Comment rédiger les conclusions d’un test d’hypothèse (avec exemples)

L’inférence statistique constitue le socle méthodologique sur lequel repose la validité des conclusions scientifiques contemporaines, singulièrement au sein des sciences psychologiques, cognitives et comportementales. Face à la variabilité inhérente aux phénomènes psychiques et à la dispersion naturelle des mesures obtenues auprès d’échantillons humains, le chercheur ne peut se contenter d’une observation descriptive brute. L’élaboration d’un protocole expérimental ou observationnel rigoureux culmine inévitablement dans l’épreuve du test d’hypothèse, une procédure probabiliste formalisée destinée à arbitrer entre les fluctuations aléatoires de l’échantillonnage et l’existence véritable d’un effet populationnel systématique.

Pourtant, une fois les données recueillies, les algorithmes de calcul exécutés et les logiciels d’analyse statistique interrogés, se dresse l’étape la plus périlleuse de la démarche scientifique : la transcription textuelle du verdict numérique. Rédiger la conclusion d’un test d’hypothèse ne relève aucunement d’un simple exercice de formalisme administratif ou d’une répétition servile de valeurs numériques. Il s’agit d’un acte épistémologique fondamental qui engage la responsabilité théorique de l’auteur, traduisant des concepts probabilistes complexes en assertions substantielles relatives au fonctionnement cognitif, affectif ou social de l’être humain. Une formulation imprécise, une ambiguïté lexicale ou une mécompréhension des fondements fréquentistes peut dénaturer entièrement la portée d’une découverte ou, à l’inverse, attribuer à une absence d’effet une certitude empirique non étayée.

Le présent traité méthodologique a pour vocation de guider les chercheurs, doctorants et praticiens des sciences humaines et sociales dans la maîtrise absolue de cet art rédactionnel. En explorant les fondements théoriques des paradigmes de Fisher, Neyman et Pearson, en décortiquant les règles syntaxiques dictées par les standards internationaux de l’American Psychological Association (APA 7e édition), et en fournissant des gabarits textuels validés pour chaque grande classe d’analyses, cet ouvrage vise à éradiquer les confusions récurrentes qui polluent la littérature savante. Du rejet indiscutable d’une hypothèse nulle à la gestion rhétorique délicate d’un résultat non statistiquement significatif, chaque nuance argumentative sera disséquée pour conférer à vos rapports de recherche une rigueur scientifique inattaquable.

1. Fondements conceptuels des tests d’hypothèses en recherche psychologique

1.1 Définition et rôle de l’inférence statistique

L’inférence statistique représente le processus logique et mathématique par lequel un chercheur tire des conclusions généralisables à propos d’une population cible tout entière à partir de l’observation minutieuse d’un sous-ensemble fini d’individus, communément désigné sous le terme d’échantillon probabiliste. Dans l’étude des dynamiques comportementales et des processus mentaux, l’accès direct à la population exhaustive est matériellement impossible : on ne saurait évaluer l’ensemble des individus souffrant d’anxiété généralisée sur la planète, ni tester l’intégralité des enfants en cours d’acquisition du langage. La recherche doit donc impérativement s’appuyer sur des techniques de sélection et d’échantillonnage permettant de capturer des paramètres d’intérêt représentatifs, tout en intégrant la variabilité résiduelle inhérente à l’espèce humaine.

Dans ce cadre, la logique hypothético-déductive s’impose comme la colonne vertébrale des sciences du comportement. Cette posture philosophique et méthodologique exige que le chercheur formule a priori des propositions théoriques falsifiables, déduise de ces propositions des conséquences observables spécifiques, puis soumette ces prédictions à l’épreuve des données empiriques. L’inférence statistique opère précisément à l’intersection de la théorie et des données brutes : elle offre une passerelle quantitative permettant de vérifier si les observations collectées sur le terrain convergent avec les prédictions théoriques ou si elles doivent être reléguées au rang de simples coïncidences.

Le rôle cardinal de cette démarche réside dans la quantification systématique et méthodique de l’incertitude et du hasard d’échantillonnage. En raison des fluctuations stochastiques propres à tout tirage d’individus au sort, deux échantillons issus d’une même population parente ne présenteront jamais des moyennes ou des variances strictement superposables. Dès lors, toute différence constatée entre une condition expérimentale et une condition témoin peut résulter de deux mécanismes radicalement distincts : l’impact réel de la variable indépendante manipulée par le chercheur, ou le simple bruit de fond dû aux aléas de la sélection d’échantillon. L’inférence statistique déploie les outils de la théorie des probabilités pour calculer le degré de plausibilité de ce bruit aléatoire, autorisant le chercheur à trancher avec un niveau de risque d’erreur parfaitement calibré.

1.2 La formalisation du dyade : Hypothèse nulle (H0) et alternative (HA)

La mécanique du test d’hypothèse conventionnel repose sur une opposition formelle, binaire et exhaustive entre deux modèles concurrents : l’hypothèse nulle, notée conventionnellement H₀, et l’hypothèse alternative, notée H₁ ou H_A. L’hypothèse nulle est postulée par convention méthodologique comme le modèle d’absence d’effet, de neutralité complète ou de manifestation d’un pur aléa d’échantillonnage. Sur le plan mathématique, elle s’énonce sous la forme d’une égalité stricte ou d’une absence de corrélation dans la population d’origine, par exemple μ₁ = μ₂ dans le cas d’une comparaison de deux moyennes populationnelles, ou ρ = 0 pour une corrélation bivariée. H₀ constitue le modèle de référence par défaut, le socle sceptique sur lequel repose l’enquête scientifique : aucune découverte n’est postulée tant que les données empiriques n’ont pas apporté un démenti formel à cette hypothèse de base.

À l’opposé, l’hypothèse alternative incarne la conceptualisation théorique du chercheur. Elle traduit l’espérance substantielle d’une divergence, d’un impact expérimental ou d’une relation entre plusieurs dimensions psychologiques. L’hypothèse alternative peut être formulée de manière bilatérale (non-directionnelle), se contentant de postuler que μ₁ ≠ μ₂ sans préjuger du sens du déséquilibre, ou de manière unilatérale (directionnelle), stipulant par exemple que μ₁ > μ₂ lorsque la littérature théorique préalable justifie de manière indiscutable une orientation prédictive univoque. La sélection a priori entre une perspective bilatérale et unilatérale engage directement la structure mathématique de la zone de rejet et modifie le fardeau de la preuve.

Il existe une complémentarité mathématique absolue mais une incompatibilité logique radicale entre H₀ et H_A : l’espace de tous les paramètres possibles est partitionné de telle sorte que ces deux hypothèses ne sauraient être vraies simultanément au sein de la population. Si l’une est vraie, l’autre est nécessairement fausse. Par exemple, au sein d’un protocole mesurant les bienfaits d’un programme d’entraînement de la mémoire épisodique chez des personnes âgées, H₀ établira que l’espérance de score moyen après entraînement est strictement identique à celle du groupe contrôle non entraîné (μ_exp – μ_ctl = 0), tandis que l’hypothèse alternative directionnelle affirmera que le gain moyen des sujets entraînés surpasse celui du groupe témoin (μ_exp – μ_ctl > 0). La rédaction de la conclusion statistique dépendra de l’aptitude des données à discréditer le modèle d’inertie porté par H₀.

1.3 La valeur p et le seuil de signification alpha

La pierre angulaire quantitative du test d’hypothèse traditionnel dans la perspective de Fisher et celle de Neyman-Pearson demeure la valeur p (pour probability value) confrontée au seuil de signification préétabli, désigné par la lettre grecque α (alpha). Sur le plan strictement formel, la valeur p correspond à la probabilité d’obtenir, par le pur hasard d’échantillonnage, une statistique de test au moins aussi extrême que celle effectivement observée dans l’échantillon, en supposant que l’hypothèse nulle soit rigoureusement vraie dans la population cible. Elle s’exprime donc sous la condition formelle P(Données observées ou plus extrêmes | H₀). La valeur p est une mesure continue de la compatibilité des données avec le modèle nul : plus cette probabilité s’avère infinitésimale, plus le maintien de l’hypothèse nulle devient intenable sur le plan de la rationalité scientifique.

Le seuil α représente pour sa part le niveau de risque de première espèce, c’est-à-dire la probabilité maximale que le chercheur accepte de tolérer de commettre une fausse découverte en rejetant l’hypothèse nulle alors que celle-ci est en réalité vraie dans la population. Par convention académique quasi universelle, ce seuil est fixé à 0,05 dans les sciences humaines et comportementales, fixant le taux d’erreur de faux positif à un maximum de 5 %. Pour des protocoles cliniques hautement sensibles ou des contextes expérimentaux impliquant des arbitrages critiques (tels que l’administration d’une molécule psychotrope novatrice), un seuil plus conservateur fixé à 0,01, voire 0,001, peut être décrété a priori. Ce seuil constitue le couperet binaire indispensable à la prise de décision : dès que la valeur p calculée se situe en deçà de α, le chercheur bascule dans le rejet de l’hypothèse nulle.

Il est impératif de dissiper plusieurs erreurs d’interprétation massives qui polluent fréquemment les écrits académiques. En premier lieu, la valeur p ne correspond en aucun cas à la probabilité que l’hypothèse nulle soit vraie dans l’absolu, ce qui s’écrirait P(H₀ | Données) ; une telle inversion relève du sophisme de transposition conditionnelle et nécessiterait une approche probabiliste bayésienne intégrant des distributions a priori. En second lieu, la valeur p ne représente nullement la probabilité d’erreur commise par le chercheur lorsqu’il décide d’affirmer un effet, ni la probabilité de réplication exacte de l’étude. Confondre la valeur p avec ces probabilités a posteriori engendre des dérives d’interprétation désastreuses dans les sections « Résultats » et « Discussion » d’une publication, minant l’intégrité de l’édifice scientifique.

2. L’architecture fondamentale d’une conclusion de test statistique

2.1 La composante décisionnelle binaire

L’ossature fondamentale de toute conclusion de test statistique réside invariablement dans une prise de position formelle relative à l’hypothèse nulle. Cette décision est par nature dichotomique : sous le paradigme fréquentiste de Neyman-Pearson, les données contraignent l’analyste à choisir entre deux actions irréductibles : soit rejeter formellement H₀ en faveur de l’hypothèse alternative, soit échouer à rejeter H₀ en reconnaissant que les preuves empiriques sont insuffisantes. Cette clarification décisionnelle doit intervenir sans la moindre ambiguïté dès la formulation des résultats. L’absence de décision claire plonge le lecteur dans une expectative préjudiciable et dissimule la portée exacte de l’évaluation méthodologique.

Dans cet agencement linguistique, une proscription absolue s’impose avec une vigueur épistémologique intransigeante : le bannissement irrévocable du verbe « accepter » appliqué à l’hypothèse nulle. On ne doit jamais écrire qu’un test permet d’« accepter H₀ ». En effet, la démarche de test d’hypothèse est asymétrique : le modèle statistique cherche exclusivement à vérifier s’il est possible d’infirmer la neutralité, non à démontrer la vérité absolue du néant. Conclure que l’on accepte l’hypothèse nulle revient à prétendre que la différence entre les populations est exactement de zéro avec une certitude absolue, une prouesse empirique qu’aucun échantillon probabiliste ne peut mathématiquement revendiquer. Le terme adéquat est toujours « échouer à rejeter » ou « ne pas rejeter » l’hypothèse nulle.

La règle décisionnelle doit s’aligner de manière incorruptible sur le calcul probabiliste :

• Si la valeur p est strictement inférieure au seuil alpha fixé a priori (par exemple p < 0,05), la décision logique impose le rejet catégorique de l’hypothèse nulle. L’effet est alors qualifié de statistiquement significatif au seuil considéré.
• Si la valeur p est supérieure ou égale au seuil de signification (par exemple p ≥ 0,05), la décision logique oblige à conclure à un échec de rejet de l’hypothèse nulle. L’effet observé est alors considéré comme non statistiquement significatif.

2.2 L’explicitation du niveau de confiance ou seuil alpha

Une conclusion statistique ne saurait flotter dans un vide axiomatique : toute décision doit être expressément indexée sur le seuil de signification choisi pour l’inférence. La mention systématique du niveau de risque consenti permet à la communauté des pairs d’évaluer la sévérité du critère de falsification mobilisé par les auteurs. Cette explicitation textuelle prend généralement la forme d’une clause incidente précisant que le rejet ou l’échec de rejet intervient « au seuil α = 0,05 » ou « avec un niveau de confiance fixé à 95 % ». Omettre cette mention prive le lecteur de la borne critique sur laquelle s’est appuyée la délibération scientifique.

Cette obligation de transparence méthodologique devient impérieuse lorsque le devis expérimental nécessite l’exécution de comparaisons multiples ou de tests post-hoc successifs. L’inflation mécanique du taux d’erreur de première espèce (le risque α globalisé ou « familywise error rate ») requiert l’application de procédures d’ajustement correctrices telles que la correction de Bonferroni, la méthode séquentielle de Holm-Bonferroni ou le contrôle du taux de fausses découvertes (Benjamini & Hochberg, 1995). Dans de telles configurations, la phrase de conclusion doit refléter précisément le seuil ajusté. L’auteur doit spécifier, par exemple, que la décision de rejet a été arrêtée sur la base d’un seuil corrigé de α_ajusté = 0,0167, garantissant ainsi une honnêteté intellectuelle sans faille dans la gestion du risque cumulé d’erreur de faux positif.

Sur le plan typographique et stylistique, le niveau alpha doit être standardisé conformément aux usages reconnus des publications scientifiques internationales. La lettre grecque α est employée sans italique, suivie de l’opérateur d’égalité approprié et du niveau décimal exact (privé de zéro initial dans le style anglo-saxon, mais fréquemment muni du zéro dans les revues francophones qui respectent les conventions typographiques nationales : α = 0,05 ou α = 0,01). Cette standardisation rigoureuse offre une lisibilité instantanée et confère aux paragraphes de résultats une facture académique irréprochable.

2.3 La contextualisation substantielle dans la discipline

L’accumulation de symboles mathématiques et de verdicts d’inégalité probabiliste ne constitue que la partie instrumentale du rapport de recherche. Une conclusion statistique réussie ne se termine jamais sur l’affirmation abstraite « nous rejetons l’hypothèse nulle ». Elle doit opérer une traduction immédiate, précise et articulée des métriques calculées vers les concepts théoriques et les variables psychologiques concrètes qui motivent la recherche. Le lecteur ne s’intéresse pas uniquement au fait que la statistique t dépasse une valeur tabulée : il cherche à comprendre ce que ce résultat révèle quant aux comportements, aux émotions ou aux fonctions cognitives des participants étudiés.

La contextualisation implique d’apporter une réponse sans détour à la question de recherche posée dans l’introduction du manuscrit. Si l’interrogation portait sur l’efficacité relative d’une thérapie d’exposition par réalité virtuelle comparée à une thérapie d’exposition in vivo dans le traitement des phobies spécifiques, la conclusion doit stipuler clairement laquelle de ces modalités s’est avérée supérieure, ou si aucune différence n’a pu être mise en lumière. La statistique de test doit être subordonnée à la réalité clinique ou expérimentale, servant de fondement de validation à l’affirmation narrative plutôt que de fin en soi.

De surcroît, la contextualisation exige la spécification de l’ampleur et de la directionnalité du phénomène constaté. Il est notoirement insuffisant d’écrire qu’un facteur « a un effet significatif » sans préciser la polarité de cet impact (qui obtient des scores plus élevés ? à quel degré ? dans quelles conditions ?). Rédiger une conclusion substantielle impose de mentionner les statistiques descriptives de base (les moyennes et écarts-types de chacun des groupes) en étroite synergie avec la statistique inférentielle, afin de brosser un tableau exhaustif, intelligible et immédiatement exploitable pour la théorisation psychologique ultérieure.

3. Précision linguistique et épistémologie : Rejeter vs Échouer à rejeter

3.1 L’asymétrie fondamentale de la preuve statistique

L’incapacité fréquente des chercheurs à rédiger correctement les conclusions statistiques non significatives plonge ses racines dans une mauvaise compréhension de l’épistémologie de la falsification formalisée par le philosophe des sciences Karl Popper. Selon la doctrine falsificationniste, une théorie scientifique ne peut jamais être prouvée de manière inductive définitive par la simple accumulation d’observations corroborantes ; elle peut en revanche être réfutée de manière déductive par l’émergence d’une seule observation contradictoire reproductible. Appliquée aux tests d’hypothèses fréquentistes, cette asymétrie implique que les données empiriques disposent de la puissance logique requise pour discréditer le modèle d’absence d’effet (H₀), mais ne disposent jamais des moyens logiques de valider positivement ce modèle.

L’adage méthodologique bien connu résume ce principe sans détour : l’absence de preuve n’est pas la preuve de l’absence. Le fait qu’un échantillon ne contienne pas de preuves empiriques suffisamment solides pour rejeter l’hypothèse nulle ne prouve aucunement que la population d’origine se caractérise par une identité absolue de paramètres. Ce résultat peut découler d’une multitude de facteurs extrinsèques totalement déconnectés de la vérité du phénomène : une taille d’échantillon trop modeste, une imprécision des instruments de mesure psychométriques, une variabilité interindividuelle excessive ou l’existence d’un effet ténu que l’expérience n’était pas dimensionnée pour intercepter. Déclarer une équivalence absolue à partir d’un échec de rejet constitue une faute logique majeure qui dénature les bases du raisonnement probabiliste.

Les conséquences épistémologiques d’une telle confusion sont délétères pour l’ensemble du champ scientifique. Affirmer péremptoirement que deux traitements psychothérapeutiques produisent des effets strictement identiques au seul motif que la comparaison de leurs moyennes n’a pas atteint le seuil arbitraire de significativité statistique (p = 0,08 ou même p = 0,45) risque d’induire en erreur les cliniciens en masquant une supériorité substantielle mais non confirmée faute de puissance. De même, ce glissement rhétorique alimente le biais de publication en incitant les chercheurs à transformer des résultats « non concluants » en prétendues « validations d’équivalence », obscurcissant les protocoles de méta-analyse.

3.2 Le choix lexical rigoureux imposé par le non-rejet

Pour prévenir ces glissements fallacieux, la communauté scientifique exige un contrôle lexical drastique dès lors que le test ne permet pas de franchir le seuil de signification. L’usage de la formule « nous échouons à rejeter l’hypothèse nulle » (ou l’alternative parfaitement équivalente « nous ne pouvons rejeter l’hypothèse nulle ») n’est pas une coquetterie de puriste, mais une nécessité déontologique. Cette locution met en exergue l’agentivité de l’investigateur et les limitations inhérentes au dispositif de recueil : c’est le chercheur et son protocole expérimental qui ne sont pas parvenus à exhiber des données assez divergentes pour terrasser le modèle nul.

Le vocabulaire employé doit impérativement répercuter cette idée d’une insuffisance probatoire des données disponibles. Les formulations recommandées reposent sur des structures telles que « Les données recueillies n’apportent pas de preuves empiriques statistiquement suffisantes pour réfuter l’hypothèse d’une égalité des scores… » ou encore « Il n’est pas possible d’exclure l’hypothèse selon laquelle les écarts constatés proviennent du simple hasard d’échantillonnage ». Ces énoncés préservent l’intégrité de l’approche fréquentiste en reconnaissant la neutralité agnostique du test statistique : le test n’a pas prouvé que l’effet n’existe pas, il a simplement établi qu’il n’a pas été en mesure d’en établir l’existence au-delà d’un doute raisonnable standardisé.

Dans l’écosystème éditorial des revues internationales à comité de lecture, les relecteurs méthodologistes traquent impitoyablement toute entorse à cette règle syntaxique. Les formulations telles que « les deux groupes présentent des scores similaires », « l’absence d’impact a été confirmée », ou pire encore, « H₀ a été validée par nos analyses », font l’objet d’un refus de publication immédiat ou de demandes de corrections majeures. L’auteur rigoureux adopte d’emblée une prose épurée de toute prétention dogmatique vis-à-vis du non-rejet.

3.3 La gestion rhétorique du risque d’erreur de type II

L’analyse d’un résultat non significatif ne saurait s’émanciper d’une réflexion formelle sur l’erreur de deuxième espèce, traditionnellement désignée par la lettre grecque β (bêta). Alors que l’erreur de première espèce (α) quantifie le risque d’affirmer un effet illusoire, l’erreur de type II correspond à la probabilité de manquer un effet véritablement présent au sein de la population. Le complément à l’unité de ce risque, défini par 1 – β, constitue la puissance statistique du test : c’est la probabilité intrinsèque de détecter un effet d’une ampleur donnée si cet effet existe dans la réalité. Dès lors qu’un test débouche sur un non-rejet de l’hypothèse nulle, le spectre de l’erreur de type II plane lourdement sur la validité substantive de la conclusion.

La nuance rédactionnelle apportée au verdict statistique dépend directement de la taille de l’échantillon analysé et de la puissance d’analyse mobilisée a priori. Si le protocole a été calibré avec un effectif massif calculé au moyen d’une analyse de puissance a priori rigoureuse garantissant une puissance supérieure à 0,80 ou 0,90 pour détecter un effet minime, l’échec de rejet peut être discuté avec une relative confiance pragmatique : l’effet hypothétique, s’il subsiste, est fort probablement trop marginal pour revêtir une signification pratique concrète. En revanche, face à une étude pilote s’appuyant sur un effectif étique de 15 participants par groupe, un résultat non significatif traduit quasi invariablement une défaillance de puissance statistique plutôt qu’un éclairage informatif sur la population.

Pour éviter d’égarer la communauté scientifique, la rhétorique rédactionnelle doit moduler son affirmation en liant explicitement l’issue du test à cette question de puissance. Dans la section des résultats et au début de la discussion, l’auteur d’une étude faiblement puissée se gardera bien de clamer la futilité de la variable étudiée ; il écrira avec mesure : « Étant donné la puissance statistique limitée de notre devis expérimental, cet échec de rejet doit être interprété avec la plus grande prudence, les données actuelles ne permettant pas de discriminer un réel effet de petite amplitude des fluctuations de l’échantillonnage ».

4. Formuler une conclusion en cas de rejet de l’hypothèse nulle

4.1 La structure syntaxique standard du rejet

La formulation du rejet de l’hypothèse nulle obéit à une grammaire scientifique standardisée dont l’objectif exclusif est d’assurer une clarté absolue et une non-ambiguïté parfaite. La structure syntaxique canonique s’articule généralement autour d’une proposition principale décrivant l’impact ou la relation conceptuelle observée, flanquée d’incises parenthéthiques ou textuelles apportant les preuves empiriques calculées. Cette architecture garantit que le lecteur assimile instantanément le phénomène substantiel tout en vérifiant en temps réel la robustesse du critère quantitatif.

La séquence argumentative optimale s’organise selon le schéma ternaire suivant :

• L’énonciation du résultat substantiel : désignation claire des variables impliquées et de la nature de la variation constatée.
• Le positionnement probabiliste formel : indication de la significativité statistique en regard du seuil de décision retenu.
• L’insertion normalisée du bloc statistique : mention intégrale du symbole du test, des degrés de liberté associés, de la valeur empirique de la statistique, de la valeur p exacte, de la taille d’effet et de son intervalle de confiance.

Une formulation exemplaire prend la forme suivante : « L’analyse révèle un effet statistiquement significatif du type d’intervention sur les performances mnésiques, conduisant au rejet de l’hypothèse nulle d’égalité des moyennes au seuil α = 0,05, F(2, 87) = 5,42, p = 0,006, η_p² = 0,11 ». Cet agencement ne laisse planer aucun doute : le lecteur comprend la décision inférentielle, son ancrage probabiliste et les paramètres numériques indispensables à l’évaluation de sa sévérité.

4.2 Intégration du sens de l’effet dans la conclusion

Rejeter l’hypothèse nulle certifie qu’il existe un écart systématique au sein des données, mais cette étape statistique est incomplète si le texte ne renseigne pas la trajectoire de cet écart. En particulier dans le cadre de tests omnibus ou d’analyses bilatérales, le rejet statistique informe uniquement de l’existence d’une inégalité globale, laissant le lecteur dans l’ignorance quant à la polarité des variations observées. L’intégration de la directionnalité de l’effet constitue donc une obligation rédactionnelle absolue.

Pour un test unilatéral ou une comparaison bivariée directionnelle, le chercheur doit spécifier explicitement quel groupe présente la moyenne la plus élevée ou le rang supérieur, tout en joignant impérativement les statistiques descriptives associées (moyenne arithmétique M et écart-type ET, ou médiane Mdn et écart interquartile EIQ). Par exemple : « Les participants soumis au protocole de méditation de pleine conscience ont manifesté une réduction significativement plus importante de leur niveau de cortisol salivaire (M = 4,12 nmol/L, ET = 0,85) que les participants assignés à la condition d’attente (M = 6,78 nmol/L, ET = 1,12) ». Sans cette précision directionnelle, la conclusion demeure une coquille vide incapable de nourrir un raisonnement théorique.

Cette rigueur implique également de s’interdire toute extrapolation non étayée. Le sens de l’effet ne doit être formulé que sur les variables effectivement opérationnalisées dans le protocole. Si la variable dépendante est un score à une échelle d’évaluation déclarative de l’humeur dépressive (BDI-II), le chercheur n’écrira pas que « l’intervention a éradiqué la dépression clinique », mais bien que « l’intervention a significativement diminué les scores déclaratifs de dépression mesurés à l’inventaire BDI-II ». Le respect de cette correspondance stricte entre opérationnalisation et conclusion protège le chercheur contre les généralisations abusives.

4.3 Modèles de phrases types validés pour le rejet

Afin d’outiller concrètement les chercheurs dans leur travail de rédaction, plusieurs matrices syntaxiques validées peuvent être mobilisées en fonction de la méthodologie retenue. L’examen des contrastes entre énoncés acceptables et formulations défaillantes permet d’identifier précisément les écueils à bannir.

Gabarit pour devis expérimental interventionnel :
« L’administration de l’intervention cognitive a induit une amélioration statistiquement significative de la vitesse de traitement perceptif comparativement au groupe contrôle sous placebo, nous conduisant à rejeter l’hypothèse nulle (t(58) = 3,45, p = 0,001, d = 0,89, IC à 95 % [0,36, 1,42]). Le groupe expérimental obtient des temps de réaction moyens significativement plus courts (M = 420 ms, ET = 45) que le groupe témoin (M = 465 ms, ET = 52). »

Gabarit pour étude corrélationnelle ou observationnelle :
« Les résultats mettent en évidence une association linéaire positive et statistiquement significative entre le sentiment d’auto-efficacité professionnelle et l’engagement organisationnel, réfutant l’hypothèse nulle d’indépendance bivariée au seuil α = 0,05 (r(148) = 0,42, p < 0,001, IC à 95 % [0,28, 0,54]). »

Analyse comparative d’énoncés acceptables et défaillants :

• Défaillant : « Le test prouve que le nouveau traitement est meilleur que l’ancien (p = 0,03). »
  Critique : Présomption épistémologique absolue (« prouve »), absence de mention du test, des degrés de liberté, de la taille d’effet et des statistiques descriptives.
• Acceptable : « Les données révèlent une supériorité statistiquement significative du nouveau traitement par rapport au traitement conventionnel sur les scores de récupération fonctionnelle, t(78) = 2,21, p = 0,030, d = 0,49. »
• Défaillant : « Nous pouvons rejeter l’hypothèse nulle car l’erreur statistique est inférieure à 5 %. »
  Critique : Définition erronée de la valeur p comme probabilité d’erreur de la conclusion.
• Acceptable : « La probabilité d’obtenir un tel écart sous l’hypothèse nulle étant inférieure au seuil critique retenu (p = 0,022 < 0,05), l’hypothèse nulle est formellement rejetée. »

5. Formuler une conclusion en cas de non-rejet de l’hypothèse nulle

5.1 La structure syntaxique du non-rejet

L’écriture d’un résultat non statistiquement significatif requiert une acuité stylistique et méthodologique bien plus exigeante que celle d’un résultat positif. La tentation est souvent grande pour le chercheur déçu d’édulcorer l’absence de significativité ou, à l’inverse, d’affirmer dogmatiquement qu’aucun phénomène n’existe. La structure syntaxique du non-rejet doit maintenir une stricte neutralité scientifique, reconnaissant humblement l’incapacité de l’expérience à fournir une preuve concluante tout en préservant le respect absolu des règles de la logique déductive.

L’assertion directrice d’une conclusion de non-rejet s’articule impérativement autour de l’insuffisance des données recueillies. L’analyste affirme formellement qu’il n’existe pas d’éléments empiriques statistiquement suffisants pour motiver l’abandon de l’hypothèse nulle. Cette posture n’équivaut nullement à certifier la vérité intrinsèque de cette hypothèse ; elle établit simplement que le signal capté par l’instrument expérimental ne parvient pas à se détacher du bruit aléatoire de fond avec la netteté probabiliste exigée par le seuil α.

La formulation type répond à ce standard épistémologique : « Au regard des données recueillies, le test d’hypothèse ne permet pas de mettre en évidence un effet statistiquement significatif du type d’ambiance sonore sur l’attention sélective au seuil α = 0,05. Nous échouons par conséquent à rejeter l’hypothèse nulle d’égalité des performances entre les conditions acoustiques ». Cette construction préserve l’équilibre méthodologique requis : elle acte l’impasse probabiliste sans préjuger de l’inexistence ontologique d’un impact marginal que d’autres protocoles plus affûtés parviendraient éventuellement à cerner.

5.2 Écueils rédactionnels majeurs à neutraliser

La littérature en sciences humaines abonde de dérives discursives visant à masquer ou enjoliver l’échec de significativité statistique. L’éradication de ces sophismes stylistiques est une condition sine qua non d’une pratique scientifique honnête et rigoureuse. Trois écueils majeurs doivent être neutralisés de manière impérative :

En premier lieu se dresse l’erreur d’égalité stricte. Il est formellement exclu d’écrire que les groupes sont « identiques », « strictement équivalents » ou qu’« aucune différence n’existe entre les conditions ». Une absence de différence statistiquement significative signifie uniquement que la différence observée dans l’échantillon peut résulter de fluctuations d’échantillonnage ; elle ne prouve nullement l’égalité parfaite des paramètres dans la population. Si le chercheur désire véritablement démontrer l’équivalence de deux groupes, il doit impérativement mobiliser des protocoles statistiques dédiés, tels que les tests d’équivalence (test TOST pour Two One-Sided Tests), en déclarant une marge d’indifférence clinique a priori (Lakens, 2017).

En second lieu figure le mirage rhétorique de la « tendance vers la significativité ». Lorsque la valeur p s’établit dans une zone intermédiaire comprise entre 0,05 et 0,10, de nombreux auteurs succombent à la tentation de qualifier leur résultat de « tendance marginalement significative » ou de déclarer que les données « suggèrent un effet tendant à la significativité ». Cette gymnastique linguistique est intenable au sein du cadre théorique fréquentiste binaire : le seuil alpha ayant été fixé a priori comme frontière étanche de décision, un résultat est soit significatif (p < α), soit non significatif (p ≥ α). La notion de « presque significatif » détruit la fonction même du seuil de décision et introduit une subjectivité préjudiciable.

En troisième lieu s’impose l’interdiction d’inférer la fausseté de l’hypothèse théorique sous-jacente. Échouer à rejeter H₀ ne démontre nullement que l’hypothèse théorique de recherche alternative (H_A) est erronée ou caduque. Une telle conclusion ferait abstraction des limitations de puissance statistique, des erreurs de mesure potentielles et de la variabilité résiduelle de l’échantillonnage. Le verdict s’applique au jeu de données présent, non à la théorie générale.

5.3 Modèles de phrases types pour le non-rejet

Pour assurer une formulation parfaitement étanche aux critiques méthodologiques, les chercheurs peuvent se conformer aux gabarits rédactionnels suivants, adaptés aux structures classiques d’analyse bivariée :

Gabarit formel pour test t de Student non concluant :
« Le test t de Student pour échantillons indépendants ne révèle aucune différence statistiquement significative entre le score moyen des participants du groupe témoin (M = 52,3, ET = 8,4) et celui des participants du groupe expérimental (M = 54,1, ET = 9,1), t(62) = 0,81, p = 0,421, d = 0,20, IC à 95 % [-0,29, 0,70]. Par conséquent, nous échouons à rejeter l’hypothèse nulle d’égalité des scores moyens dans la population au seuil α = 0,05. »

Gabarit formel pour analyse de corrélation linéaire non significative :
« L’analyse du coefficient de corrélation linéaire de Pearson n’indique pas de relation statistiquement significative entre le nombre d’heures de sommeil déclarées et le niveau de créativité verbale évalué au test de Torrance, r(88) = -0,08, p = 0,453, IC à 95 % [-0,28, 0,13]. Les données recueillies s’avèrent insuffisantes pour rejeter l’hypothèse nulle d’absence de liaison linéaire au sein de la population cible. »

Gabarit formel pour régression multiple sans apport prédictif :
« L’introduction de l’extraversion dans le modèle de régression linéaire hiérarchique n’entraîne pas d’accroissement statistiquement significatif de la variance expliquée de la satisfaction professionnelle, ΔR² = 0,01, F(1, 112) = 1,15, p = 0,286. Il n’est donc pas possible d’affirmer que ce trait de personnalité contribue de manière unique à prédire la variable dépendante au-delà des facteurs déjà contrôlés. »

6. Exemples appliqués : Tests de comparaison de moyennes

6.1 Le test t de Student pour échantillons indépendants

Considérons une recherche expérimentale en psychologie clinique visant à mesurer l’efficacité d’une psychothérapie cognitive et comportementale (TCC) novatrice sur le niveau d’anxiété sociale de jeunes adultes, évalué au moyen de l’échelle de Liebowitz (LSAS). Un échantillon de 60 participants diagnostiqués a été assigné aléatoirement soit à un groupe d’intervention TCC (n = 30), soit à un groupe placé sur liste d’attente (n = 30). Au terme d’un protocole de douze semaines, les scores d’anxiété sont compilés.

Exemple de rédaction d’une conclusion avec rejet de l’hypothèse nulle :
« Un test t de Student pour échantillons indépendants a été conduit afin d’évaluer l’impact du protocole de TCC sur le niveau d’anxiété sociale des participants. L’analyse révèle une différence statistiquement significative entre les deux groupes au seuil α = 0,05, t(58) = 4,72, p < 0,001, d = 1,22, IC à 95 % [0,67, 1,77]. Les participants ayant bénéficié de la prise en charge TCC affichent un score d’anxiété sociale moyen significativement plus bas (M = 48,60, ET = 11,20) que les individus maintenus sur liste d’attente (M = 63,40, ET = 13,05). Ces données permettent de rejeter formellement l’hypothèse nulle et confirment l’efficacité thérapeutique du protocole avec une taille d’effet substantielle. »

Exemple de rédaction d’une conclusion avec non-rejet de l’hypothèse nulle :
« Le test t de Student pour échantillons indépendants n’indique aucune divergence statistiquement significative entre le score moyen d’anxiété du groupe TCC (M = 55,20, ET = 12,40) et celui du groupe témoin (M = 58,10, ET = 13,10) à l’issue de l’intervention, t(58) = 0,88, p = 0,382, d = 0,23, IC à 95 % [-0,28, 0,74]. Les données empiriques actuelles ne fournissent pas de preuves suffisantes pour rejeter l’hypothèse nulle d’égalité des niveaux d’anxiété entre les deux conditions au seuil α = 0,05. »

6.2 Le test t de Student pour échantillons appariés

Imaginons un devis intra-sujet conduit en neuropsychologie cognitive évaluant les effets d’un programme d’entraînement cognitif informatisé de huit semaines sur la capacité de mémoire de travail de 40 patients présentant un déclin cognitif subjectif. L’empan mnésique complexe a été mesuré individuellement avant l’entraînement (pré-test) et immédiatement après l’achèvement du programme (post-test). Les mesures étant issues des mêmes sujets, la dépendance statistique intra-individuelle doit impérativement être modélisée.

La formulation narrative de la conclusion statistique met en évidence la trajectoire de changement longitudinal :

« Un test t de Student pour échantillons appariés a été exécuté pour déterminer si le programme d’entraînement informatisé s’accompagnait d’une modulation significative des capacités de mémoire de travail. Les analyses démontrent une progression statistiquement significative des scores entre la mesure pré-test et la mesure post-test, t(39) = 3,68, p < 0,001, d_z = 0,58, IC à 95 % [0,24, 0,92]. L’empan mnésique moyen s’est accru de manière substantielle, passant de 4,15 items (ET = 0,85) avant intervention à 4,85 items (ET = 0,92) après entraînement, correspondant à un gain intra-individuel moyen de 0,70 item (ET = 1,20). L’hypothèse nulle d’invariance temporelle des scores est ainsi rejetée au seuil α = 0,05, étayant l’hypothèse d’une plasticité mnésique stimulée par l’outil numérique. »

6.3 L’analyse de variance unidirectionnelle (ANOVA)

Envisageons une étude clinique randomisée comparant l’efficacité de trois modalités thérapeutiques distinctes sur le soulagement de la dépression majeure auprès de 90 participants assignés équitablement (n = 30 par condition) : (1) Thérapie cognitive, (2) Thérapie interpersonnelle, et (3) Groupe de soutien non directif. Le critère d’évaluation repose sur le score obtenu à l’échelle d’évaluation de Hamilton (HDRS) au bout de six mois.

Dans ce contexte à k > 2 groupes, la conclusion statistique doit articuler deux phases successives : le verdict global du test omnibus F de Fisher, puis le déploiement des comparaisons planifiées ou post-hoc nécessaires pour situer précisément l’origine des disparités :

« Une analyse de variance unidirectionnelle inter-sujets (ANOVA) a été conduite afin de comparer l’efficacité des trois approches psychothérapeutiques sur la sévérité dépressive mesurée à l’échelle de Hamilton. L’analyse omnibus indique un effet principal statistiquement significatif de la modalité thérapeutique, conduisant au rejet de l’hypothèse nulle d’équivalence générale des traitements au seuil α = 0,05, F(2, 87) = 6,84, p = 0,002, η_p² = 0,14, IC à 95 % [0,03, 0,26]. »

« Des comparaisons post-hoc menées avec l’ajustement de Tukey HSD (α = 0,05) révèlent que les participants assignés à la thérapie cognitive affichent des scores de dépression résiduels significativement plus faibles (M = 11,40, ET = 3,20) que ceux orientés vers le groupe de soutien non directif (M = 14,80, ET = 3,90, p = 0,001, d = 0,95). De même, la thérapie interpersonnelle conduit à des scores de dépression significativement réduits (M = 12,10, ET = 3,50) comparativement au groupe de soutien (p = 0,012, d = 0,73). En revanche, aucune différence statistiquement significative n’émerge entre la thérapie cognitive et la thérapie interpersonnelle (p = 0,695, d = 0,21). »

7. Exemples appliqués : Analyses de corrélation et d’association catégorielle

7.1 Le coefficient de corrélation linéaire de Pearson

Dans le domaine de la psychologie du travail et des organisations, un protocole d’enquête transversale s’intéresse aux déterminants de l’épuisement professionnel. Les chercheurs administrent à un échantillon de 120 soignants en milieu hospitalier deux questionnaires standardisés : l’un quantifiant la charge de travail mentale perçue (NASA-TLX), l’autre mesurant la dimension « épuisement émotionnel » de l’inventaire de Maslach (MBI).

La conclusion statistique doit intégrer conjointement l’orientation du lien, son intensité mathématique et sa significativité, tout en s’interdisant tout glissement sémantique vers la causalité :

« Le calcul du coefficient de corrélation linéaire de Pearson met en évidence une association bivariée positive, statistiquement significative et de magnitude modérée à élevée entre la charge de travail perçue et l’épuisement émotionnel chez les soignants, r(118) = 0,54, p < 0,001, IC à 95 % [0,39, 0,66]. L’hypothèse nulle postulant une absence de covariance linéaire dans la population hospitalière est formellement rejetée au seuil α = 0,05. Les données démontrent qu’une perception accrue des contraintes de charge professionnelle s’accompagne systématiquement d’un niveau supérieur d’épuisement psychologique (la variance partagée s’élevant à R² = 29,2 %). Il convient toutefois de rappeler que la nature transversale et corrélationnelle de ces mesures n’autorise aucune déduction d’ordre causal direct quant aux facteurs déclencheurs de la pathologie d’épuisement. »

7.2 Le test d’indépendance du Chi-carré

Considérons une étude en psychologie de l’orientation et de la personnalité investiguant la distribution des styles d’attachement adulte (sécure, anxieux, évitant) en fonction de la filière académique choisie (sciences humaines vs sciences fondamentales et d’ingénierie) auprès d’une cohorte de 200 étudiants universitaires de première année.

La conclusion du test d’indépendance du Chi-carré de Pearson doit rendre compte du décalage entre les effectifs observés empiriquement et les effectifs théoriques calculés sous l’hypothèse de stricte indépendance des deux variables catégorielles :

« Un test d’indépendance du Chi-carré de Pearson (avec correction de continuité lorsque applicable) a été exécuté afin d’analyser la relation entre le style d’attachement des participants et leur appartenance académique. L’analyse révèle un écart statistiquement significatif par rapport au modèle d’indépendance, χ²(2, N = 200) = 8,92, p = 0,012, V de Cramér = 0,21. L’hypothèse nulle stipulant l’indépendance stochastique des deux distributions est par conséquent rejetée au seuil α = 0,05. L’examen des fréquences observées indique une surreprésentation des profils d’attachement anxieux au sein de la filière des sciences humaines (34 observés pour 25 théoriques), tandis que les profils sécures sont distribués de façon plus prépondérante dans le cursus des sciences de l’ingénieur (55 observés pour 45 théoriques). La taille de cet effet catégoriel s’avère d’ampleur modeste selon les critères conventionnels de Cohen. »

7.3 Les tests non paramétriques (Mann-Whitney et Wilcoxon)

Lorsque les postulats métriques fondamentaux des tests gaussiens conventionnels (tels que la normalité de la distribution des résidus ou l’homogénéité des variances) sont violés, ou lorsque la variable mesurée présente un caractère purement ordinal, le recours aux tests non paramétriques s’avère indispensable. Considérons une étude en psychologie du développement comparant des scores d’empathie comportementale (évalués sur une échelle ordinale de Lickert allant de 1 à 7) chez deux groupes d’enfants d’âge préscolaire : un groupe ayant suivi un module de jeux coopératifs (n = 18) et un groupe témoin (n = 18).

La rédaction de la conclusion statistique délaisse alors les moyennes arithmétiques pour se focaliser sur les rangs ou les médianes :

« En raison de la nature ordinale des scores et du non-respect de l’hypothèse de normalité univariée (test de Shapiro-Wilk, p = 0,015), un test U de Mann-Whitney a été mobilisé pour comparer l’empathie comportementale des deux cohortes. Les scores du groupe de jeux coopératifs (rang moyen = 23,45, Mdn = 5,50) s’avèrent significativement supérieurs à ceux observés dans le groupe contrôle (rang moyen = 13,55, Mdn = 3,50), U = 72,50, z = 2,82, p = 0,005, r = 0,47. Ces données autorisent le rejet de l’hypothèse nulle d’égalité stochastique des distributions au seuil α = 0,05. Les enfants ayant bénéficié des activités coopératives manifestent une propension significativement plus marquée à adopter des conduites empathiques spontanées en situation ludique. »

8. Conformité aux normes de l’APA (7e édition) pour la présentation des résultats

8.1 Typographie et standardisation des statistiques de test

Le manuel officiel de l’American Psychological Association (7e édition) édicte des prescriptions typographiques d’une précision millimétrique destinées à unifier la communication des résultats scientifiques à l’échelle planétaire. Le non-respect de ces canons graphiques signale immédiatement aux évaluateurs un manque de professionnalisme méthodologique. La règle cardinale impose d’abord l’italisation systématique de toutes les lettres latines utilisées pour désigner des paramètres statistiques ou des quantités de test (telles que t, F, r, p, z, d, N, n, M, ET, R²). En revanche, les lettres grecques (telles que α, β, η, χ²) et les indices typographiques conservent impérativement leur graisse et leur style romain standard (droit).

Une seconde exigence concerne la gestion des espaces entourant les opérateurs arithmétiques et logiques. Conformément aux normes typographiques internationales, les opérateurs tels que le signe d’égalité (=), d’inégalité (<, >, ≤, ≥), d’addition ou de soustraction doivent être encadrés par des espaces insécables avant et après leur insertion (on écrit « p = 0,024 » et non « p=0,024 » ; « r > 0,30 » et non « r>0,30 »). Cette aération visuelle prévient la compaction inesthétique du texte scientifique.

Enfin, la règle relative au zéro initial constitue l’un des marqueurs les plus distinctifs du style APA : un nombre ne prend jamais de zéro avant la virgule (ou le point décimal en anglais) dès lors qu’il s’agit d’une métrique qui ne peut mathématiquement jamais excéder l’unité. C’est précisément le cas des valeurs de probabilité (p), des coefficients de corrélation (r, ρ) ou des fractions de variance expliquée (R², η²). Ainsi, dans une publication en langue anglaise conforme à l’APA, on notera exclusivement « p = .034 » ou « r = -.45 ». En français, bien que l’usage de la virgule décimale soit la règle linguistique nationale, l’alignement sur les périodiques internationaux impose souvent de proscrire le zéro devant la virgule ou d’harmoniser rigoureusement le style selon les consignes éditoriales de la revue soumissionnée.

8.2 Déclaration exacte des degrés de liberté et valeurs p

L’identification précise de l’armature probabiliste sous-jacente exige la mention intégrale des degrés de liberté associés à chaque distribution de test. Ceux-ci doivent être rigoureusement insérés entre parenthèses, accolés directement et sans espace au symbole de la statistique concernée. Pour un test de Student, on indiquera ainsi t(58) ; pour une analyse de variance, les deux degrés de liberté (degré du facteur inter-groupes puis degré de l’erreur résiduelle) sont consécutivement mentionnés séparés par une virgule : F(2, 87) ; pour un Chi-carré, on spécifiera χ²(2, N = 200).

Concernant la restitution des valeurs de probabilité, la 7e édition de l’APA proscrit vigoureusement l’ancienne pratique consistant à réduire systématiquement les probabilités à des seuils vagues (tels que « p < .05 », « p < .01 » ou la mention particulièrement floue « ns » pour non significatif). Les auteurs ont l’obligation déontologique de rapporter la valeur p exacte calculée par le logiciel, arrondie à deux ou trois décimales significatives (par exemple, p = 0,042 ou p = 0,518). Cette transparence permet aux métanalystes de compiler fidèlement les statistiques sans devoir recalculer rétroactivement les probabilités exactes.

Une unique exception déroge à cette obligation d’exactitude numérique : le cas des probabilités infinitésimales. Lorsqu’un progiciel de traitement statistique affiche une valeur telle que « .000 » ou une notation exponentielle inférieure à un millième, l’auteur ne doit jamais écrire « p = 0,000 » (une probabilité n’étant jamais strictement nulle en inférence continue). La seule notation légitime et normalisée par l’APA consiste à rapporter : p < 0,001 (ou p < .001 selon la convention d’omission du zéro initial). Ce format signale que la probabilité sous H₀ est inférieure à un millième tout en évitant l’assertion absurde d’une impossibilité mathématique absolue.

8.3 Intégration fluide des statistiques dans le texte narratif

Une section « Résultats » ne doit jamais ressembler à un relevé télégraphique ou à une suite informe de parenthèses statistiques compilées sans élégance stylistique. L’objectif d’une prose académique mature réside dans l’intégration harmonieuse des résultats empiriques au sein d’une démonstration argumentative fluide. La statistique inférentielle doit servir de pivot probatoire venant appuyer une phrase substantielle qui possède déjà, en elle-même, un sens complet.

Deux techniques majeures d’intégration stylistique sont recommandées :

• L’intégration parenthétique : L’assertion narrative principale est déployée intégralement, le bloc de statistiques formelles venant s’insérer en toute fin de proposition pour sceller la preuve empirique.
  Exemple : « L’anxiété état s’est révélée significativement plus aiguë chez les sujets soumis au stresseur acoustique imprévisible que chez les témoins exposés à un son régulier, t(74) = 3,12, p = 0,003, d = 0,72. »
• L’intégration narrative intégrée : Les grandeurs statistiques deviennent les sujets ou les compléments directs des verbes de la phrase, dynamisant la lecture et évitant la monotonie des parenthèses répétitives.
  Exemple : « Le test F(1, 48) = 14,23 a confirmé l’effet substantiel du temps d’apprentissage sur la rétention mnésique (p < 0,001, η_p² = 0,23), confirmant l’avantage d’une pratique espacée par rapport à une session massée. »

Cette harmonisation formelle doit préparer logiquement la transition vers la section « Discussion » de l’article savant. Alors que les résultats compilent minutieusement les faits arithmétiques et les décisions binaires immédiates, la discussion reprendra ces verdicts épurés de leur armature numérique brute pour les confronter aux modèles conceptuels, aux théories antagonistes et aux applications cliniques de terrain.

9. L’apport indispensable de la taille d’effet et des intervalles de confiance

9.1 L’insuffisance notoire de la seule significativité statistique

Au cours des dernières décennies, la recherche en sciences psychologiques a traversé une crise méthodologique sans précédent, communément désignée sous le vocable de crise de la reproductibilité. Au cœur des débats épistémologiques figure une critique dévastatrice adressée au test rituel de signification de l’hypothèse nulle (le NHST pour Null Hypothesis Significance Testing). L’écueil fondamental de cette approche lorsqu’elle est employée isolément réside dans l’asservissement mécanique de la valeur p à la taille de l’échantillon analysé (N). La statistique de test s’exprime fondamentalement comme le produit de la taille d’effet par la racine carrée de la taille d’échantillon :

Statistique de test = Taille de l’effet × f(N)

Il découle inéluctablement de cette loi mathématique qu’avec un échantillon suffisamment massif (par exemple 10 000 participants issus de cohortes de données massives), n’importe quelle divergence infinitésimale et totalement insignifiante sur le plan psychologique ou clinique produira une valeur p spectaculairement significative (p < 0,0001). À l’inverse, une étude pionnière explorant un effet clinique majeur mais contrainte par un échantillon restreint de patients rares peut échouer à atteindre le seuil fatidique de 0,05. La significativité statistique n’informe donc absolument pas sur l’importance théorique, la magnitude substantielle ou l’utilité pratique d’un résultat scientifique. Ce constat a conduit à un puissant mouvement de réforme méthodologique initié par des pionniers tels que Jacob Cohen (1994) et prolongé par Geoff Cumming sous la bannière de « la nouvelle statistique ».

9.2 Formulation conjointe avec la taille d’effet

Pour affranchir l’inférence scientifique de cette dépendance réductrice à la seule p-valeur, les comités de rédaction des revues savantes et le manuel officiel de l’APA imposent désormais l’incorporation systématique d’un indice quantifié de taille d’effet standardisée dans toute conclusion statistique. La taille d’effet fournit une métrique affranchie de la taille de l’échantillon, mesurant avec objectivité l’amplitude concrète de la séparation entre deux populations ou l’intensité du lien entre deux dimensions psychologiques.

Les indicateurs de magnitude les plus couramment mobilisés se déclinent selon le type de modélisation mathématique mise en œuvre :

• La famille d (différences de moyennes standardisées) : Le d de Cohen ou le g de Hedges sont universellement rapportés lors des comparaisons de deux groupes. Selon les critères empiriques formulés par Cohen, une valeur de d voisine de 0,20 qualifie un effet faible ; 0,50 désigne un effet moyen ; 0,80 ou plus caractérise un effet fort.
• La famille r (variance partagée et association linéaire) : Le coefficient r de Pearson, le R² ou le f de Cohen quantifient la force de l’association, un r de 0,10 étant considéré comme faible, 0,30 comme modéré, et 0,50 ou plus comme puissant.
• La famille η² (proportions de variance en analyse multifactorielle) : L’êta-carré partiel (η_p²) et l’oméga-carré partiel (ω_p²) reflètent la fraction de variance attribuable à un facteur contrôlé, les repères habituels se fixant à 0,01 (effet ténu), 0,06 (effet modéré) et 0,14 (effet majeur).

L’articulation rédactionnelle doit qualifier verbalement cette magnitude sans se substituer au discernement propre au champ d’application. Un chercheur écrira par exemple : « L’entraînement métacognitif a suscité une réduction statistiquement significative des erreurs attentionnelles, t(48) = 2,85, p = 0,006, avec une taille d’effet que l’on peut qualifier de modérée à forte (d = 0,81) selon les critères usuels en neuropsychologie de la réhabilitation. »

9.3 Interprétation contextuelle des intervalles de confiance

L’estimation ponctuelle d’un paramètre (qu’il s’agisse d’une moyenne différentielle M_diff, d’une corrélation r ou d’un d de Cohen) ne capture qu’une photographie statique de l’échantillon analysé. Pour réintroduire la réalité de l’incertitude stochastique, la statistique moderne exige l’adjonction systématique d’un intervalle de confiance, typiquement calibré à 95 % (IC à 95 %). Sur le plan de la théorie fréquentiste rigoureuse, cet intervalle stipule que si nous répétions la même procédure d’échantillonnage une infinité de fois dans des conditions identiques, 95 % des intervalles ainsi calculés recouvriraient la véritable valeur du paramètre populationnel inconnu.

L’adjonction d’un intervalle de confiance enrichit considérablement la conclusion rédactionnelle en révélant la précision de l’estimation. Un intervalle extrêmement resserré (par exemple une différence moyenne de 12 points avec un IC à 95 % [10,5, 13,5]) démontre une mesure très affinée du phénomène sous-jacent. À l’opposé, un intervalle excessivement lâche (par exemple un d = 0,60 avec un IC à 95 % [0,05, 1,15]) signale une grande imprécision méthodologique, enjoignant l’auteur à modérer substantiellement ses affirmations théoriques en discussion malgré l’obtention formelle d’une valeur p inférieure à 0,05.

De plus, l’intervalle de confiance offre un substitut visuel immédiat au test d’hypothèse binaire : si l’intervalle de confiance d’une différence de moyennes englobe la valeur zéro (par exemple IC à 95 % [-2,40, 5,60]), cela équivaut mathématiquement à un échec de rejet de l’hypothèse nulle au seuil α = 0,05. L’expression textuelle complète d’un résultat incorpore dès lors systématiquement cette plage de plausibilité : « L’analyse révèle un effet thérapeutique significatif sur l’humeur, M_diff = 8,40 points, t(58) = 2,75, p = 0,008, avec un intervalle de confiance à 95 % compris entre 2,28 et 14,52 points, confirmant une amélioration clinique tangible bien que susceptible de varier d’un gain modeste à une progression spectaculaire. »

10. Erreurs méthodologiques, sophismes et pièges rhétoriques à éliminer

10.1 Le sophisme de l’affirmation de la conséquence

L’erreur conceptuelle la plus répandue et la plus destructrice chez les étudiants et les chercheurs non méthodologistes consiste à interpréter la significativité statistique sous le prisme d’une déduction bayésienne illégitime. En logique classique, le sophisme de l’affirmation de la conséquence se manifeste par la déduction invalide : « Si P implique Q, et que Q est observé, alors P est nécessairement vrai ». Dans le cadre de l’inférence fréquentiste, l’erreur s’incarne dans la confusion fatale entre la probabilité des données empiriques sachant que l’hypothèse nulle est vraie, notée P(D | H₀), et la probabilité inverse que l’hypothèse nulle soit vraie au vu des données recueillies, notée P(H₀ | D).

Cette distorsion cognitive pousse fréquemment l’auteur à affirmer à tort : « Le test ayant produit une valeur p = 0,03, il n’y a que 3 % de chances que l’hypothèse nulle soit vraie dans la population ». Une telle déclaration est épistémologiquement absurde : au sein de l’école fréquentiste, un paramètre de population n’est pas une variable aléatoire ; l’hypothèse nulle est soit vraie à 100 %, soit fausse à 100 %, elle ne possède pas de probabilité intrinsèque continue. La valeur p quantifie exclusivement la plausibilité conditionnelle de l’échantillon sous l’égide du modèle nul, rien de plus.

Pour éliminer définitivement ce piège rhétorique, la correction rédactionnelle impose de maintenir en permanence la posture fréquentiste rigoureuse : l’auteur doit affirmer que « la probabilité d’observer un tel écart entre les moyennes si le traitement était totalement dépourvu d’effet n’est que de 3 % », et non que « le traitement a 97 % de chances d’être actif ». Ce maintien méticuleux de l’ordre conditionnel préserve la validité formelle du discours savant.

10.2 La tentation du p-hacking et de la reformulation post-hoc

La pression académique à la publication couplée au biais systémique favorisant les résultats statistiquement significatifs a historiquement encouragé des pratiques méthodologiques hautement contestables regroupées sous le vocable de « p-hacking » ou d’ajustements opportunistes de données. L’une des dérives les plus toxiques pour l’intégrité de la recherche est le HARKing (acronyme de Hypothesizing After the Results are Known), une pratique consistant à concevoir une hypothèse rétrospectivement après avoir pris connaissance de la significativité statistique des analyses, tout en la présentant malhonnêtement dans le corps du texte comme une prédiction a priori déduite des modèles théoriques.

Sur le plan de la rédaction des conclusions, cette falsification intellectuelle déforme radicalement la nature de l’inférence. Le calcul d’une valeur p et la fixation du seuil α reposent sur l’hypothèse fondamentale que le test valide une hypothèse formulée préalablement et de manière totalement indépendante des données recueillies. Dès lors qu’un chercheur explore des dizaines de corrélations possibles dans une matrice multivariée, sélectionne la seule combinaison franchissant par hasard le seuil de 0,05, et rédige sa conclusion comme si cette relation constituait son hypothèse initiale, il travestit une analyse purement exploratoire en démarche confirmatoire.

La déontologie scientifique impose une séparation rédactionnelle étanche et transparente :

• Toute hypothèse issue de la phase exploratoire post-hoc doit être expressément déclarée comme telle : « Des analyses exploratoires non planifiées a priori ont mis au jour une association inattendue entre la variable X et la variable Y… »
• Le chercheur a l’obligation de rapporter la totalité des tests exécutés dans le cadre du protocole, interdisant la disparition sélective des variables non significatives.
• La pré-enregistrement des protocoles et des hypothèses sur des plateformes institutionnelles ouvertes (telles que l’Open Science Framework) constitue le garant ultime de cette intégrité rédactionnelle.

10.3 Les amalgames causaux et sur-généralisations hâtives

L’ultime catégorie d’erreurs rhétoriques concerne l’attribution indue d’un statut causal à une simple association statistique, ainsi que l’élargissement démesuré du champ d’application des résultats au-delà du périmètre de l’échantillon sélectionné. Déceler qu’une corrélation entre deux variables psychologiques atteint une significativité éclatante (par exemple r = 0,65, p < 0,001) n’accorde absolument aucun droit scientifique d’affirmer que la première variable « engendre », « déclenche », « cause » ou « détermine » la survenue de la seconde.

Les conclusions abusives de causalité omettent systématiquement deux menaces majeures à la validité interne : le problème de la causalité inverse (c’est l’état émotionnel qui peut conditionner le comportement, et non l’inverse) et l’existence probable de variables tierces ou de facteurs confondants non mesurés (la variable confondante Z qui régule simultanément les variations de X et de Y). L’auteur d’un devis corrélationnel ou observationnel doit s’astreindre à un lexique scrupuleusement réservé à l’association : « co-varie avec », « s’accompagne d’une variation de », « se trouve positivement associé à », en proscrivant formellement le vocabulaire de l’influence mécanique unilatérale.

De surcroît, la rédaction doit se garder de toute sur-généralisation hâtive quant à la population cible. Un test statistique exécuté sur un échantillon d’étudiants de licence en psychologie au sein d’une université occidentale (la fameuse population WEIRD : Western, Educated, Industrialized, Rich, Democratic) ne saurait autoriser une conclusion proclamant l’universalité d’un processus psychologique humain. La conclusion doit délimiter scrupuleusement ses frontières d’inférence en spécifiant explicitement les caractéristiques démographiques et socioculturelles du groupe interrogé.

11. De la conclusion statistique à l’inférence théorique dans la Discussion

11.1 Transposition de la décision empirique vers le cadre conceptuel

Alors que la section « Résultats » réclame une concision chirurgicale et une neutralité arithmétique rigoureuse, la section « Discussion » a pour fonction d’élever la décision statistique au rang d’inférence théorique. Le rejet ou l’échec de rejet de l’hypothèse nulle ne constitue pas la destination ultime du voyage intellectuel, mais le point de départ d’une argumentation épistémologique visant à consolider, amender ou réfuter les modèles psychologiques qui prévalaient avant l’investigation.

La transposition réussie exige de reconnecter le verdict empirique avec les postulats théoriques concurrents exposés en introduction de l’ouvrage. Si les données ont conduit au rejet de l’hypothèse nulle validant une supériorité d’un protocole cognitif sur un témoin actif, l’auteur doit analyser comment cette divergence de scores s’insère dans les architectures conceptuelles existantes (par exemple, la théorie de la charge cognitive ou les modèles neurocognitifs du contrôle exécutif). Il convient d’expliciter les mécanismes mentaux hypothétiques qui rendent compte de cette efficacité statistique.

Cette herméneutique doit également aborder de front les divergences constatées avec la littérature internationale. Si l’étude débouche sur un échec de rejet contredisant des méta-analyses antérieures, l’auteur ne saurait se réfugier derrière un aveuglement méthodologique : il lui incombe d’examiner si des variations dans l’opérationnalisation des instruments, la fidélité des échelles psychométriques ou le profil sociodémographique de la cohorte peuvent expliquer cette disparité de résultats, maintenant une chaîne d’argumentation logique sans la moindre fracture dialectique.

11.2 Examen critique des limites internes et de la puissance a posteriori

L’évaluation honnête de la portée d’une conclusion statistique impose une introspection impitoyable sur les vulnérabilités méthodologiques intrinsèques de l’étude. Aucun protocole expérimental, aussi minutieusement conçu soit-il, n’est exempt de limites susceptibles d’altérer la robustesse de l’inférence finale. L’auteur d’une conclusion académique se doit de dresser l’inventaire des menaces à la validité interne et externe qui pèsent sur ses affirmations.

Parmi ces interrogations figure la question de la fidélité des mesures psychologiques mobilisées. Si une tâche comportementale présente une variabilité test-retest substantielle ou si une échelle clinique affiche une cohérence interne précaire (α de Cronbach ou ω de McDonald insatisfaisant), l’inférence statistique s’en trouve lourdement fragilisée. De même, l’impact potentiel d’une attrition sélective (la perte de participants en cours d’étude affectant de manière différentielle le groupe expérimental et le groupe témoin) doit être formellement examiné.

Concernant la puissance statistique, il convient d’aborder avec la plus grande circonspection le calcul de la « puissance a posteriori » (ou post-hoc power), une pratique consistant à déduire la puissance du test à partir de la valeur p effectivement obtenue. Les méthodologistes ont démontré que cette démarche relève d’une pure tautologie mathématique dénuée de sens informatif. En revanche, l’auteur d’un résultat non significatif doit discuter la largeur de son intervalle de confiance pour démontrer l’incertitude entourant l’estimation, tout en traçant les perspectives impérieuses de réplications directes ou conceptuelles au moyen de cohortes multicentriques hautement puissées.

11.3 Formulations appliquées aux implications cliniques et pratiques

Pour les recherches appliquées menées dans le champ de la santé mentale, de la psychologie clinique, de l’ergonomie ou des sciences de l’éducation, la conclusion statistique doit ultimement se traduire en recommandations pragmatiques intelligibles pour les praticiens et les décideurs institutionnels. Une significativité statistique n’a de valeur que si elle est capable d’infléchir les pratiques de terrain ou d’éclairer la prise en charge thérapeutique des patients.

Cette traduction implique d’évaluer le rapport coût-bénéfice de l’intervention à la lueur combinée de la taille de son effet et des contraintes logistiques qu’elle impose. Une intervention psychothérapeutique novatrice dont l’apport statistiquement significatif se traduit par un modeste d = 0,15 (IC à 95 % [0,02, 0,28]) au prix de quarante heures de formation intensive par praticien présente une utilité clinique très discutable. L’auteur doit avoir la probité de contextualiser l’apport réel du verdict chiffré :

« Bien que le protocole atteigne formellement le seuil de signification statistique sur le plan de l’adhésion au traitement, la faiblesse de la taille d’effet observée incite à la prudence quant à son déploiement généralisé en milieu hospitalier, le coût matériel de l’implémentation surpassant vraisemblablement le gain clinique effectif enregistré pour les patients. »

12. Guide récapitulatif et gabarits prêts à l’emploi pour chercheurs

12.1 Arbre de décision rédactionnel systématique

Afin d’éradiquer définitivement les hésitations syntaxiques et d’assurer une parfaite conformité épistémologique lors de la restitution de vos analyses, le processus de rédaction d’une conclusion de test d’hypothèse peut être décomposé en un algorithme séquentiel en quatre phases consécutives :

• Étape 1 : Diagnostic décisionnel par arbitrage binaire
  Confronter la valeur p calculée au seuil α préalablement établi. Si p < α, la décision logique impose le rejet catégorique de H₀. Si p ≥ α, la décision logique impose impérativement l’énoncé d’un échec de rejet de H₀. Toute velléité d’accepter l’hypothèse nulle ou de formuler une tendance marginale doit être immédiatement stoppée.
• Étape 2 : Sélection de la formule décisionnelle canonique
  Adopter la structure linguistique adéquate : affirmer l’existence d’un effet statistiquement significatif en cas de rejet, ou affirmer l’insuffisance des données pour infirmer l’absence d’effet en cas de non-rejet.
• Étape 3 : Adjonction rigoureuse des paramètres d’estimation et d’incertitude
  Insérer le bloc normalisé des statistiques conformes à l’APA : lettre du test en italique, degrés de liberté entre parenthèses, valeur de la statistique, valeur p exacte, indice de taille d’effet standardisé et intervalle de confiance à 95 %.
• Étape 4 : Traduction substantielle et directionnelle
  Rédiger la phrase narrative finale traduisant les chiffres en construits psychologiques : désignation explicite du sens du phénomène, inclusion des statistiques descriptives (moyennes, écarts-types) et réponse explicite à la question de recherche initiale.

12.2 Tableau synoptique des structures rédactionnelles par test

Le tableau synoptique suivant compile les matrices d’écriture recommandées ainsi que les écueils lexicaux récurrents pour les grandes familles de tests statistiques en psychologie :

Test Statistique	Formulation Recommandée (Rejet / Non-Rejet)	Erreurs Typographiques & Écueils Critiques
Test t de Student pour échantillons indépendants	Rejet : « Il existe une différence statistiquement significative entre les moyennes du groupe A (M = …, ET = …) et du groupe B (M = …, ET = …), t(df) = …, p = …, d = …, IC à 95 % […]. » Non-Rejet : « Les données n’apportent pas de preuves suffisantes pour rejeter l’hypothèse nulle d’égalité des moyennes, t(df) = …, p = …, d = …, IC à 95 % […]. »	• Écrire p = .000 au lieu de p < .001. • Oublier d’italiser t, p, d, M, ET. • Déclarer que les groupes sont « identiques » en cas de non-rejet. • Omettre les écarts-types descriptifs.
Analyse de variance (ANOVA omnibus)	Rejet : « L’effet principal de la condition est statistiquement significatif, F(df1, df2) = …, p = …, ηp2 = …, conduisant au rejet de l’hypothèse nulle d’invariance globale des moyennes. » Non-Rejet : « Nous échouons à rejeter l’hypothèse nulle d’égalité globale des moyennes des conditions, F(df1, df2) = …, p = …, ηp2 = … »	• Omettre le premier degré de liberté du facteur. • Conclure sur la supériorité d’un groupe spécifique sans avoir conduit et rapporté les tests post-hoc appropriés. • Confondre η2 et ηp2.
Corrélation linéaire de Pearson	Rejet : « Une association linéaire positive et statistiquement significative apparaît entre X et Y, r(df) = …, p = …, IC à 95 % […]. » Non-Rejet : « L’analyse ne révèle pas de relation linéaire statistiquement significative entre les variables X et Y, r(df) = …, p = …, IC à 95 % […]. »	• Employer des verbes de causalité (« X influence Y »). • Mettre un zéro avant la virgule pour r dans le format APA. • Omettre la taille d’échantillon ou les degrés de liberté (N – 2).
Test du Chi-carré d’indépendance	Rejet : « L’analyse révèle une dépendance statistiquement significative entre les deux variables, χ2(df, N = …) = …, p = …, V = … » Non-Rejet : « Il n’est pas possible d’écarter l’hypothèse d’indépendance stochastique des distributions, χ2(df, N = …) = …, p = …, V = … »	• Omettre la lettre grecque χ2 ou son carré. • Ne pas mentionner la taille globale de l’échantillon N. • Ne pas rapporter les effectifs observés versus théoriques pour expliciter le sens du décalage.
Test non paramétrique de Mann-Whitney	Rejet : « Les scores d’empathie du groupe A (rang moyen = …, Mdn = …) sont significativement supérieurs à ceux du groupe B (rang moyen = …, Mdn = …), U = …, z = …, p = …, r = … »	• Rapporter des moyennes arithmétiques au lieu des rangs ou médianes. • Omettre la conversion de la statistique U en score standardisé z pour l’estimation de la taille d’effet.

12.3 Grille d’auto-évaluation avant soumission académique

Avant d’expédier un manuscrit de recherche, un mémoire de master ou une thèse doctorale aux instances d’évaluation ou aux revues savantes internationales, soumettez l’intégralité de vos paragraphes de résultats à la présente grille d’auto-évaluation systématique :

• Vérification épistémologique et lexicale :
  • Le verbe « accepter » appliqué à l’hypothèse nulle a-t-il été rigoureusement banni de l’intégralité du document ?
  • En cas de résultat non significatif, les termes « échouer à rejeter » ou « ne pas pouvoir rejeter » sont-ils systématiquement mobilisés ?
  • Toute référence pseudo-scientifique à une « tendance marginale à la significativité » (0,05 < p < 0,10) a-t-elle été scrupuleusement purgée ?
  • L’absence de différence statistiquement significative est-elle bien décrite comme une insuffisance de preuves empiriques plutôt que comme une preuve d’égalité parfaite des groupes ?
• Conformité typographique et stylistique APA (7e édition) :
  • Toutes les lettres latines désignant des statistiques de test ou des paramètres d’échantillon sont-elles strictement en italique (t, F, p, r, z, d, M, ET) ?
  • Les lettres grecques (α, β, η_p², χ²) et leurs exposants sont-ils rigoureusement écrits en caractères romains droits ?
  • Les opérateurs mathématiques (=, <, >) sont-ils bordés d’espaces régulières de part et d’autre ?
  • Les valeurs exactes de probabilité sont-elles rapportées à trois décimales près, avec l’usage exclusif de la mention « p < 0,001 » pour les probabilités infinitésimales ?
  • Les zéros initiaux superflus ont-ils été supprimés pour toutes les grandeurs bornées à l’unité selon la langue retenue ?
• Exhaustivité méthodologique et intégration substantielle :
  • Les degrés de liberté exacts sont-ils dûment mentionnés entre parenthèses immédiatement après la lettre du test ?
  • Une mesure appropriée de taille d’effet standardisée (d de Cohen, η_p², r) est-elle systématiquement associée à chaque test ?
  • Les intervalles de confiance à 95 % accompagnent-ils les estimations différentielles ou les indices d’amplitude ?
  • Les statistiques descriptives indispensables (M et ET, ou Mdn et rangs) figurent-elles dans le corps du texte pour expliciter la direction de l’effet ?
  • La conclusion répond-elle clairement à la question de recherche initiale en contextualisant le verdict arithmétique dans le champ théorique de la psychologie ?
  • Tout amalgame de causalité dans les devis corrélationnels ou observationnels a-t-il été impitoyablement éradiqué ?

En observant sans concession l’ensemble de ces canons méthodologiques et formels, le chercheur confère à ses travaux une crédibilité scientifique pérenne, hissant la rédaction de ses résultats statistiques au niveau des standards les plus exigeants de la science internationale contemporaine.

Références

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Benjamini, Y., & Hochberg, Y. (1995). Controlling the false discovery rate: A practical and powerful approach to multiple testing. Journal of the Royal Statistical Society: Series B (Methodological), 57(1), 289–300. https://doi.org/10.1111/j.2517-6161.1995.tb02031.x
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Cohen, J. (1994). The earth is round (p < .05). American Psychologist, 49(12), 997–1003. https://doi.org/10.1037/0003-066X.49.12.997
• Cumming, G. (2014). The new statistics: Why and how. Psychological Science, 25(1), 7–29. https://doi.org/10.1177/0956797613504966
• Fisher, R. A. (1925). Statistical methods for research workers. Oliver and Boyd.
• Gelman, A., & Stern, H. (2006). The difference between « significant » and « not significant » is not itself statistically significant. The American Statistician, 60(4), 328–331. https://doi.org/10.1198/000313006X152607
• Henrich, J., Heine, S. J., & Norenzayan, A. (2010). The weirdest people in the world? Behavioral and Brain Sciences, 33(2–3), 61–83. https://doi.org/10.1017/S0140525X0999152X
• Kerr, N. L. (1998). HARKing: Hypothesizing after the results are known. Personality and Social Psychology Review, 2(3), 196–217. https://doi.org/10.1207/s15327957pspr0203_4
• Lakens, D. (2017). Equivalence testing for psychological research: A tutorial. Advances in Methods and Practices in Psychological Science, 1(2), 259–269. https://doi.org/10.1177/2515245918770963
• Neyman, J., & Pearson, E. S. (1933). On the problem of the most efficient tests of statistical hypotheses. Philosophical Transactions of the Royal Society of London. Series A, 231(694–706), 289–337. https://doi.org/10.1098/rsta.1933.0009
• Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science, 349(6251), aac4716. https://doi.org/10.1126/science.aac4716
• Popper, K. (1959). The logic of scientific discovery. Hutchinson & Co.
• Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108