélant sans ambiguïté la présence éventuelle d’une bimodalité ou d’une forte asymétrie de distribution au sein de l’un des bras thérapeutiques.

Une autre démarche didactique consiste à illustrer graphiquement la variable réellement soumise à l’évaluation inférentielle : les rangs moyens eux-mêmes. En générant un graphique représentant la moyenne des rangs attribués par groupe, assortie d’intervalles de confiance construits par rééchantillonnage de type bootstrap, l’analyste propose une représentation alignée sur la mécanique probabiliste du test de Dunn. Cette démarche permet d’éviter les méprises d’interprétation chez les lecteurs familiers des seules moyennes métriques.

Enfin, la finalisation technique de ces représentations graphiques doit satisfaire aux standards typographiques et d’accessibilité visuelle prescrits par les revues internationales. Cela implique l’application d’un thème épuré (tel que theme_classic() ou theme_pubr()), le paramétrage explicite de palettes colorimétriques adaptées aux personnes daltoniennes (notamment les gammes issues de la palette viridis), et l’exportation vectorielle haute définition via ggsave() aux formats PDF ou TIFF avec une résolution minimale de 300 à 600 DPI, assurant une netteté absolue pour l’impression finale.

12. Rédaction académique des résultats aux normes APA et directives de publication

12.1 Normes de rapportage selon le manuel de style APA (7e édition)

La transmission des résultats scientifiques dans les revues affiliées à l’American Psychological Association (APA, 7e édition) exige une rigueur de rédaction méticuleuse, régie par des conventions typographiques strictes. L’ensemble des symboles statistiques désignant des grandeurs d’échantillonnage ou des fonctions théoriques — tels que z, H, df, p, N, ou r — doivent obligatoirement être composés en caractères italiques, tandis que les opérateurs mathématiques d’égalité ou d’inégalité conservent une typographie droite standard.

La formulation textuelle des inférences statistiques doit suivre une trame narrative chronologique et exhaustive. Elle débute invariablement par l’exposé des indices de tendance centrale et de dispersion pour chaque condition (en privilégiant la médiane et l’intervalle interquartile, systématiquement abrégés en Mdn et IQR), se poursuit par la restitution complète du test omnibus de Kruskal-Wallis incluant la statistique du Chi-deux, ses degrés de liberté, la p-valeur et la taille d’effet globale (Epsilon carré), avant de détailler les résultats des comparaisons post-hoc de Dunn.

Il est impératif de mentionner explicitement au sein du paragraphe textuel la méthode d’ajustement probabiliste retenue pour endiguer la multiplicité des comparaisons. Un modèle de rédaction académique rigoureuse pour notre expérimentation clinique lombalgique se structure de la façon suivante :

« Une analyse de variance non paramétrique par rangs de Kruskal-Wallis a révélé une différence globale statistiquement significative de l’intensité douloureuse perçue entre les trois protocoles de soins après huit semaines de suivi thérapeutique, H(2) = 12,84, p = ,002, E²_R = ,44. Des tests post-hoc de comparaisons multiples par paires de Dunn ont ensuite été conduits avec un ajustement du taux d’erreur par famille selon la procédure de Holm-Bonferroni. Ces analyses indiquent que les scores d’intensité de la douleur sont significativement plus faibles chez les patients bénéficiant de la thérapie psychologique intégrative C (Mdn = 38,5, IQR = 14,2) que chez les patients soumis à la prise en charge pharmacologique conventionnelle A (Mdn = 67,0, IQR = 12,8), z = 3,54, p.adj < ,001, avec une taille d’effet d’amplitude majeure (r = ,79). De même, l’approche intégrative C surpasse significativement le programme d’exercices physiques actifs B (Mdn = 56,5, IQR = 15,0), z = 2,42, p.adj = ,031, r = ,54. En revanche, aucune divergence statistiquement significative n’a pu être mise en évidence entre le traitement pharmacologique conventionnel A et l’exercice physique isolé B, z = 1,12, p.adj = ,263, r = ,25. »

12.2 Conception d’un tableau récapitulatif publiable

L’intégration d’un tableau récapitulatif synthétique constitue souvent le moyen le plus direct et efficace de transmettre l’ensemble des métriques d’une étude sans alourdir la prose du manuscrit scientifique. Selon les directives de présentation de l’APA, un tableau formel ne doit comporter aucune ligne verticale de séparation, limitant l’encadrement à trois lignes horizontales principales : une bordure supérieure, une ligne démarquant l’en-tête de colonnes du corps de données, et une bordure inférieure clôturant l’ensemble.

Le tableau doit associer de façon symétrique les statistiques descriptives de chaque groupe d’intervention et la matrice détaillée des contrastes inférentiels issus du test de Dunn. Pour chaque comparaison binaire de sous-populations, les colonnes doivent renseigner la différence brute des moyennes de rangs, l’écart-type de cette différence, la statistique standardisée z de Dunn, la p-valeur nominale brute, la p-valeur ajustée au titre du contrôle de multiplicité, ainsi que la taille d’effet standardisée correspondante (le r de Rosenthal ou le delta de Cliff).

Afin de clarifier la lecture de l’ordonnancement pour les lecteurs de revues biomédicales, il est d’usage d’adjoindre aux médianes des groupes des lettres en exposant issues d’un compacteur d’homogénéité (compact letter display). Deux modalités partageant une même lettre en exposant (par exemple le groupe A et le groupe B affichant tous deux la lettre ‘a’) ne manifestent aucune divergence statistiquement significative, tandis qu’un groupe étiqueté par une lettre distincte (le groupe C portant la lettre ‘b’) se démarque significativement de ses homologues au seuil sélectionné. La génération automatisée de ce type de tableau sous format vectoriel Word ou LaTeX s’opère aujourd’hui de façon fluide sous R au moyen de packages d’édition avancés tels que gtsummary, knitr::kable ou kableExtra.

12.3 Écueils méthodologiques courants et recommandations éthiques

L’aboutissement de tout travail de modélisation quantitative repose en dernier ressort sur l’éthique intellectuelle de l’analyste et la proscription rigoureuse des dérives méthodologiques. L’un des écueils les plus pernicieux dans l’usage du test de Dunn est la pratique du dragage de données (data fishing ou p-hacking), consistant à tester séquentiellement plusieurs méthodes d’ajustement des p-valeurs (par exemple passer opportunément de Bonferroni à Hochberg puis à Benjamini-Hochberg) dans le seul dessein de franchir de manière artificielle le seuil arbitraire de significativité p < 0,05.

Pour prévenir cette dérive qui alimente la crise de réplication dans les sciences du comportement, les comités éditoriaux encouragent vivement le pré-enregistrement des plans d’analyses statistiques sur des plateformes de science ouverte telles que l’Open Science Framework (OSF). Ce pré-enregistrement fige, préalablement à toute consultation des données, le choix délibéré du test non paramétrique de Kruskal-Wallis, le recours au test post-hoc de Dunn en cas de rejet omnibus, ainsi que la procédure exacte de correction des comparaisons multiples assignée aux contrastes.

Enfin, la transparence méthodologique contemporaine impose le partage systématique des données brutes anonymisées et du script informatique intégral d’exécution sous R au sein d’un répertoire public ou en annexes électroniques de l’article scientifique. Avant la soumission finale, une relecture critique minutieuse doit impérativement certifier la parfaite adéquation numérique entre les assertions textuelles du manuscrit, les valeurs rapportées dans les tableaux récapitulatifs, et les tracés géométriques des figures publiées, garantissant ainsi une contribution scientifique irréprochable et pérenne.

Références

• Benjamini, Y., & Hochberg, Y. (1995). Controlling the false discovery rate: A practical and powerful approach to multiple testing. Journal of the Royal Statistical Society: Series B (Methodological), 57(1), 289–300. https://doi.org/10.1111/j.2517-6161.1995.tb02031.x
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Dinno, A. (2015). Nonparametric pairwise multiple comparisons in independent groups using Dunn’s test. The Stata Journal, 15(1), 292–300. https://doi.org/10.1177/1536867X1501500117
• Dunn, O. J. (1961). Multiple comparisons among means. Journal of the American Statistical Association, 56(293), 52–64. https://doi.org/10.1080/01621459.1961.10482090
• Dunn, O. J. (1964). Multiple comparisons using rank sums. Technometrics, 6(3), 241–252. https://doi.org/10.1080/00401706.1964.10490181
• Holm, S. (1979). A simple sequentially rejective multiple test procedure. Scandinavian Journal of Statistics, 6(2), 65–70. https://www.jstor.org/stable/4615733
• Kassambara, A. (2023). rstatix: Pipe-Friendly Framework for Basic Statistical Tests (R package version 0.7.2). CRAN. https://CRAN.R-project.org/package=rstatix
• Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583–621. https://doi.org/10.1080/01621459.1952.10483441
• Ogle, D. H., Doll, J. C., Powell, P., & Curtin, R. (2023). FSA: Fisheries Stock Analysis (R package version 0.9.5). CRAN. https://CRAN.R-project.org/package=FSA
• Rea, L. M., & Parker, R. A. (2014). Designing and conducting survey research: A comprehensive guide (4th ed.). Jossey-Bass.
• Rosenthal, R. (1991). Meta-analytic procedures for social research (Rev. ed.). SAGE Publications. https://doi.org/10.4135/9781412984997
• Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer-Verlag. https://doi.org/10.1007/978-3-319-24277-4