Comment effectuer un test de Kruskal-Wallis dans Stata

L’inférence statistique contemporaine au sein des sciences humaines, sociales et biomédicales repose fréquemment sur la comparaison de groupes d’observations soumis à des conditions expérimentales ou naturelles distinctes. Lorsque les chercheurs sont confrontés à des protocoles transversaux impliquant trois échantillons indépendants ou davantage, le réflexe méthodologique quasi universel consiste à mobiliser l’analyse de variance univariée (ANOVA à un facteur). Néanmoins, le modèle linéaire sous-jacent à l’ANOVA classique repose sur des postulats distributionnels stricts : la normalité des résidus au sein de chaque groupe, l’homoscédasticité (l’égalité des variances intergroupes) et la nature strictement métrique continue de la variable dépendante. Dans la pratique empirique, en particulier lors de l’investigation de variables psychométriques, de scores cliniques ou de données démographiques fortement asymétriques, ces exigences théoriques se heurtent à la réalité des distributions empiriques, rendant les estimateurs paramétriques vulnérables et sujets à une inflation indésirable du taux d’erreur de première espèce.

Face à ces contraintes distributionnelles, l’approche non paramétrique offre un cadre analytique d’une remarquable élégance et d’une robustesse éprouvée. Le test de Kruskal-Wallis, introduit au milieu du XXe siècle, constitue l’analogue non paramétrique direct de l’ANOVA à un facteur pour échantillons indépendants. En substituant aux valeurs brutes de la variable étudiée leurs rangs statistiques calculés sur l’échantillon global agrégé, ce test s’affranchit de l’hypothèse de normalité gaussienne tout en préservant une puissance statistique remarquable, particulièrement compétitive face aux modèles paramétriques dès lors que les postulats de ces derniers sont compromis. Dans le logiciel de biométrie et d’économétrie Stata, cet outil est implémenté nativement à travers des commandes performantes permettant non seulement de calculer la statistique de test ajustée pour les ex-æquo, mais également de déployer des procédures d’analyse post-hoc rigoureuses et d’estimer des indices standardisés d’amplitude d’effet.

Le présent guide méthodologique propose une exploration exhaustive, théorique et opérationnelle de l’exécution du test de Kruskal-Wallis au sein de l’environnement Stata. Conçu à l’intention des chercheurs, doctorants et biostatisticiens soucieux de rigueur computationnelle, cet article détaille chaque étape du flux de travail analytique : depuis l’épistémologie de la logique des rangs combinés jusqu’à la rédaction formalisée des résultats selon les standards académiques internationaux de l’American Psychological Association (APA 7e édition), en passant par l’évaluation empirique des postulats diagnostiques, la gestion des contrastes par paires multiples et l’automatisation des calculs d’amplitude d’effet via des scripts reproductibles.

1. Fondements théoriques et épistémologiques du test de Kruskal-Wallis

1.1 Origine mathématique et logique non paramétrique

Le test d’analyse de variance par les rangs de Kruskal-Wallis a été formalisé en 1952 par les statisticiens américains William Kruskal et W. Allen Wallis au sein d’une publication fondatrice parue dans le Journal of the American Statistical Association. Leur objectif consistait à étendre le principe de comparaison non paramétrique introduit par Frank Wilcoxon et Henry Mann et Donald Whitney pour deux échantillons indépendants à une configuration expérimentale impliquant k groupes indépendants, où k est supérieur ou égal à 3. La genèse mathématique de ce test s’inscrit dans un courant épistémologique visant à libérer l’inférence statistique de la dépendance étroite aux paramètres distributionnels théoriques, tels que l’espérance mathématique et la variance d’une loi normale hypothétique.

Le cœur algorithmique de la méthode repose sur le concept de classement par rangs combinés. Au lieu d’opérer directement sur les métriques brutes des observations, l’ensemble des données issues des k sous-échantillons est fusionné en une série unique de taille N, ordonnée de la plus petite à la plus grande valeur. Chaque observation se voit attribuer un rang entier compris entre 1 et N. En cas d’observations de valeurs identiques (ex-æquo ou ties), la méthode leur attribue la moyenne arithmétique des rangs qu’elles auraient occupés si elles avaient été distinctes. Une fois cette transformation opérée, les observations sont réassignées à leurs groupes respectifs, et la somme des rangs associés à chaque modalité est calculée.

Cette approche induit une distinction conceptuelle fondamentale entre la comparaison classique des moyennes et l’évaluation non paramétrique des distributions. Alors que l’ANOVA paramétrique évalue si la dispersion des moyennes observées autour de la moyenne générale dépasse la variabilité résiduelle intra-groupe, le test de Kruskal-Wallis examine si les rangs moyens attribués aux différents groupes s’écartent de manière statistiquement significative du rang moyen théorique attendu sous l’hypothèse d’une distribution uniforme aléatoire. Le test ne mesure donc pas une distance géométrique entre des centres de gravité numériques, mais évalue un glissement stochastique ou une tendance au déplacement relatif d’une population par rapport aux autres au sein d’une échelle ordinale continue.

Sur le plan méthodologique, le test de Kruskal-Wallis se positionne non pas comme un substitut dégradé de l’ANOVA univariée, mais comme un modèle d’inférence autonome doté d’une efficacité asymptotique relative remarquable. Face à une distribution strictement gaussienne, l’efficacité relative asymptotique (ARE) du test de Kruskal-Wallis par rapport au test F de Fisher-Snedecor est de 3/π, soit approximativement 95,5 %. Cela implique qu’en contexte de normalité parfaite, la perte de puissance liée à l’utilisation des rangs demeure marginale. Inversement, en présence de distributions à queues lourdes, d’asymétries prononcées ou de contaminations par des valeurs aberrantes, l’ARE de Kruskal-Wallis dépasse fréquemment 100 %, démontrant une sensibilité et une puissance statistique supérieures à celles du modèle paramétrique traditionnel.

1.2 Pertinence méthodologique en psychologie et sciences du comportement

Dans les sciences du comportement, la psychiatrie expérimentale et la psychométrie, la nature métrique des données recueillies pose des défis méthodologiques considérables. Les chercheurs collectent quotidiennement des scores composites issus d’échelles d’évaluation ordinale de type Likert (par exemple, échelles en 5 ou 7 points mesurant l’anxiété, la dépression, l’attitude politique ou la satisfaction organisationnelle). Traiter ces construits ordinaux comme des variables continues dotées d’une métrique d’intervalles constants constitue une approximation mathématique souvent contestable. Le test de Kruskal-Wallis répond avec une rigueur irréprochable à cette configuration, car il ne requiert qu’une relation d’ordre monotone entre les observations, respectant scrupuleusement la métrologie des instruments de mesure.

Par ailleurs, les distributions observées en psychopathologie et en neurosciences comportementales présentent presque systématiquement une asymétrie positive prononcée. Les temps de réaction dans les paradigmes d’inhibition cognitive (tâches de Stroop ou de Go/No-Go), les scores de sévérité symptomatique sur l’inventaire de dépression de Beck ou les concentrations de biomarqueurs neuroendocriniens chez des patients souffrant de stress post-traumatique s’écartent radicalement de la cloche de Gauss. L’application mécanique d’une ANOVA paramétrique sur de tels profils expose le chercheur à un double écueil : d’une part, une instabilité majeure de l’erreur quadratique moyenne due aux valeurs extrêmes, et d’autre part, une perte dramatique de puissance statistique susceptible de masquer des effets réels (erreur de deuxième espèce).

La recherche clinique et translationnelle est également confrontée à la contrainte récurrente des échantillons restreints ou substantiellement déséquilibrés. Dans les protocoles évaluant des pathologies rares, les essais de phase II ou les études de neuro-imagerie fonctionnelle, constituer des cohortes de grande envergure s’avère financièrement ou logistiquement impossible. Lorsque les effectifs par sous-groupe oscillent entre 5 et 15 participants, le théorème central limite ne peut s’appliquer pour garantir la normalité asymptotique de la distribution d’échantillonnage des moyennes. Dans ces situations où les tests paramétriques deviennent hautement faillibles, le test de Kruskal-Wallis préserve la robustesse de l’inférence, offrant une base décisionnelle stable exempte d’artefacts d’échantillonnage.

1.3 Formulation formelle des hypothèses statistiques

La formalisation rigoureuse des hypothèses statistiques dans le test de Kruskal-Wallis exige une précision sémantique et mathématique que la littérature empirique omet fréquemment. L’hypothèse nulle fondamentale, notée H₀, postule l’équivalence stochastique des k populations sous-jacentes. Sur le plan probabiliste, si l’on considère k variables aléatoires X₁, X₂, …, X_k caractérisant les observations des k groupes d’étude respectifs, l’hypothèse nulle stipule que toutes les fonctions de répartition cumulées F_i(x) sont rigoureusement identiques pour toute valeur réelle de x :

H₀ : F₁(x) = F₂(x) = … = F_k(x), pour tout x appartenant à l’ensemble des nombres réels.

L’hypothèse alternative, notée H₁, stipule qu’au moins une des populations tend à présenter des valeurs stochastiquement supérieures ou inférieures aux autres. Autrement dit, il existe au moins une paire de groupes (i, j) telle que la probabilité qu’une observation extraite aléatoirement de la population i surpasse une observation issue de la population j dévie de l’équilibre parfait de 0,50 :

H₁ : ∃ (i, j) tel que P(X_i > X_j) ≠ 0,50.

Une nuance méthodologique cruciale concerne la formulation de ces hypothèses en termes de médianes. De nombreux manuels vulgarisés affirment péremptoirement que le test de Kruskal-Wallis teste l’égalité des médianes des groupes. Cette affirmation n’est mathématiquement exacte que si et seulement si l’analyste pose un postulat additionnel : l’hypothèse d’homomorphisme distributionnel. Si les k populations possèdent des distributions de formes identiques (même asymétrie, même étalement, même aplatissement) et ne diffèrent éventuellement que par une translation horizontale sur l’axe des abscisses (un paramètre de position), alors le rejet de H₀ permet de conclure sans équivoque à une différence statistiquement significative entre les médianes des populations.

En revanche, si les distributions présentent des formes structurellement différentes (par exemple, un groupe caractérisé par une asymétrie positive marquée et un second groupe présentant une dispersion bimodale), le test de Kruskal-Wallis conserve sa pleine validité statistique, mais son interprétation se restreint alors à une comparaison des rangs moyens ou de la dominance stochastique globale. Le rejet de l’hypothèse nulle n’indique plus nécessairement que les médianes divergent, mais qu’une distribution domine globalement les autres dans l’espace de rangs. La clarification explicite de cette distinction conditionne la validité des inférences tirées par l’investigateur.

2. Conditions d’application et postulats diagnostiques

2.1 Structure des données et nature des variables

Pour garantir la validité méthodologique du test de Kruskal-Wallis dans Stata, la matrice de données doit satisfaire une architecture opérationnelle déterminée. En premier lieu, la variable dépendante (ou variable de résultat) doit présenter au minimum un niveau de mesure ordinale. Cela signifie que les valeurs observées peuvent être rigoureusement ordonnées selon une hiérarchie non ambiguë, permettant l’attribution univoque de rangs. Si la variable est de nature quantitative continue (mesures de temps, de poids, de concentration biochimique ou d’indices économiques), cette condition est automatiquement remplie. Le test accepte également des échelles composites discrètes, pourvu que la relation d’ordre monotone soit préservée d’un bout à l’autre de l’espace de variation métrique.

En second lieu, la variable indépendante (le facteur explicatif ou variable de regroupement) doit être strictement catégorielle, définissant au minimum trois modalités distinctes, exhaustives et mutuellement exclusives. Bien que la commande Stata puisse techniquement s’exécuter sur une variable indépendante ne comportant que deux modalités, une telle configuration relève canoniquement du test de Wilcoxon-Mann-Whitney (implémenté via la commande ranksum), dont Kruskal-Wallis représente la généralisation mathématique directe pour k ≥ 3.

En troisième lieu, le postulat d’indépendance mutuelle stricte des observations constitue la condition d’application la plus intransigeante. Chaque sujet, unité expérimentale ou observation ne doit contribuer qu’une seule et unique fois à la structure globale de données, et l’appartenance à un groupe d’échantillonnage doit être mutuellement exclusive. Les mesures répétées dans le temps sur les mêmes individus, les plans d’appariement cas-témoins ou les structures hiérarchiques emboîtées (par exemple, des élèves nichés au sein de classes scolaires sans contrôle de l’effet de grappe) violent frontalement cette exigence. Une violation de l’indépendance des observations altère profondément la distribution de la statistique de test sous l’hypothèse nulle, provoquant des taux alarmants d’erreurs de type I qui invalident toute inférence déductive.

2.2 Examen de la similarité des distributions

L’interprétation sémantique du résultat issu de Kruskal-Wallis est intimement tributaire de la morphologie comparée des distributions au sein des sous-groupes. Comme explicité dans les fondements théoriques, l’attribution d’une différence de positionnement à un écart entre les médianes n’est méthodologiquement légitime que si l’analyste s’assure d’une relative homogénéité de la forme géométrique des distributions empiriques. Dans le cadre de l’inférence appliquée, cela implique que les fonctions de densité de probabilité estimées pour chaque modalité doivent présenter une variance, une asymétrie (skewness) et un coefficient d’aplatissement (kurtosis) comparables.

Lorsque cette condition de similitude des formes est satisfaite, le test de Kruskal-Wallis agit comme un test pur de translation (location-shift model). Le rejet de l’hypothèse nulle atteste formellement que les centres de gravité des populations — idéalement représentés par les médianes en raison de leur résistance aux perturbations périphériques — diffèrent significativement. Dans ce scénario, le chercheur dispose d’une métrique d’une grande intuitivité pour communiquer ses conclusions au lectorat académique : il lui suffit de reporter les médianes respectives de chaque groupe pour décrire la trajectoire de l’effet observé.

À l’inverse, si l’exploration diagnostique préliminaire révèle des dissemblances morphologiques majeures entre les strates — par exemple, un sous-groupe fortement leptokurtique et asymétrique à droite confronté à un sous-groupe platykurtique et symétrique —, l’hypothèse de pure translation s’effondre. Le test de Kruskal-Wallis demeure mathématiquement robuste et conserve son seuil nominal de signification, mais la conclusion statistique doit être formulée avec une prudence accrue : elle concerne exclusivement la dominance stochastique globale des distributions et la divergence des rangs moyens, excluant toute allégation formelle sur l’inégalité univoque des médianes individuelles. Des méthodes d’inspection visuelle rigoureuses et des tests préliminaires de dispersion permettent de clarifier cette orientation analytique.

2.3 Gestion des ex-æquo et ajustement de la statistique de test

Dans les jeux de données réels, particulièrement lorsqu’on analyse des scores discrets ou des échelles psychométriques à amplitude bornée, la présence d’observations partageant des valeurs rigoureusement identiques est inévitable. Ces coïncidences numériques, désignées sous le terme d’ex-æquo ou de ties, altèrent la structure mathématique de la somme des rangs en réduisant artificiellement la variance globale des rangs assignés. Si aucune correction computationnelle n’était appliquée, la statistique de test H sous-estimerait la véritable ampleur de la divergence intergroupes, augmentant indûment le risque d’erreur de deuxième espèce (défaut de détection d’un effet réel).

La statistique fondamentale du test de Kruskal-Wallis, en l’absence totale d’ex-æquo, est définie par la formulation analytique suivante :

H = [12 / (N(N + 1))] * Σ [R_i² / n_i] – 3(N + 1)

où N représente l’effectif total agrégé, n_i est l’effectif propre au groupe i, et R_i figure la somme des rangs assignés aux observations du groupe i. Dès lors que des ex-æquo émergent, la statistique H doit être divisée par un facteur d’ajustement correctif noté C, calculé selon l’expression :

C = 1 – [Σ (t_j³ – t_j) / (N³ – N)]

dans laquelle t_j quantifie le nombre d’observations à égalité de valeur au sein du j-ième groupe de valeurs identiques. La statistique corrigée H_c = H / C réintroduit la précision nécessaire. Dans l’architecture logicielle de Stata, cet ajustement est exécuté de manière totalement native et transparente pour l’analyste, qui se voit présenter simultanément les deux métriques dans la table des sorties.

Enfin, la validité asymptotique de la distribution d’échantillonnage de la statistique H dépend des effectifs disponibles. Sous l’hypothèse nulle, la statistique H converge vers une distribution théorique du Chi-deux (χ²) possédant k – 1 degrés de liberté à mesure que la taille d’échantillon s’accroît. Les standards méthodologiques s’accordent à considérer que cette approximation asymptotique est pleinement fiable dès lors que chaque sous-groupe comporte au minimum 5 observations (n_i ≥ 5). En deçà de ce seuil critique, l’approximation par la loi du Chi-deux devient imprécise, et le recours à des tables de distribution exacte ou à des algorithmes de permutation exacte devient nécessaire.

3. Environnement de travail Stata et préparation des données

3.1 Configuration de l’espace de travail Stata

L’intégrité de toute recherche quantitative repose sur le paradigme de la reproductibilité analytique. Dans l’écosystème Stata, cette exigence impose d’abandonner l’interaction exclusive via l’interface graphique utilisateur (menus déroulants) au profit d’une écriture systématique, structurée et commentée au sein d’un fichier script Do-file. Avant d’engager la moindre transformation de données ou modélisation statistique, l’espace de travail doit être initialisé méthodiquement.

L’initialisation optimale d’une session de travail implique la réinitialisation de la mémoire vive, la fermeture de tout fichier journal préalablement actif, et la définition des répertoires de travail. La journalisation systématique au format texte ou format log (.smcl ou .log) permet de consigner l’intégralité des lignes de commandes exécutées ainsi que les flux de sorties statistiques correspondants, constituant une piste d’audit méthodologique inaltérable. La commande fondamentale pour débuter cette procédure s’énonce comme suit :

clear all
macro drop _all
set more off, permanently
capture log close
log using « analyse_kruskal_wallis.log », replace text

Au-delà de cette réinitialisation, il est impératif de paramétrer l’encodage des caractères, en particulier lorsque le système d’exploitation manipule des chaînes linguistiques comportant des accents français. Depuis la version 14 de Stata, l’encodage standard par défaut est l’UTF-8. Veiller à ce que les fichiers de syntaxe et les bases de données respectent cet encodage prévient toute altération des métadonnées lors de la génération automatisée de graphiques ou de tableaux récapitulatifs.

3.2 Chargement et vérification du jeu de données

Afin de fournir une démonstration empirique concrète, vérifiable et immédiatement reproductible par tout utilisateur de Stata, nous mobiliserons un jeu de données officiel intégré nativement aux serveurs d’apprentissage de Stata Press : le fichier de données de recensement démographique américain (census.dta). Ce corpus contient des indicateurs démographiques mesurés au niveau des 50 États fédéraux américains, répartis au sein de quatre grandes régions géographiques.

Pour charger ce jeu de données directement en mémoire vive via le protocole internet, la syntaxe Stata s’exécute de la manière suivante :

use http://www.stata-press.com/data/r13/census, clear

Dans le cadre de notre problématique de recherche, nous formulons l’hypothèse selon laquelle l’âge médian de la population diffère significativement en fonction de la localisation géographique des États. Notre modèle met ainsi en relation deux variables cibles :

• medage (variable dépendante quantitative continue) : l’âge médian mesuré en années des résidents de chaque État lors du recensement.
• region (variable indépendante catégorielle nominale) : la division géographique d’appartenance de chaque État, stratifiée en quatre modalités (1: NE = Northeast ; 2: N Cntrl = North Central ; 3: South = South ; 4: West = West).

Une étape de vérification structurelle s’impose immédiatement après le chargement pour s’assurer du formatage des vecteurs de données. La commande describe permet de certifier que medage est stockée sous une forme numérique (float ou double) et que region est configurée comme une variable numérique étiquetée (labeled numeric variable) et non comme une chaîne de caractères bruts (string), condition préalable absolue pour l’exécution fluide de la commande kwallis.

describe medage region
label list

3.3 Nettoyage et traitement des données manquantes

La présence de valeurs manquantes (missing values) non documentées représente une menace systémique pour l’inférence empirique. Bien que les procédures non paramétriques comme celle de Kruskal-Wallis fassent preuve d’une robustesse intrinsèque face aux valeurs atypiques extrêmes, elles n’échappent pas aux biais induits par les patrons de données manquantes non aléatoires (Missing Not at Random ou MNAR). L’évaluation de l’intégrité vectorielle du jeu de données doit s’opérer en amont de toute estimation.

Sous Stata, la commande inspect fournit un aperçu concis et complet de la distribution des observations, identifiant instantanément la proportion de valeurs positives, négatives, nulles et manquantes :

inspect medage
inspect region

Dans l’éventualité où des valeurs aberrantes imputables à des erreurs de saisie métrologique apparaîtraient (par exemple, un âge médian codé par inadvertance à 999 ou une modalité de région n’appartenant pas à l’espace d’état défini de 1 à 4), ces anomalies doivent être recodées explicitement sous forme de valeurs manquantes système (stata missing value représentée par un point `.`). Par ailleurs, il convient de souligner que Stata opère par défaut une exclusion univariée de type listwise : toute observation présentant une valeur manquante sur la variable dépendante ou sur la variable de regroupement sera automatiquement exclue du calcul des rangs sans interrompre l’exécution du programme.

Il importe que l’analyste consigne méthodologiquement le nombre d’observations valides entrant dans le calcul final. Dans notre fichier d’exemple census.dta, les 50 États disposent d’enregistrements complets pour medage et region, ce qui élimine tout risque de biais d’attrition pour la suite de nos démonstrations.

4. Exploration descriptive univariée et bivariée sous Stata

4.1 Statistiques descriptives globales

Préalablement à toute démarche de test d’hypothèse, une analyse exploratoire approfondie de la variable dépendante est impérative. Cette démarche vise à appréhender les caractéristiques distributionnelles de la métrique : position, dispersion, asymétrie et aplatissement. La commande générique summarize constitue la première ligne d’investigation, complétée impérativement par l’option detail pour extraire les quantiles indispensables à l’analyse non paramétrique.

summarize medage, detail

L’exécution de cette commande génère une sortie détaillée riche d’enseignements statistiques. Elle fournit la moyenne arithmétique globale, l’écart-type, la variance, mais surtout les percentiles critiques : le 25e percentile (premier quartile Q₁), le 50e percentile (la médiane), et le 75e percentile (troisième quartile Q₃). Dans l’optique d’un test non paramétrique, la médiane et l’écart interquartile (défini par l’intervalle IQR = Q₃ – Q₁) constituent les indicateurs de tendance centrale et de dispersion de référence, car ils demeurent totalement insensibles à la présence d’éventuelles valeurs aberrantes.

L’examen des coefficients de forme — à savoir le coefficient d’asymétrie (skewness) et le coefficient d’aplatissement (kurtosis) — fournit les premiers indices diagnostiques quant à la déviation par rapport à la loi normale théorique. Pour une distribution strictement gaussienne, le coefficient de skewness est nul (0,00) et le coefficient de kurtosis est égal à 3,00. Tout écart substantiel par rapport à ces bornes théoriques indique une non-gaussienneté structurelle de la distribution des données, fournissant une première justification objective pour l’abandon de l’analyse de variance paramétrique au profit de la modélisation par rangs.

4.2 Statistiques descriptives conditionnelles par groupe

L’évaluation des disparités distributionnelles requiert une décomposition systématique des indicateurs statistiques en fonction des strates de la variable indépendante. Stata propose une syntaxe d’une concision et d’une puissance remarquables pour réaliser cette stratification par groupe, en combinant le préfixe bysort avec la commande d’estimation descriptive :

bysort region: summarize medage, detail

Cette commande itérative produit un bloc complet d’indices descriptifs pour chacune des quatre régions géographiques américaines. Pour synthétiser ces résultats dans un format compact et opérationnel directement exploitable pour la rédaction scientifique, la commande tabstat s’avère particulièrement adaptée :

tabstat medage, by(region) stat(n q med mean sd skewness) format(%9.2f)

Cette synthèse tabulaire met en exergue les divergences d’âge médian entre les régions géographiques. Le chercheur portera une attention particulière à la comparaison des médianes conditionnelles et de leurs dispersions respectives à travers les quartiles (p25, p50, p75). Si les moyennes arithmétiques et les médianes divergent sensiblement au sein d’un même groupe, cela traduit l’existence d’une asymétrie locale prononcée qui biaiserait une analyse de variance classique.

4.3 Visualisation de la forme distributionnelle

L’exploration descriptive demeure incomplète sans une inspection visuelle minutieuse de la géométrie des données. Dans le contexte du test de Kruskal-Wallis, la représentation graphique remplit un double rôle : elle permet de communiquer la variabilité empirique de façon intuitive et constitue l’outil diagnostique privilégié pour examiner le postulat de similarité morphologique des distributions entre les groupes.

Le diagramme en boîte à moustaches (boxplot) est l’instrument graphique par excellence pour l’analyse non paramétrique, car sa construction repose exclusivement sur les quantiles. Sous Stata, la commande suivante génère des boîtes à moustaches juxtaposées pour chaque modalité de la variable de regroupement :

graph box medage, over(region) title(« Distribution de l’âge médian selon la région géographique ») ytitle(« Âge médian (années) »)

La boîte centrale matérialise l’écart interquartile (du 25e au 75e percentile), la ligne médiane horizontale indique la tendance centrale non paramétrique, et les moustaches délimitent l’étendue des observations non aberrantes selon la règle classique de John Tukey (1,5 fois l’intervalle interquartile à partir des charnières). Les points individuels isolés au-delà des moustaches signalent d’éventuelles valeurs aberrantes univariées.

Pour enrichir l’évaluation de la forme distributionnelle, la superposition ou juxtaposition d’histogrammes et d’estimations de densité par noyaux (kernel density estimation) offre une lecture fine des densités locales :

twoway (kdensity medage if region==1, lcolor(navy) lwidth(medthick)) ///
(kdensity medage if region==2, lcolor(maroon) lwidth(medthick)) ///
(kdensity medage if region==3, lcolor(forest_green) lwidth(medthick)) ///
(kdensity medage if region==4, lcolor(dkorange) lwidth(medthick)), ///
legend(order(1 « Northeast » 2 « North Central » 3 « South » 4 « West »)) ///
title(« Courbes de densité de l’âge médian par région »)

Cette visualisation permet d’évaluer directement l’hypothèse d’homomorphisme : si les courbes de densité possèdent une allure globale analogue (même largeur de base, profils d’asymétrie similaires) tout en étant décalées le long de l’axe horizontal, le chercheur dispose d’une assise solide pour interpréter le test de Kruskal-Wallis comme un test de différence sur les médianes strictes.

5. Vérification empirique des postulats avant analyse

5.1 Vérification de la non-normalité

Bien que le recours au test de Kruskal-Wallis soit fréquemment justifié a priori par la nature ordinale des instruments de mesure, l’analyste traitant des variables continues doit étayer formellement sa décision de délaisser l’ANOVA paramétrique. Cette justification s’appuie sur la mise en évidence empirique de déviations significatives par rapport à la normalité au sein des sous-échantillons d’étude.

La procédure formelle la plus puissante pour éprouver l’hypothèse de normalité univariée est le test de Shapiro-Wilk (adapté sous Stata via la commande swilk). Ce test évalue la corrélation entre les quantiles observés et les quantiles théoriques attendus d’une loi normale. Dans la mesure où l’hypothèse de normalité doit être satisfaite conditionnellement au sein de chaque groupe, le test doit être ventilé par modalité :

bysort region: swilk medage

L’interprétation repose sur l’examen de la p-valeur associée à la statistique W de Shapiro-Wilk. Un résultat significatif (p < 0,05) conduit au rejet formel de l’hypothèse nulle de normalité distributionnelle pour le groupe considéré. Il suffit qu’un seul sous-groupe viole cette exigence de manière statistiquement concluante pour que le modèle linéaire paramétrique classique perde sa validité théorique absolue.

En complément de la statistique d’inférence de Shapiro-Wilk, le tracé des droites de Henry (diagrammes quantile-quantile normaux) via la commande qnorm permet d’objectiver graphiquement la nature et la localisation des écarts distributionnels :

qnorm medage

L’observation d’un tracé sigmoïde (en forme de « S ») signale un aplatissement lourd ou léger, tandis qu’une courbure convexe ou concave traduit une asymétrie directionnelle prononcée. Lorsque ces configurations apparaissent sur de petits échantillons, le basculement vers le modèle non paramétrique de Kruskal-Wallis devient une décision méthodologique rigoureusement fondée.

5.2 Évaluation de l’homoscédasticité

Le second grand postulat sous-jacent à l’analyse de variance concerne l’homogénéité des variances entre les groupes (l’homoscédasticité). Bien que le test de Kruskal-Wallis soit une méthode non paramétrique, il n’est pas totalement immunisé contre les effets de l’hétéroscédasticité, en particulier lorsque celle-ci s’accompagne d’un déséquilibre substantiel dans les effectifs des sous-groupes (plans non orthogonaux).

Pour évaluer l’égalité des variances sous Stata, la commande robvar déploie des tests d’homoscédasticité robustes aux déviations de normalité :

robvar medage, by(region)

La commande robvar produit trois métriques distinctes :

• Le test de Levene classique, articulé autour de la moyenne arithmétique de chaque modalité.
• La variante robuste de Brown et Forsythe, calculée à partir des écarts à la médiane absolue, offrant une résistance optimale aux asymétries distributionnelles modérées.
• Le test basé sur la moyenne tronquée (trimmed mean) à 10 %, adapté aux distributions à queues épaisses.

Dans l’éventualité où le test robuste de Brown-Forsythe affiche une p-valeur supérieure au seuil conventionnel de 0,05, l’analyste conclut au non-rejet de l’hypothèse d’homoscédasticité. Cette confirmation est méthodologiquement rassurante : combinée à l’inspection visuelle des diagrammes de dispersion, elle garantit que le test de Kruskal-Wallis fonctionnera dans des conditions optimales d’équilibre stochastique, préservant scrupuleusement son seuil d’erreur alpha.

6. Exécution du test de Kruskal-Wallis dans Stata

6.1 Syntaxe fondamentale de la commande kwallis

Dans l’architecture computationnelle de Stata, le test d’analyse de variance à une voie par les rangs est encapsulé au sein de la commande native kwallis. Sa conception syntaxique est particulièrement épurée et s’inscrit dans la grammaire standard du logiciel. L’instruction formelle exige la déclaration séquentielle de la variable dépendante suivie immédiatement de la clause d’assignation factorielle by(), dans laquelle est enchâssée la variable indépendante de stratification :

kwallis variable_dependante, by(variable_independante)

Dans le cadre strict de notre démonstration appliquée au recensement américain, la syntaxe opérationnelle s’écrit donc :

kwallis medage, by(region)

Une précaution syntaxique et conceptuelle fondamentale doit être scrupuleusement observée : la commande kwallis de Stata exige impérativement que la variable de groupement spécifiée dans l’option by() soit codée sous forme d’une variable numérique discrète. Si l’analyste intègre une variable catégorielle stockée sous forme de chaîne de caractères alphabétiques (string variable, par exemple des labels textuels tels que « Nord », « Sud », « Est »), Stata interrompra immédiatement l’exécution du calcul en renvoyant le code d’erreur standard varlist: string variable not allowed.

Si vos données initiales présentent une variable indépendante textuelle, il est nécessaire de procéder préalablement à son transcodage numérique automatique tout en préservant la sémantique originelle sous forme d’étiquettes de valeurs. Cette manipulation s’opère aisément à l’aide de la commande encode :

encode region_texte, generate(region_numerique)
kwallis medage, by(region_numerique)

Une fois cette validation technique assurée, l’exécution de la commande calcule l’ensemble des assignations de rangs sur la série combinée, gère les ex-æquo mathématiques et restitue la table d’analyse statistique en une fraction de seconde.

6.2 Gestion des sous-échantillons et pondérations

Dans de multiples contextes de recherche épidémiologique ou sociologique, il est nécessaire de restreindre le champ de l’évaluation non paramétrique à un sous-ensemble spécifique de la population observée, sans pour autant altérer physiquement le fichier de données principal en mémoire. La commande kwallis intègre parfaitement les clauses de restriction logiques if et de ciblage indiciel in.

À titre d’illustration, si un investigateur souhaite neutraliser l’influence d’un sous-groupe particulier (par exemple, analyser exclusivement les trois premières régions en excluant la région occidentale correspondant au code 4), la syntaxe Stata s’adapte avec souplesse :

kwallis medage if region != 4, by(region)

De manière analogue, des filtres conjonctifs ou disjonctifs complexes combinant d’autres variables de contrôle peuvent être appliqués (par exemple : if population > 1000000 & region != 1).

Néanmoins, une limite méthodologique structurelle de la commande native kwallis de Stata doit être expressément signalée : la commande kwallis ne prend pas en charge les pondérations d’échantillonnage statistique (telles que les poids d’échantillonnage probabiliste pweights, les poids de sondage complexe svy, ou les poids de fréquence fweights). L’assignation des rangs combinés au sein de la syntaxe native repose sur l’hypothèse d’une équiprobabilité de sélection des observations individuelles.

Si votre protocole repose impérativement sur un plan de sondage probabiliste complexe nécessitant une pondération pour assurer la représentativité populationnelle, l’analyste ne peut mobiliser directement kwallis. Les alternatives méthodologiques rigoureuses sous Stata consistent alors :

• Soit à effectuer une régression linéaire pondérée sur les rangs préalablement transformés avec la suite de commandes egen rank et la commande svy: regress,
• Soit à mobiliser une régression logistique ordinale robuste intégrant le plan de sondage via svy: ologit, en modélisant la variable catégorielle comme prédicteur.

Pour des échantillons indépendants simples issus de cohortes cliniques ou d’expérimentations randomisées en laboratoire, la commande kwallis demeure l’outil de référence absolu.

7. Interprétation détaillée des sorties statistiques de Stata

7.1 Lecture du tableau des rangs moyens (Rank Sums)

L’exécution de la commande kwallis medage, by(region) génère instantanément dans la console de résultats de Stata une table synthétique composée de deux sections fondamentales : un tableau descriptif des métriques de rangs par sous-groupe, suivi des statistiques du Chi-deux associées au test omnibus.

Le tableau supérieur s’articule autour de trois colonnes opérationnelles qu’il convient de décrypter minutieusement :

• region : cette colonne énumère l’ensemble des modalités du facteur de regroupement incluses dans le calcul. Dans notre exemple, elle affiche successivement Northeast, N Cntrl, South et West.
• Obs : elle quantifie le nombre exact d’observations valides (effectif analytique n_i) recensées au sein de chaque strate géographique. On observe ici 9 États pour le Nord-Est, 12 pour le Centre-Nord, 16 pour le Sud et 13 pour l’Ouest, pour un effectif cumulé total de N = 50 observations.
• Rank Sum : cette colonne indique la somme arithmétique globale des rangs (R_i) attribuée à chaque sous-échantillon après le tri croissant des 50 observations combinées.

Bien que Stata n’affiche pas explicitement le rang moyen par groupe au sein de cette sortie native, ce paramètre constitue la métrique cognitive essentielle pour évaluer la dominance stochastique relative. Le rang moyen d’un groupe, noté R̄_i, s’obtient simplement en divisant sa somme des rangs par son effectif d’observations :

R̄_i = R_i / n_i

Pour contextualiser ces métriques, calculons manuellement le rang moyen pour les quatre régions à partir de la sortie Stata :

• Northeast : R̄ = 363,50 / 9 = 40,39
• North Central : R̄ = 328,00 / 12 = 27,33
• South : R̄ = 398,50 / 16 = 24,91
• West : R̄ = 185,00 / 13 = 14,23

Le rang moyen global théorique attendu pour l’ensemble des données sous l’hypothèse nulle d’indépendance parfaite se calcule par la formule standard :

R̄_global = (N + 1) / 2 = (50 + 1) / 2 = 25,50

La simple comparaison des rangs moyens observés par rapport à cette valeur pivot théorique (25,50) révèle immédiatement la dynamique directionnelle de l’effet. Le groupe Northeast affiche un rang moyen spectaculairement élevé (40,39), indiquant que les États de cette région tendent à se concentrer dans le tiers supérieur de la distribution de l’âge médian à l’échelle nationale. Inversement, la région West présente un rang moyen particulièrement faible (14,23), traduisant une concentration prononcée d’États aux âges médians les plus jeunes de la fédération.

7.2 Analyse de la statistique H et des degrés de liberté

Au bas du tableau des rangs, Stata imprime les résultats d’inférence statistique permettant de statuer formellement sur le rejet ou le maintien de l’hypothèse nulle H₀. Deux lignes d’estimation sont présentées :

• chi-squared = 13.047 with 3 d.f. : cette première statistique correspond au calcul classique de la valeur H sans application du facteur d’ajustement pour valeurs identiques.
• chi-squared with ties = 13.195 with 3 d.f. : cette seconde ligne intègre la correction pour ex-æquo (ties), prenant en compte les États partageant des âges médians rigoureusement équivalents.

Dès lors que le jeu de données comporte la moindre égalité numérique — ce qui est le cas ici —, c’est exclusivement la statistique corrigée pour ex-æquo (chi-squared with ties) qui doit être prise en compte et rapportée dans les publications scientifiques. Dans notre modèle empirique, nous relevons :

H_c = 13,195, degrés de liberté df = k – 1 = 4 – 1 = 3.

La dernière ligne indique la probabilité critique asymptotique :

probability = 0.0042

Cette p-valeur exacte (p = 0,0042) est largement inférieure au seuil alpha canonique fixé à 0,05. Le statisticien conclut donc au rejet sans équivoque de l’hypothèse nulle H₀ d’équivalence stochastique des distributions d’âge médian entre les quatre régions géographiques des États-Unis. Il existe une probabilité de seulement 4,2 pour mille d’observer une telle divergence dans la distribution des rangs si le facteur géographique n’exerçait aucune influence sur l’âge médian.

Néanmoins, à l’instar du test F de l’ANOVA paramétrique, le test de Kruskal-Wallis est un test d’hypothèse globale dit omnibus. Il atteste avec une grande certitude probabiliste qu’au moins une des régions diverge stochastiquement des autres, mais il est intrinsèquement incapable de spécifier la localisation exacte de cette divergence : est-ce le Nord-Est qui s’écarte significativement de l’Ouest ? Le Sud diffère-t-il du Centre-Nord ? Pour répondre à cette exigence analytique, le recours à des procédures de comparaisons multiples a posteriori (tests post-hoc) s’avère indispensable.

8. Analyses post-hoc et comparaisons multiples par paires

8.1 Nécessité théorique des tests a posteriori

L’obtention d’un résultat globalement significatif au terme de l’évaluation omnibus de Kruskal-Wallis confronte l’analyste à un dilemme méthodologique : identifier précisément quelles paires de groupes présentent des divergences statistiques significatives sans compromettre la validité de la démarche inférentielle globale. La tentation naïve consisterait à exécuter une série de tests bivariés indépendants (par exemple, des tests de Wilcoxon-Mann-Whitney sur chaque paire possible) sans ajustement statistique préalable.

Cette démarche expose l’expérimentateur à la problématique de l’inflation de l’erreur de première espèce (familywise error rate inflation). Si l’on réalise c comparaisons appariées indépendantes, chacune régie par un seuil nominal d’erreur de première espèce α = 0,05, la probabilité cumulée α’ d’obtenir au minimum un faux positif (rejet à tort d’au moins une hypothèse nulle) s’accroît de manière exponentielle selon la formule théorique :

α’ = 1 – (1 – α)^c

Pour notre cas d’étude comportant k = 4 groupes, le nombre total de comparaisons binômes possibles est défini par la combinaison :

c = k(k – 1) / 2 = 4(3) / 2 = 6 comparaisons par paires.

Sans contrôle statistique adéquat, le risque cumulé de commettre au moins une erreur de type I grimpe à :

α’ = 1 – (1 – 0,05)⁶ = 1 – (0,95)⁶ ≈ 0,2649 (soit 26,49 %).

Un tel niveau d’incertitude invalide la rigueur de la recherche scientifique. Il est donc impératif de mobiliser des protocoles de tests a posteriori spécifiquement conçus pour l’analyse non paramétrique, intégrant des mécanismes formels de correction de la p-valeur.

8.2 Procédure de Dunn sous Stata

La procédure post-hoc de référence internationale recommandée pour faire suite à un test de Kruskal-Wallis significatif a été formalisée par la statisticienne Olive Jean Dunn en 1964. Contrairement à l’exécution de tests de Mann-Whitney par paires isolées, le test de Dunn exploite l’ensemble de l’information matricielle : il conserve le classement par rangs combinés établi sur la totalité de l’échantillon N et utilise la variance globale estimée sous l’hypothèse nulle pour calculer l’écart-type de la différence entre les rangs moyens de chaque paire.

Le test de Dunn n’est pas intégré dans le noyau de base de Stata, mais il est disponible via le module communautaire dunntest, accessible depuis les dépôts du Statistical Software Components (SSC) géré par Boston College. Son installation s’exécute directement en tapant :

ssc install dunn.pkg, replace

Une fois le module chargé, la syntaxe pour déployer le test de comparaisons multiples avec un contrôle strict de l’erreur globale s’énonce comme suit :

dunntest medage, by(region) bonferroni

Le module de Dunn sous Stata autorise une variété de techniques d’ajustement du seuil alpha pour répondre aux exigences des différents designs méthodologiques :

• bonferroni : la correction la plus conservatrice, multipliant la p-valeur bilatérale non ajustée par le nombre total de comparaisons (ici 6).
• sidak : une correction légèrement plus puissante que Bonferroni, fondée sur l’indépendance probabiliste (1 – (1 – p)^c).
• holm : la procédure séquentielle descendante de Holm, qui hiérarchise les p-valeurs observées et applique des seuils décroissants, offrant un compromis optimal entre contrôle de l’erreur de type I et préservation de la puissance statistique.
• bh (Benjamini-Hochberg) : contrôle du taux de fausses découvertes (False Discovery Rate ou FDR), particulièrement adapté aux plans expérimentaux exploratoires impliquant un grand nombre de groupes.

La matrice de résultats générée par Stata présente les contrastes standardisés z pour chaque binôme ainsi que la p-valeur corrigée correspondante. L’analyse des contrastes sur les données du recensement démontre de manière univoque que la divergence globale est principalement induite par la séparation entre le Nord-Est et l’Ouest (p-corrigée < 0,01), confirmant la rupture démographique observée lors de l’examen des rangs moyens.

8.3 Approches alternatives : tests de Wilcoxon-Mann-Whitney par paires

Une approche méthodologique alternative consiste à exécuter de façon itérative des tests de somme des rangs de Wilcoxon-Mann-Whitney indépendants sur chaque binôme de groupes, en utilisant la commande native ranksum sous Stata. Bien que cette pratique soit répandue, il convient d’en cerner rigoureusement les implications théoriques.

Lorsque l’on exécute ranksum sur deux groupes isolés en extrayant temporairement le reste de la cohorte, les observations sont réordonnées exclusivement entre les deux groupes en jeu. Le système génère donc de nouveaux rangs locaux distincts de la distribution globale des rangs initiaux calculés par Kruskal-Wallis. Cette particularité peut, dans certains contextes de distributions hétérogènes, produire de légères dissonances de classement ordinal.

Si l’analyste opte pour cette stratégie bivariée séquentielle, il doit impérativement appliquer manuellement un ajustement du risque d’erreur alpha. L’ajustement le plus direct repose sur la formule stricte de Bonferroni : le seuil alpha cible (conventionnellement α = 0,05) est divisé par le nombre total de comparaisons binômes programmées :

α_ajusté = α / c = 0,05 / 6 = 0,00833

Dès lors, pour être déclarée statistiquement significative au niveau global de 5 %, la p-valeur brute fournie par la commande ranksum pour un binôme donné doit impérativement être inférieure au seuil ultra-conservateur de 0,00833. La séquence d’instructions Stata pour tester par exemple l’opposition entre la région 1 (Northeast) et la région 4 (West) s’écrit :

ranksum medage if region == 1 | region == 4, by(region)

Sur le plan de l’orthodoxie statistique, la procédure post-hoc de Dunn doit être systématiquement préférée aux tests de Mann-Whitney par paires. En conservant l’infrastructure de classement issue du test omnibus, la procédure de Dunn assure une cohérence mathématique absolue avec le modèle global de Kruskal-Wallis, tout en maximisant la stabilité de l’estimation de la variance résiduelle.

9. Quantification de la magnitude de l’effet

9.1 Calcul de l’Epsilon carré (E²_R)

Dans l’épistémologie de l’inférence quantitative contemporaine, la seule publication de la p-valeur est jugée insuffisante pour caractériser la pertinence empirique d’un résultat. En effet, la p-valeur ne reflète pas uniquement l’intensité de la relation entre les variables, mais est fortement tributaire de la taille de l’échantillon d’étude : un échantillon colossal permettra de rejeter l’hypothèse nulle pour des divergences triviales, tandis qu’un échantillon restreint échouera à détecter des effets substantiels. L’estimation d’une taille d’effet (effect size) standardisée constitue un impératif méthodologique incontournable.

Pour le test de Kruskal-Wallis, l’indice d’amplitude d’effet le plus rigoureux est le coefficient d’Epsilon carré sur les rangs, formalisé par Robert Kelly en 1935 et adapté aux tests non paramétriques sous la notation E²_R ou E²_H. Il quantifie formellement la proportion de variabilité des rangs de la variable dépendante expliquée par l’appartenance aux différentes modalités de la variable de groupement. Sa formulation mathématique s’exprime comme suit :

E²_R = (H – k + 1) / (N – k)

dans laquelle H désigne la statistique de Kruskal-Wallis corrigée pour les ex-æquo, k représente le nombre total de groupes comparés, et N symbolise la taille cumulée de l’échantillon opérationnel. Cet indice présente l’avantage métrologique d’être strictement borné dans l’intervalle [0 ; 1], où 0 indique une absence absolue d’association entre les groupes et la distribution des rangs, et 1 traduit une séparation stochastique parfaite des cohortes.

9.2 Calcul de l’Eta carré basé sur la statistique H (η²_H)

Une seconde métrique d’amplitude largement répandue dans la littérature académique internationale est l’indice d’Eta carré fondé sur la statistique H, noté η²_H. Cette grandeur constitue le pendant direct non paramétrique du coefficient de détermination partiel (η²) issu de l’analyse de variance paramétrique classique, facilitant son intégration au sein de méta-analyses transdisciplinaires. Sa formule computationnelle est définie par :

η²_H = (H – k + 1) / (N – 1)

Bien que proche de la formulation de l’Epsilon carré, l’Eta carré utilise N – 1 au dénominateur au lieu de N – k. Lorsque la taille globale de l’échantillon N est importante, les deux indices convergent vers des estimations quasi identiques. En revanche, sur des échantillons restreints, l’Epsilon carré offre une correction plus rigoureuse du biais lié au nombre de paramètres estimés.

Pour interpréter ces métriques, la communauté scientifique se réfère couramment aux grilles d’appréciation heuristiques adaptées des travaux de Jacob Cohen pour le coefficient de détermination R² et l’Eta carré :

• Effet faible (small effect) : indice compris entre 0,01 et 0,059 (1 % à 5,9 % de la variance des rangs expliquée).
• Effet modéré (medium effect) : indice compris entre 0,06 et 0,139 (6 % à 13,9 % de la variance des rangs expliquée).
• Effet important (large effect) : indice supérieur ou égal à 0,14 (≥ 14 % de la variance des rangs expliquée).

9.3 Automatisation du calcul via un script Do-file

La commande native kwallis de Stata n’imprime pas automatiquement ces indices d’amplitude d’effet dans sa table de sortie standard. Néanmoins, Stata conserve en mémoire vive interne les résultats scalaires de la dernière commande exécutée sous forme de macros r-class (accessibles via l’instruction return list). L’analyste peut tirer parti de cette architecture pour programmer l’extraction computationnelle et l’affichage instantané des tailles d’effet au sein de son fichier Do-file.

Après l’exécution de la commande kwallis, Stata stocke notamment :

• r(df) : les degrés de liberté du modèle (équivalant à k – 1).
• r(chi2_sub) ou r(chi2) : la statistique du Chi-deux corrigée pour ex-æquo.
• r(N) : la taille totale de l’échantillon.

Voici la séquence de programmation automatisée à insérer immédiatement après l’appel du test :

kwallis medage, by(region)
scalar H = r(chi2_sub)
scalar df = r(df)
scalar k = df + 1
scalar N = r(N)
scalar epsilon2 = (H – k + 1) / (N – k)
scalar eta2 = (H – k + 1) / (N – 1)
display as text « Statistique H corrigée =  » as result %8.3f H
display as text « Taille de l’effet Epsilon carré (E^2_R) =  » as result %8.4f epsilon2
display as text « Taille de l’effet Eta carré (Eta^2_H) =  » as result %8.4f eta2

En appliquant cette syntaxe automatisée aux résultats de notre jeu de données census.dta, nous obtenons :

H = 13,195 ; k = 4 ; N = 50
E²_R = (13,195 – 4 + 1) / (50 – 4) = 10,195 / 46 ≈ 0,2216
η²_H = (13,195 – 4 + 1) / (50 – 1) = 10,195 / 49 ≈ 0,2081

Ces estimations démontrent que l’appartenance régionale explique plus de 20 % de la variabilité observée dans le positionnement ordinal de l’âge médian des États américains. Selon les standards métrologiques de Cohen, nous sommes en présence d’une taille d’effet importante (large effect size), ce qui confère à notre résultat une pertinence clinique et démographique indéniable au-delà de sa simple significativité statistique.

10. Normalisation de la présentation des résultats académiques

10.1 Directives de rédaction selon les standards APA (7e édition)

La transmission rigoureuse des résultats statistiques dans les revues internationales à comité de lecture est encadrée par les normes méthodologiques de l’American Psychological Association (APA Style, 7e édition). La standardisation de l’écriture garantit la translucidité et la comparabilité des données scientifiques à l’échelle planétaire.

Pour le test de Kruskal-Wallis, les directives formelles imposent de structurer le texte autour de règles typographiques précises :

• La statistique de test est notée avec la lettre majuscule latine H en italique : H(degrés de liberté) = valeur arrondie à deux décimales.
• L’effectif global N ou les effectifs de sous-groupes n doivent être expressément mentionnés en italique.
• La probabilité critique p doit être indiquée avec sa valeur exacte à trois décimales (par exemple, p = 0,004), sans zéro initial selon la tradition anglo-saxonne si la revue l’exige, ou selon l’usage francophone normalisé. Les seuils génériques (tels que p < 0,05) sont réservés aux cas où la p-valeur est inférieure à 0,001 (notée alors p < 0,001).
• L’indice d’amplitude d’effet (E²_R ou η²_H) doit être systématiquement rapporté avec son intervalle de confiance ou sa désignation qualitative (faible, moyen, fort).
• L’orientation du résultat ne peut se résumer à la statistique de test : l’auteur doit impérativement fournir les métriques descriptives appropriées pour chaque modalité. Pour un test non paramétrique, les indicateurs obligatoires sont la médiane (Mdn) et l’écart interquartile (IQR), complétés par les rangs moyens si les distributions ne présentent pas une stricte symétrie morphologique.
• Toute analyse a posteriori (post-hoc) doit être formellement documentée en précisant la méthode de correction de l’erreur globale appliquée (par exemple, la correction de Bonferroni ou la procédure séquentielle de Holm).

10.2 Exemple de paragraphe de résultats pour une publication

Afin de guider concrètement le chercheur dans son processus d’écriture académique, nous présentons ci-dessous la formalisation textuelle complète des analyses conduites sur le fichier census.dta, directement transposable au sein d’une section « Résultats » :

« Un test de Kruskal-Wallis pour échantillons indépendants a été conduit afin d’évaluer l’impact de la localisation géographique (Northeast, North Central, South, West) sur l’âge médian de la population au sein des cinquante États américains (N = 50). L’exploration visuelle des distributions et les tests préliminaires de robustesse ont révélé des asymétries distributionnelles justifiant le recours à une modélisation non paramétrique. L’analyse omnibus révèle une différence statistiquement hautement significative entre les quatre régions géographiques : H(3) = 13,20, p = 0,004, avec une taille d’effet substantielle, Epsilon carré E²_R = 0,22, indiquant que 22,2 % de la variance des rangs de l’âge médian est attribuable à la localisation géographique. »

« Les rangs moyens observés attestent d’une dominance stochastique prononcée pour la région Northeast (rang moyen = 40,39 ; Mdn = 31,10 ans ; IQR = 1,80), suivie par le North Central (rang moyen = 27,33 ; Mdn = 29,95 ans ; IQR = 1,35), le South (rang moyen = 24,91 ; Mdn = 29,70 ans ; IQR = 1,75) et enfin la région West, qui présente le positionnement le plus jeune (rang moyen = 14,23 ; Mdn = 29,20 ans ; IQR = 2,40). »

« Les comparaisons multiples par paires réalisées à l’aide de la procédure post-hoc de Dunn avec ajustement de Bonferroni indiquent que l’âge médian au sein de la région Northeast est statistiquement supérieur de manière significative à celui de la région West (z = 3,48, p_corrigée = 0,003). En revanche, aucune différence statistiquement significative n’a été détectée entre le Northeast et le North Central (p_corrigée = 0,387), ni entre le South et le West (p_corrigée = 0,344) après correction conservatrice de l’erreur de première espèce. »

Cette articulation narrative est idéalement complétée dans le manuscrit par un tableau récapitulatif synthétique, structuré selon les standards graphiques APA :

• Région Northeast : n = 9 | Médiane = 31,10 | IQR = 1,80 | Rang moyen = 40,39
• Région North Central : n = 12 | Médiane = 29,95 | IQR = 1,35 | Rang moyen = 27,33
• Région South : n = 16 | Médiane = 29,70 | IQR = 1,75 | Rang moyen = 24,91
• Région West : n = 13 | Médiane = 29,20 | IQR = 2,40 | Rang moyen = 14,23

11. Diagnostics avancés et écueils analytiques fréquents

11.1 Biais d’interprétation et erreurs de raisonnement

La conduite du test de Kruskal-Wallis en recherche appliquée est couramment entachée d’approximations conceptuelles qu’il convient de déconstruire avec fermeté. Le premier écueil méthodologique réside dans la confusion systématique entre test des médianes et test des rangs moyens. Comme nous l’avons théoriquement démontré dans la première section de ce traité, affirmer sans précaution empirique que Kruskal-Wallis teste la stricte égalité des médianes est faux : le test évalue la dominance stochastique des distributions combinées. Ce n’est qu’en présence d’une homomorphie distributionnelle attestée que cette égalité des rangs se traduit fidèlement par une égalité des médianes métriques. Si les distributions des groupes présentent des dispersions ou des asymétries radicalement opposées, deux populations peuvent afficher des médianes strictement identiques tout en produisant un résultat de Kruskal-Wallis hautement significatif en raison de disparités structurelles dans leurs queues de distribution.

Le deuxième biais récurrent concerne l’interprétation abusive de l’absence de significativité statistique. Constater une probabilité critique supérieure au seuil alpha (par exemple, p = 0,12) n’autorise en aucun cas le chercheur à affirmer que les groupes sont équivalents ou identiques dans la population parente. L’inférence statistique d’inspiration néo-fichérienne ou neyman-pearsienne permet uniquement de rejeter ou d’échouer à rejeter l’hypothèse nulle ; elle ne permet en aucun cas de prouver l’exactitude de H₀. Une telle assertion relève d’un sophisme logique bien documenté sous le nom de sophisme de l’affirmation du conséquent (fallacy of accepting the null hypothesis). Pour établir une véritable équivalence, le chercheur doit recourir à des protocoles spécifiques de bioéquivalence non paramétrique (tests TOST par les rangs).

Le troisième écueil concerne la sous-estimation de l’impact des valeurs aberrantes sévères. Bien que la transformation en rangs neutralise l’amplitude quantitative absolue des scores extrêmes (une observation disproportionnée recevant simplement le rang maximal N au lieu d’impacter démesurément la variance résiduelle comme dans une ANOVA), une accumulation anormale de valeurs atypiques dans un petit sous-groupe modifiera substantiellement son rang moyen global. Il demeure donc impératif d’inspecter l’origine de ces artéfacts avant toute analyse conclusive.

11.2 Alternatives analytiques en cas de violations sévères

Lorsque les données empiriques violent simultanément l’ensemble des postulats des modèles paramétriques et non paramétriques (par exemple, hétérogénéité violente des formes distributionnelles, hétéroscédasticité extrême combinée à des effectifs déséquilibrés, ou nécessité d’ajuster pour des covariables concomitantes continues), le test de Kruskal-Wallis atteint ses limites méthodologiques intrinsèques. L’analyste doit alors envisager des alternatives modélisatrices plus sophistiquées au sein de Stata.

La première voie alternative repose sur le déploiement des Modèles Linéaires Généralisés (GLM). En mobilisant la commande glm sous Stata, le chercheur peut spécifier une fonction de lien et une famille distributionnelle parfaitement adaptées à la structure morphologique de ses observations (par exemple, une loi Gamma avec lien logarithmique pour des scores positifs fortement asymétriques à droite, ou une distribution binomiale négative pour des données de comptage surdispersées). Cette modélisation paramétrique élargie préserve la métrique native des données tout en gérant élégamment les asymétries prononcées.

La deuxième approche repose sur les méthodes d’ANOVA robuste hétéroscédastique, telles que la version modifiée du test de Welch-James ou les tests d’analyse de variance fondés sur les moyennes tronquées (trimmed means) formalisés par Rand Wilcox. Implémentées dans Stata via diverses contributions du SSC (comme les modules rreg ou wtest), ces procédures neutralisent l’influence conjointe des asymétries et des écarts de variance entre sous-groupes sans dépendre du classement par rangs.

La troisième modalité repose sur les techniques de rééchantillonnage non paramétrique par bootstrap. En combinant le préfixe computationnel bootstrap avec une régression sur médiane via la commande qreg (régression quantile), Stata estime des erreurs-types empiriques par rééchantillonnage itératif (par exemple 10 000 réplications), s’affranchissant totalement des postulats de normalité asymptotique :

bootstrap, reps(10000): qreg medage i.region

Enfin, lorsque l’investigateur doit impérativement neutraliser l’effet de covariables confondantes (contrôle statistique d’un tiers facteur comme le niveau socio-économique ou l’âge) tout en conservant une variable dépendante ordinale, la méthode d’élection consiste à basculer vers la modélisation de régression logistique ordinale à l’aide de la commande native ologit :

ologit score_ordinal i.groupe_traitement age statut_socioeconomique

Ce cadre analytique avancé offre une flexibilité incomparable, surpassant les capacités du simple test de Kruskal-Wallis bivarié univarié.

12. Synthèse procédurale et flux de travail reproductible

12.1 Script Do-file complet et structuré

Afin de matérialiser l’ensemble des enseignements théoriques et techniques développés tout au long de cet article, nous compilons ci-après l’infrastructure intégrale d’un Do-file Stata opérationnel. Ce script structure de façon séquentielle et automatisée toutes les phases du traitement, depuis le chargement des données jusqu’à l’exportation des indicateurs finaux, garantissant une reproductibilité analytique absolue.

/* ==========================================================================
PROJET : Analyse non paramétrique – Test de Kruskal-Wallis
LOGICIEL : Stata 18 (Compatible Stata 13 et ultérieur)
AUTEUR : Équipe de recherche méthodologique
OBJECTIF : Pipeline complet d’analyse, diagnostiques, post-hoc et taille d’effet
========================================================================== */

// 1. Initialisation de l’environnement Stata
clear all
macro drop _all
set more off, permanently
capture log close
log using « kruskal_wallis_reproductible.log », replace text

// 2. Chargement des données du recensement
use http://www.stata-press.com/data/r13/census, clear

// 3. Inspection et validation structurelle des variables cibles
describe medage region
label list
inspect medage
inspect region

// 4. Statistiques descriptives globales et stratifiées
summarize medage, detail
tabstat medage, by(region) stat(n q med mean sd skewness kurtosis) format(%9.2f)

// 5. Diagnostics graphiques haute résolution
graph box medage, over(region) asyvars ///
title(« Distribution de l’âge médian selon la région », size(medium)) ///
ytitle(« Âge médian (années) ») ///
note(« Source : US Census Dataset »)
graph export « boxplots_age_region.png », as(png) width(2400) replace

// 6. Évaluation empirique des postulats préalables
bysort region: swilk medage
robvar medage, by(region)

// 7. Exécution du test de Kruskal-Wallis et extraction computationnelle
kwallis medage, by(region)

// Récupération des scalaires du système Stata
scalar H_corr = r(chi2_sub)
scalar df_model = r(df)
scalar k_groups = df_model + 1
scalar N_total = r(N)

// Calcul formel des indices d’amplitude d’effet
scalar epsilon2 = (H_corr – k_groups + 1) / (N_total – k_groups)
scalar eta2_H = (H_corr – k_groups + 1) / (N_total – 1)

display  »  »
display as text « ————————————————————« 
display as text « SYNTHÈSE DES ESTIMATIONS D’AMPLITUDE D’EFFET (EFFECT SIZES) »
display as text « ————————————————————« 
display as text « Statistique H corrigée pour ex-æquo :  » as result %8.3f H_corr
display as text « Degrés de liberté :  » as result %8.0f df_model
display as text « Epsilon carré (E^2_R) :  » as result %8.4f epsilon2
display as text « Eta carré basé sur H (Eta^2_H) :  » as result %8.4f eta2_H
display as text « ————————————————————« 

// 8. Analyses post-hoc de comparaisons multiples par paires
// Installation si nécessaire : capture ssc install dunn.pkg
dunntest medage, by(region) bonferroni
dunntest medage, by(region) holm

// 9. Clôture du journal de bord reproductible
log close
exit

12.2 Arbre décisionnel pour le chercheur

Pour guider le praticien dans les arbitrages méthodologiques complexes qui jalonnent le traitement de données réelles, nous formalisons une check-list séquentielle articulée sous forme d’arbre de décision logique :

• Phase 1 : Examen du devis expérimental et de l’échelle métrique
  • La variable dépendante est-elle ordinale ou quantitative continue ? Si non, abandonner et orienter vers les modèles multinomiaux ou log-linéaires.
  • Les k groupes d’étude sont-ils strictement indépendants (non appariés) ? Si non, orienter impérativement vers le test de Friedman pour mesures répétées.
  • Le facteur comporte-t-il au moins 3 modalités (k ≥ 3) ? Si k = 2, appliquer directement le test de Wilcoxon-Mann-Whitney (ranksum).
• Phase 2 : Diagnostics distributionnels et homoscédasticité
  • Les résidus intra-groupes violent-ils significativement la normalité (test de Shapiro-Wilk, p < 0,05) ou les échantillons sont-ils trop réduits (n_i < 30) pour mobiliser le théorème central limite ? Si oui, le recours au test de Kruskal-Wallis est formellement justifié.
  • Les distributions présentent-elles des formes géométriques similaires à l’inspection visuelle et au test de Brown-Forsythe ?
    • Si oui : le test évalue valablement une divergence entre les médianes strictes.
    • Si non : le test évalue une dominance stochastique globale (différence sur les rangs moyens).
• Phase 3 : Exécution du test et prise de décision inférentielle
  • Exécuter kwallis variable, by(groupe).
  • Sélectionner impérativement la statistique chi-squared with ties si des valeurs identiques sont présentes.
  • Examiner la p-valeur face au seuil conventionnel α = 0,05.
    • Si p ≥ 0,05 : Échec du rejet de l’hypothèse nulle d’équivalence stochastique. Interruption de l’analyse confirmatoire. Ne pas conclure à l’égalité stricte des groupes.
    • Si p < 0,05 : Rejet formel de H₀. Poursuivre vers les phases de caractérisation d’effet et de contrastes.
• Phase 4 : Analyses a posteriori et publication scientifique
  • Calculer systématiquement les indices standardisés d’amplitude d’effet (Epsilon carré E²_R et Eta carré η²_H).
  • Déployer la procédure post-hoc de Dunn (dunntest) en intégrant une correction robuste de l’erreur de première espèce (Bonferroni ou Holm).
  • Consigner scrupuleusement l’ensemble des métriques d’inférence (H, df, p, taille d’effet) ainsi que les médianes et intervalles interquartiles selon les normes académiques en vigueur (APA 7e édition).
  • Archiver le script Do-file et le jeu de données pour garantir le partage des données en libre accès (Open Science).

L’application rigoureuse et séquentielle de ce flux analytique garantit au chercheur une maîtrise absolue de ses données, préservant ses conclusions de tout artefact computationnel et assurant à ses publications un niveau d’excellence statistique irréprochable.

Références

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• 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
• Brown, M. B., & Forsythe, A. B. (1974). Robust tests for the equality of variances. Journal of the American Statistical Association, 69(346), 364–367. https://doi.org/10.1080/01621459.1974.10482955
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Dunn, O. J. (1964). Multiple comparisons using rank sums. Technometrics, 6(3), 241–252. https://doi.org/10.1080/00401706.1964.10490481
• Holm, S. (1979). A simple sequentially rejective multiple test procedure. Scandinavian Journal of Statistics, 6(2), 65–70. https://www.jstor.org/stable/4615733
• Kelley, T. L. (1935). An unbiased correlation ratio measure. Proceedings of the National Academy of Sciences, 21(9), 554–559. https://doi.org/10.1073/pnas.21.9.554
• 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
• Levene, H. (1960). Robust tests for equality of variances. In I. Olkin, S. G. Ghurye, W. Hoeffding, W. G. Madow, & H. B. Mann (Eds.), Contributions to probability and statistics: Essays in honor of Harold Hotelling (pp. 278–292). Stanford University Press.
• Mann, H. B., & Whitney, D. R. (1947). On a test of whether one of two random variables is stochastically larger than the other. The Annals of Mathematical Statistics, 18(1), 50–60. https://doi.org/10.1214/aoms/1177730491
• Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3/4), 591–611. https://doi.org/10.2307/2333709
• StataCorp. (2023). Stata base reference manual: Release 18. Stata Press. https://www.stata.com/manuals/r.pdf
• Tomczak, M., & Tomczak, E. (2014). The need to report effect size estimates revisited. An overview of some recommended measures of effect size. Trends in Sport Sciences, 21(1), 19–25.
• Wilcox, R. R. (2022). Introduction to robust estimation and hypothesis testing (5th ed.). Academic Press.
• Wilcoxon, F. (1945). Individual comparisons by ranking methods. Biometrics Bulletin, 1(6), 80–83. https://doi.org/10.2307/3001968