Comment réaliser le test des rangs signés de Wilcoxon

L’inférence statistique au sein des sciences contemporaines du comportement, et singulièrement en psychologie clinique, cognitive et neuropsychologique, repose traditionnellement sur la comparaison de mesures répétées issues d’un même échantillon de sujets. Lorsqu’un chercheur évalue l’efficacité d’une psychothérapie, l’impact d’une remédiation cognitive ou la dynamique temporelle d’un marqueur neurobiologique, le protocole expérimental mobilise invariablement des dispositifs longitudinaux ou appariés. Durant plusieurs décennies, le test t de Student pour échantillons appariés a constitué la réponse analytique quasi systématique à ces devis méthodologiques. Toutefois, la réalité empirique du recueil de données en milieu hospitalier ou universitaire confronte régulièrement les investigateurs à des distributions asymétriques, à des échelles ordinales issues de questionnaires psychométriques de type Likert et à des cohortes de taille restreinte qui violent frontalement les postulats de normalité imposés par la modélisation paramétrique classique.

Face à ces contraintes distributionnelles et métrologiques, l’inférence non paramétrique propose une approche méthodologique distincte et particulièrement élégante. Au cœur de cette famille d’outils, le test des rangs signés de Wilcoxon (Wilcoxon signed-rank test) occupe une place fondamentale. En substituant l’information ordinale relative à la valeur métrique brute des scores différentiels, cette procédure permet d’évaluer la signification statistique des variations intra-individuelles tout en s’affranchissant du postulat strict de normalité des résidus ou des différences. Loin d’être un simple palliatif dégradé réservé aux situations de secours, le test de Wilcoxon combine une remarquable robustesse face aux données aberrantes avec une efficacité statistique optimale qui concurrence directement les méthodes paramétriques, y compris lorsque les conditions de ces dernières sont scrupuleusement respectées.

La mise en œuvre rigoureuse de cette méthodologie exige cependant une maîtrise approfondie de ses fondements théoriques, de ses postulats sous-jacents, de ses mécanismes combinatoires et de ses limites interprétatives. Contrairement à une croyance répandue réduisant le test à une simple comparaison de médianes empiriques, sa validité conceptuelle dépend intimement de la symétrie de la distribution des différences. Le présent traité méthodologique a pour vocation de guider le chercheur, l’étudiant avancé et le praticien à travers chaque étape de l’analyse : de la contextualisation épistémologique initiale à la formalisation algébrique, en passant par le calcul pas à pas, la gestion des ex æquo, l’estimation des tailles d’effet et la formalisation des résultats selon les critères les plus stricts de la communauté scientifique internationale.

1. Fondements théoriques et épistémologiques du test des rangs signés de Wilcoxon

1.1 Origine historique et conceptualisation par Frank Wilcoxon

L’émergence des statistiques non paramétriques modernes trouve l’un de ses actes fondateurs majeurs dans la publication princeps de Frank Wilcoxon parue en décembre 1945 dans les colonnes du Biometrics Bulletin, sous le titre laconique mais révolutionnaire : « Individual Comparisons by Ranking Methods ». Chimiste et statisticien au sein de l’American Cyanamid Company, Frank Wilcoxon était quotidiennement confronté à des données de laboratoire issues de processus industriels et biologiques où les tailles d’échantillons étaient réduites et les distributions expérimentales déviaient notoirement de la courbe théorique normale de Gauss-Laplace. Conscient de la lourdeur calculatoire des tests paramétriques de l’époque et des risques élevés d’erreurs inférentielles consécutifs à la violation des postulats du test t développé par William Sealy Gosset (sous le pseudonyme de Student), Wilcoxon chercha à formaliser une procédure analytique rapide, robuste et mathématiquement valide.

Cette initiative s’inscrivait dans un contexte historique marqué par la transition d’une statistique purement descriptive ou strictement paramétrique vers le développement de méthodes affranchies de distributions d’échantillonnage théoriques prédéterminées. Jusqu’alors, le chercheur confronté à des données réfractaires à la normalité se trouvait dans une aporie méthodologique : transformer artificiellement les variables par des fonctions logarithmiques ou réciproques sans garantie de succès, ou recourir à des tests grossiers comme le test des signes, caractérisé par une perte dramatique d’information statistique. La contribution intellectuelle de Wilcoxon a consisté à concevoir un modèle probabiliste capable de concilier la résilience des méthodes basées sur les rangs avec l’exploitation partielle des grandeurs numériques observées.

La résolution de ce dilemme a ouvert la voie à ce que les théoriciens de la statistique nomment le compromis optimal entre puissance statistique et robustesse distributionnelle. Frank Wilcoxon démontra avec brio qu’en convertissant les grandeurs absolues des écarts différentiels en une structure d’ordre séquentielle (les rangs), tout en leur restituant la polarité directionnelle de l’effet (les signes algébriques), il devenait possible de construire une statistique de test exacte fondée sur des principes purement combinatoires. Cette rupture épistémologique a permis d’extraire la substance informationnelle relative à l’ampleur des variations intra-sujets sans avoir à postuler une distribution gaussienne de la population mère, posant ainsi l’une des premières pierres de l’édifice contemporain de l’inférence robuste.

1.2 Place du test au sein de la taxonomie des méthodes non paramétriques

Dans la taxonomie générale de l’analyse inférentielle bivariée, le test des rangs signés de Wilcoxon est conventionnellement désigné comme l’analogue non paramétrique direct du test t de Student pour échantillons appariés (ou test pour mesures répétées). Sa structure opératoire le destine exclusivement au traitement des plans d’expérience où chaque unité statistique est observée sous deux conditions distinctes, ou appariée de manière bijective avec une autre unité partageant des caractéristiques d’homogénéité strictes. Cette spécification le distingue formellement et méthodologiquement du test de Mann-Whitney (ou test de la somme des rangs de Wilcoxon, formalisé ultérieurement par Henry Mann et Donald Whitney), dont l’objet exclusif est la comparaison de deux groupes totalement indépendants et mutuellement exclusifs.

Pour appréhender la singularité structurelle du test des rangs signés, il convient d’examiner sa position charnière entre le test des signes élémentaire et les tests métriques paramétriques. Le test des signes se borne à enregistrer la directionnalité binaire des modifications intra-individuelles, en comptabilisant uniquement le nombre d’évolutions positives ou négatives selon un schéma de distribution binomiale pure. En agissant de la sorte, le test des signes neutralise totalement l’amplitude des variations : une modification infinitésimale de l’état clinique d’un patient reçoit un poids probabiliste strictement identique à un bouleversement psychopathologique majeur. Le test des rangs signés de Wilcoxon dépasse cette simplification en hiérarchisant l’amplitude des différences observées. Il intègre le principe selon lequel une déviation importante doit peser davantage dans la décision statistique qu’une fluctuation mineure susceptible d’être imputée aux imprécisions de mesure.

Le mécanisme sous-jacent repose sur la conversion métrique-ordinale. Ce processus n’abandonne pas aveuglément les données quantitatives : il préserve la métrique de l’intervalle au stade initial du calcul des différences inter-conditions, puis opère un déclassement contrôlé vers une échelle ordinale lors de l’ordonnancement de ces écarts en valeurs absolues. Cette démarche permet de construire un test de rangs pondérés par l’amplitude différentielle, garantissant une puissance inférentielle nettement supérieure à celle du test des signes, tout en éliminant la sensibilité délétère du test t paramétrique envers les distributions pathologiques caractérisées par des queues lourdes ou des observations extrêmes asymétriques.

1.3 Pertinence et cas d’usage typiques en recherche psychologique

Le recours au test des rangs signés de Wilcoxon s’avère particulièrement prégnant dans les disciplines du champ psychologique, où la nature intrinsèque des variables mesurées et les contraintes de recrutement rendent l’adhésion aveugle aux modèles gaussiens particulièrement hasardeuse. Le cas d’usage archétypal réside dans les protocoles de recherche interventionnelle de type pré-test et post-test. Lorsqu’une équipe de psychologues cliniciens cherche à évaluer l’impact d’une thérapie comportementale et cognitive (TCC) ou d’une psychothérapie d’inspiration analytique sur l’intensité d’un trouble anxieux généralisé, les scores de gravité sont fréquemment colligés avant et après la séquence thérapeutique. Dans ces configurations, la distribution des scores de différence présente presque systématiquement des déviations notables par rapport à la loi normale, souvent en raison d’effets de regroupement des scores ou de réponses cliniques très hétérogènes.

Un deuxième domaine de prédilection concerne les protocoles de recherche psychophysiologique et de neurosciences cognitives impliquant des mesures répétées sur de mêmes participants. Qu’il s’agisse de mesurer les variations de la conductance cutanée en réaction à deux types de stimuli émotionnels, d’enregistrer l’amplitude des potentiels évoqués cognitifs (comme l’onde P300) sous deux conditions d’attention soutenue, ou d’évaluer le temps de réaction dans des tâches de type Stroop, les données brutes présentent couramment une asymétrie positive prononcée liée à des planchers physiologiques infranchissables. Le test de Wilcoxon permet alors d’authentifier la réalité statistique des modulations physiologiques sans imposer de normalisation forcée qui dénaturerait la structure phénoménologique des signaux enregistrés.

Enfin, la neuropsychologie clinique et l’évaluation psychométrique standardisée constituent un terreau d’application privilégié. En neuropsychologie, les cohortes d’études sont fréquemment limitées à des micro-échantillons (souvent inférieurs à une quinzaine de patients) en raison de la rareté de certaines atteintes cérébrales focales ou de syndromes neurodégénératifs spécifiques. De surcroît, les instruments d’auto-évaluation ou d’hétéro-évaluation mobilisent des échelles ordinales discrètes (telles que les échelles de type Likert à 5 ou 7 points). Traiter les sommes ou les moyennes de ces échelles comme des variables continues normalement distribuées relève d’une approximation théoriquement contestable. Le test des rangs signés de Wilcoxon fournit dans ce cadre un ancrage analytique rigoureux, respectant l’ordonnancement structurel des observations tout en offrant la sensibilité requise pour détecter les gains cognitifs ou affectifs induits par les protocoles de réhabilitation.

2. Conditions d’application et postulats méthodologiques

2.1 Nature appariée et dépendance des observations

L’exigence première conditionnant l’admissibilité du test des rangs signés de Wilcoxon réside dans la nature strictement dépendante des observations soumises à la comparaison. Le plan factoriel sous-jacent doit impérativement correspondre à un schéma intra-sujet (within-subjects design) ou à un devis d’échantillons appariés par blocs. La dépendance statistique implique que chaque donnée recueillie au sein de la condition B entretient un lien univoque, déterministe et direct avec une observation homologue au sein de la condition A. Dans la grande majorité des applications empiriques, cette situation correspond à l’observation d’un même individu biologique ou psychologique évalué à deux instants distincts ou confronté successivement à deux modalités expérimentales différentes.

Toutefois, cette notion d’appariement s’étend également aux dispositifs méthodologiques où deux entités distinctes sont couplées de manière artificielle sur la base d’une proximité covariable maximale. Les protocoles de recherche génétique ou développementale mobilisant des jumeaux monozygotes ou dizygotes constituent une illustration canonique de ce type de structure : un jumeau est affecté à la condition contrôle tandis que son co-jumeau reçoit la condition expérimentale. De manière analogue, les protocoles quasi-expérimentaux recourent fréquemment à des appariements par paires (matched-pairs design), au sein desquels un participant du groupe clinique est rigoureusement associé à un témoin partageant son âge chronologique, son genre, son statut socio-économique et son niveau d’efficience intellectuelle globale.

Si la dépendance intra-paire est le moteur analytique du test, l’indépendance mutuelle stricte entre les différentes paires de l’échantillon constitue un postulat méthodologique absolu. L’observation relative à la paire $i$ ne doit en aucun cas exercer une influence probabiliste ou mécanique sur les résultats de la paire $j$. Cela implique l’absence de tout biais de contamination inter-sujets au cours du protocole expérimental, telle qu’une dynamique d’apprentissage collectif non contrôlée, un phénomène d’imitation sociale au sein d’un groupe thérapeutique, ou une communication verbale entre participants lors d’une session de passation. La violation de l’indépendance inter-paires fausserait la variance d’échantillonnage de la statistique de test, invalidant l’exactitude des calculs de probabilité critique associés.

2.2 Échelle de mesure et continuité sous-jacente

Le cadre axiomatique du test de Wilcoxon exige un niveau de métrologie spécifique qui dépasse la simple catégorisation nominale sans pour autant requérir la métrique absolue d’une échelle de rapport. La variable dépendante mesurée doit se situer au minimum sur une échelle ordinale à intervalles conceptuellement signifiants, ou sur une échelle continue discrétisée. Le point fondamental réside dans la possibilité opératoire de calculer une différence arithmétique $D_i = X_{2i} – X_{1i}$ entre les deux observations d’une même paire, et de pouvoir ensuite classer ces différences de manière ordinale non ambiguë selon leur magnitude absolue. Cela postule implicitement que la différence entre deux scores bruts possède un sens substantiel et directionnel pour le chercheur.

Cette condition soulève une question épistémologique centrale quant à la légitimité de l’application du test sur des scores issus d’échelles psychométriques de type Likert. Au sens strict de la théorie de la mesure de Stanley Smith Stevens, un item de Likert isolé (par exemple, gradué de « 1 = Pas du tout d’accord » à « 5 = Tout à fait d’accord ») ne garantit aucunement l’égalité mathématique des intervalles subjectifs séparant les échelons successifs. Par conséquent, soustraire le score pré-interventionnel du score post-interventionnel sur un item unique constitue une extrapolation métrologique discutable. En revanche, lorsque les chercheurs synthétisent une série d’items cohérents sous la forme d’un score composite ou d’une échelle multidimensionnelle globale (comme l’inventaire d’anxiété de Beck ou l’échelle de dépression de Hamilton), l’agrégation statistique génère une variable quasi-continue présentant un nombre étendu d’échelons ordonnés. Dans ce scénario, le test de Wilcoxon s’avère parfaitement adapté et méthodologiquement supérieur aux modèles gaussiens.

En outre, la variable sous-jacente mesurée est théoriquement postulée comme continue. Cette hypothèse de continuité sous-jacente garantit que la probabilité théorique d’observer deux valeurs de différences rigoureusement identiques (des ex æquo parfaits) est nulle dans le continuum réel des nombres réels. Dans la pratique expérimentale, la finitude et le manque de résolution des instruments de mesure entraînent inéluctablement l’apparition de rangs égaux ou d’écarts nuls. Bien que le test puisse s’accommoder de ces limitations techniques grâce à des algorithmes de correction spécifiques, l’analyste doit veiller à ne pas employer le test des rangs signés sur des variables intrinsèquement binaires (succès/échec, vivant/décédé), lesquelles relèvent exclusivement du test de McNemar pour données qualitatives appariées.

2.3 Hypothèse de symétrie de la distribution des différences

L’un des aspects les plus fréquemment négligés dans l’application contemporaine du test des rangs signés de Wilcoxon concerne le postulat de symétrie de la distribution des différences intra-paires. Il est d’usage courant, mais conceptuellement erroné, d’affirmer de manière inconditionnelle que le test de Wilcoxon constitue un « test de comparaison de médianes ». Sur le plan purement mathématique, la statistique de Wilcoxon évalue l’hypothèse selon laquelle la distribution des différences entre les deux conditions est symétrique par rapport à zéro. L’assimilation du résultat à un rejet de l’égalité des médianes exige expressément que la forme distributionnelle de la variable différentielle soit symétrique autour de son paramètre central de localisation.

Pour saisir cette nuance fondamentale, il convient de distinguer l’absence de normalité de la présence d’une asymétrie sévère (skewness). Le test de Wilcoxon n’exige nullement que les données suivent une fonction de densité normale en forme de cloche ; la distribution empirique des écarts peut présenter un aplatissement important (platykurticité) ou une concentration aiguë de ses valeurs (leptokurticité), voire des distributions bimodales ou uniformes, à la condition expresse que la moitié gauche de la densité des différences constitue l’image miroir de sa moitié droite. Lorsque cette symétrie distributionnelle est respectée, le centre de gravité de la distribution correspond à la fois à sa médiane théorique et à son centre de symétrie, légitimant l’affirmation selon laquelle le test tranche quant au décalage de la médiane des différences par rapport à la valeur nulle.

À l’inverse, si la population sous-jacente génère des différences présentant une asymétrie positive ou négative prononcée (par exemple, une accumulation massive de petites différences positives couplée à quelques très rares différences négatives d’une intensité démesurée), le test de Wilcoxon ne teste plus la médiane des différences, mais plutôt une hypothèse composite portant sur la pseudo-médiane (la médiane de toutes les moyennes par paires de Walsh). En présence d’une violation conjointe de la normalité et de la symétrie, les rangs attribués aux valeurs absolues deviennent biaisés par la forme de la queue de distribution, augmentant le risque d’erreur d’interprétation. Dans de telles circonstances limites, le chercheur rigoureux devra envisager l’emploi du test des signes classique, intrinsèquement libre de tout postulat de symétrie, ou se tourner vers des approches modernes d’estimation par rééchantillonnage de type bootstrap non paramétrique.

3. Analyse comparative : Test de Wilcoxon versus Test t pour échantillons appariés

3.1 Efficacité asymptotique relative (ARE)

L’évaluation des mérites comparés des méthodes statistiques repose largement sur le concept probabiliste d’efficacité asymptotique relative (Asymptotic Relative Efficiency ou ARE), souvent formalisé par le critère d’efficacité de Pitman. L’ARE quantifie le rapport entre les tailles d’échantillon requises par deux tests concurrents pour parvenir à une puissance statistique identique face à une alternative locale donnée, lorsque la taille d’échantillon tend vers l’infini. Historiquement, les partisans des méthodes paramétriques soutenaient que l’abandon de l’information cardinale au profit des rangs ordonnés entraînait une déperdition irrémédiable de puissance analytique. L’analyse mathématique rigoureuse invalide cette intuition naïve.

Dans la situation théorique la plus défavorable au test non paramétrique — à savoir lorsque la population d’origine suit scrupuleusement une loi normale multivariée respectant l’intégralité des postulats de Fisher et de Student —, l’ARE du test des rangs signés de Wilcoxon par rapport au test t pour échantillons appariés atteint précisément :

$$\text{ARE}(\text{Wilcoxon}, t) = \frac{3}{\pi} \approx 0{,}955$$

Ce résultat théorique remarquable, démontré initialement par Hodges et Lehmann, établit que même face à des données parfaitement gaussiennes, le chercheur utilisant le test de Wilcoxon ne sacrifie que 4,5 % d’efficacité statistique asymptotique par rapport au modèle paramétrique idéal. Autrement dit, un échantillon de 100 observations analysé avec le test de Wilcoxon dispose de la même puissance d’inférence qu’un échantillon d’environ 95 observations traité par le test t de Student.

La supériorité de la méthodologie de Wilcoxon s’affirme de manière spectaculaire dès lors que la distribution d’origine s’écarte du canon gaussien. Dans le cas de lois à queues lourdes, courantes dans les disciplines expérimentales (telles que la distribution logistique, la loi de Laplace ou les distributions de Student à faibles degrés de liberté), l’ARE du test de Wilcoxon surpasse systématiquement l’unité ($1{,}00$), pouvant atteindre des valeurs de $1{,}10$ à plus de $1{,}50$. Dans le cas extrême de la distribution de Cauchy, qui modélise des bruits expérimentaux extrêmes caractérisés par l’absence de variance définie, l’ARE tend vers l’infini, rendant le test paramétrique totalement caduc tandis que le test de Wilcoxon conserve son efficacité. Ainsi, le compromis inférentiel favorise massivement le test de Wilcoxon, qui offre une assurance méthodologique essentielle pour un coût en puissance statistique négligeable.

3.2 Résistance aux valeurs aberrantes et extrêmes

La vulnérabilité structurelle majeure du test t pour échantillons appariés réside dans sa dépendance fonctionnelle à la moyenne arithmétique et à l’écart-type empirique des scores de différence. Ces deux estimateurs paramétriques possèdent un point de rupture (breakdown point) égal à $1/N$, ce qui signifie qu’une seule observation erronée, isolée ou démesurément déviante suffit à modifier arbitrairement l’amplitude de la moyenne ou à faire exploser la variance d’échantillonnage, anéantissant ainsi le rapport signal/bruit du ratio de Student. En psychologie clinique, un patient manifestant une aggravation iatrogène soudaine non liée au protocole, ou un participant ayant mal calibré son interface de réponse cognitive, peut introduire une variation extrême susceptible de faire basculer une étude concluante vers l’insignifiance statistique, ou inversement de fabriquer un faux positif artificiel.

Le test des rangs signés de Wilcoxon résout cette défaillance grâce à son mécanisme de déclassement par assignation de rangs. Face à une observation aberrante dont l’amplitude différentielle est disproportionnée, l’algorithme de Wilcoxon lui octroie simplement le rang maximal disponible, noté $N_r$. Que cet écart extrême soit supérieur de deux unités ou de deux cents unités à la deuxième valeur ordonnée la plus forte, son influence arithmétique globale demeure strictement circonscrite au rang entier attribué. Cette caractéristique opérationnelle stabilise la statistique de décision et préserve la sensibilité inférentielle de l’analyse, en immunisant l’expérimentateur contre les variations d’échelle outrancières.

Cette résilience confère au test de Wilcoxon un statut méthodologique privilégié en évitant le recours problématique à l’élagage arbitraire des bases de données (data trimming) ou aux transformations non linéaires ad hoc. Trop souvent, les chercheurs confrontés à des scores aberrants se trouvent contraints d’éliminer manuellement des participants selon des règles empiriques discutables (par exemple, exclusion des valeurs situées au-delà de 2,5 ou 3 écarts-types de la moyenne), s’exposant ainsi à des accusations d’exploitation opportuniste des données (p-hacking). L’emploi systématique du test de rangs signés dispense le méthodologue de ces manipulations discrétionnaires, en intégrant l’ensemble des cas recueillis au sein d’une structure décisionnelle stable et théoriquement validée.

3.3 Arbre décisionnel pour le choix du test en méthodologie expérimentale

L’arbitrage entre le recours au modèle paramétrique de Student et l’adoption du test des rangs signés de Wilcoxon ne doit pas relever d’une préférence subjective ou d’une routine logicielle aveugle. Il doit faire l’objet d’un cheminement méthodologique explicite, documenté et réplicable au sein de la section méthodologique des publications scientifiques. Cet arbitrage séquentiel s’articule autour de l’évaluation de trois dimensions principales : la taille d’échantillon effectif disponible ($N$), la nature métrologique intrinsèque de l’instrumentation de mesure et le respect des postulats distributionnels.

Dans les situations impliquant des échantillons de grande taille (par exemple, $N > 100$ paires d’observations), le théorème central limite garantit que la distribution de la moyenne des différences converge vers une loi normale, conférant au test t une robustesse relative face aux déviations de la distribution parente. Néanmoins, même dans ce scénario de volumétrie favorable, la présence d’asymétries structurelles sévères ou d’échelles de mesure manifestement ordinales justifie pleinement le maintien du test de Wilcoxon. Lorsque l’investigateur opère sur des cohortes intermédiaires ou réduites ($N < 30$), l'invocation du théorème central limite devient méthodologiquement invalide. L'évaluation formelle de la forme distributionnelle devient alors impérative.

Le processus décisionnel rationnel débute ainsi par l’analyse diagnostique de la distribution des différences intra-paires. Si les écarts mesurés sont continus, exempts de valeurs aberrantes toxiques, et que leur répartition ne contredit ni la normalité ni la symétrie, le test t pour échantillons appariés peut être déployé avec une efficacité optimale. En revanche, si la normalité est réfutée par les tests d’adéquation ou l’inspection graphique, mais que la symétrie des différences autour de leur centre demeure plausible, le test des rangs signés de Wilcoxon s’impose indiscutablement comme le choix de référence. Enfin, si les différences révèlent une asymétrie structurelle indéniable ne pouvant être résolue par la symétrie autour de la pseudo-médiane, le chercheur devra basculer vers le test des signes ou vers des techniques modernes de rééchantillonnage robuste.

4. Évaluation diagnostique préalable des données

4.1 Exploration graphique de la distribution des écarts

L’évaluation des propriétés d’une série de mesures répétées ne saurait être déléguée à des indices numériques synthétiques sans une exploration visuelle préalable approfondie. Dans un devis apparié, cette démarche exploratoire doit se concentrer exclusivement sur la variable des différences individuelles ($D_i = X_{2i} – X_{1i}$), et non sur les distributions marginales séparées des conditions $X_1$ et $X_2$. En effet, deux conditions expérimentales peuvent présenter individuellement des distributions non normales tout en générant des écarts intra-sujets parfaitement conformes au modèle gaussien en raison de covariations linéaires fortes entre les temps de passation.

L’histogramme des scores différentiels, configuré avec un pas de discrétisation rigoureusement ajusté, constitue le premier instrument de ce diagnostic. Il permet d’apprécier la morphologie globale de la fonction de densité empirique, de repérer la présence éventuelle d’une asymétrie marquée vers la droite ou la gauche, et d’identifier l’existence de distributions bimodales ou multimodales. Une bimodalité au sein des scores différentiels revêt une importance clinique cruciale : elle révèle fréquemment la présence de deux sous-populations d’individus aux trajectoires évolutives contrastées, tels qu’un groupe de « répondeurs thérapeutiques » présentant des gains élevés et un sous-ensemble de « non-répondeurs » dont les scores demeurent immobiles ou se détériorent.

Parallèlement à l’histogramme, le diagramme quantile-quantile normal (Normal Q-Q Plot) représente l’outil graphique le plus sensible pour statuer sur la distribution des écarts. Ce diagramme confronte les quantiles empiriques de la distribution des différences observées aux quantiles théoriques attendus sous l’hypothèse d’une loi normale de même moyenne et de même variance. Lorsque les données respectent la normalité, les points s’alignent rigoureusement le long de la bissectrice théorique. Toute déviation morphologique caractéristique fournit une signature diagnostique immédiate : une courbure en forme de « S » inversé signale des queues de distribution plus épaisses que prévu (leptokurticité), tandis qu’une déviation incurvée unilatérale trahit une asymétrie directionnelle sévère justifiant le basculement vers une inférence non paramétrique.

4.2 Tests formels de normalité et leurs limites

L’évaluation diagnostique de la normalité des scores différentiels mobilise classiquement des tests formels d’adéquation, au sein desquels le test de Shapiro-Wilk et le test de Kolmogorov-Smirnov (équipé de la correction de distribution de Lilliefors) figurent au premier plan. Le test de Shapiro-Wilk est universellement reconnu par les théoriciens de la biométrie comme le plus puissant face à une vaste gamme d’alternatives non gaussiennes, en particulier pour des échantillons de taille faible à modérée ($N le 50$). Une valeur de probabilité critique $p < 0{,}05$ au test de Shapiro-Wilk appliqué sur la série des différences conduit au rejet formel de l'hypothèse nulle de normalité, orientant logiquement l'investigateur vers la mise en œuvre du test de Wilcoxon.

Toutefois, une pratique méthodologique éclairée exige d’appréhender les limites intrinsèques et les paradoxes inhérents à ces tests formels d’adéquation. Le premier écueil réside dans le « paradoxe des grands échantillons ». Dès lors que la taille de l’échantillon devient importante ($N > 200$), la puissance statistique du test de Shapiro-Wilk s’accroît au point de détecter des micro-déviations triviales par rapport à la courbe de Gauss idéale, conduisant à rejeter l’hypothèse de normalité pour des écarts infinitésimaux sans aucune portée pratique, alors même que le théorème central limite assurerait la robustesse complète d’un test paramétrique.

À l’autre extrémité du spectre méthodologique, les petits échantillons expérimentaux ($N < 15$), pourtant très fréquents en psychologie expérimentale et en recherche biomédicale, souffrent d'un manque chronique de puissance statistique des tests de normalité. Dans cette configuration, le test de Shapiro-Wilk échoue fréquemment à rejeter l'hypothèse nulle de normalité en raison de la rareté des points de données, générant un faux sentiment de sécurité statistique chez le chercheur qui applique alors à tort un test t de Student sur des données hautement asymétriques. En présence de petites cohortes, le diagnostic ne doit donc jamais reposer aveuglément sur la seule p-value de normalité, mais privilégier une évaluation triangulée combinant l’inspection visuelle des diagrammes quantile-quantile et la vérification des postulats de symétrie.

4.3 Diagnostic approfondi de la symétrie

Dès lors que la non-normalité des différences est établie ou raisonnablement suspectée, le chercheur doit consacrer ses investigations à la vérification de l’hypothèse de symétrie distributionnelle, condition d’interprétabilité du test de Wilcoxon en tant qu’évaluation des médianes. Ce contrôle commence par le calcul des coefficients de forme d’ordre supérieur, à savoir le coefficient d’asymétrie de Pearson ou de Fisher (skewness) et le coefficient d’aplatissement (kurtosis). Un coefficient de skewness compris entre $-0{,}5$ et $+0{,}5$ indique une distribution approximativement symétrique, tandis que des valeurs divergeant au-delà de l’intervalle $[-1{,}0 ; +1{,}0]$ matérialisent une asymétrie prononcée susceptible de distordre l’attribution des rangs de Wilcoxon.

Pour dépasser l’évaluation descriptive du skewness, il est possible de recourir à des tests statistiques d’adéquation de symétrie, tels que le test non paramétrique de symétrie développé par Miao, Gel et Gastwirth, ou les procédures classiques fondées sur les triplets de Cabilio et Masaro. Ces tests vérifient formellement l’hypothèse nulle selon laquelle la distribution des différences $D_i$ satisfait la condition $f(D – \theta) = f(\theta – D)$ pour un centre de localisation $\theta$. L’acceptation de cette hypothèse consolide la validité théorique du test de Wilcoxon en autorisant expressément la conclusion sur le déplacement de la médiane centrale.

Si ce diagnostic approfondi révèle une rupture irréconciliable de la symétrie — par exemple une asymétrie structurelle inhérente à la variable biologique ou comportementale étudiée, où toutes les variations négatives sont condensées dans un intervalle étroit tandis que les variations positives s’étendent sur plusieurs ordres de grandeur —, l’analyste doit modifier son approche. Il est alors recommandé d’abandonner l’interprétation en termes de médiane et d’assumer que le test des rangs signés évalue la pseudo-médiane de Walsh, ou d’opter pour le test des signes simple, moins puissant sous condition de symétrie mais parfaitement invulnérable aux distorsions de forme distributionnelle asymétrique.

5. Formalisation des hypothèses statistiques

5.1 Définition rigoureuse de l’hypothèse nulle (H0)

L’édification du cadre inférentiel du test des rangs signés de Wilcoxon nécessite une spécification probabiliste rigoureuse de l’hypothèse nulle, traditionnellement désignée par la notation $H_0$. Dans sa formulation non paramétrique la plus générale, $H_0$ postule l’équivalence stochastique parfaite entre les deux conditions appariées. Soit $D_i = X_{2i} – X_{1i}$ la variable aléatoire représentant la différence intra-paire continue au sein de la population. L’hypothèse nulle énonce que la fonction de répartition continue de ces différences, notée $F(D)$, est symétrique autour de l’origine zéro, ce qui se traduit formellement par :

$$H_0 : F(D) = 1 – F(-D) \quad \text{pour tout } D in \mathbb{R}$$

Sous cette formulation canonique, l’hypothèse nulle implique que la probabilité pour qu’une différence intra-paire observée soit positive est strictement égale à la probabilité qu’elle soit négative, soit $P(D_i > 0) = P(D_i < 0) = 0{,}5$. Si l'on ajoute le postulat auxiliaire de symétrie de la distribution autour de son paramètre de localisation centrale, l'hypothèse nulle se traduit alors de manière paramétrique équivalente par l'affirmation selon laquelle la médiane de la population des différences, conventionnellement désignée par la lettre grecque $\theta$ (thêta) ou $\tilde{\mu}_D$, est rigoureusement égale à zéro :

$$H_0 : \theta = 0 \quad (\text{ou } \tilde{\mu}_D = 0)$$

La conséquence directe de cette modélisation sous l’hypothèse nulle intéresse directement la distribution d’échantillonnage de la statistique de test. Si $H_0$ est vérifiée, l’assignation des signes algébriques positifs ($+$) ou négatifs ($-$) aux différents rangs ordonnés relève d’un processus aléatoire indépendant assimilable à une succession de lancers de pièce équilibrée. Par conséquent, la somme attendue des rangs positifs doit théoriquement égaliser la somme attendue des rangs négatifs, l’espérance de l’une ou l’autre de ces sommes étant déterminée par la moitié de la somme arithmétique de la totalité des entiers consécutifs de $1$ à $N_r$.

5.2 Spécification des hypothèses alternatives (H1)

La formulation de l’hypothèse alternative, notée $H_1$, dépend intimement du cadre théorique et des objectifs de recherche posés préalablement à la collecte des données. Dans les protocoles exploratoires ou lorsqu’aucune théorie éprouvée ne permet de postuler avec certitude le sens de l’évolution, le chercheur formule une hypothèse alternative bilatérale (ou non directionnelle). Dans ce cadre, $H_1$ postule simplement que la médiane des différences théoriques s’écarte significativement de zéro, sans privilégier d’orientation particulière :

$$H_1 : \theta \neq 0$$

À l’inverse, dans les devis confirmatoires guidés par une solide assise conceptuelle — ce qui représente la norme lors d’essais cliniques évaluant des thérapeutiques validées ou des entraînements cognitifs spécialisés —, le modèle statistique requiert la formulation d’une hypothèse alternative unilatérale (ou directionnelle). Deux cas de figure symétriques se présentent alors :

• Hypothèse unilatérale droite : Si l’investigateur postule que l’intervention induit un accroissement systématique des scores (par exemple, une augmentation de l’efficience mémorielle après entraînement), l’alternative s’énonce :
  $$H_1 : \theta > 0$$
• Hypothèse unilatérale gauche : Si l’intervention vise expressément une diminution de la symptomatologie pathologique (par exemple, une régression des manifestations dépressives ou des ruminations anxieuses), l’alternative s’énonce :
  $$H_1 : \theta < 0$$

La justification épistémologique du recours à un test directionnel en recherche psychologique ne doit jamais résulter d’un opportunisme statistique a posteriori destiné à diviser artificiellement par deux la valeur $p$ observée. Le choix unilatéral doit impérativement être consigné dans le plan d’analyse pré-expérimental ou faire l’objet d’un pré-enregistrement formel (pre-registration). Dans le cas contraire, la communauté scientifique impose l’application conventionnelle d’un test bilatéral afin de maintenir un contrôle strict sur le risque d’erreur d’interprétation en cas de déviation imprévue dans le sens opposé à la conjecture initiale.

5.3 Contrôle des risques d’erreur alpha et bêta

L’arbitrage inférentiel est intrinsèquement soumis à deux types de risques probabilistes que le méthodologue doit maîtriser : l’erreur de première espèce (risque $\alpha$) et l’erreur de deuxième espèce (risque $\beta$). Le risque $\alpha$ matérialise la probabilité de rejeter indûment l’hypothèse nulle $H_0$ alors que cette dernière est réellement exacte dans la population mère, conduisant à déclarer l’existence d’un effet thérapeutique ou expérimental totalement chimérique. Par consensus historique universellement adopté en sciences humaines, le seuil nominal de signification est fixé à $\alpha = 0{,}05$, bien que des seuils plus conservateurs ($\alpha = 0{,}01$ ou $\alpha = 0{,}001$) soient régulièrement exigés dans les contextes de recherche médicale critique ou lors du recours à des biomarqueurs complexes.

Le risque d’erreur de type II ($\beta$) quantifie pour sa part la probabilité d’échouer à rejeter l’hypothèse nulle $H_0$ alors qu’il existe un effet réel et substantiel au sein de la population. La quantité complémentaire, $1 – \beta$, définit la puissance statistique de l’analyse, soit la propension du dispositif méthodologique à identifier des altérations ou des progrès effectifs. Une puissance minimale de $0{,}80$ (correspondant à un risque $\beta$ maximal toléré de $0{,}20$) est généralement admise comme le standard méthodologique contemporain. La puissance du test de Wilcoxon est fonction conjointe de la taille effective de l’échantillon analysé, de l’amplitude de la véritable taille d’effet dans la population et de la nature de la distribution d’échantillonnage.

Enfin, lorsque le protocole expérimental implique la conduite simultanée ou séquentielle de comparaisons multiples — par exemple lors de l’évaluation conjointe de dix sous-échelles distinctes issues d’une même batterie neuropsychologique —, le risque global d’erreur de type I (l’aléa familial ou family-wise error rate) s’accroît de manière exponentielle selon la formule classique $1 – (1 – \alpha)^k$, où $k$ désigne le nombre de comparaisons indépendantes. Dans cette configuration, le chercheur doit obligatoirement ajuster le seuil alpha nominal au moyen de procédures de correction formelles, telles que la méthode conservatrice de Bonferroni ou les algorithmes modernes plus puissants contrôlant le taux de fausses découvertes (FDR), à l’instar de la procédure de Benjamini-Hochberg.

6. Procédure de calcul manuel pas à pas : Des scores bruts aux rangs signés

6.1 Calcul des différences intra-paires individuelles

L’architecture opératoire du test des rangs signés de Wilcoxon s’articule autour d’une chaîne algorithmique rigoureuse. La première phase computationnelle consiste à déterminer pour chaque unité expérimentale $i$ (allant de $1$ à $N$, où $N$ représente le nombre total de paires initialement incluses dans le protocole) l’écart arithmétique simple séparant les deux conditions d’observation. En adoptant la convention standard désignant par $X_{1i}$ le score recueilli au temps initial (pré-test ou condition contrôle) et par $X_{2i}$ le score mesuré au temps secondaire (post-test ou condition interventionnelle), la différence individuelle brute se formalise algébriquement par :

$$D_i = X_{2i} – X_{1i}$$

Une cohérence computationnelle sans faille est impérative lors de cette étape de soustraction : l’ordre des termes doit demeurer rigoureusement constant pour l’ensemble exhaustif des participants composant l’échantillon. Une permutation accidentelle des termes de la soustraction pour un seul sujet altérerait irréversiblement la polarité de son signe algébrique, entraînant une distorsion immédiate de la statistique finale de décision. Chaque écart $D_i$ ainsi obtenu doit être consigné avec précision, en lui associant explicitement son signe algébrique, qu’il s’agisse d’un signe positif ($+$) reflétant une élévation des scores, ou d’un signe négatif ($-$) dénotant une diminution.

Lors de cette première étape de dépouillement, il est fréquent que certaines paires d’observations présentent des valeurs absolument identiques sous les deux conditions expérimentales, conduisant à une différence arithmétique strictement égale à zéro ($D_i = 0$). Ces cas d’invariance parfaite requièrent un traitement méthodologique préalable clairement balisé. Selon la procédure conventionnelle historique établie par Frank Wilcoxon, l’ensemble des paires caractérisées par une différence nulle doit être écarté de l’échantillon analytique effectif. L’investigateur doit enregistrer avec exactitude le nombre d’occurrences de ces différences nulles avant d’entamer les étapes subséquentes du traitement.

6.2 Transformation en valeurs absolues et tri ordinal

Une fois la série complète des scores différentiels $D_i$ générée et les cas d’égalités parfaites neutralisés, la deuxième étape de l’algorithme consiste à opérer la transformation des différences en grandeurs non directionnelles par l’application de l’opérateur valeur absolue. L’analyste extrait ainsi la magnitude brute de chaque écart en éliminant provisoirement son signe algébrique :

$$|D_i| = |X_{2i} – X_{1i}|$$

L’exclusion définitive des paires dont la valeur absolue est nulle ($|D_i| = 0$) entraîne un recalibrage de la taille de l’échantillon. La taille de la cohorte effective, qui servira d’assise aux calculs distributionnels ultérieurs, n’est plus notée $N$, mais $N_r$ (le nombre de différences non nulles retenues pour l’attribution des rangs). Si l’expérience comptait initialement $N = 25$ patients et que 3 d’entre eux présentent une différence strictement nulle, la taille d’échantillon résiduelle sur laquelle opère le test est formellement ramenée à $N_r = 22$.

Les $N_r$ valeurs absolues non nulles doivent ensuite être soumises à un tri séquentiel ascendant. L’investigateur ordonne l’ensemble des grandeurs $|D_i|$ de la plus modeste à la plus imposante. Durant cette phase de reclassement séquentiel, il est indispensable de conserver un système d’indexation ou de traçabilité permettant de rattacher chaque valeur absolue triée à l’identifiant initial du sujet évaluateur et, de façon cruciale, au signe algébrique d’origine ($+$ ou $-$) qui lui était associé avant son passage en valeur absolue.

6.3 Attribution méthodique des rangs

La transformation d’ordre intervient lors de cette troisième phase. Aux $N_r$ grandeurs absolues ordonnées par ordre croissant, le chercheur assigne une suite d’entiers consécutifs représentant leurs positions ordinales respectives, débutant au rang $1$ pour la variation la plus ténue, et culminant au rang $N_r$ pour l’écart le plus substantiel. Si l’ensemble des valeurs absolues $|D_i|$ est distinct (absence totale de valeurs d’écarts identiques), l’attribution correspond simplement à la séquence triviale des nombres entiers naturels : $1, 2, 3, dots, N_r$.

Toutefois, la réalité des mesures expérimentales engendre couramment des situations où deux ou plusieurs paires de mesures génèrent des amplitudes d’écarts strictement identiques en valeur absolue, situation désignée sous le terme d’égalités ordinales ou d’ex æquo (ties). L’attribution des rangs doit alors impérativement suivre la méthode des rangs moyens (mid-ranks method). Ce principe stipule que l’ensemble des observations formant un groupe d’égalités doit recevoir un rang unique, calculé comme la moyenne arithmétique des positions ordinales que ces observations auraient occupées si elles avaient été infinitésimalement distinctes.

À titre d’illustration méthodologique concrète, considérons une série ordonnée de différences absolues dans laquelle les deuxième et troisième valeurs sont rigoureusement identiques (par exemple $|D_A| = 1{,}5$ et $|D_B| = 1{,}5$). Les rangs potentiels sous-jacents correspondant aux positions 2 et 3, le chercheur calcule la moyenne arithmétique de ces indices :

$$\text{Rang Moyen} = \frac{2 + 3}{2} = 2{,}5$$

Chacun des deux participants reçoit alors le rang $2{,}5$. La valeur immédiatement supérieure au sein de la série ordonnée recevra quant à elle impérativement le rang séquentiel suivant dans la chaîne des entiers, c’est-à-dire le rang $4$. L’attribution rigoureuse de ces rangs moyens garantit que la somme totale des rangs attribués demeure rigoureusement invariante et identique à la somme mathématique des $N_r$ premiers nombres entiers positifs.

6.4 Réassignation des signes algébriques d’origine

L’étape charnière qui confère au test son appellation de « rangs signés » consiste à restituer à chaque rang (qu’il s’agisse d’un rang entier univoque ou d’un rang moyen fractionnaire) le signe algébrique initial de la différence dont il est issu. Si la différence brute $D_i$ d’un participant était positive ($X_{2i} > X_{1i}$), le rang qui lui a été octroyé se voit affecter une polarité positive ($+$). Inversement, si le score brut de l’individu a diminué entre les deux temps d’évaluation ($X_{2i} < X_{1i}$), la différence $D_i$ étant négative, le rang attribué est pourvu d'une polarité négative ($-$).

L’échantillon des rangs est ainsi scindé de façon mutuellement exclusive en deux sous-ensembles fonctionnels :

• Le groupe des rangs positifs, formalisé par l’ensemble ${R_i^+ : D_i > 0}$, caractérisant l’amplitude des progressions ;
• Le groupe des rangs négatifs, formalisé par l’ensemble ${R_i^- : D_i < 0}$, matérialisant la magnitude des régressions.

Avant d’engager le calcul de la statistique de test finale, le chercheur doit procéder à une vérification arithmétique intermédiaire indispensable, qui prémunit contre toute erreur d’assignation ou de transcription manuelle. La somme algébrique des valeurs absolues de l’intégralité des rangs distribués (positifs comme négatifs) doit obligatoirement satisfaire l’identité fondamentale de Gauss relative à la somme des $N_r$ premiers entiers :

$$\sum_{i=1}^{N_r} |R_i| = \frac{N_r (N_r + 1)}{2}$$

Si la somme de l’ensemble des rangs calculés par l’analyste dévie d’une quelconque fraction de cette valeur théorique immuable, une erreur s’est inévitablement glissée dans le traitement des ex æquo ou dans l’ordonnancement initial, exigeant une révision intégrale des étapes préalables.

7. Calcul de la statistique de test et détermination de la significativité

7.1 Calcul des sommes partielles W+ et W-

L’extraction de la statistique empirique du test des rangs signés repose sur la sommation distincte des deux classes de polarité de rangs constituées à l’issue de l’étape précédente. L’investigateur procède au calcul isolé de la somme des rangs portant un signe positif, conventionnellement désignée par la notation $W^+$ (ou $T^+$ selon les traditions bibliographiques) :

$$W^+ = \sum_{D_i > 0} R_i^+$$

De manière parfaitement symétrique, le chercheur établit la somme cumulative des rangs portant un signe négatif, désignée par la notation $W^-$ (ou $T^-$) :

$$W^- = \sum_{D_i < 0} |R_i^-|$$

Il importe de souligner que par convention mathématique, la somme des rangs négatifs $W^-$ est exprimée sous forme d’une quantité positive absolue, en éliminant le signe moins lors de l’opération de sommation afin de faciliter les manipulations comparatives ultérieures.

À ce stade de la dérivation, l’analyste dispose d’un second verrou arithmétique absolu permettant de garantir l’absence d’erreurs de calcul. La somme agrégée de ces deux métriques scalaires partielles doit reconstituer avec une exactitude arithmétique parfaite la somme théorique totale des entiers consécutifs établie précédemment :

$$W^+ + W^- = \frac{N_r (N_r + 1)}{2}$$

Cette relation d’invariance structurelle démontre l’interdépendance complète liant $W^+$ et $W^-$ : la connaissance de l’une de ces quantités détermine automatiquement et sans ambiguïté la valeur de la seconde par simple soustraction à la somme théorique totale. Sur le plan conceptuel, une dissimilitude marquée entre $W^+$ et $W^-$ fournit le signal probabiliste direct d’un déséquilibre dans la distribution des rangs, témoignant de la prépondérance systématique d’une condition expérimentale sur l’autre.

7.2 Sélection de la statistique de test empirique

Une certaine hétérogénéité terminologique et algorithmique existe au sein de la littérature spécialisée et des architectures logicielles quant à la définition précise de la statistique de test finale retenue pour statuer sur la significativité. Dans la formalisation canonique originelle établie par Frank Wilcoxon, et prévalant traditionnellement dans les manuels de référence pour les tests bilatéraux manuels, la statistique de test finale notée conventionnellement $W$ (ou $T$) est définie comme étant la plus petite des deux sommes partielles calculées :

$$W = \min(W^+, W^-)$$

Cette convention historique s’explique par des considérations pratiques de compilation de tables statistiques. En définissant la statistique de décision comme la valeur minimale, les auteurs de tables n’avaient besoin d’imprimer que la borne inférieure de la distribution d’échantillonnage, la symétrie mathématique sous l’hypothèse nulle assurant la correspondance parfaite avec l’autre extrémité. Dans cette perspective, plus la valeur de $W$ est faible, plus le déséquilibre entre les conditions est prononcé, et plus la divergence par rapport à l’hypothèse nulle est substantielle. Une statistique $W$ minimale témoigne d’un regroupement quasi unanime des rangs forts au bénéfice d’une seule polarité de signe.

Il est toutefois impératif de souligner que les environnements informatiques modernes adoptent fréquemment des conventions d’affichage divergentes. Sous le logiciel open-source R, la fonction standard wilcox.test() rapporte par défaut la statistique baptisée conventionnellement $V$, laquelle correspond rigoureusement à la somme des rangs positifs : $V = W^+$. D’autres didacticiels paramétriques désignent la statistique par $W$ en retenant indifféremment $W^+$ ou $W^-$ selon la polarité de l’alternative unilatérale testée. L’analyste doit donc faire preuve d’une grande vigilance herméneutique lors de la lecture des sorties informatiques, afin d’identifier sans ambiguïté l’entité mathématique sous-jacente rapportée par l’algorithme.

7.3 Utilisation des tables statistiques exactes pour petits échantillons

Lorsque la taille de l’échantillon effectif demeure modeste (généralement lorsque $N_r le 20$ paires non nulles), la distribution d’échantillonnage de la statistique de test sous l’hypothèse nulle ne peut être modélisée de manière continue sans introduire d’approximations problématiques. La détermination de la significativité statistique requiert impérativement le recours à la distribution d’échantillonnage combinatoire exacte de $W$, répertoriée sous la forme de tables de valeurs critiques des rangs signés de Wilcoxon.

La dérivation combinatoire de cette distribution exacte repose sur un principe probabiliste déterministe élémentaire. Sous l’hypothèse nulle $H_0$, chaque rang entier $i$ (pour $i in {1, dots, N_r}$) possède une probabilité rigoureusement identique de $0{,}5$ d’être affublé d’un signe positif ou d’un signe négatif. Le nombre exhaustif d’arrangements de signes équiprobables possibles s’élève ainsi à $2^{N_r}$. En générant par dénombrement combinatoire l’ensemble de ces $2^{N_r}$ configurations de signes et en calculant pour chacune la statistique $W$ correspondante, les mathématiciens ont dressé les tables de probabilité exacte associant à chaque niveau d’échantillon $N_r$ et à chaque seuil d’erreur alpha ($\alpha = 0{,}05, 0{,}01, 0{,}001$) la valeur critique seuil correspondante, notée $W_{\text{critique}}$.

La règle de décision statistique formalisant le rejet de l’hypothèse nulle obéit alors à une logique directionnelle inversée par rapport aux tests standards de Student. Pour une analyse bilatérale au seuil nominal choisi :

$$\text{Si } W_{\text{observé}} le W_{\text{critique}}, \text{ alors rejet de } H_0 \text{ au seuil } \alpha$$

$$\text{Si } W_{\text{observé}} > W_{\text{critique}}, \text{ alors non-rejet de } H_0$$

L’observation d’une statistique $W$ strictement inférieure ou égale au seuil critique tabulé atteste que la concentration des rangs observée au sein d’une même polarité présente une probabilité d’occurrence stochastique sous l’hypothèse nulle inférieure au seuil $\alpha$ fixé, légitimant la conclusion formelle à l’existence d’une modulation statistiquement significative.

8. Approximation par la loi normale pour les échantillons de grande taille

8.1 Fondement du théorème central limite pour la statistique W

Lorsque la taille effective de l’échantillon analysé s’accroît et franchit le seuil conventionnel de $N_r > 20$ (ou $N_r ge 25$ selon les recommandations les plus strictes), la consultation des tables combinatoires exactes devient mathématiquement et logiquement superflue. Le nombre de configurations factorielles de signes possibles, s’élevant à $2^{N_r}$, atteint des magnitudes computationnelles gigantesques (pour $N_r = 25$, le nombre d’arrangements stochastiques dépasse les 33 millions de combinaisons). Conformément aux principes dictés par le théorème central limite, la distribution discrète de la somme des rangs signés $W^+$ (ou $W^-$) converge asymptotiquement vers une fonction de densité continue gaussienne.

Cette convergence vers la normalité repose sur le fait que la statistique $W^+$ peut être mathématiquement décomposée comme une sommation pondérée de variables aléatoires indépendantes suivant des lois de Bernoulli centrées. Par conséquent, en vertu du théorème de Lindeberg-Feller, la distribution de cette somme pondérée tend vers une loi normale dès lors que le nombre d’éléments sommés devient suffisamment substantiel. L’approximation asymptotique offre une stabilité mathématique remarquable : pour des échantillons de $N_r ge 30$, l’écart entre la valeur $p$ exacte calculée par permutations combinatoires et la valeur $p$ estimée par l’intégrale de Gauss devient négligeable, n’altérant en rien la décision d’inférence statistique.

L’exploitation de cette propriété asymptotique permet de standardiser la statistique de test empirique en un score réduit standardisé $Z$. Ce score permet d’évaluer la significativité de l’effet à travers la fonction de répartition universelle de la loi normale centrée réduite $\mathcal{N}(0, 1)$, s’affranchissant définitivement du recours aux tables de valeurs critiques dédiées à Wilcoxon et unifiant la métrique de test avec l’ensemble des standards de l’inférence asymptotique moderne.

8.2 Calcul des paramètres de la distribution théorique (Espérance et Variance)

La standardisation de la statistique des rangs de Wilcoxon en un score $Z$ requiert la détermination théorique explicite des moments d’ordre 1 et 2 de la distribution d’échantillonnage de $W$ sous l’hypothèse nulle : son espérance mathématique ($\mu_W$) et sa variance théorique ($\sigma_W^2$).

L’espérance mathématique de la somme des rangs positifs $W^+$ correspond au produit de la somme arithmétique globale de l’intégralité des rangs attribuables par la probabilité théorique d’attribution du signe positif sous $H_0$ ($P = 0{,}5$). L’espérance formelle sous l’hypothèse nulle d’absence de différence se définit ainsi sans ambiguïté par :

$$\mu_W = \mathbb{E}(W) = \frac{1}{2} \left( \frac{N_r (N_r + 1)}{2} \right) = \frac{N_r (N_r + 1)}{4}$$

La variance de la distribution d’échantillonnage quantifie la dispersion attendue de la somme des rangs autour de son espérance centrale sous l’effet du seul hasard d’échantillonnage. En l’absence de toute égalité de rangs (aucun ex æquo au sein des écarts), la formulation analytique exacte de la variance de la statistique de Wilcoxon est définie par l’équation suivante :

$$\sigma_W^2 = operatorname{Var}(W) = \frac{N_r (N_r + 1)(2N_r + 1)}{24}$$

L’écart-type théorique d’échantillonnage correspond directement à la racine carrée de cette variance :

$$\sigma_W = \sqrt{\frac{N_r (N_r + 1)(2N_r + 1)}{24}}$$

Ces paramètres distributionnels dépendent exclusivement de la valeur scalaire de la taille d’échantillon effectif $N_r$. Ils constituent les étalons invariants nécessaires à l’opération de réduction permettant de confronter l’écart entre la valeur observée empiriquement ($W$) et la moyenne attendue ($\mu_W$) sous l’hypothèse nulle.

8.3 Standardisation en score Z et correction de continuité

L’obtention de la statistique standardisée finale s’opère par le calcul de l’écart réduit entre la valeur observée et son espérance théorique, rapporté à l’écart-type de la distribution. Toutefois, dans la mesure où l’on modélise une distribution empirique fondamentalement discrète (la somme de nombres entiers ou demi-entiers) au moyen d’une fonction de densité continue (la courbe en cloche de Gauss), la rigueur méthodologique impose l’application d’une correction de continuité, historiquement formalisée par Frank Yates.

La correction de continuité de Yates consiste à ajuster le numérateur de la statistique de réduction d’une demi-unité ($0{,}5$), en direction systématique de l’espérance théorique nulle $\mu_W$. Cette opération a pour fonction de corriger le biais géométrique lié à l’intégration d’un histogramme de probabilités discrètes par une intégrale différentielle continue. La formulation mathématique complète du score standardisé $Z$ s’énonce ainsi :

$$Z = \frac{W – \mu_W \pm 0{,}5}{\sigma_W}$$

De manière plus explicite et opérationnelle, la gestion du sens du terme de correction s’exprime selon la position relative de la statistique $W$ vis-à-vis de son espérance :

$$Z = \begin{\cases} \dfrac{(W – \mu_W) – 0{,}5}{\sigma_W} &a\mp; \text{si } W > \mu_W 0 &a\mp; \text{si } W = \mu_W \dfrac{(W – \mu_W) + 0{,}5}{\sigma_W} &a\mp; \text{si } W < \mu_W \end{\cases}$$

Le score standardisé $Z$ obtenu suit fidèlement la loi normale unitaire standard $\mathcal{N}(0, 1)$. La détermination de la probabilité critique $p$ (la p-value) découle alors directement de l’évaluation de la fonction de répartition gaussienne cumulée :

• Pour une analyse bilatérale : $p = 2 \times [1 – \Phi(|Z|)]$, où $Phi(|Z|)$ désigne l’intégrale de probabilité cumulée de la normale unitaire ;
• Pour une analyse unilatérale : $p = 1 – Phi(|Z|)$ (sous réserve que l’orientation empirique du signe coïncide avec le sens théorique préalablement conjecturé).

Un score absolu $|Z| ge 1{,}96$ indique un franchissement du seuil critique bilatéral conventionnel de $\alpha = 0{,}05$, autorisant le chercheur à rejeter l’hypothèse nulle avec un niveau de confiance fixé à 95 %.

9. Traitement des situations méthodologiques complexes

9.1 Gestion des différences nulles : Débats entre Wilcoxon et Pratt

La survenue d’écarts nuls ($D_i = X_{2i} – X_{1i} = 0$) entre les deux temps d’évaluation constitue l’un des points de friction théorique les plus débattus au sein de l’école statistique non paramétrique. Comme explicité précédemment, le paradigme originel proposé par Frank Wilcoxon en 1945 préconise l’élision pure et simple de l’intégralité des observations caractérisées par une différence nulle avant toute étape de classement ordinal, réduisant la taille effective d’échantillon à $N_r = N – N_0$ (où $N_0$ désigne le nombre d’écarts nuls constatés).

Bien que d’une simplicité calculatoire appréciable, cette procédure classique de Wilcoxon soulève des réserves méthodologiques substantielles. Sur le plan conceptuel, éliminer les scores d’invariance revient à postuler arbitrairement que les sujets n’ayant manifesté aucun changement n’apportent aucune information relative à l’efficacité du protocole. Sur le plan statistique formel, plusieurs théoriciens, à l’instar de John W. Pratt en 1959, ont démontré que la suppression des zéros tend à infléchir artificiellement la dispersion et peut, dans certaines configurations asymétriques d’échantillons, accroître indûment le taux d’erreur de type I au-delà du seuil nominal alpha.

Pour remédier à ces distorsions, la méthode alternative de Pratt propose d’intégrer l’ensemble des paires initiales, y compris les différences nulles, lors de la phase préliminaire d’ordonnancement en valeurs absolues. Les écarts nuls reçoivent ainsi les rangs initiaux les plus faibles (rangs moyens attribués de $1$ à $N_0$). Ce n’est qu’au moment de la sommation définitive que les rangs assignés aux différences nulles sont ignorés des sommes partielles $W^+$ et $W^-$, mais leur présence historique demeure intégrée au sein du dénominateur dimensionnel $N$ gouvernant le calcul de la variance d’échantillonnage théorique. Les méta-analyses méthodologiques contemporaines suggèrent que si la proportion de différences nulles demeure modeste ($< 5\text{ à } 10,%$ de la cohorte totale), l'approche de Wilcoxon et celle de Pratt conduisent à des conclusions inférentielles identiques. Dès lors que cette proportion devient substantielle, l'analyste rigoureux doit privilégier la méthode de Pratt ou rapporter une analyse de sensibilité comparant les deux algorithmes.

9.2 Ajustement de la variance en présence de rangs ex æquo

L’apparition de rangs identiques (ex æquo ou ties) consécutive à l’existence d’amplitudes d’écarts équivalentes entre participants distincts ne perturbe pas la valeur de l’espérance théorique $\mu_W$, qui demeure invariante. En revanche, l’attribution de rangs moyens altère la variabilité globale de la distribution de la statistique de test, provoquant une réduction mathématique systématique de la variance réelle d’échantillonnage par rapport à la variance théorique postulée en situation d’unicité stricte des rangs.

Si l’analyste procède à la standardisation asymptotique en utilisant la formule classique de variance $\sigma_W^2 = \frac{N_r(N_r+1)(2N_r+1)}{24}$ face à des données comportant un nombre important d’ex æquo, le dénominateur du score $Z$ sera surestimé. Cette surestimation conduit à une diminution artificielle de la magnitude du score $|Z|$, augmentant indûment le risque d’erreur de type II ($\beta$) par étouffement de la puissance statistique. Il est donc indispensable d’appliquer une formule de correction de variance pour ex æquo :

$$\sigma_{W,\text{corrigée}}^2 = \frac{N_r (N_r + 1)(2N_r + 1)}{24} – \frac{\sum_{j=1}^g (t_j^3 – t_j)}{48}$$

Dans cette formalisation corrective fondamentale :

• $g$ représente le nombre total de groupes distincts de rangs ex æquo identifiés au sein de la série ordonnée ;
• $t_j$ désigne la taille du $j$-ème groupe d’égalités, c’est-à-dire le nombre de participants partageant précisément la même valeur de différence absolue.

L’inspection du terme soustractif révèle que tout groupe d’ex æquo de taille $t_j = 1$ (correspondant à une observation unique) génère une contribution nulle à la correction : $(1^3 – 1) = 0$. Dès lors que des doublons ($t_j = 2 implies 2^3 – 2 = 6$) ou des triplons ($t_j = 3 implies 3^3 – 3 = 24$) apparaissent, le terme soustractif diminue le dénominateur, ce qui se traduit mécaniquement par une élévation légitime du score $Z$ standardisé et de la sensibilité inférentielle du test. Cet ajustement revêt une importance capitale dans les recherches psychologiques mobilisant des échelles comportementales discrètes à faible dynamique d’échelons, au sein desquelles les égalités de score différentiel sont statistiquement ubiquitaires.

9.3 Gestion des données censurées ou bornées par effet de plafond/plancher

L’utilisation d’instruments psychométriques standardisés confronte fréquemment le praticien au problème des effets de plancher (floor effect) et de plafond (ceiling effect). Ces saturations de mesure surviennent lorsqu’un instrument d’évaluation ne possède pas une résolution suffisante pour capturer les dégradations ou les améliorations extrêmes des sujets situés aux franges de la distribution. Par exemple, au sein d’un protocole évaluant l’efficacité d’une thérapie cognitivo-comportementale sur l’anxiété au moyen d’un questionnaire borné entre 0 et 60, un participant intégrant l’étude avec un score initial maximal de 60 peut connaître une amplification sous-jacente de sa souffrance psychique sans que celle-ci ne puisse s’inscrire sur l’instrument : son score différentiel post-test apparaîtra tronqué ou artificiellement nul.

Le test des rangs signés de Wilcoxon, bien que robuste face aux écarts extrêmes linéaires, n’est pas imperméable aux biais générés par ces données censurées à droite ou à gauche. Lorsque de multiples participants atteignent les bornes extrêmes de l’échelle, les rangs attribués à leurs différences ne reflètent plus l’amplitude relative réelle de leurs évolutions intra-individuelles, mais un artefact dicté par la structure du questionnaire. Il en résulte une distorsion des rangs moyens et un affaiblissement notable de la validité de conclusion statistique.

Face à des saturations d’échelle avérées affectant une portion notable de la cohorte ($> 15,%$), le chercheur se doit d’adopter une interprétation prudente de la statistique des rangs et d’envisager des méthodologies complémentaires adaptées à la censure de données. L’orientation vers des modèles d’analyse de survie non paramétriques (à l’instar des estimateurs de Kaplan-Meier appliqués aux données appariées) ou vers des modèles de régression tobit ajustés pour observations dépendantes permet de modéliser explicitement les mécanismes de troncature sans sacrifier la rigueur de l’inférence.

10. Mesure de la taille d’effet et interprétation substantielle

10.1 Calcul du coefficient de corrélation de rang r

L’obtention d’une valeur de probabilité critique hautement significative ($p < 0{,}001$) ne fournit aucune indication quantitative quant à la magnitude substantielle de l'effet clinique ou expérimental identifié. La valeur $p$ synthétise de façon indissociable la taille de l'échantillon analysé et l'amplitude de la différence. La communauté académique internationale et les comités éditoriaux des grandes revues de psychologie imposent désormais la communication systématique d'une taille d’effet standardisée indépendante de la taille de l’échantillon.

Pour le test des rangs signés de Wilcoxon, la métrique standard d’estimation de la taille d’effet universellement adoptée est le coefficient de corrélation de rang $r$, formalisé initialement par Robert Rosenthal en 1991. Ce coefficient se dérive directement de la standardisation asymptotique en score $Z$ divisée par la racine carrée du nombre d’observations mobilisées :

$$r = \frac{|Z|}{\sqrt{N_{\text{total}}}}$$

Une précaution méthodologique déterminante doit être explicitée quant à la définition mathématique précise de l’entité $N_{\text{total}}$ apparaissant sous le radical :

• Dans de nombreuses publications, certains auteurs définissent $N_{\text{total}}$ comme le nombre de paires d’observations effectives analysées ($N_r$) ;
• Cependant, la formalisation stricte dérivée de la métrique de Rosenthal et recommandée par les manuels de référence stipule que $N_{\text{total}}$ doit représenter le nombre total d’observations individuelles engagées dans le calcul, soit précisément deux fois le nombre de paires ($N_{\text{total}} = 2 \times N_r$).

L’investigateur doit impérativement expliciter au sein de ses travaux la convention adoptée afin d’assurer l’interopérabilité des résultats. Ce coefficient $r$ est borné dans l’intervalle canonique $[0 ; 1]$. Présentant l’avantage d’être invariant vis-à-vis de l’échelle métrique d’origine et de la taille d’échantillon, le coefficient $r$ constitue l’indicateur de référence indispensable pour l’intégration ultérieure des données au sein de méta-analyses quantitatives.

10.2 Corrélation bisériale de rang et probabilité de supériorité

Une alternative élégante et de plus en plus plébiscitée pour caractériser l’effet d’un test des rangs signés réside dans le calcul du coefficient de corrélation bisériale de rang (matched-pairs rank biserial correlation), désigné par $r_{rb}$ ou $r_{\text{biserial}}$, formalisé initialement par Gene Glass en 1966. Cet indicateur évalue directement la disproportion relative existant entre la somme des rangs positifs et la somme des rangs négatifs par rapport à la somme arithmétique globale de l’ensemble des rangs :

$$r_{rb} = \frac{W^+ – W^-}{W^+ + W^-} = \frac{W^+ – W^-}{\frac{N_r (N_r + 1)}{2}}$$

Ce coefficient oscille strictement entre $-1{,}0$ et $+1{,}0$. Une valeur de $r_{rb} = +1{,}0$ matérialise une homogénéité absolue où l’intégralité des participants affiche une évolution positive ($W^- = 0$), tandis qu’une valeur de $0{,}0$ correspond à l’équilibre stochastique parfait prescrit sous l’hypothèse nulle ($W^+ = W^-$).

Parallèlement, la communication des résultats gagne à intégrer la probabilité de supériorité pour échantillons dépendants, également désignée sous l’appellation d’indice de taille d’effet en langage commun (Common Language Effect Size ou CLES). Cet indice quantifie de manière probabiliste la proportion de paires chez lesquelles la condition B surpasse la condition A. Il se déduit de manière linéaire à partir de la corrélation bisériale de rang :

$$\text{CLES} = \frac{r_{rb} + 1}{2}$$

Dans un contexte clinique, affirmer à des praticiens ou à des patients qu’une intervention psychothérapeutique présente une probabilité de supériorité de $0{,}82$ offre une intelligibilité immédiate : cela signifie concrètement qu’un individu pris au hasard présente 82 % de chances d’afficher une atténuation symptomatique à l’issue de la prise en charge par rapport à son état pré-thérapeutique.

10.3 Directives d’évaluation selon les standards de Jacob Cohen

Pour guider l’interprétation qualitative des coefficients d’effet calculés, la tradition méthodologique en psychologie réfère aux conventions de cadrage établies par Jacob Cohen dans son ouvrage séminal de 1988. Transposés au coefficient de corrélation de rang $r$ de Rosenthal, les seuils conventionnels s’articulent ainsi :

• $r \approx 0{,}10$ : Effet de faible amplitude (rend compte d’environ 1 % de la variance partagée) ;
• $r \approx 0{,}30$ : Effet d’amplitude moyenne (rend compte d’environ 9 % de la variance partagée) ;
• $r ge 0{,}50$ : Effet de forte amplitude (rend compte de 25 % ou plus de la variance partagée).

Le chercheur doit toutefois se garder d’une application mécanique, décontextualisée et dogmatique de ces seuils théoriques. Comme le rappelait expressément Jacob Cohen lui-même, la portée substantielle d’une taille d’effet dépend intimement de l’écologie du champ de recherche et de la nature de la variable dépendante investiguée. Dans le cadre d’interventions neuropsychologiques ciblant des pathologies neurodégénératives lourdes (telles que la maladie d’Alzheimer), où la dégradation cognitive est inexorablement continue, l’obtention d’un effet de faible amplitude ($r = 0{,}15$) maintenant des fonctions exécutives résiduelles peut revêtir une importance clinique et sociétale majeure.

Inversement, dans des études de laboratoire évaluant des variations perceptives ou des temps de réaction sous des conditions hautement contrastées, un effet statistiquement qualifié de « fort » ($r > 0{,}50$) peut simplement correspondre à un phénomène trivial dénué de pertinence adaptative. L’analyste se doit donc de toujours articuler l’indice de taille d’effet standardisé avec une interprétation clinique qualitative centrée sur l’intérêt écologique de la modification comportementale enregistrée.

11. Implémentation logicielle et syntaxe informatique

11.1 Exécution et analyse approfondie sous le langage R

L’environnement statistique open-source R constitue la plateforme de choix pour la réalisation avancée du test des rangs signés de Wilcoxon, offrant une flexibilité totale quant au choix des algorithmes de calcul combinatoires ou asymptotiques. L’environnement de base comprend la fonction native wilcox.test() appartenant au package pré-installé stats. Pour exécuter une analyse appariée sur deux vecteurs numériques de même longueur représentant les temps pré-test (score_t1) et post-test (score_t2), la syntaxe minimale requiert la spécification expresse du paramètre logique d’appariement :

wilcox.test(score_t2, score_t1, paired = TRUE, alternative = "two.sided", exact = FALSE, correct = TRUE)

L’argument paired = TRUE commande à la fonction de calculer les différences intra-paires préalablement à l’ordonnancement des rangs signés. En l’omettant, la fonction exécuterait par défaut un test de Mann-Whitney pour échantillons indépendants, commettant ainsi une erreur méthodologique grave. Le paramètre correct = TRUE active l’application de la correction de continuité de Yates de 0,5 unité lors de l’approximation normale. Il convient de noter que si les vecteurs comportent des ex æquo et que l’utilisateur force l’argument exact = TRUE, la fonction native renvoie un message d’avertissement stipulant l’impossibilité de calculer la distribution combinatoire exacte en présence d’égalités.

Pour pallier cette limitation et obtenir une inférence exacte intégrant formellement les ex æquo selon les principes de permutation, le recours au package spécialisé coin (Conditional Inference Procedures in a Permutation Test Framework) est vivement préconisé :

library(coin)
wilcoxsign_test(score_t2 ~ score_t1, distribution = "exact", zero.method = "Wilcoxon")

L’extraction programmée du score standardisé $Z$ et le calcul subséquent de la taille d’effet $r$ de Rosenthal s’opèrent de manière fluide au sein de l’environnement R en extrayant la statistique de l’objet résultant :

res <- wilcoxsign_test(score_t2 ~ score_t1, distribution = "asymptotic")
Z_val <- statistic(res)
N_obs <- 2 * length(score_t1)
r_effect <- abs(Z_val) / sqrt(N_obs)

Enfin, la modélisation visuelle des données appariées est idéalement orchestrée au moyen de la bibliothèque ggplot2, en combinant des représentations en boîtes à moustaches avec la superposition des lignes de trajectoires individuelles reliant chaque sujet d’une condition à l’autre via la géométrie geom_line(aes(group = id)).

11.2 Procédure opérationnelle sous SPSS

Au sein du logiciel propriétaire IBM SPSS Statistics, la mise en œuvre du test de Wilcoxon s’articule via deux voies d’accès distinctes : l’interface graphique par menus déroulants et la fenêtre de syntaxe de commande matricielle. Par l’interface utilisateur graphique, le protocole de navigation contemporain s’établit selon la séquence :

Analyse > Tests non paramétriques > Échantillons liés…

Dans la boîte de dialogue contextuelle, le chercheur sélectionne l’onglet « Champs », transfère les deux variables appariées (par exemple, Anxiete_Pre et Anxiete_Post) dans la zone dédiée aux champs de test, puis accède à l’onglet « Paramètres ». Dans cette interface, il convient de cocher l’option « Personnaliser les tests » et de sélectionner explicitement « Rangs signés de Wilcoxon appariés (2 échantillons) ». Par défaut, SPSS opère l’exclusion des différences nulles selon l’algorithme standard de Wilcoxon.

Pour les utilisateurs privilégiant la traçabilité par scripts de programmation, la commande de syntaxe classique s’exprime selon le schéma suivant :

NPAR TESTS
  /WILCOXON = Anxiete_Pre WITH Anxiete_Post (PAIRED)
  /STATISTICS = DESCRIPTIVES QUARTILES
  /MISSING ANALYSIS.

La lecture du tableau récapitulatif généré par SPSS requiert une attention méthodologique particulière. Le logiciel délivre un tableau d’effectifs répertoriant précisément :

• Le nombre de rangs négatifs (correspondant aux cas où Anxiete_Post < Anxiete_Pre) avec leur rang moyen et la somme $W^-$ ;
• Le nombre de rangs positifs (cas où Anxiete_Post > Anxiete_Pre) avec leur rang moyen et la somme $W^+$ ;
• Le nombre d’égalités strictes (différences nulles).

Dans le tableau subéquent intitulé « Statistiques de test », SPSS rapporte la valeur du score asymptotique standardisé $Z$ ajusté pour les ex æquo, assorti de la valeur de significativité asymptotique bilatérale (Asymp. Sig. 2-tailed). SPSS ne délivrant pas directement la taille d’effet standardisée, le chercheur doit calculer manuellement l’indice $r$ de Rosenthal en appliquant la formule $r = |Z| / \sqrt{2 \times N}$ à partir des grandeurs textuellement consignées dans l’état de sortie.

11.3 Réalisation sous Python et logiciels d’interface graphique modernes (Jamovi, JASP)

L’analyse sous l’environnement de programmation scientifique Python s’articule principalement autour du package standardisé SciPy, au moyen du module scipy.stats. La fonction wilcoxon offre une implémentation complète intégrant la gestion des différentes controverses algorithmiques :

from scipy import stats
stat, p_val = stats.wilcoxon(score_t2, score_t1, zero_method='wilcox', correction=True, alternative='two-sided')

Le paramètre zero_method illustre la polyvalence de l’outil Python en autorisant le choix explicite de la méthode de traitement des écarts nuls : 'wilcox' pour l’élision classique, 'pratt' pour l’intégration des zéros dans l’attribution des rangs selon l’algorithme de John Pratt, ou 'zsplit' pour une distribution équitable des rangs nuls entre les deux polarités de signes. Le calcul dérivé de la corrélation bisériale de rang s’obtient aisément en exploitant les sorties scalaires de sommation.

Pour la communauté des chercheurs en sciences humaines et comportementales réfractaires à l’écriture de code, les logiciels d’interface graphique de nouvelle génération que sont Jamovi et JASP (développé par le département de psychologie computationnelle de l’Université d’Amsterdam) représentent des alternatives méthodologiques de premier ordre. Dans ces deux environnements open-source construits au-dessus du moteur R, l’investigateur navigue vers :

Analyses > T-Tests > Paired Samples T-Test

Il suffit ensuite de glisser-déposer les paires de variables à confronter, puis, sous la section « Tests », de décocher l’option paramétrique « Student’s t » au bénéfice de l’option non paramétrique « Wilcoxon rank-sum / signed-rank ». Jamovi et JASP automatisent immédiatement l’évaluation diagnostique en proposant une case à cocher « Normality test » (exécutant le test de Shapiro-Wilk sur la distribution des différences). De surcroît, ces interfaces calculent automatiquement la taille d’effet sous forme de corrélation bisériale de rang de Glass, accompagnée de son intervalle de confiance bootstrap. JASP propose en outre une déclinaison bayésienne complète du test de Wilcoxon apparié (Bayesian Paired Samples Wilcoxon Signed-Rank Test), délivrant le facteur de Bayes ($BF_{10}$ ou $BF_{01}$) permettant de quantifier la force probatoire des données en faveur de l’hypothèse nulle ou de l’hypothèse alternative.

12. Rédaction académique, normes APA et publication des résultats

12.1 Conformité avec les directives de publication de l’APA (7e édition)

La communication publique de résultats statistiques issus d’un test des rangs signés de Wilcoxon au sein des revues scientifiques internationales à comité de lecture est régie par les normes de l’American Psychological Association (APA, 7e édition). La rigueur académique impose d’éviter toute formulation vague ou incomplète se bornant à mentionner une probabilité critique isolée (telle que « $p < 0{,}05$ »). Le manuscrit doit fournir au lecteur l'ensemble des éléments computationnels nécessaires à l'évaluation critique de l'inférence : l'identification explicite de la statistique de test ($W$ ou $V$, ou le score standardisé $Z$ en cas d'approximation normale), la taille de l'échantillon effectif analysé ($N$ ou $N_r$), la valeur de probabilité critique exacte ($p$) rapportée avec trois décimales, et l'indice de taille d'effet standardisé accompagné de sa dénomination formelle.

Le formatage canonique textuel en normes APA s’organise selon les modèles rédactionnels suivants :

• Pour une inférence exacte sur petit échantillon :
  « L’analyse non paramétrique révèle une diminution statistiquement significative des scores d’anxiété post-intervention, $W = 12{,}00$, $N_r = 15$, $p = 0{,}018$, avec une taille d’effet moyenne à forte, $r = 0{,}43$. »
• Pour une approximation asymptotique normale sur échantillon plus large :
  « Le test des rangs signés de Wilcoxon met en évidence un accroissement significatif des performances d’attention sélective consécutivement au protocole d’entraînement, $Z = 3{,}12$, $p = 0{,}002$, $r = 0{,}41$. »

Il est impératif de respecter les conventions typographiques prescrites par l’APA : les symboles statistiques d’origine latine ($W$, $Z$, $p$, $r$, $N$) doivent être systématiquement composés en caractères italiques, tandis que les chiffres arabes, les indices et les lettres grecques demeurent en caractères romains droits. En outre, la politique éditoriale contemporaine préconise d’adjoindre systématiquement à la taille d’effet son intervalle de confiance à 95 % (par exemple, $r = 0{,}41$, IC 95 % $[0{,}18 ; 0{,}60]$), estimé par des méthodes de rééchantillonnage non paramétrique de type bootstrap centile.

12.2 Présentation des indicateurs descriptifs appropriés

L’une des fautes méthodologiques les plus communes dans les sections de résultats concerne la discordance entre le modèle de test non paramétrique mobilisé et la nature des statistiques descriptives communiquées pour synthétiser les données. Il est conceptuellement contradictoire de justifier le recours au test des rangs signés de Wilcoxon par l’absence de normalité et l’asymétrie des distributions différentielles, tout en présentant exclusivement dans le texte ou les tableaux récapitulatifs des moyennes arithmétiques et des écarts-types ($M \pm SD$). La moyenne arithmétique subissant de plein fouet l’influence déformante des queues de distribution, elle ne constitue pas l’estimateur de tendance centrale congruente avec la logique ordinale de Wilcoxon.

Les directives académiques stipulent que les indicateurs descriptifs présentés doivent impérativement reposer sur la médiane ($Mdn$) en tant que paramètre robuste de tendance centrale, et sur l’intervalle interquartile ($IQR$, défini par la différence entre le troisième quartile $Q_3$ et le premier quartile $Q_1$, ou formulé de manière transparente par l’énoncé explicite des bornes $[Q_1 ; Q_3]$) comme indicateur de dispersion. Pour chaque condition expérimentale comparée, ainsi que pour la variable des différences intra-individuelles, le chercheur doit fournir la médiane et son $IQR$.

À titre d’illustration, la présentation textuelle des paramètres descriptifs adopte la structure canonique suivante : « À l’inclusion, les participants présentaient une intensité dépressive médiane de $28{,}00$ ($IQR = [24{,}00 ; 33{,}50]$), qui s’est abaissée à une valeur médiane de $16{,}00$ ($IQR = [11{,}00 ; 21{,}00]$) à l’issue du protocole d’intervention, matérialisant une réduction médiane intra-individuelle de $-11{,}50$ points ($IQR = [-16{,}00 ; -6{,}50]$). »

12.3 Représentations graphiques optimales pour les revues scientifiques

La transmission visuelle des résultats issus d’un plan à mesures répétées analysé par le test de Wilcoxon ne doit jamais reposer sur des histogrammes à barres surmontés de barres d’erreur (communément dénoncés sous l’appellation de dynamite plots). Ces représentations masquent la densité sous-jacente des données, occultent la bimodalité potentielle et échouent totalement à rendre compte de l’information primordiale du devis apparié : la covariation et la directionnalité individuelle des trajectoires temporelles.

La modalité de visualisation de référence recommandée par les comités éditoriaux combine deux couches d’informations géométriques :

• Un diagramme en boîte hybride (Box-and-Whisker Plot ou Violin Plot) délimitant pour chaque condition temporelle la médiane, l’intervalle interquartile ($Q_1 – Q_3$) et les clôtures de Tukey identifiant les valeurs atypiques potentielles ;
• La superposition explicite de l’ensemble des points de données individuels reliés par des segments de droite (paired slopegraph ou before-after trajectory plot).

Cette articulation visuelle permet au lecteur d’apprécier d’un seul regard non seulement le déplacement global de la médiane distributionnelle entre le pré-test et le post-test, mais également la cohérence intra-individuelle des réponses au traitement. L’observation d’un réseau dense de segments orientés uniformément à la baisse fournit une validation phénoménologique directe de la prépondérance des rangs négatifs calculés par le test de Wilcoxon. De surcroît, les règles typographiques imposent d’utiliser des palettes de contrastes chromatiques compatibles avec les déficits de la vision des couleurs (telles que les palettes Viridis ou Cividis) ou garantissant une lisibilité absolue lors de l’impression en niveaux de gris.

12.4 Étude de cas clinique complète : Protocole d’intervention en psychologie

Afin d’intégrer l’ensemble des concepts théoriques, algorithmiques et rédactionnels développés tout au long de ce guide, considérons une simulation clinique concrète et intégrale menée au sein d’un service hospitalier de psychopathologie cognitive. Une équipe de psychologues évalue l’impact d’une remédiation cognitive assistée par réalité virtuelle sur l’anxiété sociale. Une cohorte de $N = 15$ patients diagnostiqués d’un trouble anxiété sociale (selon les critères du DSM-5) est recrutée. L’intensité de la phobie sociale est mesurée au moyen de l’échelle d’anxiété sociale de Liebowitz (LSAS, score global allant de 0 à 144 points), administrée 24 heures avant la première séance (Pré-test, $X_1$) et 24 heures après l’achèvement du protocole thérapeutique de 8 semaines (Post-test, $X_2$).

Les scores empiriques recueillis pour chaque participant ($P_{01}$ à $P_{15}$) sont colligés dans le tableau synthétique suivant :

Sujet	Pré-test ($X_{1i}$)	Post-test ($X_{2i}$)	Différence ($D_i$)	Valeur Absolue ($|D_i|$)	Rang de $|D_i|$	Rang Signé ($R_i$)
$P_{01}$	82	64	$-18$	18	12	$-12$
$P_{02}$	75	58	$-17$	17	11	$-11$
$P_{03}$	91	78	$-13$	13	8,5	$-8,5$
$P_{04}$	68	72	$+4$	4	2	$+2$
$P_{05}$	88	66	$-22$	22	13	$-13$
$P_{06}$	79	79	$0$	0	Exclu	Exclu
$P_{07}$	95	86	$-9$	9	6	$-6$
$P_{08}$	84	71	$-13$	13	8,5	$-8,5$
$P_{09}$	73	68	$-5$	5	3	$-3$
$P_{10}$	80	55	$-25$	25	14	$-14$
$P_{11}$	65	67	$+2$	2	1	$+1$
$P_{12}$	87	79	$-8$	8	5	$-5$
$P_{13}$	92	82	$-10$	10	7	$-7$
$P_{14}$	76	70	$-6$	6	4	$-4$
$P_{15}$	85	70	$-15$	15	10	$-10$

Déroulons méthodiquement chaque phase de l’analyse :

1. Traitement des différences nulles : Le participant $P_{06}$ affiche une stabilité absolue ($79 – 79 = 0$). Conformément à la règle de Wilcoxon, ce sujet est soustrait de l’échantillon d’analyse. La taille d’échantillon effectif est ainsi ramenée à $N_r = 15 – 1 = 14$.
2. Gestion des ex æquo : Les participants $P_{03}$ et $P_{08}$ présentent une amplitude de réduction identique de $|-13| = 13$ points. Ces valeurs occupent conjointement les positions ordinales 8 et 9 dans la série ordonnée des valeurs absolues. On leur assigne le rang moyen : $(8 + 9) / 2 = 8{,}5$.
3. Vérification arithmétique de la somme des entiers : La somme attendue des rangs pour $N_r = 14$ s’élève à :
   $$\sum_{i=1}^{14} i = \frac{14 \times (14 + 1)}{2} = \frac{14 \times 15}{2} = 105$$
   La somme des valeurs absolues de nos rangs distribués est égale à :
   $$1 + 2 + 3 + 4 + 5 + 6 + 7 + 8{,}5 + 8{,}5 + 10 + 11 + 12 + 13 + 14 = 105$$
   Le contrôle d’intégrité arithmétique est validé sans anomalie.
4. Sommation des rangs par polarité :
   • Rangs positifs ($D_i > 0$) : Sujets $P_{04}$ ($+2$) et $P_{11}$ ($+1$).
     $$W^+ = 2 + 1 = 3$$
   • Rangs négatifs ($D_i < 0$) : Sujets $P_{01}, P_{02}, P_{03}, P_{05}, P_{07}, P_{08}, P_{09}, P_{10}, P_{12}, P_{13}, P_{14}, P_{15}$.
     $$W^- = 12 + 11 + 8{,}5 + 13 + 6 + 8{,}5 + 3 + 14 + 5 + 7 + 4 + 10 = 102$$

   Vérification d’invariance : $W^+ + W^- = 3 + 102 = 105$. L’identité est respectée.

5. Détermination de la statistique empirique : En analyse bilatérale manuelle, $W = \min(W^+, W^-) = \min(3, 102) = 3$.
6. Décision inférentielle exacte : Pour un échantillon bilatéral à $N_r = 14$ au seuil de risque nominal $\alpha = 0{,}05$, la consultation de la table des valeurs critiques de Wilcoxon indique un seuil critique $W_{\text{critique}} = 21$. Notre valeur empirique observée étant $W = 3$, nous constatons l’inégalité stricte :
   $$W_{\text{observé}} (3) le W_{\text{critique}} (21)$$
   La décision méthodologique commande le rejet formel de l’hypothèse nulle $H_0$ au seuil $\alpha = 0{,}05$ (la probabilité exacte exacte issue des tables combinatoires pour $W = 3$ à $N_r = 14$ s’établissant précisément à $p = 0{,}00049$, soit $p < 0{,}001$).
7. Calcul de la taille d’effet :
   Pour illustrer la convergence asymptotique, calculons l’approximation normale correspondante. L’espérance théorique vaut :
   $$\mu_W = \frac{14 \times 15}{4} = 52{,}5$$
   Le terme correctif pour le groupe d’ex æquo ($t_1 = 2$) vaut : $(2^3 – 2) / 48 = 6 / 48 = 0{,}125$.
   La variance corrigée s’établit à :
   $$\sigma_{W,\text{corrigée}}^2 = \frac{14 \times 15 \times 29}{24} – 0{,}125 = \frac{6090}{24} – 0{,}125 = 253{,}75 – 0{,}125 = 253{,}625$$
   L’écart-type est de $\sigma_W = \sqrt{253{,}625} \approx 15{,}925$.
   En intégrant la correction de continuité de Yates de $+0{,}5$ vers la moyenne :
   $$Z = \frac{(3 – 52{,}5) + 0{,}5}{15{,}925} = \frac{-49{,}0}{15{,}925} \approx -3{,}077$$
   Le coefficient de corrélation de rang de Rosenthal se dérive en considérant le nombre total d’observations appariées effectives ($N_{\text{total}} = 2 \times 14 = 28$) :
   $$r = \frac{|-3{,}077|}{\sqrt{28}} = \frac{3{,}077}{5{,}2915} \approx 0{,}58$$
   La corrélation bisériale de rang de Glass s’établit quant à elle à :
   $$r_{rb} = \frac{3 – 102}{105} = \frac{-99}{105} \approx -0{,}94$$
   La probabilité de supériorité (CLES) en faveur d’une diminution est de :
   $$\text{CLES} = \frac{|-0{,}94| + 1}{2} = 0{,}97$$

Paragraphe canonique de rédaction pour la section Résultats (Normes APA 7) :

« Afin d’évaluer l’efficacité du programme de remédiation cognitive assistée par réalité virtuelle sur l’anxiété sociale, un test des rangs signés de Wilcoxon pour échantillons appariés a été conduit sur les scores globaux de la LSAS. L’inspection préalable des scores différentiels a confirmé l’asymétrie de la distribution, justifiant le recours à une modélisation non paramétrique. Sur les 15 patients recrutés, un participant a présenté un score inchangé et a été écarté de l’analyse effective ($N_r = 14$). L’analyse révèle une réduction hautement significative de l’intensité phobique sociale à l’issue des 8 semaines de protocole thérapeutique, $W = 3{,}00$, $Z = -3{,}08$, $p < 0{,}001$ (exact $p = 0{,}0005$). La taille d'effet standardisée témoigne d'un impact clinique de forte amplitude selon les critères de Cohen, $r = 0{,}58$, $r_{rb} = -0{,}94$. Sur le plan descriptif, le score d'anxiété sociale médian s'est abaissé de $80{,}00$ points ($IQR = [74{,}00 ; 88{,}00]$) lors de l'évaluation pré-test à $70{,}00$ points ($IQR = [66{,}00 ; 79{,}00]$) lors du post-test, matérialisant un gain thérapeutique médian de $-11{,}50$ points. La probabilité de supériorité s'établit à $0{,}97$, attestant qu'un patient présente 97 % de chances de manifester une atténuation de son anxiété sociale consécutivement au protocole d'intervention. »

Références

• Benjamini, Y., & Hochberg, Y. (1995). Controlling the false discovery rate: A practical and powerful approach to multiple testing. Journal of the Royal Statistical Society: Series B (Methodological), 57(1), 289–300. https://doi.org/10.1111/j.2517-6161.1995.tb02031.x
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2e éd.). Lawrence Erlbaum Associates.
• Conover, W. J. (1999). Practical nonparametric statistics (3e éd.). John Wiley & Sons.
• Glass, G. V. (1966). Note on rank biserial correlation. Educational and Psychological Measurement, 26(3), 623–631. https://doi.org/10.1177/001316446602600307
• Hodges, J. L., & Lehmann, E. L. (1956). The efficiency of some nonparametric competitors of the t-test. The Annals of Mathematical Statistics, 27(2), 324–335. https://doi.org/10.1214/aoms/1177728261
• 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
• Lehmann, E. L., & D’Abrera, H. J. (2006). Nonparametrics: Statistical methods based on ranks (Éd. révisée). Springer. https://doi.org/10.1007/0-387-35212-0
• Miao, W., Gel, Y. R., & Gastwirth, J. L. (2006). A new test of symmetry about an unknown median. In Nonparametric Statistics and Related Topics (pp. 199–214). Institute of Mathematical Statistics. https://doi.org/10.1214/lnms/1196285403
• 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 (Éd. révisée). SAGE Publications. https://doi.org/10.4135/9781412984997
• Siegel, S., & Castellan, N. J. (1988). Nonparametric statistics for the behavioral sciences (2e éd.). McGraw-Hill.
• Wilcoxon, F. (1945). Individual comparisons by ranking methods. Biometrics Bulletin, 1(6), 80–83. https://doi.org/10.2307/3001968