Comment effectuer un test des rangs signés de Wilcoxon dans Stata

L’analyse quantitative des données en sciences du comportement, en psychologie clinique, en psychiatrie et en neurosciences cognitives est fréquemment confrontée à un défi méthodologique fondamental : le traitement de mesures répétées issues de variables qui violent manifestement les postulats de l’inférence paramétrique classique. Les échelles psychométriques standardisées, telles que les inventaires de dépression de Beck, les échelles d’anxiété de Spielberger ou les instruments d’évaluation de la douleur de type échelle visuelle analogique, fournissent des scores dont la métrique relève souvent du niveau ordinal plutôt que de l’intervalle continu strict. De surcroît, les cohortes cliniques présentent régulièrement des effectifs réduits et des distributions asymétriques, leptokurtiques ou bimodales, interdisant le recours légitime au test t de Student pour échantillons appariés sans compromettre gravement le taux d’erreur de première espèce ou la puissance statistique.

Face à ces limitations distributionnelles, le test des rangs signés de Wilcoxon (Wilcoxon signed-rank test) constitue la procédure non paramétrique de référence pour comparer deux conditions dépendantes ou deux temps de mesure intra-individuels. Conçu par le statisticien et chimiste américain Frank Wilcoxon en 1945, cet outil statistique transcende la simple analyse de la direction du changement propre au test des signes en intégrant à la fois le sens et l’amplitude relative des écarts observés. En substituant aux valeurs brutes une hiérarchie de rangs appliquée aux valeurs absolues des différences, cette approche neutralise la sensibilité délétère des modèles paramétriques aux valeurs extrêmes tout en conservant une efficience asymptotique remarquable face à la normalité théorique.

Dans l’environnement logiciel Stata, plateforme d’analyse de référence plébiscitée par les biostatisticiens et les chercheurs en sciences sociales pour sa rigueur computationnelle et sa reproductibilité, la mise en œuvre de cette technique repose principalement sur la commande dédiée signrank. Cependant, l’exécution aveugle de cette routine sans une compréhension préalable des postulats mathématiques, des structures de données requises, des ajustements liés aux ex aequo et de la métrique des tailles d’effet expose l’analyste à des contresens interprétatifs majeurs. Le présent traité méthodologique propose une dissection exhaustive, théorique et opérationnelle, du test des rangs signés de Wilcoxon sous Stata, guidant le chercheur depuis les fondements probabilistes jusqu’à la modélisation avancée et la restitution académique conforme aux normes internationales de publication.

1. Fondements théoriques et justification méthodologique du test de Wilcoxon apparié

1.1 Origine non paramétrique et comparaison avec le test t de Student pour échantillons appariés

L’édifice de la statistique inférentielle moderne a longtemps reposé sur les développements de William Sealy Gosset, qui introduisit en 1908 le test t de Student. Ce modèle paramétrique pour échantillons appariés postule que les différences intra-paires proviennent d’une population parente distribuée selon une loi normale d’espérance nulle sous l’hypothèse d’absence d’effet. Lorsque cette condition d’achèvement gaussien est satisfaite, le test t bénéficie du statut de test uniformément le plus puissant. Néanmoins, dans les contextes empiriques réels où les distributions exhibent une asymétrie marquée (skewness prononcée), un étirement pathologique des queues de distribution (leptokurtose) ou une contamination par des valeurs aberrantes générées par des réactions extrêmes de certains participants, l’estimateur de la variance d’échantillonnage est biaisé vers le haut. Ce phénomène dégrade dramatiquement la statistique t observée, augmentant le risque d’erreur de seconde espèce (bêta) et privant l’investigateur de la capacité à détecter des effets thérapeutiques ou cognitifs pourtant bien réels.

Pour s’émanciper de ces contraintes de modélisation souvent irréalistes, Frank Wilcoxon a proposé une alternative non paramétrique élégante, ne nécessitant aucune hypothèse quant à la forme analytique de la distribution sous-jacente des scores observés. Contrairement au test t qui opère directement sur les moyennes arithmétiques et les variances, le test de Wilcoxon opère une transformation non linéaire des différences brutes en rangs signés. Cette métrique ordinale préserve l’information quantitative relative (un écart plus grand reçoit un rang supérieur) tout en bornant l’influence des déviations extrêmes. L’hypothèse nulle formelle stipule que la distribution des différences entre les paires d’observations est symétrique autour de zéro. Sous cette hypothèse nulle, la probabilité qu’une différence positive excède en valeur absolue une différence négative d’amplitude donnée est rigoureusement égale à un demi, ce qui équivaut à postuler l’interchangeabilité des conditions expérimentales au sein de chaque paire appariée.

Sur le plan de l’efficience asymptotique relative (EAR), définie comme le ratio des tailles d’échantillon nécessaires pour atteindre une puissance statistique équivalente entre deux tests, le test de Wilcoxon démontre des propriétés remarquables. Même lorsque la population sous-jacente est parfaitement gaussienne, l’EAR du test de Wilcoxon comparé au test t de Student ne descend jamais en dessous de 3/pi, soit environ 0,955. Cela signifie que l’analyste ne concède qu’une perte marginale de 4,5 % d’efficience en recourant à la méthode non paramétrique sur des données parfaitement normales. En revanche, lorsque les données s’écartent de la normalité — par exemple en suivant une loi log-normale, une distribution de Laplace ou une distribution de Cauchy —, l’efficience asymptotique relative du test de Wilcoxon dépasse largement l’unité, atteignant parfois des valeurs infinies. Cette asymétrie de performance fait du test de Wilcoxon un choix méthodologique hautement sécurisé pour l’analyse des mesures répétées.

1.2 Pertinence et applications spécifiques en psychologie et neurosciences comportementales

Le recours au test des rangs signés de Wilcoxon s’avère particulièrement prépondérant dans les disciplines qui explorent la complexité du comportement humain et les substrats neurobiologiques de la cognition. Dans les protocoles de recherche clinique évaluant l’efficacité d’une psychothérapie ou d’une molécule psychoactive, le schéma classique pré-test / post-test confronte régulièrement l’analyste à des cohortes de taille modeste, limitées par les contraintes de recrutement de patients répondant à des critères diagnostiques stricts (par exemple, le trouble de stress post-traumatique ou les épisodes dépressifs majeurs pharmacorésistants). Dans de telles configurations expérimentales, où l’effectif N oscille couramment entre 12 et 25 participants, les tests d’adéquation à la normalité manquent cruellement de puissance, rendant le choix d’un test paramétrique hasardeux et méthodologiquement contestable.

Par ailleurs, la nature même des instruments d’évaluation psychologique justifie l’emploi préférentiel des rangs signés. Les instruments psychométriques reposent massivement sur des échelles de réponse ordinale de type Likert à 5, 7 ou 9 points, quantifiant des dimensions subjectives telles que l’anhédonie, l’anxiété situationnelle ou la sévérité perçue de la douleur. Bien que les chercheurs attribuent fréquemment des valeurs entières consécutives à ces catégories (de 1 pour « pas du tout d’accord » à 5 pour « totalement d’accord »), rien ne garantit que la distance psychologique séparant un score de 1 et 2 soit strictement équivalente à celle séparant un score de 4 et 5. Le test de Wilcoxon, en ne requérant qu’une hiérarchie ordinale des écarts intra-sujets, respecte scrupuleusement les propriétés métrologiques réelles de ces outils de mesure sans imposer une structure d’intervalle fictive.

Dans le champ des neurosciences comportementales et de la psychologie cognitive expérimentale, les variables chronométriques telles que les temps de réaction (TR) ou les temps d’inspection visuelle présentent intrinsèquement des distributions asymétriques positives étirées vers la droite, modulées par des processus attentionnels stochastiques. Lorsqu’un protocole apparié compare, par exemple, les temps de réponse d’un même groupe d’individus sous une condition de facilitation congruente versus une condition d’interférence non congruente (comme dans le paradigme classique de Stroop), les différences intra-sujets comportent fréquemment des fluctuations importantes dues à des lapses attentionnels occasionnels. L’utilisation de la transformation en rangs permet d’atténuer ces artéfacts sans recourir à des procédures discutables d’élagage arbitraire des données (data trimming), assurant ainsi une analyse robuste des mécanismes cognitifs sous-jacents.

1.3 Mécanisme interne : du calcul des différences au classement par rangs

Pour appréhender la mécanique computationnelle exécutée par Stata lors de l’appel de la commande signrank, il convient de décomposer minutieusement l’algorithme mathématique sous-jacent. Considérons une série de n paires d’observations appariées notées (X₁, Y₁), (X₂, Y₂), …, (X_n, Y_n), mesurées sur les mêmes unités expérimentales sous deux conditions distinctes ou à deux temps d’évaluation successifs. La première phase de l’algorithme consiste à calculer l’écart algébrique individuel pour chaque paire, défini par la relation vectorielle :

D_i = Y_i – X_i pour tout i appartenant à l’ensemble {1, 2, …, n}.

La deuxième étape, fondamentale dans l’implémentation conventionnelle de Wilcoxon, consiste à filtrer les paires ne présentant aucune variation temporelle ou conditionnelle. Les observations pour lesquelles la différence est strictement nulle (D_i = 0) sont systématiquement écartées de l’ensemble d’analyse. Ce traitement des écarts nuls, bien que faisant l’objet de variantes théoriques (notamment la méthode de Pratt qui conserve les zéros dans la phase de classement), constitue la norme par défaut dans les grands logiciels statistiques. L’échantillon effectif est alors réduit à une taille n‘ (où n‘ ≤ n), correspondant au nombre de paires présentant une divergence non nulle.

La troisième phase procède à la transformation non paramétrique proprement dite. L’algorithme prend la valeur absolue de chaque écart non nul, notée |D_i|, puis classe l’ensemble de ces grandeurs positives par ordre strictement croissant, de la plus faible à la plus élevée. Le rang 1 est attribué au plus petit écart absolu, le rang 2 au second, et le rang n‘ à la divergence la plus volumineuse. En cas de valeurs absolues identiques (ex aequo ou ties), la procédure attribue à chaque observation liée la moyenne arithmétique des rangs qu’elles auraient occupés en l’absence d’égalité (les rangs moyens ou mid-ranks).

La quatrième et dernière étape réassigne à chaque rang ainsi déterminé le signe algébrique original de la différence correspondante. On définit alors deux statistiques partielles distinctes : la somme des rangs positifs, notée W⁺, qui agglomère les rangs des paires pour lesquelles la condition post-traitement est supérieure à la condition pré-traitement (D_i > 0), et la somme des rangs négatifs, notée W^–, agrégeant les rangs des paires ayant subi une régression (D_i < 0). Mathématiquement, ces sommes s’expriment par :

W⁺ = ∑ [Rang(|D_i|) × I(D_i > 0)] et W^– = ∑ [Rang(|D_i|) × I(D_i < 0)], où I(·) représente la fonction indicatrice booléenne.

Puisque la somme totale des rangs attribués aux n‘ entités correspond obligatoirement à la somme des entiers consécutifs de 1 à n‘, soit n‘(n‘ + 1) / 2, la connaissance de W⁺ détermine de façon univoque W^– par complémentarité. La statistique de test de Wilcoxon, fréquemment désignée par W (ou T dans la littérature anglophone classique), est conventionnellement définie comme la plus petite valeur entre W⁺ et W^– pour les calculs manuels exacts, ou directement standardisée sous forme de score Z asymptotique par les moteurs de calcul matriciel tels que celui de Stata.

2. Postulats et conditions d’application préalables à l’analyse

2.1 Structure d’appariement et indépendance des paires d’unités

L’application rigoureuse du test des rangs signés de Wilcoxon repose sur un postulat structurel incontournable : la dépendance intra-paire des mesures conjuguée à l’indépendance stricte entre les différentes paires de l’échantillon. L’appariement peut résulter soit d’un plan à mesures répétées dans lequel le même sujet expérimental fait l’objet de plusieurs observations diachroniques (conceptions pré-test / post-test, protocoles longitudinaux courts ou plans en cross-over), soit d’un appariement par jumelage méthodologique (matched-pairs design). Dans ce dernier cas, deux participants physiquement distincts sont appariés en amont de l’exposition expérimentale sur la base de covariables potentiellement confondantes d’un point de vue étiologique, telles que l’âge chronologique, le quotient intellectuel, le statut socio-économique ou la durée de la maladie.

Cependant, si la corrélation intra-paire est le moteur qui permet au test d’éliminer la variance inter-individuelle non pertinente, l’indépendance inter-paires ne tolère aucune entorse méthodologique. Les données issues de la paire j ne doivent exercer aucune influence sur les résultats observés dans la paire k. Ce postulat fondamental d’échantillonnage i.i.d. (indépendant et identiquement distribué) est couramment violé lorsque les données présentent une structure hiérarchique ou groupée non prise en compte par le modèle. Par exemple, si l’étude inclut des dyades de conjoints, des jumeaux issus d’une même fratrie, des patients traités par un même thérapeute au sein de groupes de parole distincts, ou des élèves scolarisés dans une même classe, l’indépendance conditionnelle des résidus est rompue par la présence d’une corrélation intra-classe (ICC).

L’ignorance de cette structure d’agrégation conduit inévitablement à une sous-estimation substantielle de l’erreur-type des estimations, gonflant artificiellement le taux de faux positifs (erreur de type I). De la même manière, le test de Wilcoxon pour deux échantillons appariés ne peut en aucun cas être étendu naïvement à des protocoles longitudinaux comportant trois temps de mesure ou plus (par exemple : ligne de base, post-intervention immédiat, et suivi à 6 mois). L’application répétée de tests de Wilcoxon deux à deux sans ajustement pour comparaisons multiples génère une inflation dramatique du risque alpha familial, tandis que l’omission de la matrice de covariance longitudinale dénature la structure temporelle sous-jacente des données.

2.2 Niveau d’échelle des variables dépendantes

D’un point de vue métrologique et théorique, le test des rangs signés de Wilcoxon exige impérativement que la variable dépendante soit mesurée sur une échelle continue ou, à défaut, sur une échelle ordinale dotée d’une granularité suffisante pour que les opérations arithmétiques de soustraction conservent une signification ordinale univoque. Cette spécification implique une distinction méthodologique majeure entre les variables ordinales strictes et les variables d’intervalle qui violent simplement l’hypothèse de normalité distributionnelle.

Lorsque la variable dépendante est une échelle d’intervalle continue (telle que la concentration salivaire de cortisol en nmol/L, l’amplitude des potentiels évoqués cognitifs P300 en microvolts, ou le temps de réaction en millisecondes), les différences D_i = Y_i – X_i appartiennent au domaine des réels continus. Dans cette situation, la hiérarchisation ordinale des différences absolues |D_i| est parfaitement univoque, et la probabilité théorique d’obtenir des ex aequo stricts est nulle en présence d’instruments de mesure infiniment précis. Le test de Wilcoxon fonctionne alors dans son cadre mathématique optimal.

En revanche, lorsque l’investigateur emploie des échelles psychométriques ordinales discrètes comportant un nombre très restreint de modalités de réponse — typiquement des échelles de Likert en 3, 4 ou 5 points évaluant un symptôme isolé —, l’application de l’algorithme des rangs signés soulève d’importantes réserves conceptuelles. En effet, postuler que la différence arithmétique entre un score de 4 et un score de 2 sur un item d’humeur représente rigoureusement la même magnitude psychologique qu’une différence entre 5 et 3 implique l’hypothèse implicite que l’échelle ordinale possède des propriétés d’intervalle métrique stable. Si cette hypothèse ne peut être raisonnablement admise, le classement des différences en valeurs absolues devient métrologiquement discutable. Dans les situations extrêmes où la variable ne comporte que deux ou trois catégories ordinales, le nombre d’égalités absolues explose, dégradant la puissance du test et rendant le recours au test des signes classique ou à des modèles de régression logistique ordinale à effets mixtes conceptuellement plus approprié.

2.3 Le postulat crucial de symétrie de la distribution des différences

L’un des contresens les plus récurrents dans la littérature biomédicale et psychologique contemporaine réside dans l’assimilation hâtive du test de Wilcoxon à un simple test de comparaison des médianes. Il est fréquemment écrit, de façon erronée, que « le test de Wilcoxon teste l’hypothèse nulle selon laquelle la médiane des différences est égale à zéro » ou que « la médiane de la condition pré-test est égale à la médiane de la condition post-test ». En toute rigueur statistique, cette affirmation n’est valide que sous une condition méthodologique fondamentale et contraignante : la symétrie de la distribution des différences D_i dans la population parente.

L’hypothèse nulle fondamentale du test de Wilcoxon stipule formellement que la distribution continue des différences est symétrique autour de zéro. Cela signifie que pour toute valeur positive d, la probabilité d’observer un écart excédant d est rigoureusement identique à la probabilité d’observer un écart inférieur à –d. Si la distribution empirique des différences est symétrique, alors la moyenne arithmétique des différences, la médiane des différences et le pseudo-médian de Walsh coïncident théoriquement. Dès lors, le rejet de l’hypothèse nulle indique incontestablement un décalage de la médiane des différences par rapport à la valeur nulle.

Toutefois, si la distribution sous-jacente des différences D_i présente une asymétrie intrinsèque marquée — par exemple si la majorité des sujets ne manifestent qu’une réduction marginale de leur anxiété mais qu’une minorité présente une détérioration massive et étendue —, le test des rangs signés de Wilcoxon devient un test global de l’égalité des distributions et non plus un test de la médiane. Une asymétrie prononcée peut amener le test à rejeter l’hypothèse nulle à un seuil p < 0,05 alors même que la médiane des différences intra-sujets est rigoureusement égale à zéro, ou inversement, à échouer à rejeter l’hypothèse nulle malgré un décalage substantiel de la médiane. L’investigateur doit donc impérativement évaluer la symétrie empirique de la variable de différence avant d’énoncer une conclusion formelle portant spécifiquement sur le glissement de la médiane de la population.

3. Préparation et structuration des données psychométriques dans Stata

3.1 Structuration optimale : format large (wide) versus format long

Dans l’écosystème analytique de Stata, la structuration géométrique de la base de données conditionne directement la syntaxe des estimateurs mobilisables. Pour les mesures répétées, deux formats cardinaux coexistent : le format large (wide format), dans lequel chaque ligne physique du tableau représente une unité d’échantillonnage unique (un participant) et chaque temps de mesure fait l’objet d’une colonne distincte ; et le format long (long format), où chaque ligne correspond à une observation singulière à un temps donné, imbriquée sous une variable d’identification récurrente du participant.

La commande native signrank de Stata exige impérativement que les données soient configurées selon le format large. En effet, l’architecture syntaxique de la commande requiert la confrontation relationnelle directe de deux variables séparées par un opérateur d’égalité (par exemple signrank var_post = var_pre). Si les données sont initialement consignées sous un format long — disposition usuelle lors de l’exportation depuis des bases de données relationnelles SQL, des questionnaires électroniques Qualtrics ou des systèmes REDCap —, l’analyste doit impérativement exécuter une restructuration matricielle via la commande reshape.

Avant d’opérer cette mutation géométrique, un contrôle rigoureux de l’unicité de l’identifiant du sujet (id) s’impose formellement. Si un même identifiant apparaît en doublon pour une même condition temporelle, Stata interrompra l’instruction et retournera un message d’erreur d’incohérence. La syntaxe canonique pour basculer d’un format long à un format large se formule de la façon suivante dans l’environnement de commande :

isid id_patient time
reshape wide score_anxiete, i(id_patient) j(time)

Cette commande scinde la colonne unique score_anxiete en autant de colonnes individualisées qu’il existe de modalités numériques dans la variable temporelle time (par exemple score_anxiete1 et score_anxiete2), alignant parfaitement les scores pré-intervention et post-intervention sur la même rangée horizontale pour chaque participant.

3.2 Importation, inspection préliminaire et codage des données

Le traitement analytique débute invariablement par l’importation intègre du fichier source dans la mémoire vive de Stata. Selon la nature du conteneur numérique de stockage des données psychométriques, plusieurs commandes d’ingestion native sont mobilisées. Les formats tabulaires délimités (fichiers texte ou CSV) sont chargés à l’aide de l’instruction import delimited, tandis que les registres cliniques compilés sous Microsoft Excel nécessitent la routine import excel, complétée par l’option d’extraction de la première ligne comme noms de colonnes :

import excel using "donnees_cliniques.xlsx", sheet("Protocole") firstrow clear

Dès l’importation validée, une inspection exploratoire globale s’avère indispensable pour déceler d’éventuelles incohérences d’encodage de types de variables. L’exécution séquentielle des commandes describe et summarize permet d’établir un inventaire exhaustif du dictionnaire des variables. Il convient de s’assurer scrupuleusement que les variables destinées au test de Wilcoxon sont répertoriées sous un type de stockage numérique (float, double, int ou byte) et non sous forme de chaînes de caractères (string). Une chaîne de caractères générée par la saisie accidentelle d’un caractère textuel (par exemple la saisie de « 12,5 » avec une virgule au lieu d’un point décimal standard anglo-saxon) paralyserait l’exécution de tout algorithme statistique.

L’hygiène méthodologique impose également un étiquetage sémantique systématique des variables et de leurs modalités à l’aide des directives label variable et label values. Cette traçabilité garantit la clarté des graphiques et des tableaux ultérieurs. Enfin, l’analyste visualisera les premiers et derniers enregistrements du jeu de données au moyen de la syntaxe list id_patient score_pre score_post in 1/10, s’assurant ainsi de l’alignement substantiel des enregistrements psychométriques.

3.3 Gestion des données manquantes et contrôle d’intégrité

Les études longitudinales et les protocoles expérimentaux appariés souffrent chroniquement de la déperdition de données (attrition), qu’elle découle de l’abandon du traitement par le patient, de l’absence à une session d’évaluation post-test ou de défaillances techniques des appareils d’enregistrement psychophysiologique. Dans le cadre d’un test apparié, la présence d’une valeur manquante sur l’un quelconque des deux temps de mesure rend la paire inexploitable pour le calcul direct de la différence.

Sous Stata, le comportement par défaut de la commande signrank consiste en une suppression par liste (listwise deletion, également désignée sous le terme de complete-case analysis). Si un participant dispose d’un score pré-test valide mais que sa mesure post-test est codée sous forme de point décimal manquant (.), l’algorithme élimine purement et simplement ce participant de l’évaluation inférentielle. Pour quantifier rigoureusement la prévalence et l’architecture spatiale de ces manques, l’analyste doit exécuter la commande de diagnostic dédiée :

misstable summarize score_pre score_post
misstable patterns score_pre score_post

Cette inspection permet de déterminer si le mécanisme de déperdition relève de données manquantes de manière totalement aléatoire (MCAR, Missing Completely At Random), de données manquant de manière aléatoire sous condition des observables (MAR, Missing At Random), ou d’un processus non ignorable lié à la variable dépendante elle-même (MNAR, Missing Not At Random). Si les absences sont volumineuses et relèvent d’un mécanisme non aléatoire (par exemple, les patients les plus anxieux ont refusé l’évaluation post-thérapie en raison d’une décompensation), la suppression par liste induit un biais d’échantillonnage sévère, menaçant la validité externe de la recherche.

En parallèle, le contrôle d’intégrité nécessite la détection des valeurs aberrantes imputables à des fautes de frappe cléricales (par exemple un score de 44 sur une échelle théoriquement bornée entre 0 et 40). L’utilisation de filtres conditionnels combinés à l’instruction de modification contrôlée s’impose alors pour assainir le registre :

assert inrange(score_pre, 0, 40) if !missing(score_pre)
assert inrange(score_post, 0, 40) if !missing(score_post)
replace score_post = . if score_post > 40 & !missing(score_post)

4. Diagnostic empirique des postulats sous Stata

4.1 Calcul explicite de la variable des différences individuelles

L’erreur méthodologique majeure consisterait à soumettre les distributions marginales isolées score_pre et score_post aux diagnostics d’asymétrie et de normalité. En effet, la théorie statistique sous-tendant le test des rangs signés de Wilcoxon et le test t apparié ne concerne aucunement la distribution des scores initiaux ou terminaux considérés séparément, mais porte exclusivement sur la distribution univariée des différences intra-individuelles. Il est parfaitement concevable que score_pre et score_post affichent des distributions hautement asymétriques ou bimodales, alors que la variable de leur écart algébrique se comporte de façon parfaitement symétrique.

Par conséquent, l’étape préalable obligatoire à toute validation diagnostique sous Stata réside dans la génération déterministe d’une variable différentielle dédiée via l’opérateur de création arithmétique generate :

generate double diff_score = score_post - score_pre
label variable diff_score "Différence intra-sujet (Post - Pré)"

Une fois cette métrique générée, l’analyste procède à une exploration numérique détaillée en invoquant l’instruction summarize assortie de son option d’extension de distribution :

summarize diff_score, detail

La console d’affichage de Stata restitue alors une matrice exhaustive d’indices de position et de forme. L’attention doit se focaliser prioritairement sur les coefficients d’asymétrie (skewness) et d’aplatissement (kurtosis). Pour une distribution parfaitement symétrique, le coefficient de skewness s’annule rigoureusement (valeur théorique de 0), tandis que la kurtosis standardisée avoisine 3 sous une morphologie normale. Une divergence notable entre la moyenne arithmétique et la médiane (50e centile) constitue le premier signal d’une rupture potentielle de symétrie.

Dans cette même phase diagnostique, la détection des valeurs aberrantes extrêmes (outliers) s’opère par l’examen des valeurs extrêmes minimales et maximales issues des quatre plus petits et plus grands quantiles rapportés par summarize, detail, ou par la standardisation formelle de l’écart :

egen z_diff = std(diff_score)
list id_patient diff_score z_diff if abs(z_diff) > 3 & !missing(z_diff)

4.2 Tests de normalité et évaluation de la symétrie

Bien que le test de Wilcoxon soit une procédure non paramétrique conçue spécifiquement pour s’affranchir du postulat de normalité gaussienne, l’évaluation formelle de la normalité de la variable différentielle conserve une utilité heuristique décisive : elle fournit la justification académique explicite motivant l’abandon du test t de Student au profit de la méthode des rangs signés dans le cadre d’un rapport de recherche clinique.

Sous Stata, le test d’adéquation à la normalité le plus puissant et recommandé dans la littérature statistique pour des échantillons de taille modeste à modérée est le test de Shapiro-Wilk (implémenté via la commande swilk). Il peut être secondé utilement par le test de Shapiro-Francia (sfrancia), particulièrement adapté pour des tailles d’échantillons comprises entre 30 et 2000 observations :

swilk diff_score
sfrancia diff_score

Si la valeur p rapportée par la commande swilk s’avère inférieure au seuil de significativité nominal habituel (α = 0,05), l’hypothèse nulle de normalité des résidus différentiels est formellement rejetée, invalidant irrémédiablement l’emploi standard du test t de Student et légitimant l’orientation vers le paradigme non paramétrique.

Toutefois, pour asseoir formellement l’interprétation du test de Wilcoxon en tant que comparateur de médianes, l’analyste doit impérativement tester le postulat de symétrie de la distribution. Sous Stata, le test combiné d’asymétrie et de kurtosis de D’Agostino, Pearson et Royston est invoqué via la commande sktest :

sktest diff_score

Ce test fournit une valeur p spécifique pour la composante d’asymétrie (Pr(skewness)). Si ce terme ne franchit pas le seuil critique (p > 0,05), l’hypothèse de symétrie de la distribution des différences ne peut être réfutée, ce qui autorise le statisticien à interpréter tout rejet ultérieur de l’hypothèse nulle sous signrank comme un décalage avéré de la médiane des différences intra-paires. Il convient cependant de garder à l’esprit que sur de très petits échantillons (N < 15), ces tests formels souffrent d’un manque criant de puissance statistique. La décision ne saurait donc reposer exclusivement sur les probabilités critiques formelles, mais doit s’appuyer sur un faisceau convergent d’arguments graphiques.

4.3 Exploration graphique avancée de la distribution des différences

L’inspection visuelle représente le pilier qualitatif indispensable du diagnostic distributionnel. Stata offre un arsenal graphique complet pour scruter la morphologie des différences intra-sujets. L’investigateur construira prioritairement un histogramme haute résolution combinant la représentation discrète des fréquences et l’ajustement superposé d’une estimation de densité par noyau (kernel density estimation) adossée à une courbe normale paramétrique de référence :

histogram diff_score, normal kdensity title("Distribution empirique des différences de scores") xtitle("Différence (Post - Pré)") ytitle("Densité de probabilité")

Cette visualisation conjointe met immédiatement en lumière l’existence éventuelle d’une déviation asymétrique unilatérale, d’un aplatissement anomal ou de modes multiples. Pour affiner l’évaluation de la conformité aux quantiles théoriques, le tracé quantile-quantile normal (qnorm) et le diagramme probabilité-probabilité (pnorm) fournissent des perspectives diagnostiques complémentaires :

qnorm diff_score
pnorm diff_score

Dans ces tracés, toute incurvation sigmoïdale ou déviation curviligne par rapport à la bissectrice centrale signale un écart à la loi gaussienne, les queues de distribution lourdes se manifestant par un décrochage net aux extrémités supérieure et inférieure du graphique.

Pour statuer sans équivoque sur le postulat fondamental de symétrie requis par Wilcoxon, Stata dispose d’une commande graphique spécifiquement conçue à cet effet : le graphique de symétrie (symplot). Cette procédure trace les distances entre les observations et la médiane, en confrontant les valeurs ordonnées au-dessus de la médiane aux valeurs correspondantes ordonnées au-dessous de celle-ci :

symplot diff_score, title("Graphique de symétrie de la variable différentielle")

Si la distribution empirique est rigoureusement symétrique par rapport à la médiane observée, l’ensemble des points se superpose exactement sur la ligne d’identité diagonale à 45 degrés. Un tracé incurvé s’écartant systématiquement de la ligne directrice fournit la démonstration visuelle irréfutable d’une asymétrie de distribution, incitant l’analyste à la plus grande prudence quant à l’interprétation des médianes ou orientant la démarche vers des alternatives méthodologiques.

5. Exécution pas à pas de la commande `signrank` dans Stata

5.1 Syntaxe générale et fonctionnement du moteur d’estimation

L’exécution de l’inférence non paramétrique appariée dans l’écosystème logiciel de Stata s’opère par le biais de la commande native signrank. Conçue pour opérer exclusivement sur des jeux de données agencés sous le format large, son architecture syntaxique fondamentale s’exprime selon la relation formelle :

signrank var1 = var2 [if] [in]

Dans cette formulation, l’opérateur relationnel central d’égalité « = » n’est pas un opérateur d’assignation booléenne de condition (comme le double égal « == » rencontré dans les clauses d’exclusion), mais symbolise l’hypothèse nulle soumise à l’épreuve statistique, à savoir que la variable var1 et la variable var2 possèdent des lois marginales équivalentes, se traduisant empiriquement par une distribution des différences var1 - var2 symétriquement centrée sur zéro.

Le moteur computationnel interne de Stata procède à la soustraction séquentielle terme à terme de var2 à var1. Il est donc fondamental de souligner que l’ordre alphabétique ou positionnel des termes détermine l’orientation algébrique de la variable différentielle calculée en arrière-plan. L’écriture signrank score_post = score_pre calcule implicitement score_post - score_pre, attribuant les rangs positifs aux augmentations de score et les rangs négatifs aux diminutions. Inverser l’ordre des arguments syntaxiques (signrank score_pre = score_post) inverserait mathématiquement les sommes des rangs W⁺ et W^– ainsi que le signe arithmétique de la statistique asymptotique Z, sans modifier toutefois la valeur p bilatérale finale.

La commande tolère nativement l’adjonction de clauses restrictives conditionnelles via l’instruction if, permettant de stratifier instantanément l’analyse statistique sur un sous-ensemble particulier de la cohorte d’étude. Par exemple, si l’investigateur souhaite tester l’effet du traitement exclusivement sur le sous-groupe des femmes présentant un score initial clinique élevé :

signrank score_post = score_pre if sexe == 2 & score_pre >= 20

De même, la clause de restriction indiciaire in offre la possibilité de borner computationnellement l’exécution de la routine statistique aux k premiers participants enregistrés dans le fichier de données (par exemple in 1/50), facilitant les vérifications empiriques préliminaires ou l’analyse séquentielle.

5.2 Démonstration pratique sur un cas d’étude clinique

Afin d’illustrer la séquence complète d’application dans des conditions rigoureusement reproductibles, nous déployons une simulation clinique modélisant l’évaluation d’une psychothérapie cognitivo-comportementale (TCC) administrée à un groupe de N = 20 patients souffrant d’un trouble d’anxiété généralisée. L’indice d’anxiété est quantifié avant la première séance (anx_pre) et à l’issue des 12 semaines d’intervention thérapeutique (anx_post) au moyen de l’échelle d’anxiété de Hamilton (HAM-A), dont les scores bruts sont réputés présenter une asymétrie post-traitement prononcée en raison de la présence de patients réfractaires.

Pour assurer la pérennité et la traçabilité intégrale de la chaîne d’analyse conformément aux canons de la science ouverte (Open Science), l’ensemble des instructions statistiques doit être scrupuleusement consigné dans un fichier de commandes exécutables (Do-file) documenté et couplé à l’archivage automatique des résultats dans un fichier journal (Log-file) :

capture log close
log using "Analyse_Wilcoxon_Clinique.smcl", replace
* Configuration environnementale
version 18
clear all
set more off
* Chargement des données cliniques
use "registre_therapie_anxiete.dta", clear
* Diagnostic de la structure
describe anx_pre anx_post
summarize anx_pre anx_post, detail
* Exécution du test de Wilcoxon apparié
signrank anx_post = anx_pre
* Sauvegarde et clôture du journal
log close

L’exécution de ce script Do-file compile l’ensemble de la chaîne de traitement statistique de manière transparente et reproductible, générant les sorties tabulaires complètes sans aucune altération manuelle des données intermédiaires.

5.3 Variantes syntaxiques : test contre une constante théorique

Bien que la commande signrank soit universellement reconnue pour son application aux comparaisons dyadiques appariées (deux variables simultanées), l’algorithme sous-jacent possède une flexibilité structurelle méconnue : la capacité d’exécuter un test des rangs signés à échantillon unique contre une constante théorique de référence. Cette fonctionnalité se déploie syntaxiquement en substituant au second terme variable une grandeur scalaire numérique immuable :

signrank var = c

Dans cette configuration, l’instruction ordonne à Stata de calculer les écarts individuels par rapport à la constante c (soit D_i = var_i – c), d’écarter les participants dont le score coïncide rigoureusement avec c, puis de classer par rangs les valeurs absolues des déviations résiduelles pour tester si la distribution de l’échantillon est symétriquement localisée autour du point d’ancrage c.

Cette approche s’avère particulièrement utile dans les investigations cliniques où l’on cherche à positionner une cohorte pathologique par rapport à un seuil psychopathologique normativement standardisé dans la population générale. Par exemple, si la littérature épidémiologique établit qu’un score seuil de 10 à une échelle de dépression délimite l’état asymptomatique normal, l’analyste peut soumettre les scores post-thérapeutiques à la ligne de commande :

signrank score_depression = 10

Il est toutefois crucial d’insister sur la nuance d’interprétation méthodologique induite par cette syntaxe : le test ne compare plus deux états dynamiques longitudinaux intra-individuels, mais confronte la distribution empirique d’un groupe à une valeur fixe déterministe dépourvue de toute variance d’échantillonnage. Ce modèle suppose que la constante c représente la valeur véritable et intangible du paramètre de référence, sans incertitude statistique associée.

6. Décryptage exhaustif des résultats fournis par Stata

6.1 Décomposition du tableau des rangs : positifs, négatifs et nuls

L’exécution de l’instruction signrank anx_post = anx_pre génère un panneau de résultats synthétique mais extraordinairement dense sur le plan mathématique. La section supérieure de l’affichage de Stata produit un tableau synoptique ventilant la distribution des observations selon trois classes directionnelles mutuellement exclusives, suivi des sommes de rangs correspondantes.

La première ligne du tableau, identifiée par le label sign | positive, recense les paires pour lesquelles la relation algébrique anx_post - anx_pre > 0 est satisfaite. La colonne obs rapporte l’effectif total de ces paires (par exemple 3 participants ayant vu leur score s’aggraver post-thérapie). La colonne sum of ranks consigne la statistique W⁺, représentant l’agrégation arithmétique des rangs attribués à ces variations ascendantes. En regard, la colonne expected indique la somme des rangs que l’on s’attendrait théoriquement à observer sous la stricte vérité de l’hypothèse nulle d’égalité des distributions.

La deuxième ligne, désignée par sign | negative, quantifie symétriquement les observations pour lesquelles la différence est négative (anx_post - anx_pre < 0), ce qui, dans notre scénario thérapeutique, représente les sujets s’étant améliorés sous l’effet du traitement clinique (par exemple 15 participants). La somme des rangs observée W^– est alors mise en regard de sa valeur attendue sous H₀.

La troisième ligne, explicitement étiquetée sign | zero, détaille l’effectif des paires dites « nulles », c’est-à-dire les participants n’ayant manifesté strictement aucune modification de leur score entre les deux évaluations (anx_post - anx_pre = 0). Stata confirme ici formellement l’exclusion computationnelle de ces paires du calcul ultérieur des rangs, affichant une somme de rangs nulle. Enfin, la ligne all totalise le volume combiné des observations effectives non nulles (n‘ = 18 dans notre exemple), en regard de la somme totale de l’ensemble des entiers consécutifs alloués.

6.2 Statistiques de test : calcul de la variance et score Z standardisé

Sous la formulation de l’hypothèse nulle H₀, selon laquelle la variable différentielle D suit une distribution continue et symétrique autour de zéro, chaque rang individuel r a une probabilité égale de 1/2 d’être porteur d’un signe positif ou d’un signe négatif, indépendamment de tous les autres rangs. Dès lors, l’espérance mathématique de la somme des rangs positifs W⁺ pour un effectif de n‘ paires non nulles est analytiquement définie par la relation fondamentale :

E(W⁺) = [n‘(n‘ + 1)] / 4

Cette grandeur d’espérance correspond rigoureusement à la valeur consignée par Stata dans la colonne expected en vis-à-vis des lignes de signes. La variance théorique de la distribution d’échantillonnage de la statistique de Wilcoxon, en l’absence absolue d’ex aequo (égalités de valeurs absolues), s’exprime quant à elle selon la formule de dispersion :

Var₀(W⁺) = [n‘(n‘ + 1)(2n‘ + 1)] / 24

Au bas du tableau récapitulatif, Stata affiche explicitement l’espérance calculée (sum of ranks, E(sum)), ainsi que la variance d’échantillonnage ajustée (variance of sum), notée Var(W). Le logiciel procède ensuite à la construction de la statistique asymptotique standardisée de Wald, désignée par le score standardisé Z. Cette statistique correspond au ratio de la déviation de la somme observée par rapport à son espérance théorique, normalisé par l’écart-type de la distribution d’échantillonnage :

Z = [W⁺ – E(W⁺)] / √[Var(W⁺)]

Ce score Z reflète précisément à combien d’écarts-types de l’espérance se situe la structure observée des rangs. Dès que l’effectif non nul n‘ franchit le seuil conventionnel de 20 observations, le théorème central limite s’applique avec une précision remarquable : la loi de probabilité de la statistique discrète W converge asymptotiquement vers la loi normale centrée réduite N(0, 1).

6.3 Interprétation des valeurs p bilatérale et unilatérale

Le panneau final des résultats sous Stata reporte trois probabilités critiques distinctes associées à la statistique Z calculée, correspondant aux différentes orientations décisionnelles de l’investigateur :

1. L’hypothèse alternative bilatérale (two-sided hypothesis), formulée à travers la probabilité Pr(|Z| > |z|), constitue la référence par défaut en statistique inférentielle académique. Elle teste si la distribution des différences dévie significativement de la symétrie autour de zéro, sans présupposer a priori le sens de cette altération (aggravation ou amélioration). Si cette valeur p s’avère inférieure au seuil de significativité conventionnel fixé à 0,05 (ou 0,01), l’investigateur rejette formellement l’hypothèse nulle au profit de l’existence d’une divergence systématique entre les conditions.

2. L’hypothèse alternative unilatérale gauche, formulée par Pr(Z < z), teste spécifiquement si la somme observée des rangs positifs est significativement inférieure à ce que prédirait le hasard. Dans notre scénario d’une psychothérapie où diff = anx_post - anx_pre, une valeur Z fortement négative couplée à une valeur p infinitésimale sur cette ligne confirme que le traitement engendre une réduction systématique et statistiquement significative des scores d’anxiété.

3. L’hypothèse alternative unilatérale droite, matérialisée par Pr(Z > z), testerait à l’inverse si l’intervention induit une majoration sélective des scores.

Il est impératif d’émettre une mise en garde épistémologique stricte quant à l’usage des valeurs p unilatérales : la décision de recourir à un test directionnel unilatéral (fondé sur Pr(Z < z) ou Pr(Z > z)) doit être impérativement verrouillée a priori dans le protocole de recherche pré-enregistré (par exemple sur clinicaltrials.gov ou OSF), sur la base d’arguments physiologiques ou théoriques incontestables excluant toute possibilité logique d’inversion d’effet. Il est scientifiquement inadmissible de basculer vers la lecture d’une valeur unilatérale post-hoc simplement pour franchir le seuil nominal de 0,05 lorsqu’un test bilatéral délivre un résultat marginalement non significatif (par exemple p = 0,072) ; une telle pratique relève du piratage de données (p-hacking) et ruine la validité inférentielle de l’étude.

7. Problématique des ex aequo et ajustements statistiques

7.1 Nature et origine des valeurs ex aequo (ties) dans les données psychologiques

L’échafaudage mathématique primordial élaboré par Frank Wilcoxon postule que la variable continue sous-jacente produit un ordre total strict, garantissant l’absence structurelle d’égalités numériques entre les écarts observés. Néanmoins, dans la pratique empirique des sciences humaines et de la recherche comportementale, cette situation idyllique est constamment mise en échec. Les scores psychométriques ne sont pas des grandeurs continues infinies mais des agrégations discrètes de nombres entiers finis.

Dans ce contexte, deux typologies distinctes d’ex aequo (désignées sous l’anglicisme ties) se manifestent inéluctablement dans les matrices de données :

1. Les différences strictement nulles (zero ties), où le sujet présente un score identique aux deux temps de mesure (Y_i = X_i, soit D_i = 0). Comme détaillé précédemment, la convention standard adoptée par Stata et la majorité des logiciels consiste à évincer ces observations du dénombrement des rangs. Bien que pragmatique, cette décision technique peut induire une distorsion de la représentativité clinique lorsque le nombre de participants inchangés est prépondérant dans l’échantillon.

2. Les ex aequo sur les valeurs absolues des différences non nulles (nonzero absolute ties), où plusieurs participants distincts affichent des grandeurs d’écart strictement équivalentes en valeur absolue, que ces écarts soient de même signe ou de polarités opposées (par exemple, un participant progressant de 4 points et un autre régressant de 4 points présentent tous deux une valeur absolue |D_i| = 4). Cette configuration survient avec une acuité particulière lors de l’utilisation d’échelles de Likert courtes à 4 ou 5 échelons, ou en présence de phénomènes psychométriques d’effet de plancher (floor effect) ou d’effet de plafond (ceiling effect), contraignant la variabilité substantielle des écarts intra-individuels.

7.2 Mécanisme de correction de variance implémenté dans Stata

L’émergence d’égalités sur les valeurs absolues des différences perturbe directement la structure combinatoire des rangs. Lorsque plusieurs observations partagent une même grandeur absolue, Stata leur assigne le rang moyen du groupe d’égalité (la moyenne arithmétique des positions que ces observations auraient occupées dans un ordre strict). Par exemple, si trois observations se partagent les positions ordinales 4, 5 et 6, chacune se voit attribuer le rang moyen (4 + 5 + 6) / 3 = 5.

Ce fractionnement des rangs modifie les moments d’ordre supérieur de la distribution de la statistique de Wilcoxon. Si l’espérance E(W⁺) demeure totalement inchangée sous l’hypothèse nulle, la variance d’échantillonnage théorique Var(W⁺) subit quant à elle une réduction mathématique systématique. Si cette contraction de la variance n’était pas neutralisée, l’évaluation du score standardisé Z reposerait sur un dénominateur artificiellement gonflé, entraînant une sous-estimation du score Z réel et une perte injustifiée de puissance statistique.

Pour parer à ce biais d’estimation, Stata implémente de manière totalement automatisée et transparente une correction analytique de variance pour ex aequo. Soit g le nombre total de groupes de rangs distincts formés par des observations de même valeur absolue, et t_j le nombre d’observations liées composant le j-ième groupe d’ex aequo (avec j ∈ {1, …, g}). La formule de la variance corrigée de la somme des rangs s’écrit formellement sous la forme :

Var_corrigée(W⁺) = [n‘(n‘ + 1)(2n‘ + 1) / 24] – [ ∑_j=1^g (t_j³ – t_j) / 48 ]

Le terme soustractif d’ajustement opère une compensation arithmétique exacte proportionnelle à la cubicité de la taille des conglomérats d’égalités. Stata réinjecte instantanément cette variance corrigée au dénominateur du calcul du score Z. La présence de la mention explicite de cette formule de correction dans l’arrière-plan de Stata garantit à l’analyste que la statistique asymptotique restituée a fait l’objet d’un redressement rigoureux, préservant la validité du taux nominal de significativité.

7.3 Comportement face aux échantillons de très petite taille

La validité de la statistique Z et des probabilités critiques associées rapportées par la commande signrank repose intrinsèquement sur l’approximation normale asymptotique fournie par le théorème central limite. Bien que cette approximation se révèle extraordinairement robuste pour des tailles d’échantillons supérieures ou égales à 20, son comportement numérique se fragilise notablement lorsque l’effectif effectif des paires non nulles descend en deçà de n‘ < 15, et plus sévèrement encore lorsque n‘ ≤ 10.

Sur de tels micro-échantillons, la véritable distribution d’échantillonnage de la statistique de Wilcoxon demeure fondamentalement discrète et combinatoire. L’application d’une loi normale continue continue sur un ensemble restreint de points discrets produit une distorsion de la valeur p, qui tend généralement à sous-estimer légèrement la probabilité d’erreur de première espèce aux frontières des seuils conventionnels critiques (par exemple rapporter p = 0,042 par approximation asymptotique alors que la probabilité combinatoire exacte se chiffre en réalité à p = 0,054).

Dans sa version native de base, la commande officielle signrank de Stata ne restitue pas les valeurs p exactes issues du dénombrement complet des 2^n‘ permutations binaires possibles. Pour contourner cette lacune computationnelle sur les très petits échantillons cliniques, les biostatisticiens aguerris mobilisent des paquets d’extension développés par la communauté académique, tels que le module exlogistic ou le script spécialisé wsrtest (accessible via les dépôts SSC de Stata). Ces outils calculent la distribution exacte par récursion combinatoire :

net search wsrtest
wsrtest anx_post = anx_pre

La confrontation systématique de la valeur p exacte et de la valeur p asymptotique fournit un rempart méthodologique précieux lors de la soumission de protocoles de recherche impliquant des modèles animaux ou des cohortes de maladies rares, où les effectifs restreints sont inévitables.

8. Estimation et interprétation des tailles d’effet non paramétriques

8.1 Calcul de la taille d’effet r de Rosenthal à partir des sorties Stata

L’inférence statistique moderne a définitivement dépassé la seule considération dichotomique de la valeur p. Les recommandations unanimes des comités éditoriaux internationaux (notamment l’American Psychological Association dans ses directives du manuel de publication APA 7th) prescrivent l’intégration systématique et formelle d’une estimation quantifiée de la taille d’effet (effect size), accompagnée de son intervalle de confiance, pour tout test d’hypothèse rapporté.

Pour le test des rangs signés de Wilcoxon, l’indice de taille d’effet standardisé de référence dans le champ des sciences comportementales est le coefficient r de Rosenthal (fréquemment dénommé r non paramétrique). Cet indice sans dimension quantifie la magnitude standardisée du déplacement distributionnel sur une échelle continue théoriquement bornée entre -1 et 1. Sa formulation mathématique canonique s’exprime par le rapport du score standardisé Z à la racine carrée de la taille d’échantillon totale :

r = Z / √(N_total)

Une ambiguïté méthodologique majeure et récurrente dans la littérature concerne la définition exacte du dénominateur d’échantillonnage N_total. Deux écoles s’affrontent régulièrement dans les revues académiques : la première préconise d’assigner à N le nombre total d’unités appariées effectives (N = nombre de paires non nulles n‘), tandis que la seconde école, plus conforme aux dérivations matricielles originelles de Rosenthal, stipule que N doit représenter le nombre total d’observations individuelles combinées soumises à la comparaison (soit N = 2 × n‘ pour une confrontation avant-après sur le même groupe). Il appartient au chercheur de spécifier sans ambiguïté dans sa section méthodologique la convention mathématique adoptée, bien que l’utilisation du nombre d’observations totales (2 × n‘) prévale pour aligner la métrique de r sur le coefficient de corrélation de Bravais-Pearson.

Stata ne délivre pas directement cette taille d’effet dans le tableau de sortie de la commande signrank. Cependant, l’architecture du logiciel stocke instantanément les scalaires de l’analyse dans la mémoire des résultats de retour (return list). Il est dès lors aisé d’automatiser le calcul et l’affichage de l’indice r de Rosenthal directement dans le Do-file :

signrank score_post = score_pre
return list
* Récupération du score Z et du volume d'échantillon
scalar z_score = r(z)
scalar n_obs = r(N) * 2
scalar r_rosenthal = abs(z_score) / sqrt(n_obs)
display as text "Taille d'effet r de Rosenthal = " as result %6.4f r_rosenthal

Ce script extrait dynamiquement le scalaire r(z), calcule sa valeur absolue pour refléter l’amplitude globale de l’effet, et formate le résultat à quatre décimales dans la console d’exécution.

8.2 Métriques complémentaires : probabilité de supériorité et coefficient rank-biserial

Au-delà du coefficient r de Rosenthal, deux métriques complémentaires s’imposent progressivement dans les standards de publication modernes en raison de leur interprétabilité clinique directe : le coefficient de corrélation bisériale des rangs et la probabilité de supériorité appariée.

La corrélation bisériale des rangs (notée r_rb ou r_biserial) mesure la dissymétrie relative normalisée entre la somme des rangs positifs et la somme des rangs négatifs. Elle s’obtient directement par le quotient de la différence des sommes de rangs sur la somme totale des rangs alloués :

r_rb = (W⁺ – W^–) / (W⁺ + W^–) = (W⁺ – W^–) / [n‘(n‘ + 1) / 2]

Cet estimateur oscille de manière parfaitement bornée entre -1 (dans l’éventualité où toutes les paires régressent de manière uniforme) et +1 (si l’ensemble des paires progresse sans exception). Une valeur de 0 traduit un équilibre absolu entre rangs positifs et négatifs sous l’hypothèse nulle. Cette métrique offre l’avantage substantiel d’être affranchie de toute hypothèse quant à la taille d’échantillon totale.

La probabilité de supériorité pour échantillons appariés (désignée sous le vocable de Common Language Effect Size, CLES, ou statistique A de Vargha et Delaney) s’exprime quant à elle comme la probabilité empirique qu’une unité observée aléatoirement présente un score supérieur dans la seconde condition par rapport à la première condition, ajustée pour les égalités :

PS = [W⁺ / (n‘(n‘ + 1) / 2)]

Enfin, l’estimateur de localisation non paramétrique associé au test de Wilcoxon est le pseudo-médian de Hodges-Lehmann. Ce paramètre correspond rigoureusement à la médiane calculée sur l’ensemble complet des moyennes de Walsh intra-paires, c’est-à-dire l’ensemble des moyennes [(D_i + D_k) / 2] formées pour toutes les paires d’indices i ≤ k. L’obtention de cet estimateur robuste ainsi que de son intervalle de confiance à 95 % sous Stata s’opère élégamment via le paquet de commandes cendif ou par la commande officielle centile appliquée aux différences, consolidant l’ancrage clinique de l’inférence non paramétrique.

8.3 Seuils d’interprétation clinique et conventions théoriques

L’évaluation quantitative d’une taille d’effet requiert une grille de lecture robuste pour éclairer la prise de décision en santé mentale ou en recherche expérimentale. Historiquement, Jacob Cohen a établi en 1988 des seuils conventionnels standardisés pour le coefficient de corrélation r, applicables par extension à l’indice r de Rosenthal :

• Un coefficient r compris entre 0,10 et 0,29 caractérise un effet de faible magnitude (effet subtil ou préliminaire).
• Un coefficient r oscillant entre 0,30 et 0,49 documente un effet de magnitude modérée (effet visible à l’œil nu dans la pratique clinique courante).
• Un coefficient r supérieur ou égal à 0,50 dénote un effet de forte magnitude (impact thérapeutique ou expérimental majeur).

Cependant, l’application aveugle et acritique de ces seuils conventionnels universels fait l’objet de réserves méthodologiques majeures dans l’épidémiologie contemporaine. En effet, un indice r = 0,20 qualifié de « faible » selon les tables formelles de Cohen peut revêtir une importance translationnelle critique lorsqu’il quantifie la réduction de symptômes suicidaires ou la survie cognitive chez des patients atteints de pathologies neurodégénératives évoluées. Inversement, un effet « fort » (r > 0,50) identifié sur un instrument psychométrique à haute subjectivité dans un protocole sans double aveugle peut refléter un biais d’observation ou un effet placebo massif plutôt qu’une avancée thérapeutique authentique.

Le chercheur doit impérativement distinguer la significativité statistique (l’infirmation probabiliste du rôle exclusif du hasard d’échantillonnage via p < 0,05) de la pertinence clinique (l’utilité tangible du gain pour le patient au quotidien). De surcroît, la documentation systématique et explicite de la taille d’effet et de son erreur-type constitue le maillon indispensable permettant l’inclusion ultérieure de l’étude dans des synthèses quantitatives et des méta-analyses internationales, favorisant l’accumulation cumulative du savoir scientifique.

9. Visualisation avancée des données appariées sous Stata

9.1 Graphiques de profils individuels et diagrammes avant-après (spaghetti plots)

La restitution graphique de données appariées ne saurait se cantonner à la représentation simpliste de diagrammes en bâtons ou d’histogrammes agrégés. Ces représentations tronquées masquent totalement la trajectoire réelle des unités d’observation individuelles et occultent la variabilité de la réponse thérapeutique. L’approche graphique la plus informative et scientifiquement rigoureuse pour des échantillons de taille modeste à modérée réside dans la construction de graphiques de profils individuels, communément désignés sous l’appellation de diagrammes « en spaghetti » (spaghetti plots ou paired line plots).

Dans cette modalité de tracé, chaque participant est figuré par un segment de droite reliant son score au temps 1 à son score au temps 2. Cette visualisation permet d’appréhender instantanément la distribution des répondeurs (trajectoires descendantes négatives) et des non-répondeurs ou répondeurs paradoxaux (trajectoires horizontales ou ascendantes). Sous Stata, la mise en œuvre de ce graphique repose avantageusement sur la commande twoway pcspike (paired coordinate spike) combinée à un nuage de points appariés, opérant directement sur les données au format large :

twoway (pcspike anx_pre id_patient anx_post id_patient, horizontal lcolor(gs10) lpattern(solid)) ///
(scatter id_patient anx_pre, mcolor(navy) msymbol(circle)) ///
(scatter id_patient anx_post, mcolor(maroon) msymbol(square)), ///
title("Évolution individuelle de l'anxiété avant et après thérapie") ///
ytitle("Identifiant Patient") xtitle("Score à l'échelle HAM-A") ///
legend(order(2 "Pré-traitement" 3 "Post-traitement") rows(1) position(6)) ///
scheme(s2mono)

Pour un échantillon plus vaste, l’investigateur préférera une structuration bidimensionnelle standard où l’axe des abscisses porte les deux temps de mesure (Pré vs Post) et l’axe des ordonnées l’amplitude de l’échelle, les segments fins transparents reliant les temps de mesure, surmontés par un trait épais en surbrillance matérialisant la médiane globale des changements.

9.2 Représentation conjointe de la tendance centrale et de la dispersion

Pour rendre compte de manière fidèle des propriétés non paramétriques des données, la visualisation des agrégats descriptifs doit prohiber les moyennes et les écarts-types au profit des médianes et des écarts interquartiles (IQR, 25e et 75e centiles). La boîte à moustaches appariée (paired box plot) constitue la base géométrique usuelle, complétée idéalement par des diagrammes en violon (violin plots) qui restituent l’enveloppe continue de la densité distributionnelle.

Afin de concrétiser les impératifs contemporains de la science ouverte prônant la visualisation transparente des données brutes (raw data plotting), la composition graphique optimale consiste à superposer à la boîte à moustaches un nuage de points individuels dispersés de manière aléatoire sur l’axe horizontal (jittering). Cette technique évite la superposition parfaite des marqueurs partageant des valeurs identiques et révèle immédiatement les concentrations locales ou les lacunes distributionnelles :

preserve
reshape long score_, i(id_patient) j(temps) string
label define lbl_temps 1 "Pré-test" 2 "Post-test"
graph box score_, over(temps) asyvars ///
box(1, color(navy%40)) box(2, color(maroon%40)) ///
marker(1, mcolor(navy) msymbol(Oh)) marker(2, mcolor(maroon) msymbol(Dh)) ///
title("Profil de distribution non paramétrique intra-sujet") ///
ytitle("Score psychométrique global") legend(off)
restore

Ce type de composition permet à l’évaluateur académique de vérifier immédiatement la plausibilité empirique du postulat de symétrie tout en appréciant le décalage de la tendance centrale médiane entre les conditions expérimentales.

9.3 Formatage et exportation aux normes typographiques de l’APA

L’intégration de figures scientifiques dans des manuscrits destinés à des revues internationales à comité de lecture affiliées à l’American Psychological Association (APA) exige le respect scrupuleux de normes typographiques strictes : absence de quadrillage de fond superflu, épuration des bordures supérieures et droites, utilisation d’une typographie sans empattement hautement lisible (Arial ou Helvetica), suppression des fonds colorés au profit de nuances de gris contrastées ou de tracés monochromes nets, et positionnement externe rigoureux des légendes.

Sous Stata, l’alignement sur ces standards d’édition s’amorce par la configuration globale du thème graphique (scheme). L’adoption d’un schéma épuré comme s2mono ou le schéma communautaire cleanplots garantit d’emblée une trame conforme :

set scheme s2mono, permanently

Une fois la composition graphique peaufinée dans l’interface de commande, la procédure d’exportation doit impérativement privilégier les formats vectoriels pour préserver l’intégrité de la résolution graphique quel que soit le facteur de grossissement appliqué par l’imprimeur éditorial. L’analyste mobilisera la commande graph export en spécifiant une résolution minimale de 300 voire 600 DPI (dots per inch) pour les formats matriciels, ou en retenant directement le format EPS (Encapsulated PostScript) ou PDF vectoriel :

graph export "Figure_1_Trajectoires_Cliniques.eps", as(eps) preview(on) replace
graph export "Figure_1_Trajectoires_Cliniques.pdf", as(pdf) replace
graph export "Figure_1_Haute_Resolution.png", as(png) width(3600) height(2400) replace

Cette rigueur technique assure l’inclusion de planches graphiques de standing professionnel prêtes pour l’évaluation par les pairs.

10. Communication des résultats et rédaction académique aux normes APA

10.1 Structure narrative standard pour la section Résultats

La restitution académique d’un test des rangs signés de Wilcoxon dans la section « Résultats » d’une thèse ou d’un article scientifique empirique obéit à un canevas narratif hautement codifié. L’investigateur doit proscrire les affirmations vagues telles que « l’analyse a montré que le score diminuait de façon significative (p < 0,05) », au profit d’une séquence descriptive et inférentielle exhaustive comprenant quatre composantes indissociables :

1. La justification méthodologique préalable : Le texte doit expliciter clairement les motifs empiriques et théoriques ayant conduit à l’éviction du modèle paramétrique (par exemple : « En raison de la taille réduite de l’échantillon (N = 20) et de la violation du postulat de normalité gaussienne des différences évaluée par le test de Shapiro-Wilk (W = 0,82, p = 0,003), une procédure non paramétrique par rangs a été mobilisée »).

2. Les paramètres descriptifs appropriés : Le rapportage des moyennes et écarts-types doit être impérativement remplacé par la déclaration des médianes (Mdn) et des écarts interquartiles (IQR, définis par le 25e et le 75e centile), accompagnés le cas échéant des sommes de rangs observées (W⁺ et W^–).

3. Les statistiques inférentielles complètes : La phrase narrative doit mentionner explicitement le nom complet du test, la somme des rangs ou la statistique directionnelle, le score asymptotique standardisé Z exact, la valeur p bilatérale précise (en évitant la mention tronquée p = 0,000 lorsque Stata affiche des décimales nulles, au profit de l’écriture formelle p < 0,001).

4. L’indice de taille d’effet et son interprétation : Déclaration formelle du coefficient r de Rosenthal avec son intervalle de confiance à 95 % et sa qualification qualitative selon les référentiels théoriques.

10.2 Conception de tableaux synthétiques pour revues avec comité de lecture

Pour synthétiser les analyses impliquant plusieurs dimensions psychométriques ou plusieurs sous-échelles d’un même inventaire clinique (par exemple les échelles d’anxiété somatique, d’anxiété psychique et de ralentissement dépressif), la présentation des données sous forme de tableau synoptique APA constitue l’approche éditoriale la plus claire et la plus dense.

Conformément aux normes formelles du manuel APA 7th, le tableau doit exclure rigoureusement tout filet vertical de séparation, ne comportant que trois bordures horizontales principales : une sous le titre de la table, une sous la ligne d’en-tête des variables, et une bordure terminale fermant le tableau avant la note de bas de page. Les colonnes doivent s’organiser selon une séquence ordonnée : dimension clinique mesurée, effectif valide de paires non nulles (n‘), statistiques descriptives à la ligne de base [Mdn (25e – 75e centile)], statistiques descriptives post-intervention [Mdn (25e – 75e centile)], statistique de test standardisée (Z), valeur p bilatérale, et coefficient de taille d’effet (r).

Sous Stata, l’extraction automatisée des résultats vers des formats tabulaires éligibles à Microsoft Word ou LaTeX s’opère via des extensions spécialisées telles que esttab, asdoc ou le nouveau gestionnaire de métadonnées tabulaires introduit dans les versions récentes de Stata, la commande collect :

* Extraction tabulaire automatisée avec asdoc
asdoc signrank anx_post = anx_pre, title("Tableau 1. Statistiques inférentielles non paramétriques") ///
save(Tableau_APA_Wilcoxon.doc) replace

La note de bas de tableau doit impérativement expliciter la formule de calcul de la taille d’effet mobilisée, le traitement appliqué aux ex aequo et aux différences nulles, ainsi que les abréviations psychométriques utilisées, afin que la table puisse être déchiffrée de manière autonome sans lecture obligatoire du corps de l’article.

10.3 Modèle de paragraphe rédigé contextualisé en psychologie

Pour illustrer concrètement la transcription de ces exigences formelles, voici un exemple type de paragraphe de résultats, directement transposable dans un article scientifique rédigé selon les standards académiques francophones de niveau Q1/Q2 :

« Une analyse non paramétrique par le test des rangs signés de Wilcoxon a été exécutée afin de déterminer l’efficacité d’une psychothérapie cognitivo-comportementale de 12 semaines sur la sévérité des symptômes anxieux chez 20 patients adultes souffrant d’un trouble d’anxiété généralisée. L’inspection des écarts intra-individuels a confirmé l’absence de normalité distributionnelle (test de Shapiro-Wilk, W = 0,812, p = 0,002), tout en conservant une symétrie empirique satisfaisante autour de la médiane des différences (test d’asymétrie de D’Agostino, p = 0,348). Deux participants n’ont présenté aucune modification de score entre les deux évaluations et ont été exclus du calcul des rangs conformément à la convention usuelle (n’ = 18).

Les résultats mettent en évidence une diminution statistiquement significative et cliniquement majeure de la sévérité de l’anxiété à l’issue de l’intervention thérapeutique, Z = -3,418, p < 0,001. La médiane des scores à l’échelle HAM-A est passée de 26,50 points (IQR = 23,00 – 30,50) lors de la ligne de base pré-thérapeutique à 14,00 points (IQR = 10,50 – 18,50) à l’issue des 12 semaines de prise en charge. La somme des rangs négatifs (W- = 162,50) surpasse de manière écrasante la somme des rangs positifs (W+ = 8,50), témoignant d’une réponse clinique favorable chez 15 des 18 patients non nuls. L’amplitude de cet effet thérapeutique s’avère hautement substantielle, comme en atteste la taille d’effet standardisée r de Rosenthal, r = 0,57 [IC 95 %: 0,38 – 0,72], qualifiant un effet de forte amplitude selon les critères conventionnels de Cohen. Ces observations confirment l’efficacité robuste du protocole cognitif testé sur l’allègement de la symptomatologie anxieuse dans cette cohorte clinique. »

11. Diagnostics, erreurs courantes et alternatives méthodologiques sous Stata

11.1 Confusion fréquente : signrank versus ranksum (Mann-Whitney)

L’une des erreurs statistiques les plus préjudiciables commises par les analystes débutants sous Stata réside dans l’inversion conceptuelle des deux commandes non paramétriques majeures du logiciel : signrank et ranksum. Bien que partageant une terminologie syntaxique proche et reposant toutes deux sur la transformation des données brutes en rangs ordinaux, ces deux instructions s’appliquent à des architectures d’échantillonnage totalement orthogonales.

La commande signrank, objet exclusif du présent guide, traite impérativement des échantillons dépendants ou appariés (plans intra-sujets, mesures répétées diachroniques ou paires jumelées). Elle opère sur deux colonnes distinctes d’un fichier au format large, calculant les différences intra-paires avant de classer ces dernières.

À l’inverse fondamental, la commande ranksum implémente le test de la somme des rangs de Wilcoxon pour deux échantillons indépendants (procédure rigoureusement équivalente au test U de Mann-Whitney). Elle traite d’un plan factoriel inter-sujets dans lequel deux groupes de participants physiquement distincts et mutuellement exclusifs (par exemple un groupe recevant un placebo versus un groupe recevant un médicament actif) sont comparés sur une variable dépendante unique. Sa syntaxe requiert une variable numérique continue et une variable catégorielle dichotomique de regroupement :

ranksum variable_score, by(groupe_traitement)

L’interversion de ces deux méthodes engendre des conséquences méthodologiques catastrophiques : appliquer ranksum à des données appariées traite artificiellement les deux temps de mesure comme s’ils émanaient d’individus indépendants, détruisant tout le bénéfice du contrôle de la variance inter-individuelle et faisant chuter dramatiquement la puissance statistique (gonflement du risque bêta). Inversement, appliquer signrank à deux groupes indépendants en alignant arbitrairement la première ligne du groupe A avec la première ligne du groupe B constitue un contresens scientifique absolu, introduisant une dépendance fictive totalement absurde.

11.2 Recours au test des signes (`signtest`) en cas de violation de symétrie

Comme démontré dans les sections précédentes, la légitimité du test de Wilcoxon en tant qu’estimateur du décalage de la médiane s’effondre lorsque la distribution des différences intra-sujets viole sévèrement le postulat de symétrie fondamentale. Si le tracé symplot révèle une incurvation prononcée ou si le test sktest confirme une asymétrie statistiquement irréfutable (Pr(skewness) < 0,01), persister dans l’emploi de signrank expose l’analyste à rejeter l’hypothèse nulle en raison de la forme asymétrique des queues de distribution plutôt que d’un changement réel de position centrale.

Face à une asymétrie pathologique ingérable par les rangs signés, la solution méthodologique non paramétrique la plus rigoureuse consiste à rétrograder vers le test des signes classique (Fisher’s Sign Test). Sous Stata, ce test est directement exécutable via la commande :

signtest anx_post = anx_pre

Le test des signes est totalement affranchi de tout postulat de symétrie. Il ne tient aucun compte de la magnitude ou de la taille quantitative relative des écarts absolus, ne conservant que l’information purement binaire de la direction du changement (le signe arithmétique « + » ou « – » de chaque différence). L’algorithme dénombre simplement le nombre de succès (différences positives) et confronte cette fréquence empirique à la loi binomiale théorique de paramètres n‘ et p = 0,5.

Ce gain absolu en robustesse distributionnelle se paie toutefois d’un tribut statistique lourd : une perte d’efficience et de puissance statistique notable comparativement au test des rangs signés de Wilcoxon (l’efficience asymptotique relative du test des signes n’est que de 0,637 sous une distribution normale). L’investigateur n’arbitrera donc en faveur de signtest qu’en présence d’une distorsion de symétrie si sévère qu’elle vicierait irréversiblement les rangs signés.

11.3 Gestion des échantillons volumineux et des paradoxes non paramétriques

Dans l’ère contemporaine des mégadonnées de santé (big data), des registres hospitaliers dématérialisés et de la bio-informatique clinique, les chercheurs appliquent couramment des tests non paramétriques sur des cohortes appariées comportant plusieurs milliers, voire plusieurs centaines de milliers d’observations. Dans ces contextes computationnels massifs, le test de Wilcoxon présente un comportement asymptotique particulier qu’il convient de maîtriser.

En présence d’un très grand échantillon (par exemple N > 10 000 paires), l’erreur-type de la statistique de Wilcoxon tend vers zéro. En conséquence, la moindre divergence infinitésimale, totalement dépourvue de signification clinique ou biologique (par exemple un déplacement de score moyen de 0,02 point sur une échelle de 100), produira un score Z colossal et une valeur p infinitésimale (p < 0,0000001). L’investigateur non averti risque alors de proclamer une « découverte hautement significative », confondant la puissance excessive du test sur grand échantillon avec l’impact réel du phénomène étudié. Seul l’examen vigilant de la taille d’effet r de Rosenthal et du pseudo-médian de Hodges-Lehmann permet de remettre la significativité statistique à sa juste place.

De surcroît, les analystes doivent être conscients de certains « paradoxes non paramétriques » propres à la transformation en rangs. En particulier, il est mathématiquement démontré que la médiane des différences individuelles ne coïncide pas obligatoirement avec la différence entre les médianes marginales des deux conditions [Mdn(Y – X) ≠ Mdn(Y) – Mdn(X)]. Dans des configurations distributionnelles atypiques comportant des distributions asymétriques croisées, le test de Wilcoxon peut conclure à une supériorité statistique hautement significative de la condition 2 sur la condition 1 (car la majorité des différences individuelles sont positives), alors même que la médiane brute de la condition 1 est numériquement supérieure à la médiane de la condition 2. Ce paradoxe d’inversion rappelle avec force que le test des rangs signés évalue une dynamique intra-paire et non une simple juxtaposition de statistiques descriptives marginales.

12. Approches computationnelles avancées et modélisations robustes

12.1 Estimation par rééchantillonnage bootstrap sous Stata

Lorsque les données cliniques présentent une structure distributionnelle atypique conjuguée à un effectif restreint qui fragilise à la fois les approximations asymptotiques et les hypothèses de symétrie, l’inférence par rééchantillonnage bootstrap représente une méthodologie computationnelle moderne d’une puissance exceptionnelle. Le bootstrap non paramétrique consiste à rééchantillonner avec remise les paires d’observations empiriques un très grand nombre de fois (typiquement 2 000 à 10 000 itérations), de manière à reconstruire empiriquement la distribution d’échantillonnage de la statistique sans s’appuyer sur aucune loi probabiliste théorique préconçue.

Sous Stata, le déploiement du bootstrap sur un test de Wilcoxon requiert d’encapsuler la routine d’estimation au sein du préfixe officiel bootstrap. Pour garantir l’intégrité de l’appariement, l’unité fondamentale de rééchantillonnage doit demeurer la ligne horizontale du participant (la paire au format large) :

* Fixation du générateur congruentiel pour stricte reproductibilité
set seed 987654
* Exécution du bootstrap non paramétrique sur la statistique Z avec 2000 itérations
bootstrap r_z = r(z), reps(2000) dots: signrank anx_post = anx_pre
* Affichage des intervalles de confiance empiriques avancés
estat bootstrap, all

L’instruction estat bootstrap, all commande à Stata de calculer simultanément l’intervalle de confiance standard asymptotique, l’intervalle percentile empirique (fondé sur les quantiles 2,5 % et 97,5 % des réplications), et surtout l’intervalle corrigé du biais et accéléré (BCa, Bias-Corrected and Accelerated confidence interval). L’intervalle BCa opère une double correction mathématique pour neutraliser le biais médian et l’asymétrie de la distribution d’échantillonnage bootstrap. Si l’intervalle de confiance BCa à 95 % du score Z ou de la médiane des différences n’englobe pas la valeur zéro, l’investigateur dispose de la confirmation computationnelle la plus irréfutable de la significativité de son effet clinique.

12.2 Tests de permutation exacte pour distributions complexes

Dans les paradigmes expérimentaux à protocoles intensifs ou à cas uniques répliqués (Single-Case Experimental Designs, SCED), l’analyste se trouve régulièrement confronté à des séries de mesures dépendantes où les effectifs sont drastiquement réduits (par exemple N = 8 participants soumis à deux conditions électrophysiologiques), interdisant à la fois le bootstrap (inopérant sur des effectifs trop faibles) et l’approximation normale de Wilcoxon.

La solution mathématique idéale réside dans l’exécution d’un test de permutation de Monte-Carlo ou d’un test d’invariance exacte sous permutations complètes. Le principe combinatoire consiste à fixer les grandeurs absolues des différences observées |D_i|, puis à permuter aléatoirement l’attribution des signes « + » et « – » avec une probabilité équiprobable de 1/2 pour chaque paire, réévaluant la statistique de somme de rangs à chaque permutation.

Stata permet d’exécuter cette procédure avec une élégance algorithmique remarquable via la commande native de permutation permute :

set seed 123456
permute score_post diff_mean = (r(N)), reps(5000) left: signrank score_post = score_pre

En observant la distribution empirique des 5 000 permutations aléatoires du signe sous l’hypothèse nulle, Stata dérive une valeur p empirique exacte, définie comme la proportion de permutations ayant généré une statistique au moins aussi extrême que celle observée sur les données réelles. Cette approche élimine toute dépendance à l’égard de tables statistiques pré-établies ou d’approximations continues, assurant une inférence d’une rigueur absolue dans les protocoles de neurosciences de pointe.

12.3 Transition vers les modèles mixtes ordinaux et équations d’estimation généralisées (GEE)

En dépit de son élégance mathématique et de son imperméabilité aux violations de normalité, le test des rangs signés de Wilcoxon demeure fondamentalement une analyse bivariée simple. Il souffre dès lors de limitations épistémologiques intrinsèques majeures :

1. Il est structurellement incapable d’incorporer des covariables d’ajustement continues ou catégorielles (telles que l’âge du participant, la durée de la maladie, le centre hospitalier d’inclusion ou la posologie médicamenteuse concomitante) pour contrôler les biais de confusion potentiels.

2. Il ne peut modéliser l’hétérogénéité individuelle de la trajectoire d’évolution autrement que par une simple différence agrégée.

3. Il ne peut être généralisé à des designs longitudinaux riches comportant plus de deux points temporels de mesure (waves d’évaluation à T1, T2, T3, T4).

Lorsque le dispositif expérimental dépasse le cadre d’un protocole bivarié strict avant-après, le statisticien moderne doit orchestrer une transition vers des modélisations longitudinales non paramétriques ou semi-paramétriques avancées. Deux cadres théoriques majeurs s’imposent sous Stata :

1. Les Équations d’Estimation Généralisées (GEE) : Implémentées via la routine xtgee, elles permettent d’estimer des modèles de population moyenne (population-averaged models) pour des variables dépendantes ordinales ou discrètes non normales, en spécifiant une matrice de corrélation intra-sujet structurée (autorégressive d’ordre 1, échangeable ou non structurée). Cette approche ajuste adéquatement les erreurs-types pour la dépendance temporelle tout en permettant l’introduction de covariables multiples.

2. Les Modèles Logistiques Ordinaux à Effets Mixtes : Exécutés sous Stata au moyen de la commande meologit, ces modèles hiérarchiques ou multiniveaux intègrent formellement la nature strictement ordinale des échelles psychométriques tout en décomposant la variance globale en composantes fixes (effets moyens du temps et des traitements) et composantes aléatoires (variabilité inter-individuelle des niveaux de base et des pentes de réponse thérapeutique) :

* Transition vers le format long pour modélisation hiérarchique ordinale
reshape long score_, i(id_patient) j(temps)
meologit score_ temps age sexe || id_patient: temps, or

Cette perspective intégrative unifie les fondements conceptuels de l’analyse ordinale non paramétrique initiée par Wilcoxon et la puissance analytique contemporaine des modèles multiniveaux, offrant aux chercheurs un continuum méthodologique complet pour valoriser pleinement la richesse de leurs données psychométriques et comportementales.

Références

• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Conover, W. J. (1999). Practical nonparametric statistics (3rd ed.). John Wiley & Sons.
• D’Agostino, R. B., Belanger, A., & D’Agostino, R. B. Jr. (1990). A suggestion for using powerful and informative tests of normality. The American Statistician, 44(4), 316-321. https://doi.org/10.1080/00031305.1990.10475751
• Hodges, J. L., & Lehmann, E. L. (1963). Estimates of location based on rank tests. The Annals of Mathematical Statistics, 34(2), 598-611. https://doi.org/10.1214/aoms/1177704172
• Kerby, D. S. (2014). The simple difference formula: An approach to teaching nonparametric correlation. Comprehensive Psychology, 3, Article 1. https://doi.org/10.2466/11.IT.3.1
• Pratt, J. W. (1959). Remarks on zeros and ties in the Wilcoxon signed rank procedures. Journal of the American Statistical Association, 54(287), 655-667. https://doi.org/10.1080/01621459.1959.10501526
• Rosenthal, R. (1991). Meta-analytic procedures for social research (Rev. ed.). SAGE Publications. https://doi.org/10.4135/9781412984997
• Royston, P. (1992). Approximating the Shapiro-Wilk W-test for non-normality. Statistics and Computing, 2(3), 117-119. https://doi.org/10.1007/BF01891203
• 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/10.1093/biomet/52.3-4.591
• StataCorp. (2023). Stata Base Reference Manual: Release 18. Stata Press. https://www.stata.com/manuals/r.pdf
• Vargha, A., & Delaney, H. D. (2000). A critique and improvement of the CL common language effect size statistics of McGraw and Wong. Journal of Educational and Behavioral Statistics, 25(2), 101-132. https://doi.org/10.3102/10769986025002101
• Wilcoxon, F. (1945). Individual comparisons by ranking methods. Biometrics Bulletin, 1(6), 80-83. https://doi.org/10.2307/3001968