Test de Dunn pour comparaisons multiples

Dans le paysage contemporain de la recherche quantitative et de la modélisation statistique, l’analyse des données non gaussiennes représente un défi récurrent pour les chercheurs en sciences du comportement, en psychologie clinique, en neurosciences et en médecine translationnelle. Lorsque les hypothèses strictes de normalité distributionnelle et d’homoscédasticité sous-jacentes au modèle linéaire général et à l’analyse de variance (ANOVA) univariée se trouvent compromises, le recours à l’inférence non paramétrique s’impose comme un impératif méthodologique incontournable. Le test de Kruskal-Wallis permet alors de déterminer si au moins une population diffère de manière stochastique par rapport aux autres face à une variable indépendante catégorielle comportant trois modalités ou plus.

Toutefois, la détection d’un effet omnibus statistiquement significatif ne révèle rien sur la localisation exacte des divergences intergroupes. C’est précisément pour lever cette ambiguïté fondamentale que les procédures de comparaisons multiples a posteriori ont été développées. Au premier rang de ces méthodes non paramétriques post-hoc se trouve le test de Dunn, conçu pour isoler les contrastes par paires tout en maintenant les propriétés d’attribution des rangs établies à l’échelle globale de l’échantillon. Cette procédure constitue la véritable suite logique du test de Kruskal-Wallis, palliant les biais inhérents à la réapplication successive de tests de Wilcoxon-Mann-Whitney isolés.

Le présent article propose un traité méthodologique exhaustif du test de Dunn pour comparaisons multiples. À travers une exploration approfondie de ses fondements mathématiques, de son comportement face à l’inflation de l’erreur de Type I, de son protocole d’application pas à pas, de son implémentation dans les environnements informatiques modernes (R, Python, SPSS, JASP) et de son articulation avec les standards de publication scientifique, ce guide offre aux chercheurs et praticiens une référence rigoureuse pour fiabiliser leurs analyses non paramétriques.

1. Introduction et fondements théoriques du test de Dunn

1.1 Origine historique et justification statistique

L’essor de la statistique moderne dans la seconde moitié du vingtième siècle a été marqué par une prise de conscience graduelle des limites du paradigme paramétrique fondé par Ronald Fisher, Jerzy Neyman et Egon Pearson. Bien que les méthodes paramétriques bénéficient d’une puissance statistique optimale lorsque leurs postulats d’application sont rigoureusement satisfaits, leur résilience s’effondre notablement lorsque les distributions empiriques présentent des asymétries prononcées, un aplatissement anomal ou une contamination par des valeurs aberrantes extrêmes. C’est dans ce contexte de renouveau épistémologique qu’ont émergé les méthodes d’inférence non paramétriques, dites à distribution libre, dont les propriétés ne reposent pas sur l’estimation des moments d’une loi théorique définie a priori.

La statisticienne américaine Olive Jean Dunn (1915–2008), professeure de biostatistique à l’Université de Californie à Los Angeles (UCLA), a joué un rôle déterminant dans la formalisation des procédures de décision simultanées. En 1964, Dunn publie dans les pages de la revue Technometrics un article fondateur intitulé « Multiple Comparisons Using Rank Sums ». Dans cette contribution majeure, elle théorise une procédure post-hoc destinée à faire suite au test de Kruskal-Wallis en utilisant l’information distributionnelle conjointe issue du classement initial de toutes les observations. Dunn a démontré qu’il était erroné de réassigner de nouveaux rangs pour chaque paire de sous-échantillons, car cette pratique détruisait la structure géométrique globale établie par le modèle omnibus.

Dans l’inférence statistique contemporaine, le test de Dunn s’est consolidé comme la référence théorique canonique pour les contrastes par paires non paramétriques sur échantillons indépendants. En intégrant la variance d’échantillonnage de l’ensemble du dispositif expérimental dans le dénominateur de sa statistique de test, Dunn a fourni aux expérimentateurs une méthode robuste, élégante et universellement applicable, garantissant la cohérence mathématique interne entre le test global et la localisation fine des effets.

1.2 La problématique des comparaisons multiples a posteriori

L’un des défis épistémologiques majeurs de la modélisation statistique réside dans la transition entre l’hypothèse globale et les hypothèses spécifiques. Une analyse omnibus, qu’elle soit paramétrique (comme l’ANOVA) ou non paramétrique (comme le test de Kruskal-Wallis), évalue l’hypothèse nulle générale selon laquelle l’ensemble des populations sous-jacentes partagent la même fonction de répartition. Cependant, le rejet de cette hypothèse nulle ne renseigne en aucun cas sur le nombre, l’orientation ou l’amplitude des contrastes spécifiques responsables de ce rejet. L’expérimentateur se trouve alors confronté au dilemme de la localisation des effets.

La recherche de ces effets localisés s’effectue généralement par le biais de comparaisons par paires dites a posteriori ou post-hoc. Contrairement aux contrastes planifiés, qui sont déduits d’hypothèses théoriques délimitées avant la collecte des données et dont le nombre restreint préserve une fraction substantielle de la puissance statistique, les comparaisons post-hoc revêtent une dimension exploratoire. Elles comparent potentiellement toutes les combinaisons possibles de deux groupes pris parmi k modalités expérimentales. Pour k groupes, le nombre total de comparaisons binaires non redondantes est donné par le coefficient binomial k(k – 1) / 2.

Cette multiplication des tests engendre une instabilité probabiliste critique : sans ajustement formel, l’accumulation des décisions statistiques individuelles accroît de façon géométrique la probabilité d’observer des rejets fortuits de l’hypothèse nulle. La nécessité de recourir à des tests post-hoc adaptés aux distributions ordinales devient alors impérieuse pour cartographier rigoureusement les frontières de significativité au sein de l’espace expérimental.

1.3 Pertinence méthodologique en psychologie quantitative

La psychologie quantitative, la neuropsychologie et les sciences sociales appliquées constituent un terrain privilégié pour le test de Dunn. Les protocoles de mesure dans ces disciplines reposent très fréquemment sur des instruments psychométriques générant des données typiquement non continues. L’usage généralisé des échelles de Likert, des scores composites d’anxiété ou de dépression (comme le BDI ou l’HAD), des temps de réaction soumis à un plancher ou un plafond, ou encore des indices de performance cognitive produit des distributions qui violent systématiquement l’hypothèse de normalité univariée.

De surcroît, la recherche clinique et cognitive est souvent contrainte par des contraintes d’échantillonnage sévères. Les cohortes de patients présentant des psychopathologies rares ou des lésions cérébrales spécifiques présentent fréquemment des effectifs restreints (parfois moins d’une quinzaine d’individus par bras expérimental) et des variances d’une grande hétérogénéité. L’application d’un test post-hoc paramétrique classique comme le test de Tukey HSD (Honestly Significant Difference) ou le test de Scheffé s’avère méthodologiquement hasardeuse dans ces conditions, exposant le chercheur à des conclusions erronées.

Le test de Dunn apporte une réponse mathématiquement valide à cette configuration expérimentale en transformant les valeurs brutes en rangs conjoints. Il garantit que l’échelle ordinale intrinsèque des instruments d’évaluation psychologique est respectée sans postuler arbitrairement l’équidistance des intervalles de mesure, tout en assurant une détection fine des écarts de localisation entre des conditions d’intervention thérapeutiques distinctes.

2. Le test de Kruskal-Wallis comme prérequis méthodologique

2.1 Propriétés fondamentales du test de Kruskal-Wallis

Le test élaboré par William Kruskal et W. Allen Wallis en 1952 représente l’extension non paramétrique directe de l’ANOVA univariée pour k échantillons indépendants. Son architecture conceptuelle repose sur l’élimination des métriques d’origine au profit d’un classement unifié de l’ensemble des N observations collectées à travers tous les groupes d’étude. Chaque observation se voit attribuer un rang compris entre 1 (pour la plus petite valeur observée) et N (pour la valeur la plus élevée), en résolvant les éventuelles égalités par la moyenne des rangs partagés.

Sous l’hypothèse nulle fondamentale (H0), le test postule que les k échantillons proviennent de populations ayant des fonctions de répartition identiques. Si cette hypothèse est exacte, les rangs attribués doivent se distribuer de manière aléatoire et uniforme entre les différents groupes expérimentaux. La statistique globale de Kruskal-Wallis, généralement désignée par la lettre H, quantifie l’écart quadratique pondéré entre la moyenne des rangs observée au sein de chaque groupe et la moyenne théorique globale des rangs qui est égale à (N + 1) / 2.

Lorsque la taille globale de l’échantillon est suffisante (généralement lorsque chaque sous-groupe comporte au moins cinq sujets), la distribution d’échantillonnage de la statistique H converge de manière asymptotique vers une loi de Chi-deux avec k – 1 degrés de liberté. Cette propriété mathématique permet d’obtenir une probabilité critique (p-valeur) permettant d’infirmer ou de conserver l’hypothèse d’équivalence distributionnelle globale.

2.2 De la significativité omnibus aux comparaisons par paires

L’obtention d’un seuil de significativité inférieur au risque d’erreur conventionnel (typiquement p < 0,05) lors de l’exécution du test de Kruskal-Wallis constitue la condition préalable requise pour autoriser l’investigation des contrastes individuels. Ce mécanisme de protection, théorisé dans les protocoles de tests d’hypothèses séquentiels, vise à prémunir le chercheur contre les illusions inférentielles liées au chalutage de données (data dredging).

Si la statistique H n’atteint pas le seuil de rejet critique, l’analyste doit impérativement conclure à l’absence de preuve suffisante pour discriminer les groupes, et le processus d’inférence s’arrête là. Entreprendre des comparaisons par paires en présence d’un test omnibus non significatif induit un risque démesuré de fausse découverte, car n’importe quel écart binaire fortuitement significatif relèverait du pur bruit d’échantillonnage plutôt que d’un effet expérimental tangible.

En revanche, dès lors que l’hypothèse nulle globale est réfutée, la transition théorique vers les comparaisons multiples prend tout son sens. Le test de Dunn intervient précisément à ce stade : il hérite du classement conjoint établi lors de l’étape omnibus et procède à la décomposition analytique de la variance des rangs pour situer quelles paires spécifiques s’écartent l’une de l’autre au-delà des fluctuations prévisibles de l’échantillonnage.

2.3 Gestion des rangs moyens et distributions sous-jacentes

L’un des aspects les plus délicats et fréquemment mal compris de l’analyse non paramétrique concerne la métrique exacte sur laquelle porte l’inférence. Contrairement à une croyance répandue dans de nombreux manuels d’introduction, le test de Kruskal-Wallis et le test de Dunn ne constituent pas intrinsèquement des comparaisons directes des médianes arithmétiques des populations, mais bien des comparaisons de la distribution globale des rangs moyens.

Pour qu’un test sur les rangs moyens puisse être rigoureusement interprété comme un test d’égalité des médianes, une contrainte géométrique sévère doit être respectée : l’hypothèse de formes distributionnelles identiques (shape assumption). Cela implique que les densités de probabilité des différents groupes doivent posséder une forme rigoureusement superposable, incluant la variance, l’asymétrie (skewness) et l’aplatissement (kurtosis), ne différant éventuellement que par un simple paramètre de translation spatiale sur l’axe des abscisses (décalage de localisation).

Si cette condition de stricte homogénéité des formes n’est pas vérifiée — ce qui constitue le cas le plus fréquent dans les données psychologiques cliniques où un traitement induit à la fois une baisse de la moyenne et une réduction drastique de la dispersion —, l’interprétation du test de Dunn doit être formulée en termes de dominance stochastique. La dominance stochastique établit qu’un groupe présente une probabilité systématiquement supérieure à celle d’un autre groupe de générer une valeur arbitrairement élevée lors d’un tirage au sort individuel.

3. Principes mathématiques et formulation statistique du test de Dunn

3.1 Calcul de la statistique standardisée z

La statistique fondamentale du test de Dunn repose sur l’évaluation de l’écart standardisé entre les rangs moyens de deux groupes distincts, conditionnellement au classement conjoint total opéré sur les k groupes. Soit R_i la somme des rangs assignés aux observations du groupe i, et n_i l’effectif associé à ce groupe. Le rang moyen empirique du groupe i est donné par l’expression mathématique élémentaire :

R_bar_i = R_i / n_i

Considérons à présent la comparaison spécifique entre deux groupes expérimentaux indexés par i et j (avec i distinct de j). La quantité d’intérêt primaire réside dans la différence arithmétique simple observée entre leurs rangs moyens respectifs :

Delta_R_ij = R_bar_i – R_bar_j

Afin de transformer cette différence brute en une métrique d’inférence exploitable, Dunn normalise cette quantité en la divisant par l’erreur type théorique de la différence des rangs moyens sous l’hypothèse nulle. Cette opération engendre une statistique de test standardisée, usuellement dénotée z_ij ou Q selon les conventions de notation académiques :

z_ij = (R_bar_i – R_bar_j) / sigma_ij

En vertu du théorème central limite et des propriétés combinatoires du reclassement conjoint de Wilcoxon et Kruskal-Wallis, la distribution d’échantillonnage de cette quantité z_ij converge de manière asymptotique vers la loi normale standard centrée et réduite N(0, 1) lorsque la taille globale de l’échantillon N tend vers l’infini. Cette convergence autorise l’usage des quantiles gaussiens pour évaluer la significativité statistique.

3.2 Formule de l’erreur type et correction pour ex-aequo

L’expression de l’erreur type sigma_ij reflète la variance théorique sous-jacente des rangs d’un échantillon tiré sans remise parmi une population finie de taille N. En l’absence totale de valeurs ex-aequo (c’est-à-dire si l’ensemble des N observations sont strictement distinctes et uniques), la variance conjointe théorique des rangs est fonction exclusive de la taille d’échantillon globale. L’erreur type est alors rigoureusement formulée ainsi :

sigma_ij = sqrt( [ (N * (N + 1)) / 12 ] * [ (1 / n_i) + (1 / n_j) ] )

Le terme (N * (N + 1)) / 12 représente la variance intrinsèque d’une distribution uniforme discrète des entiers de 1 à N. Cependant, dans les données empiriques réelles — tout particulièrement dans le cadre d’instruments psychométriques à échelle discrète —, des valeurs identiques surviennent fréquemment entre plusieurs sujets. L’attribution d’un rang moyen à ces observations conjointes réduit artificiellement la variance globale des rangs attribués.

Pour neutraliser ce biais et restaurer la validité de l’erreur de Type I, Dunn a incorporé un coefficient réducteur fondé sur les sommes de rangs liés. Soit g le nombre total de groupes de valeurs ex-aequo distincts, et t_m le nombre d’observations liées composant le m-ième groupe de nœuds. La formule de l’erreur type corrigée pour la présence d’ex-aequo prend la forme analytique suivante :

sigma_ij_corrigé = sqrt( [ (N * (N + 1)) / 12 – sum(t_m^3 – t_m) / (12 * (N – 1)) ] * [ (1 / n_i) + (1 / n_j) ] )

L’introduction de ce terme correctif au sein du dénominateur diminue légèrement la valeur de l’erreur type, augmentant ainsi de manière proportionnée la valeur absolue de la statistique standardisée z_ij. Cette correction empêche une perte artificielle de puissance statistique lorsque les données comportent une abondance de valeurs redondantes.

3.3 Formalisation des hypothèses nulle et alternative

La délimitation des zones de rejet exige une formalisation mathématique rigoureuse de l’espace des hypothèses soumises à vérification. Pour chaque paire spécifique comparant la modalité i à la modalité j, l’hypothèse nulle locale (H0_ij) stipule l’égalité stochastique des distributions parentes d’où sont extraits les échantillons :

H0_ij : F_i(x) = F_j(x) pour tout x réel

où F_i et F_j désignent respectivement les fonctions de répartition cumulée des populations sous-jacentes. Dans la plupart des contextes de recherche fondamentale et appliquée, le test est formulé de manière bilatérale (two-tailed). L’hypothèse alternative correspondante (H1_ij) postule la non-équivalence des fonctions de distribution :

H1_ij : F_i(x) != F_j(x) pour au moins une valeur de x

Lorsque des considérations théoriques hautement étayées permettent d’anticiper la direction précise de la supériorité d’un traitement sur un autre (par exemple dans le cas de l’évaluation d’un principe thérapeutique actif contre un placebo inerte), une formulation unilatérale peut être adoptée (H1 : F_i(x) > F_j(x) ou H1 : F_i(x) < F_j(x)). La règle de décision statistique repose sur la comparaison de la statistique observée z_ij à un quantile critique de la distribution normale z_alpha dépendant du seuil d’ajustement retenu pour compenser le risque global d’erreur.

4. Contrôle de l’inflation de l’erreur de Type I et méthodes d’ajustement

4.1 Le phénomène du Family-Wise Error Rate (FWER)

L’évaluation simultanée d’un ensemble de conjectures statistiques expose le processus décisionnel au piège classique de l’inflation du risque global d’erreur de première espèce, universellement désigné sous l’acronyme de Family-Wise Error Rate (FWER). Le FWER se définit formellement comme la probabilité d’obtenir au moins un rejet à tort de l’hypothèse nulle (faux positif) parmi la famille complète des c tests statistiques conduits sur le jeu de données.

Si l’on postule l’indépendance statistique stricte entre c tests élémentaires distincts menés chacun à un seuil nominal alpha (conventionnellement fixé à 0,05), la probabilité cumulative de commettre au moins une erreur de Type I au cours de la procédure conjointe s’exprime par la relation mathématique :

alpha_global = 1 – (1 – alpha)^c

Pour un design expérimental modeste comprenant 4 groupes indépendants, le nombre de comparaisons bilatérales possibles s’élève à 4 * 3 / 2 = 6 paires. En l’absence totale de contrôle statistique, le risque d’erreur global atteint :

alpha_global = 1 – (1 – 0,05)^6 = 1 – (0,95)^6 = 1 – 0,7351 = 0,2649 (soit plus de 26 %)

Ce niveau de risque compromet gravement la validité des conclusions empiriques. Si l’on pousse l’expérience à 6 groupes (15 comparaisons), le taux de fausse alerte franchit le cap alarmant des 53 %, ce qui signifie qu’il devient plus probable d’identifier faussement un effet imaginaire que d’aboutir à un ensemble de décisions intègres. Cette instabilité statistique a été identifiée comme l’un des déterminants majeurs de la crise de la réplicabilité qui frappe les sciences empiriques contemporaines, soulignant l’obligation déontologique de calibrer rigoureusement les seuils de décision.

4.2 La procédure classique de Bonferroni

La solution historiquement privilégiée par Olive Jean Dunn pour juguler cette inflation probabiliste repose sur l’inégalité de Boole-Bonferroni. Cette approche procède à une division uniforme et invariante du seuil nominal alpha par le nombre total de comparaisons d’intérêt conduites au sein de la famille expérimentale :

alpha_ajusté = alpha / c

Alternativement, et de façon équivalente dans la pratique des logiciels contemporains, la correction peut s’appliquer directement sur la probabilité calculée (p-valeur brute), en multipliant celle-ci par le coefficient c :

p_ajustée = min(1, c * p_brute)

La procédure de Bonferroni offre une garantie absolue de contrôle du FWER sous n’importe quelle structure de dépendance stochastique unissant les statistiques de test. Cette propriété d’invariance universelle constitue son atout majeur. Néanmoins, cette robustesse se paie au prix d’un hyperconservatisme méthodologique sévère. En répartissant le risque d’erreur de manière uniforme sans tenir compte des corrélations structurelles entre les tests conjoints, Bonferroni abaisse le seuil de significativité à des niveaux excessivement restrictifs dès que c augmente.

Cet écueil entraîne une dégradation dramatique de la puissance statistique (1 – beta), augmentant de façon drastique la probabilité de commettre une erreur de Type II (omettre d’identifier une différence réelle dans la population). En pratique, la correction classique de Bonferroni ne doit être préconisée que dans les protocoles impliquant un contingent restreint de contrastes (par exemple 3 ou 4 comparaisons ciblées) ou lorsque le coût théorique d’un faux positif s’avère absolument prohibitif.

4.3 Approches alternatives : Holm, Sidak et Benjamini-Hochberg

Face à l’intransigeance paralysante de la méthode de Bonferroni simple, la littérature méthodologique moderne privilégie des alternatives algorithmiques capables de préserver la puissance d’analyse tout en circonscrivant scrupuleusement l’erreur globale. Parmi celles-ci, la procédure séquentielle descendante développée par Sture Holm en 1979 (dite de Holm-Bonferroni) s’est imposée comme le standard d’excellence pour le FWER.

L’algorithme de Holm opère par étapes successives après avoir classé les c p-valeurs brutes dans un ordre strictement croissant : p_(1) <= p_(2) <= … <= p_(c). Chaque probabilité ordonnée est comparée séquentiellement à un seuil dynamique dégressif :

alpha_k = alpha / (c – k + 1)

où k représente l’indice de l’étape courante. Dès qu’une valeur p_(k) échoue à franchir le seuil critique alpha_k, le processus s’interrompt définitivement, et toutes les hypothèses restantes sont déclarées non significatives. La méthode de Holm domine uniformément la procédure de Bonferroni car elle contrôle le FWER avec la même exactitude mathématique tout en offrant une puissance statistique systématiquement supérieure.

La correction de Šidák (1967), quant à elle, repose sur une modélisation multiplicative sous l’hypothèse de variables indépendantes, appliquant le seuil 1 – (1 – alpha)^(1/c), ce qui procure un gain infinitésimal par rapport à Bonferroni sans en modifier l’essence structurelle.

Enfin, dans les contextes exploratoires à haut débit ou lorsque les hypothèses de recherche tolèrent une marge de déviation contrôlée, le basculement vers le contrôle du taux de fausses découvertes (False Discovery Rate ou FDR), modélisé par Yoav Benjamini et Yosef Hochberg en 1995, offre une souplesse remarquable. La procédure de Benjamini-Hochberg ne vise pas à empêcher l’émergence du moindre faux positif, mais garantit que la proportion moyenne d’erreurs parmi l’ensemble total des tests déclarés significatifs demeure inférieure à un seuil prédéterminé q (habituellement 0,05). Cette stratégie est fortement recommandée dans les criblages psychologiques exploratoires ou les études phénotypiques étendues.

5. Conditions d’application et robustesse du test en psychologie

5.1 Nature des données et plan d’échantillonnage

La validité des conclusions tirées de l’exécution d’un test de Dunn repose sur le respect scrupuleux d’un ensemble de contraintes architecturales inhérentes à la modélisation statistique. En premier lieu, la variable indépendante (ou facteur de classification) doit être de nature catégorielle et subdivisée en au moins trois modalités mutuellement exclusives. Le plan d’échantillonnage doit obligatoirement être un plan à groupes indépendants (entre-sujets), ce qui exclut catégoriquement l’application directe du test de Dunn conventionnel à des mesures répétées ou des plans intra-sujets (ces derniers requérant le test de Friedman assorti de comparaisons post-hoc adaptées telles que la procédure de Conover ou le test de Nemenyi).

En second lieu, la variable dépendante doit être mesurée sur une échelle au moins ordinale. Cette condition est particulièrement favorable aux sciences du comportement où les inventaires cliniques génèrent des rangements quantitatifs sans que l’on puisse mathématiquement prouver l’égalité des intervalles séparant chaque échelon de cotation. Le test de Dunn accepte indifféremment des variables numériques continues asymétriques ou des variables discrètes à granularité fine.

Enfin, le postulat fondamental le plus intransigeant réside dans l’indépendance mutuelle stricte de l’ensemble des observations. La sélection d’un individu dans un groupe ou la valeur prise par sa mesure ne doit exercer aucune influence stochastique sur la sélection ou les scores des autres participants. Toute violation de l’indépendance — comme le regroupement spatial de patients par centres hospitaliers ou le recrutement de fratries sans contrôle aléatoire — fausse radicalement la distribution des rangs et rend inapplicables les lois limites asymptotiques régissant l’erreur type conjointe.

5.2 Forme des distributions et interprétation des médianes

L’évaluation des profils distributionnels empiriques représente une étape d’un grand raffinement analytique lors de l’usage des méthodes non paramétriques. Si le test de Dunn est formellement libre de distribution (il ne présuppose pas la gaussianité), sa sémantique inférentielle dépend intimement de la morphologie comparée des densités de probabilité de chaque sous-population.

Deux situations distinctes se présentent au statisticien :

• Cas de formes distributionnelles similaires : Si l’inspection visuelle (via des histogrammes de densité, des diagrammes en boîte ou des tracés de type violon) confirme que les variances et les asymétries sont approximativement superposables entre les groupes, le test de Dunn se comporte comme une comparaison robuste des médianes. L’écart entre les rangs moyens traduit alors directement un déplacement horizontal de la médiane de la population.
• Cas de formes distributionnelles hétérogènes : Si les distributions présentent des motifs de dissymétrie divergents, des étalements asymétriques ou des hétérogénéités de variance prononcées, le test de Dunn conserve toute sa validité mathématique, mais son interprétation ne peut en aucun cas être restreinte à une comparaison de médianes. Il est alors rigoureusement obligatoire d’interpréter le test en termes d’inégalités de rangs moyens ou de dominance stochastique globale (la tendance probabiliste des observations d’un groupe à être systématiquement supérieures ou inférieures à celles d’un autre groupe).

L’analyste avisé en psychologie doit systématiquement accompagner la publication des résultats du test de Dunn par la divulgation explicite de ces indicateurs morphologiques afin de ne pas induire en erreur le lecteur sur la nature précise de la divergence mise au jour.

5.3 Sensibilité aux petits effectifs et données déséquilibrées

Sur le plan mathématique pur, la normalisation asymptotique de la statistique standardisée z s’appuie sur la loi de grands nombres et le théorème central limite. Par conséquent, la question de la performance du test de Dunn face à des échantillons de dimensions restreintes constitue une préoccupation méthodologique centrale. Des études de simulation de type Monte Carlo indiquent que la convergence vers la distribution gaussienne unitaire reste remarquablement stable dès lors que la taille totale de l’échantillon N dépasse une vingtaine d’individus et que chaque modalité expérimentale comporte au minimum 5 à 6 sujets.

Lorsque les tailles d’échantillons chutent en deçà de ces seuils critiques (par exemple dans le cadre d’études pilotes de pharmacologie comportementale où chaque condition n’aligne que 3 ou 4 réplicats), l’utilisation des valeurs critiques de la loi normale standard induit un léger biais libéral. Dans ces configurations marginales, le recours à des distributions exactes par permutation combinatoire est théoriquement préférable, bien que le calcul exact devienne exponentiellement lourd sur le plan combinatoire.

Concernant le problème des déséquilibres d’effectifs entre les groupes (unbalanced designs), le test de Dunn se distingue par une robustesse exceptionnelle. Contrairement à certaines méthodes post-hoc paramétriques qui souffrent lourdement de l’hétéroscédasticité combinée à des effectifs inégaux, la formule de l’erreur type sigma_ij pondère expressément les fractions 1 / n_i et 1 / n_j. Le test compense automatiquement le manque de précision inhérent aux sous-groupes clairsemés en élargissant l’erreur type du contraste concerné, évitant ainsi l’inflation non contrôlée des rejets aberrants.

6. Protocole méthodologique : Déroulement pas à pas de l’analyse

6.1 Étape 1 : Rangement global et agrégation des données

Le déclenchement formel de la procédure analytique débute par le rassemblement exhaustif des données brutes issues des k groupes au sein d’un vecteur unique de dimension N. L’expérimentateur fait abstraction complète, à ce stade, des étiquettes de traitement et classe l’ensemble des scores par ordre de grandeur croissant.

Chaque observation reçoit un numéro d’ordre séquentiel débutant à 1 pour la valeur minimale jusqu’à N pour la valeur maximale. Lorsque plusieurs observations partagent une valeur numérique identique, la procédure impose impérativement de leur attribuer le rang moyen des positions qu’elles auraient occupées si elles avaient été distinctes. Par exemple, si trois sujets obtiennent le score identique de 42 points et occupent potentiellement les positions séquentielles 8, 9 et 10, le rang équitablement conféré à chacun d’entre eux correspond à :

Rang = (8 + 9 + 10) / 3 = 27 / 3 = 9

Une fois cette étape de cotation achevée, les données sont à nouveau ventilées dans leurs groupes expérimentaux respectifs. L’analyste procède alors au calcul de la somme des rangs par groupe (dénotée R_i), puis à l’obtention des rangs moyens R_bar_i = R_i / n_i. La validité arithmétique de cette première étape peut être vérifiée par la propriété suivante : la somme de tous les R_i doit être exactement égale à N * (N + 1) / 2.

6.2 Étape 2 : Calcul des écarts de rangs moyens et des variances

La deuxième phase opératoire consiste à construire la matrice différentielle des contrastes bilatéraux. Pour chaque couple ordonné d’échantillons (i, j) avec i < j, l’expérimentateur extrait l’écart absolu ou relatif des rangs moyens :

Delta_R_ij = R_bar_i – R_bar_j

Simultanément, l’analyste procède à l’évaluation du terme d’ajustement pour valeurs ex-aequo. Il répertorie chaque grappe de nœuds distributionnels, en dénombre les occurrences t_m, et calcule la quantité corrective globale :

C_noeuds = sum(t_m^3 – t_m) / (12 * (N – 1))

L’erreur type conjointe sigma_ij propre à chaque contraste binaire est alors extraite selon la formule complète intégrant les effectifs spécifiques des deux groupes considérés. Enfin, la division de l’écart arithmétique par cette marge d’erreur standard produit la matrice complète des statistiques z_ij standardisées de Dunn.

6.3 Étape 3 : Dérivation des probabilités et application des corrections

La dernière étape opératoire est consacrée au passage des grandeurs d’écart standardisées aux probabilités critiques associées. Pour chaque valeur z_ij calculée, la probabilité unilatérale sous la courbe de la distribution normale standard est obtenue à l’aide de la fonction de répartition cumulative Phi(z) :

p_unilatérale = 1 – Phi(|z_ij|)

Pour un test bilatéral symétrique standard, la valeur de probabilité brute (two-tailed unadjusted p-value) correspond au doublement de cette surface :

p_brute_ij = 2 * [1 – Phi(|z_ij|)]

À ce stade, aucune inférence ne peut être prononcée sur la base de ces p-valeurs brutes sous peine de violer le contrôle du FWER. L’algorithme de correction arrêté au préalable dans le protocole de recherche (procédure séquentielle de Holm ou de Bonferroni classique) est alors appliqué à la famille complète des c = k(k – 1) / 2 valeurs p_brute_ij. Les probabilités ajustées finales p_ajustée_ij sont ensuite directement confrontées au seuil nominal prédéfini (alpha = 0,05). Tout contraste dont la valeur p corrigée demeure strictement inférieure à 0,05 atteste d’une différence stochastiquement significative entre les deux populations comparées.

7. Étude de cas empirique en psychologie clinique et cognitive

7.1 Contexte expérimental et modélisation des variables

Afin d’illustrer la mécanique opératoire du test de Dunn par un exemple clinique concret, considérons un essai comparatif randomisé mené au sein d’un service de psychopathologie hospitalière. L’investigation porte sur l’évaluation de l’efficacité comparative de trois stratégies thérapeutiques visant la réduction des manifestations anxieuses chez des adultes souffrant d’un Trouble Panique avec Agoraphobie sévère.

Le protocole expérimental répartit aléatoirement un échantillon de N = 24 patients au sein de trois bras d’intervention distincts d’effectifs équilibrés (n = 8 participants par condition) :

• Groupe 1 (TCC) : Thérapie Cognitive et Comportementale focalisée sur l’exposition intéroceptive graduée et la restructuration cognitive.
• Groupe 2 (MBSR) : Programme de Réduction du Stress Basée sur la Pleine Conscience (Mindfulness-Based Stress Reduction) centré sur la méditation attentionnelle.
• Groupe 3 (Liste d’attente / Témoin) : Condition de contrôle dans laquelle les patients bénéficient d’un soutien psychologique non directif sans entraînement technique structuré.

La variable dépendante est constituée par le score composite mesuré sur une échelle psychométrique standardisée d’évitement agoraphobique (échelonnée de 0 à 100 points) au terme de 12 semaines de prise en charge. En raison de seuils planchers chez certains patients répondeurs et de blocages anxieux majeurs chez d’autres, les distributions empiriques collectées manifestent une asymétrie positive sévère et des variances inégales, rendant caduque toute hypothèse de distribution gaussienne.

7.2 Résultats de l’analyse omnibus préalable

Les données brutes relevées pour chaque groupe au terme des 12 semaines se présentent comme suit :

• TCC (Groupe 1) : 14, 18, 19, 22, 25, 29, 34, 40
• MBSR (Groupe 2) : 24, 28, 31, 36, 42, 45, 51, 58
• Témoin (Groupe 3) : 48, 53, 56, 62, 65, 71, 74, 82

La première phase d’analyse impose la vérification omnibus par le test de Kruskal-Wallis. L’agrégation et le classement conjoint des 24 scores de l’échantillon confèrent les rangs suivants :

• Groupe 1 (TCC) : rangs attribués = [1, 2, 3, 4, 6, 8, 10, 12]. Somme des rangs R_1 = 46. Rang moyen R_bar_1 = 46 / 8 = 5,75.
• Groupe 2 (MBSR) : rangs attribués = [5, 7, 9, 11, 13, 14, 16, 19]. Somme des rangs R_2 = 94. Rang moyen R_bar_2 = 94 / 8 = 11,75.
• Groupe 3 (Témoin) : rangs attribués = [15, 17, 18, 20, 21, 22, 23, 24]. Somme des rangs R_3 = 160. Rang moyen R_bar_3 = 160 / 8 = 20,00.

Vérification de la somme globale : 46 + 94 + 160 = 300. Formule théorique : 24 * 25 / 2 = 300. La balance arithmétique est parfaite. En appliquant la formule de la statistique H de Kruskal-Wallis :

H = [ 12 / (N * (N + 1)) ] * sum(R_i^2 / n_i) – 3 * (N + 1)

H = [ 12 / (24 * 25) ] * [ (46^2 / 8) + (94^2 / 8) + (160^2 / 8) ] – 3 * 25

H = [ 12 / 600 ] * [ 264,5 + 1104,5 + 3200,0 ] – 75

H = 0,02 * 4569 – 75 = 91,38 – 75 = 16,38

Avec k – 1 = 3 – 1 = 2 degrés de liberté, la probabilité critique asymptotique associée à une valeur de Chi-deux de 16,38 est p = 0,00028. L’effet omnibus étant hautement significatif (p < 0,001), l’hypothèse nulle globale d’équivalence des trois traitements est réfutée. Le passage aux comparaisons multiples post-hoc par le test de Dunn est donc pleinement légitimé.

7.3 Application manuelle détaillée du test de Dunn

Dans ce jeu de données, aucune valeur n’étant ex-aequo, la formule canonique sans terme réducteur s’applique pour le calcul de l’erreur type. Les effectifs étant parfaitement équilibrés (n_1 = n_2 = n_3 = 8), l’erreur type sigma est invariante pour l’ensemble des trois comparaisons par paires :

sigma = sqrt( [ (N * (N + 1)) / 12 ] * [ (1 / 8) + (1 / 8) ] )

sigma = sqrt( [ (24 * 25) / 12 ] * [ 2 / 8 ] ) = sqrt( [ 600 / 12 ] * 0,25 ) = sqrt( 50 * 0,25 ) = sqrt( 12,5 ) approx 3,5355

Procédons désormais à l’estimation des statistiques z et des probabilités pour chaque contraste :

• Comparaison 1 : TCC versus MBSR (Groupe 1 vs Groupe 2)
  Delta_R_12 = |5,75 – 11,75| = 6,00
  z_12 = 6,00 / 3,5355 = 1,697
  La probabilité bilatérale issue de la table de la loi normale est p_brute = 2 * (1 – Phi(1,697)) = 0,0897.
• Comparaison 2 : MBSR versus Témoin (Groupe 2 vs Groupe 3)
  Delta_R_23 = |11,75 – 20,00| = 8,25
  z_23 = 8,25 / 3,5355 = 2,333
  La probabilité bilatérale correspondante est p_brute = 2 * (1 – Phi(2,333)) = 0,0196.
• Comparaison 3 : TCC versus Témoin (Groupe 1 vs Groupe 3)
  Delta_R_13 = |5,75 – 20,00| = 14,25
  z_13 = 14,25 / 3,5355 = 4,031
  La probabilité bilatérale associée est p_brute = 2 * (1 – Phi(4,031)) = 0,000055 (soit p < 0,0001).

Appliquons à présent la méthode séquentielle de Holm pour ajuster les probabilités sur les c = 3 comparaisons ordonnées de la plus petite à la plus grande :

1. Contraste TCC vs Témoin : p_brute = 0,000055. Le seuil de décision est 0,05 / (3 – 1 + 1) = 0,05 / 3 = 0,0167. Comme 0,000055 < 0,0167, le contraste est statistiquement hautement significatif (p_ajustée = 0,000055 * 3 = 0,000165).
2. Contraste MBSR vs Témoin : p_brute = 0,0196. Le seuil de décision suivant est 0,05 / (3 – 2 + 1) = 0,05 / 2 = 0,0250. Comme 0,0196 < 0,0250, le contraste est également significatif au seuil conventionnel (p_ajustée = 0,0196 * 2 = 0,0392).
3. Contraste TCC vs MBSR : p_brute = 0,0897. Le seuil de décision final est 0,05 / (3 – 3 + 1) = 0,05 / 1 = 0,0500. Comme 0,0897 > 0,0500, ce contraste n’atteint pas le seuil de significativité statistique (p_ajustée = 0,0897 * 1 = 0,0897).

Sur le plan de l’interprétation clinique, l’analyse révèle avec rigueur que les deux approches actives (TCC et MBSR) induisent une diminution stochastiquement significative des conduites d’évitement agoraphobique par rapport au groupe témoin en liste d’attente. En revanche, les données recueillies ne permettent pas de conclure à une supériorité statistique formelle de la TCC sur le programme MBSR à ce stade de l’investigation clinique.

8. Implémentation informatique avancée avec le langage R

8.1 Utilisation du package dédié ‘dunn.test’

Au sein de l’environnement de programmation statistique R, le package spécialisé dunn.test développé par Alexis Dinno constitue l’une des implémentations les plus réputées et fidèles à la formulation analytique originelle d’Olive Jean Dunn. Disponible sur le dépôt officiel du CRAN, cette bibliothèque a été optimisée pour intégrer d’office la correction des valeurs ex-aequo ainsi qu’une large palette d’ajustements probabilistes simultanés.

L’appel de la fonction principale s’effectue au travers de la syntaxe vectorielle standard :

dunn.test(x = scores, g = groupes, method = "holm")

L’argument method accepte diverses directives paramétriques telles que "bonferroni", "holm", "bh" (Benjamini-Hochberg), "sidak" ou "none" si l’on souhaite inspecter les p-valeurs brutes non ajustées. L’argument booléen kw = TRUE permet d’afficher conjointement dans la console les résultats complets du test omnibus de Kruskal-Wallis en amont de la matrice post-hoc.

La sortie générée dans la console R structure les résultats sous la forme d’un tableau triangulaire lisible comprenant les statistiques z calculées pour chaque paire, suivies de la probabilité ajustée correspondante. Cette fonction présente également l’intérêt pédagogique d’indiquer explicitement dans sa sortie le nombre total de liens détectés au sein du vecteur de données et le coefficient correcteur appliqué à la variance.

8.2 Intégration au sein de l’écosystème Tidyverse et rstatix

Pour les praticiens travaillant selon les canons contemporains de la programmation fonctionnelle et de la science des données sous R, l’inclusion du test de Dunn dans les chaînes de traitement (« pipelines ») articulées autour du métapackage tidyverse représente un atout opérationnel majeur. Le package rstatix, développé par Alboukadel Kassambara, propose une enveloppe particulièrement ergonomique parfaitement compatible avec les structures d’objets tabulaires tibble.

La fonction dunn_test() s’exécute à l’aide de l’opérateur de tuyau (pipe) :

resultats <- donnees %>% dunn_test(score ~ groupe, p.adjust.method = "holm")

Cette approche moderne renvoie directement un tableau de données structuré où chaque ligne représente une comparaison spécifique par paire. La table inclut nativement les colonnes désignant les deux groupes mis en regard (group1, group2), les effectifs respectifs (n1, n2), la statistique d’écart standardisé (statistic), la p-valeur brute (p) et la p-valeur ajustée (p.adj), complétées par les symboles de significativité conventionnels (p.adj.signif).

Un autre bénéfice déterminant de cette intégration réside dans la possibilité de coupler immédiatement le test post-hoc à la fonction kruskal_effsize() de rstatix. Cette commande permet de quantifier l’amplitude de l’effet omnibus par le biais de l’êta-carré basé sur le rang (eta2[H]), offrant ainsi une synthèse métrologique exhaustive requise par les comités de lecture des revues internationales de premier rang.

8.3 Visualisation graphique des comparaisons significatives

La communication scientifique moderne exige une restitution graphique fluide et immédiatement compréhensible des résultats inférentiels. L’articulation entre les packages ggplot2 et ggpubr offre une passerelle directe pour superposer les contrastes post-hoc de Dunn sur des visualisations distributionnelles élégantes.

La pratique recommandée consiste à construire un diagramme combinant un tracé en boîte à moustaches (boxplot) avec une dispersion intégrale des points individuels (jitter) afin de préserver la visibilité de la morphologie non gaussienne des distributions empiriques :

p <- ggboxplot(donnees, x = "groupe", y = "score", color = "groupe", palette = "jco", add = "jitter")

La table d’inférence issue de la fonction dunn_test() peut alors être formatée pour alimenter la fonction stat_pvalue_manual(). Cette méthode permet de dessiner automatiquement au-dessus des boîtes de dispersion les crochets horizontaux de comparaison reliant les paires de groupes significatives, accompagnés des astérisques de significativité ou de la valeur numérique exacte de p_ajustée :

p + stat_pvalue_manual(resultats, label = "p.adj.signif", y.position = c(75, 85, 95))

Cette visualisation synthétique permet au lecteur d’appréhender d’un seul regard à la fois la dispersion empirique ordinale, le décalage de localisation entre les conditions expérimentales et le verdict des décisions statistiques après contrôle de l’erreur globale.

9. Application avec Python, SPSS et JASP

9.1 Exécution sous Python avec Scikit-posthocs

Dans l’écosystème Python orienté vers la science des données et l’apprentissage automatique, l’analyse statistique non paramétrique s’appuie sur la complémentarité entre la bibliothèque scientifique scipy.stats et le package spécialisé scikit-posthocs. Alors que le module scipy.stats.kruskal() permet d’exécuter l’analyse omnibus préliminaire, scikit-posthocs comble le vide laissé par la bibliothèque standard en fournissant les fonctions post-hoc dédiées.

La fonction posthoc_dunn() s’applique directement sur un tableau de données structuré sous forme de DataFrame pandas :

import scikit_posthocs as sp
matrice_p = sp.posthoc_dunn(df, val_col='score', group_col='groupe', p_adjust='holm')

Cette implémentation retourne une matrice symétrique contenant l’ensemble des p-valeurs ajustées croisant toutes les modalités de la variable d’intérêt. Pour enrichir la restitution visuelle de ces matrices parfois complexes à interpréter dans le cadre de designs multigroupes étendus, scikit-posthocs fournit la fonction graphique sp.sign_plot(matrice_p).

Cette commande génère une carte thermique d’intervalles (heatmap) représentant par un code couleur bicolore distinct les contrastes statistiquement significatifs face aux contrastes non significatifs. L’intégration de ces outils au sein d’environnements interactifs tels que Jupyter Notebooks ou Google Colab garantit un flux de travail transparent, reproductible et documenté pour l’ensemble du protocole d’analyse.

9.2 Navigation et paramétrage dans IBM SPSS Statistics

Dans le logiciel propriétaire IBM SPSS Statistics, le test de Dunn est intégré de manière native au sein de la nouvelle architecture modulaire des tests non paramétriques pour échantillons indépendants (introduite à partir de la version 18 et perfectionnée dans les versions ultérieures).

Pour déclencher la procédure au sein de l’interface graphique standard, la navigation logicielle s’organise selon le parcours suivant :

1. Dérouler le menu principal : Analyse > Tests non paramétriques > Échantillons indépendants.
2. Dans l’onglet Champs, basculer la variable quantitative dépendante dans l’encadré Champs de test, puis assigner le facteur catégoriel dans l’encadré Groupes.
3. Dans l’onglet Paramètres, cocher la case d’option Personnaliser les tests, puis sélectionner spécifiquement l’analyse univariée ANOVA à un facteur de Kruskal-Wallis (échantillons k).
4. Dans le menu déroulant sous-jacent consacré aux comparaisons multiples, sélectionner l’option Toutes par paires.

Dans ses fenêtres de visualisation interactive (Model Viewer), SPSS génère automatiquement l’analyse post-hoc de Dunn dès lors que le test global de Kruskal-Wallis est significatif. Le logiciel produit un tableau exhaustif présentant les écarts de rangs moyens bruts, l’erreur type, la statistique standardisée z, la p-valeur brute et la p-valeur ajustée par la méthode séquentielle de Bonferroni. SPSS fournit en outre un diagramme de dispersion des rangs moyens reliant visuellement les groupes par des lignes colorées dont l’épaisseur matérialise la significativité du contraste.

9.3 Approche interactive dans JASP et Jamovi

L’essor des logiciels statistiques libres et ouverts à interface graphique moderne, tels que JASP (soutenu par l’Université d’Amsterdam) et Jamovi, a révolutionné l’accessibilité des analyses statistiques rigoureuses pour les étudiants et chercheurs en sciences humaines. Ces deux plateformes ont pour point commun d’intégrer une liaison dynamique directe entre les réglages d’options et l’affichage des sorties au format académique standardisé.

Dans JASP, l’utilisateur sélectionne le module ANOVA > ANOVA non paramétrique (Test de Kruskal-Wallis). Après avoir glissé les variables d’intérêt dans les champs respectifs, une case à cocher spécifique intitulée Comparaisons de Dunn (Dunn’s post-hoc test) devient accessible. L’interface offre alors un choix direct entre plusieurs modes de régulation de l’erreur : Bonferroni, Holm ou aucune correction.

L’un des avantages considérables de JASP et Jamovi réside dans la présentation instantanée des résultats au sein d’un tableau directement typographié selon les normes de l’American Psychological Association (normes APA 7e édition). Ce tableau fournit les statistiques de test, le rang moyen de chaque modalité, les degrés de liberté, ainsi que les probabilités exactes prêtes à être exportées par copier-coller dans un traitement de texte, limitant radicalement le risque d’erreur de saisie manuelle lors de la rédaction d’un manuscrit scientifique.

10. Analyse comparative : Dunn versus alternatives non paramétriques

10.1 Test de Dunn versus tests de Wilcoxon-Mann-Whitney répétés

Une pratique méthodologique erronée encore trop fréquemment observée dans la littérature biomédicale et psychologique consiste à contourner le test de Dunn en effectuant une cascade de tests de Wilcoxon-Mann-Whitney distincts sur chaque sous-paire de groupes, assortis ensuite d’une correction de Bonferroni. Cette approche « bricolée » procède d’une incompréhension profonde des propriétés algébriques de l’inférence basée sur les rangs.

La différence fondamentale entre les deux stratégies réside dans l’espace de définition des rangs :

• Le test de Wilcoxon-Mann-Whitney répété procède à un reclassement isolé des observations des deux seuls groupes considérés lors de chaque test binaire. L’ensemble des sujets appartenant aux k – 2 autres modalités expérimentales est entièrement exclu de l’échantillon de calcul. Ce faisant, l’information contextuelle globale apportée par l’ensemble du dispositif expérimental est détruite.
• Le test de Dunn, quant à lui, conserve rigoureusement le rang conjoint unifié R attribué à chaque observation au sein de la cohorte totale des N participants lors du test de Kruskal-Wallis préalable. La variance du dénominateur intègre donc la dispersion globale de l’ensemble des groupes d’étude.

Cette divergence conceptuelle entraîne des répercussions concrètes. La répétition de tests de Mann-Whitney isolés produit des estimateurs de variance instables qui varient anarchiquement d’une paire à l’autre en ignorant le niveau de bruit global. De surcroît, elle peut générer des contradictions logiques majeures : un contraste peut être déclaré significatif en sous-échantillon isolé tout en étant totalement contredit par la structure omnibus globale. Le test de Dunn garantit une cohérence interne parfaite entre le test préliminaire de Kruskal-Wallis et les contrastes locaux, ce qui en fait le seul prolongement post-hoc mathématiquement irréprochable.

10.2 Comparaison avec la procédure de Conover-Iman

Une alternative non paramétrique majeure au test de Dunn a été théorisée par W. J. Conover et Ronald L. Iman en 1979. La méthode de Conover-Iman repose sur un principe différent : elle propose d’appliquer la logique du test post-hoc paramétrique LSD (Least Significant Difference) de Fisher directement sur les rangs conjoints issus de l’étape de Kruskal-Wallis.

Sur le plan mathématique, alors que la statistique de Dunn est standardisée sous la forme d’un score z distribué asymptotiquement selon une loi normale centrée réduite, la statistique de Conover-Iman évalue l’écart entre rangs moyens à l’aide d’une statistique de type Student t comportant N – k degrés de liberté. La variance résiduelle au dénominateur est directement dérivée de la somme des carrés résiduelle des rangs calculée sur l’ensemble de l’échantillon.

En termes de performance statistique comparée, la procédure de Conover-Iman fait preuve d’une puissance statistique empirique marginalement supérieure à celle du test de Dunn dans de nombreux scénarios de simulation. Cette puissance accrue découle de l’usage des degrés de liberté de l’analyse globale. Néanmoins, cet avantage s’accompagne d’une sensibilité plus forte aux légères violations de l’homoscédasticité des rangs. Le test de Dunn demeure plus conservateur et offre une robustesse supérieure lorsque les effectifs par groupe sont modérément hétérogènes.

10.3 Critères de sélection statistique selon les caractéristiques des données

Face à la panoplie des procédures post-hoc non paramétriques disponibles, le chercheur doit fonder son choix sur des critères méthodologiques objectifs et reproductibles. Le tableau suivant synthétise les recommandations de sélection en fonction des caractéristiques structurelles du jeu de données :

Caractéristique des données	Procédure recommandée	Justification statistique
Présence massive d’observations ex-aequo (données ordinales discrètes, Likert courte)	Test de Dunn avec correction pour ex-aequo	Ajustement explicite du dénominateur neutralisant le biais d’écrasement de variance.
Tailles de groupes fortement inégales (unbalanced designs)	Test de Dunn	Pondération individualisée des effectifs 1/n_i + 1/n_j dans l’erreur type.
Échantillons continus avec variances de rangs homogènes et besoin de puissance	Procédure de Conover-Iman	Exploitation optimale des N – k degrés de liberté résiduels.
Plan expérimental à mesures répétées (intra-sujets, après test de Friedman)	Test de Nemenyi ou Wilcoxon apparié ajusté	Le test de Dunn standard est strictement invalide pour les observations dépendantes.

La règle empirique dominante commande ainsi de privilégier systématiquement le test de Dunn dès lors que la structure d’échantillonnage s’éloigne de l’idéal théorique équilibré et sans ex-aequo.

11. Rapport des résultats et normes de présentation académique (APA)

11.1 Formulation textuelle selon la 7e édition des normes APA

La restitution éditoriale des résultats d’une analyse statistique doit se conformer aux prescriptions méthodologiques de l’American Psychological Association (APA 7e édition). La formulation textuelle doit impérativement articuler l’exposition séquentielle du test omnibus de Kruskal-Wallis, la justification explicite du post-hoc retenu, le type de correction alpha adopté, ainsi que les grandeurs descriptives et inférentielles de chaque comparaison binaire.

Les indicateurs descriptifs prioritaires en analyse non paramétrique sont la médiane (Mdn) couplée à l’écart interquartile (IQR), complétés expressément par le rang moyen de chaque modalité. Il convient de proscrire la présentation exclusive des moyennes arithmétiques et des écarts-types, ces métriques étant contradictoires avec le recours à une inférence sur les rangs.

Un modèle de rédaction académique standardisée peut être formulé ainsi dans la section Résultats d’un manuscrit :

« Une analyse de variance non paramétrique de Kruskal-Wallis à un facteur a été conduite afin d’évaluer l’impact des approches thérapeutiques sur les scores d’évitement agoraphobique. L’analyse révèle une divergence stochastique globale hautement significative entre les trois groupes expérimentaux, H(2) = 16,38, p < ,001, avec une taille d’effet modérément élevée, eta2[H] = 0,68. Des comparaisons multiples post-hoc ont été subséquemment réalisées au moyen du test de Dunn avec ajustement du taux d’erreur par la procédure descendante de Holm. Les analyses par paires démontrent que les patients ayant suivi la TCC (Mdn = 20,50, IQR = 9,25, rang moyen = 5,75) présentent des scores d’évitement significativement plus faibles que les sujets du groupe témoin (Mdn = 63,50, IQR = 18,00, rang moyen = 20,00), z = 4,03, p_ajustée < ,001. De même, les participants du protocole MBSR (Mdn = 39,00, IQR = 17,25, rang moyen = 11,75) manifestent une réduction d’anxiété significativement supérieure aux témoins, z = 2,33, p_ajustée = ,039. En revanche, aucune différence statistiquement significative n’a pu être mise en évidence entre la TCC et le protocole MBSR après contrôle du FWER, z = 1,70, p_ajustée = ,090. »

11.2 Conception de tableaux récapitulatifs pour publications

Lorsque le dispositif expérimental incorpore un nombre élevé de modalités (par exemple 4, 5 conditions ou plus), l’énumération textuelle de l’ensemble des contrastes devient lourde pour le lecteur. L’insertion d’un tableau synthétique au format APA s’avère alors la solution de communication la plus professionnelle.

Un tableau académique rigoureux pour le test de Dunn doit structurer l’information selon les axes suivants :

• Énumérer en lignes les groupes expérimentaux avec leurs effectifs n respectifs.
• Fournir les indicateurs statistiques descriptifs ordinaux complets : Médiane, 1er quartile (Q1), 3e quartile (Q3), ainsi que le Rang Moyen (Mean Rank).
• Faire figurer une matrice triangulaire des statistiques de test z et de leurs probabilités ajustées associées en précisant la méthode sous le tableau.
• Utiliser la convention typographique des lettres en exposant (compact letter display) : les groupes partageant une même lettre en indice ne diffèrent pas de manière statistiquement significative au seuil alpha retenu.

Cette organisation visuelle condense en un espace éditorial restreint l’intégralité de l’information mathématique, facilitant le travail d’évaluation des relecteurs (peer-reviewers) et des méta-analystes.

11.3 Transparence méthodologique et pratiques de science ouverte

L’avènement des standards de la Science Ouverte (Open Science) engage les chercheurs à dépasser la simple exposition des résultats finaux pour garantir la reproductibilité intégrale de leurs calculs statistiques. Dans le cadre de l’application du test de Dunn, la transparence méthodologique exige de documenter précisément plusieurs décisions d’analyse souvent négligées :

• Déposer sur un registre public de type OSF (Open Science Framework) le script intégral de l’analyse informatique (code R ou Python nettoyé et commenté) permettant de recalculer exactement les statistiques z et les corrections appliquées à partir des données brutes anonymisées.
• Justifier explicitement dans la section Méthode les motifs du recours à l’inférence non paramétrique : présenter les tests de normalité formels (Shapiro-Wilk) ou la justification théorique liée à la nature intrinsèquement ordinale de l’instrument d’évaluation.
• Mentionner sans ambiguïté si le protocole d’analyse a été pré-enregistré (preregistered), notamment le choix de la procédure de correction pour comparaisons multiples (par exemple décision préalable de privilégier Holm plutôt que Bonferroni).

Cette rigueur déontologique prémunit la recherche contre les soupçons de « p-hacking » ou de manipulation sélective des méthodes d’ajustement visant à faire franchir artificiellement le seuil de significativité à un contraste d’intérêt.

12. Erreurs courantes, pièges méthodologiques et bonnes pratiques

12.1 La confusion entre rangs moyens et médianes brutes

Le piège conceptuel le plus pernicieux et le plus universellement répandu lors de l’exécution du test de Dunn réside dans l’assimilation hâtive du rang moyen empirique à la médiane de la variable dépendante d’origine. Les chercheurs ont fréquemment tendance à inspecter les médianes de leurs échantillons descriptifs, puis à projeter directement les conclusions inférentielles de Dunn sur ces grandeurs ponctuelles.

Cette inférence est formellement incorrecte sur le plan théorique dès lors que les distributions empiriques ne partagent pas rigoureusement la même morphologie. Il est parfaitement documenté dans la littérature statistique que l’ordre des rangs moyens peut diverger de l’ordre des médianes brutes. Par exemple, un groupe A peut présenter une médiane arithmétique rigoureusement identique à celle d’un groupe B, tout en affichant un rang moyen considérablement plus élevé en raison d’une asymétrie marquée caractérisée par un étalement des scores dans le tiers supérieur de la distribution.

Pour s’immuniser contre ce contresens méthodologique, le chercheur doit toujours qualifier ses conclusions en précisant que le test de Dunn porte sur la supériorité de la fonction de répartition des rangs ou sur la dominance stochastique relative entre les groupes. La mention des médianes descriptives ne doit servir que d’illustration de la tendance centrale ordinale, sans jamais se substituer à la grandeur algébrique soumise à l’épreuve d’hypothèse.

12.2 Exécution du test de Dunn sans significativité omnibus

Une dérive pratique régulièrement observée lors de l’exploitation de jeux de données empiriques consiste à déclencher les comparaisons multiples par le test de Dunn alors même que le test préalable de Kruskal-Wallis a échoué à franchir le seuil d’exclusion alpha = 0,05. Les investigateurs justifient parfois cette démarche par un intérêt théorique soutenu porté a priori sur une paire de groupes particulière.

Cette pratique constitue une infraction méthodologique sévère dans le cadre de tests post-hoc classiques. Le fondement du modèle décisionnel en deux étapes (omnibus puis post-hoc) repose précisément sur la capacité du test global à faire office de filtre protecteur préalable contre les faux positifs. En transgressant ce principe, l’expérimentateur annule la protection globale conférée par la statistique H et plonge dans un processus exploratoire non régulé où la moindre fluctuation locale peut être promue artificiellement au rang de découverte scientifique.

Si des hypothèses directionnelles spécifiques entre deux sous-groupes existent véritablement avant le début de l’expérience, le chercheur doit obligatoirement abandonner le cadre des tests post-hoc exploratoires pour se placer dans le cadre formel des contrastes planifiés a priori. Dans cette optique méthodologique bien délimitée, le test omnibus peut être omis, mais le chercheur doit assumer un cadre d’ajustement strictement ciblé dès la phase de protocole.

12.3 Guide récapitulatif pour la pratique de recherche

Pour assurer la rigueur, l’intégrité et la reproductibilité des analyses inférentielles non paramétriques, l’arbre décisionnel et méthodologique suivant résume le protocole optimal à déployer en pratique de laboratoire :

1. Phase d’évaluation exploratoire : Inspecter la variable dépendante (échelle ordinale ou continue non normale), évaluer la taille des effectifs par condition (n >= 5 recommandé) et confirmer l’indépendance mutuelle absolue des observations.
2. Exécution de l’analyse globale : Réaliser le test omnibus de Kruskal-Wallis sur l’ensemble des k groupes d’étude. Si p >= 0,05, stopper toute inférence ultérieure et conclure à l’absence de preuve d’hétérogénéité entre les populations.
3. Déclenchement du test de Dunn : Si p < 0,05 à l’étape précédente, calculer les statistiques z de Dunn sur les rangs conjoints globaux en appliquant impérativement le coefficient de correction pour valeurs ex-aequo si des nœuds existent.
4. Sélection de l’ajustement FWER : Privilégier systématiquement la procédure séquentielle descendante de Holm (ou de Benjamini-Hochberg en cas de visée purement exploratoire à très grand nombre de comparaisons). Éviter la procédure de Bonferroni simple afin de préserver la puissance d’analyse.
5. Interprétation et diffusion : Communiquer les rangs moyens conjointement aux médianes et écarts interquartiles. Rédiger les conclusions en termes de dominance stochastique si les profils distributionnels des groupes diffèrent en dispersion ou en asymétrie. Respecter scrupuleusement les canons éditoriaux de l’APA (7e édition) et mettre les scripts d’analyse à disposition de la communauté académique.

Références

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). 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
• Conover, W. J., & Iman, R. L. (1979). On multiple-comparisons procedures (Technical Report LA-7677-MS). Los Alamos Scientific Laboratory. https://doi.org/10.2172/6057803
• Conover, W. J. (1999). Practical nonparametric statistics (3rd ed.). John Wiley & Sons.
• Dinno, A. (2015). Nonparametric pairwise multiple comparisons in independent groups using Dunn’s test. The Stata Journal, 15(1), 292–300. https://doi.org/10.1177/1536867X1501500117
• Dunn, O. J. (1961). Multiple comparisons among means. Journal of the American Statistical Association, 56(293), 52–64. https://doi.org/10.1080/01621459.1961.10482090
• Dunn, O. J. (1964). Multiple comparisons using rank sums. Technometrics, 6(3), 241–252. https://doi.org/10.1080/00401706.1964.10490181
• Holm, S. (1979). A simple sequentially rejective multiple test procedure. Scandinavian Journal of Statistics, 6(2), 65–70. https://www.jstor.org/stable/4615733
• Kassambara, A. (2020). rstatix: Pipe-Friendly Framework for Basic Statistical Tests (R package version 0.7.0). https://cran.r-project.org/package=rstatix
• Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583–621. https://doi.org/10.1080/01621459.1952.10483441
• Siegel, S., & Castellan, N. J. (1988). Nonparametric statistics for the behavioral sciences (2nd ed.). McGraw-Hill.
• Šidák, Z. (1967). Rectangular confidence regions for the means of multivariate normal distributions. Journal of the American Statistical Association, 62(318), 626–633. https://doi.org/10.1080/01621459.1967.10482935