Test du Khi-Deux vs ANOVA : Quelle est la différence ?

La recherche empirique contemporaine en psychologie et en sciences du comportement repose sur un impératif fondamental : extraire des régularités intelligibles à partir du bruit inhérent à la variabilité humaine. Qu’il s’agisse d’évaluer l’efficacité d’une psychothérapie novatrice face à un placebo, d’analyser les temps de réaction dans une tâche de flexibilité cognitive ou de comprendre la distribution des styles d’attachement au sein de diverses sous-populations cliniques, le chercheur se trouve confronté à une obligation de rigueur méthodologique absolue. Les données brutes recueillies lors d’investigations en laboratoire ou sur le terrain ne possèdent aucune éloquence intrinsèque sans une formalisation analytique adéquate. L’inférence statistique constitue ainsi le pont épistémologique indispensable permettant de transcender la simple description d’un échantillon fini pour formuler des énoncés probabilistes robustes sur les populations sous-jacentes.

Au cœur de cette démarche d’inférence, deux outils occupent une place prépondérante dans l’arsenal du psychologue : le test du Khi-Deux (χ²) de Karl Pearson et l’Analyse de Variance (ANOVA) développée par Ronald Fisher. Bien que ces deux méthodologies partagent l’objectif général d’évaluer la plausibilité d’une hypothèse nulle au regard de données empiriques, elles reposent sur des fondements ontologiques, des topologies de variables et des architectures mathématiques diamétralement opposés. Confondre leur domaine d’application ou substituer l’une à l’autre de manière inappropriée ne constitue pas une simple imprécision technique : il s’agit d’une altération de la validité de conclusion statistique susceptible de biaiser irrémédiablement les déductions théoriques et les décisions cliniques qui en découlent.

Le présent article propose une investigation théorique, mathématique et méthodologique exhaustive de la confrontation entre le test du Khi-Deux et l’ANOVA. Destiné aux chercheurs, doctorants et praticiens des sciences humaines, ce travail explicite les fondements déductifs de chaque approche, détaille les propriétés distributionnelles des statistiques associées, délimite leurs champs d’application respectifs selon les niveaux de mesure des variables, et fournit un cadre décisionnel opérationnel pour naviguer à travers la complexité des devis expérimentaux et corrélationnels.

1. Introduction aux tests d’hypothèses en psychologie : Cadre épistémologique et sélection statistique

1.1 Le rôle de l’inférence statistique dans la démarche empirique en psychologie

L’épistémologie de la psychologie scientifique est indissociable de la gestion de l’incertitude. Contrairement aux sciences physiques fondamentales où certaines constantes universelles permettent des prédictions hautement déterministes, la psychologie étudie des phénomènes influencés par une multitude de facteurs biologiques, environnementaux, historiques et contextuels non contrôlés. La variabilité interindividuelle et intra-individuelle n’est pas une anomalie expérimentale : elle constitue la matière première de l’investigation comportementale. Face à cette hétérogénéité, la transition de l’observation clinique ou du protocole de laboratoire vers la modélisation probabiliste requiert l’application de la théorie des probabilités appliquées à l’échantillonnage.

La démarche empirique s’articule autour du cadre formel du test d’hypothèse néo-fisherien ou de Neyman-Pearson. Ce formalisme impose la formulation a priori de deux hypothèses mutuellement exclusives : l’hypothèse nulle (notée H₀), stipulant généralement l’absence d’effet, de différence ou d’association au sein de la population cible, et l’hypothèse alternative (notée H₁), postulant l’existence d’une divergence structurée. L’analyste se trouve alors confronté à la nécessité de réguler deux catégories fondamentales de risques probabilistes : l’erreur de première espèce (α), qui correspond à la probabilité de rejeter indûment H₀ alors que celle-ci est mathématiquement vraie (le faux positif), et l’erreur de seconde espèce (β), qui reflète la probabilité d’échouer à rejeter H₀ alors qu’un effet réel existe bel et bien au niveau populationnel (le faux négatif).

Dans cette architecture déductive, l’adéquation entre le devis de recherche et le choix de l’épreuve statistique est le garant exclusif de la préservation du taux nominal d’erreur α. Recourir à une modélisation non calibrée pour la structure mathématique de la métrique employée détruit le contrôle d’erreur probabiliste. Par exemple, forcer une variable multinomiale ordonnée ou nominale dans une équation paramétrique continue conduit à des distorsions mathématiques dans la distribution d’échantillonnage de la statistique de test. De ce fait, les p-values rapportées deviennent fallacieuses, conduisant le psychologue à formuler des affirmations scientifiques infondées sur la réalité des processus mentaux ou des psychopathologies investiguées.

1.2 Problématique générale du choix entre Khi-Deux et ANOVA

Une confusion particulièrement tenace dans la littérature méthodologique en psychologie réside dans la présence superficielle de « groupes » au sein d’un protocole expérimental ou quasi-expérimental. Les apprentis chercheurs et parfois des praticiens confirmés commettent régulièrement l’erreur de considérer que la simple comparaison de plusieurs sous-ensembles d’individus impose automatiquement le recours à l’Analyse de Variance. Cette méprise procède d’un raisonnement focalisé sur la variable indépendante (qui catégorise l’échantillon en différentes cohortes ou modalités) au détriment de l’évaluation systématique de la variable dépendante ou critère.

Considérons, à titre d’exemple préliminaire, une recherche examinant l’effet de trois orientations psychothérapeutiques (Thérapie Cognitivo-Comportementale, Thérapie Psychodynamique, et Thérapie Systémique) sur des patients diagnostiqués avec un trouble anxieux généralisé. Dans les deux cas, le chercheur compare trois groupes distincts. Cependant, si le critère de succès est mesuré par le franchissement d’un seuil clinique qualitatif exprimé sous la forme « rémission complète » versus « échec thérapeutique », les données recueillies sont intrinsèquement fréquentielles et qualitatives. En revanche, si le critère évalué est le score continu brut obtenu à l’échelle de dépression ou d’anxiété de Hamilton, les données possèdent une dimension métrique continue. Dans le premier scénario, le test du Khi-Deux d’indépendance ou d’homogénéité est mathématiquement requis ; dans le second, seule l’ANOVA unifactorielle est théoriquement admissible.

L’adoption d’un test inadapté engendre des répercussions désastreuses sur les plans de la validité interne et de la validité externe. Réduire arbitrairement des scores continus à des catégories artificielles pour contraindre la statistique à entrer dans un tableau de contingence de type Khi-Deux entraîne une déperdition massive de variance statistique, anéantit la puissance du protocole et majore le risque d’erreur β. Réciproquement, attribuer des valeurs numériques arbitraires à des modalités nominales d’un statut diagnostique pour tenter d’exécuter une ANOVA viole brutalement l’ensemble des hypothèses de distributionnalité et produit des rapports F dénués de toute signification probabiliste valide. La sélection statistique doit impérativement s’adosser à l’ontologie des données et à la structure combinatoire des variables engagées.

2. Fondements théoriques et mathématiques du test du Khi-Deux

2.1 Origine et principe fondamental du Chi-Carré de Karl Pearson

Développé au tournant du vingtième siècle par le polymathe britannique Karl Pearson (1900), le test du Chi-Carré (χ²) a marqué la naissance de la statistique inférentielle moderne non paramétrique pour l’analyse des distributions d’effectifs. La préoccupation de Pearson consistait à formaliser un indice synthétique capable de quantifier l’écart global entre une configuration de fréquences empiriques directement observées sur un échantillon et une distribution de fréquences théoriques attendues déduites d’une hypothèse a priori ou d’un modèle d’équiprobabilité mathématique.

La formulation mathématique universelle de la statistique du Khi-Deux s’exprime par l’équation fondamentale suivante :

χ² = ∑_i=1^k [ (O_i – E_i)² / E_i ]

Dans ce formalisme rigoureux, k représente le nombre total de cellules ou de catégories du tableau de dénombrement, O_i dénote la fréquence observée (de l’anglais Observed) dans la i-ème catégorie, et E_i correspond à la fréquence théorique espérée (de l’anglais Expected) sous l’empire de l’hypothèse nulle. Le calcul repose sur la sommation d’écarts quadratiques réduits. L’élévation au carré de l’expression (O_i – E_i) remplit deux fonctions mathématiques fondamentales : d’une part, elle neutralise les signes des déviations, empêchant ainsi les écarts positifs et négatifs de s’annuler algébriquement ; d’autre part, elle amplifie proportionnellement l’impact des divergences majeures entre la théorie et l’observation empirique. La division subséquente par E_i constitue une standardisation métrique : un écart brut de cinq unités n’a pas la même portée sémiologique selon que la fréquence attendue est de dix ou de mille observations.

Sur le plan distributionnel, la variable aléatoire ainsi construite suit asymptotiquement la loi de probabilité continue du Khi-Deux, caractérisée exclusivement par son paramètre de degrés de liberté (ν ou ddl). Lorsque la taille de l’échantillon N tend vers l’infini, la distribution discrète de la somme des écarts converge mathématiquement vers cette distribution continue grâce au théorème central limite. La densité de probabilité de cette loi présente une asymétrie positive marquée pour des faibles degrés de liberté, avant de se rapprocher progressivement de la normalité gaussienne à mesure que les degrés de liberté augmentent (ν > 30). L’aire sous la courbe au-delà de la valeur calculée définit précisément la p-value associée au test d’adéquation ou d’indépendance.

2.2 La nature des données requises : le règne du nominal et du catégoriel

Le champ applicatif légitime du test du Khi-Deux est circonscrit au règne exclusif des variables catégorielles, qualitatives ou discrètes. Cette épreuve n’opère jamais directement sur les mesures métriques continues d’un attribut physique ou psychologique individuel. L’unité statistique minimale entrant dans les calculs n’est pas un score brut individuel, mais l’appartenance mutuellement exclusive d’une observation à une modalité précise : il s’agit donc d’un dénombrement d’effectifs, d’un comptage discret d’occurrences au sein de cases prédéfinies.

Il n’existe aucune métrique sous-jacente d’intervalle ou de rapport dans le calcul du Khi-Deux standard. La distance mathématique entre deux catégories n’est ni mesurée, ni ordonnée, ni quantifiée par des écarts numériques. Les modalités peuvent être permutées arbitrairement sans altérer d’un iota la valeur finale de la statistique de Pearson, pourvu que les fréquences associées se déplacent solidairement avec leurs libellés respectifs. Cette propriété confère au test une flexibilité analytique remarquable pour l’exploration de phénomènes humains qualitatifs, tout en lui interdisant formellement de capturer des gradients d’intensité métrique continue.

En psychologie clinique, différentielle et sociale, les illustrations de ces données foisonnent. Citons l’appartenance à des sous-types nosographiques selon les classifications du DSM-5 ou de la CIM-11 (ex. trouble de panique, trouble obsessionnel-compulsif, phobie sociale), les typologies de styles d’attachement chez l’adulte (sécurisant, anxieux-ambivalent, évitant, désorganisé), le statut d’observance thérapeutique (patient observant, partiellement observant, totalement non observant), ou encore les orientations préférentielles de prise de décision face à un paradigme expérimental d’économie comportementale. Dans toutes ces occurrences, le psychologue ne mesure pas « combien » d’une substance abstraite un individu possède, mais classe l’individu dans un compartiment conceptuel fini, dénombrable et discret.

3. Typologie des tests du Khi-Deux : Adéquation versus Indépendance

3.1 Le test de conformité ou d’adéquation (Goodness-of-Fit)

Le test du Khi-Deux de conformité, couramment désigné sous l’anglicisme Goodness-of-fit test, intervient lorsqu’un investigateur souhaite déterminer si la répartition empirique des fréquences observées sur une seule variable catégorielle comportant k modalités s’écarte de façon statistiquement significative d’une distribution théorique postulated a priori par un modèle théorique, génétique ou probabiliste.

Dans ce scénario univarié, les fréquences attendues E_i sont générées selon la formule élémentaire :

E_i = N × p_i

où N est l’effectif total d’individus échantillonnés et p_i est la proportion théorique spécifiée par l’hypothèse nulle pour la modalité i, avec la contrainte structurelle ∑ p_i = 1. Si l’hypothèse nulle postule une simple équipartition (équiprobabilité parfaite des occurrences), chaque p_i est égal à 1/k. Les degrés de liberté associés à cette épreuve d’adéquation sont invariablement calculés par la relation ν = k – 1. La perte d’un degré de liberté provient de la contrainte marginale imposée par le fait que la somme de toutes les fréquences calculées doit nécessairement égaler l’effectif global observé N.

Une illustration saisissante en psychologie cognitive concerne l’étude de l’heuristique de choix dans les dilemmes moraux ou décisionnels. Imaginons une expérience où des participants doivent choisir une stratégie d’évitement parmi quatre scénarios possibles présentés sous un habillage neutre. L’hypothèse nulle cognitive standard postule que le comportement de sélection relève du hasard pur, ce qui implique une équiprobabilité stricte (25 % de choix alloués à chaque scénario). Si un groupe de 200 sujets produit une distribution empirique de 80, 40, 30 et 50 sélections, le test du Khi-Deux de conformité permettra de vérifier si la divergence par rapport aux 50 sélections attendues par catégorie relève d’une fluctuation d’échantillonnage aléatoire ou atteste d’un biais cognitif d’attractivité structuré vers certaines modalités spécifiques du dilemme.

3.2 Le test d’indépendance ou d’association

Le test du Khi-Deux d’indépendance, sans conteste la forme la plus fréquemment déployée dans la recherche comportementale, se propose d’évaluer la relation stochastique unissant deux variables catégorielles croisées au sein d’une matrice bidirectionnelle désignée sous le terme de tableau de contingence à r lignes et c colonnes (tableau r × c).

Ici, l’hypothèse nulle stipule l’indépendance statistique stricte au sens probabiliste de Kolmogorov : la probabilité conjointe que présente un individu d’appartenir simultanément à la ligne i et à la colonne j est strictement égale au produit de ses probabilités marginales respectives :

P(A_i ∩ B_j) = P(A_i) × P(B_j)

Sur la base de ce principe fondamental d’indépendance, la fréquence théorique attendue pour chaque cellule d’intersection (i, j) est mathématiquement dérivée du produit des totaux marginaux de la ligne correspondante (R_i) et de la colonne correspondante (C_j), normalisé par l’effectif global de l’échantillon N :

E_ij = (R_i × C_j) / N

Les degrés de liberté assignés à cette statistique ne dépendent nullement de la taille totale de l’échantillon N, mais exclusivement de la dimension géométrique de la grille de contingence, selon la formule standard : ν = (r – 1) × (c – 1). Cette formule reflète le nombre précis de cellules internes dont les fréquences peuvent être fixées de manière totalement libre avant que les totaux marginaux n’imposent déterministiquement les valeurs des cases restantes.

À titre d’illustration psychologique concrète, considérons une investigation croisant les quatre styles d’attachement précités (4 modalités en lignes) et le positionnement idéologique ou politique des sujets catégorisé en trois blocs : progressiste, modéré, conservateur (3 modalités en colonnes). Le tableau résultant est un format 4 × 3, mobilisant (4 – 1) × (3 – 1) = 6 degrés de liberté. La statistique χ² calculée permet d’établir formellement si la distribution des préférences politiques varie significativement d’un sous-groupe d’attachement à l’autre, démontrant une interdépendance fonctionnelle entre l’organisation affective interne de l’individu et son système de croyances sociopolitiques.

3.3 Le test d’homogénéité

D’un point de vue algorithmique et numérique, le test du Khi-Deux d’homogénéité est rigoureusement identique au test du Khi-Deux d’indépendance. Il recourt exactement à la même équation sommatoire des écarts quadratiques réduits et au même calcul des fréquences théoriques attendues via les marges. Cependant, leur distinction conceptuelle et méthodologique est profonde et réside dans la mécanique du plan d’échantillonnage.

Dans un test d’indépendance, une population unique fait l’objet d’un échantillonnage aléatoire simple ; chaque individu sélectionné est ensuite mesuré simultanément sur deux variables catégorielles dont les distributions marginales sont toutes deux libres de fluctuer. Dans un test d’homogénéité, le chercheur échantillonne intentionnellement et séparément des sous-populations distinctes fixées d’avance par son protocole (les marges d’une dimension sont ainsi prédéterminées et contraintes), puis évalue chez chacune de ces populations indépendantes la distribution d’une unique variable d’intérêt qualitative. L’hypothèse nulle affirme alors l’invariance ou l’homogénéité parfaite des proportions conditionnelles de la variable cible à travers ces populations sous surveillance.

Dans le domaine de la psychopathologie clinique, ce test intervient lorsque l’on extrait séparément trois cohortes de 100 patients : un groupe schizophrène, un groupe bipolaire de type I et un groupe présentant un trouble dépressif majeur récurrent. On observe alors chez chacun de ces sujets la présence ou l’absence d’une comorbidité addictive aux substances (oui vs non). Les marges des lignes (trois groupes de 100) sont arbitrairement fixées par le chercheur dès la phase de recrutement expérimental. Le test d’homogénéité permet d’affirmer avec rigueur si la vulnérabilité aux addictions se répartit de façon homogène à travers ces entités diagnostiques majeures ou si l’une d’entre elles concentre une proportion significativement divergente de conduites addictives.

4. Fondements théoriques de l’Analyse de Variance (ANOVA)

4.1 Le paradigme de Ronald Fisher et la décomposition de la variance

L’Analyse de Variance, universellement désignée par son acronyme ANOVA, a été théorisée par le statisticien et généticien britannique Sir Ronald A. Fisher durant les années 1920. Elle constitue sans conteste l’un des piliers méthodologiques les plus sophistiqués de la biométrie et des sciences expérimentales. Le coup de génie conceptuel de Fisher a consisté à comprendre que pour tester l’égalité de multiples moyennes de groupes indépendants, il ne fallait pas comparer directement les moyennes entre elles par des soustractions en chaîne, mais plutôt analyser et fragmenter la variabilité globale observée au sein des scores continus de l’ensemble de l’échantillon.

Le paradigme fisherien s’articule autour du théorème de partitionnement de la somme des carrés des écarts (Sum of Squares, SS). La variation totale présente dans le jeu de données continu (SS_Totale) est décomposée de façon strictement additive en deux sources de variations orthogonales et mutuellement exclusives :

SS_Totale = SS_Inter + SS_Intra

La somme des carrés intergroupes (SS_Inter ou SS_Between) quantifie la dispersion des moyennes empiriques de chaque groupe autour de la moyenne générale (le grand barycentre) de l’ensemble des observations. Elle capture directement l’ampleur de l’effet produit par la manipulation expérimentale, la condition de traitement ou l’appartenance catégorielle. Réciproquement, la somme des carrés intragroupe (SS_Intra ou SS_Within, fréquemment désignée sous l’appellation de somme des carrés résiduelle ou de l’erreur) capture la dispersion des scores individuels des sujets par rapport à la moyenne spécifique de leur propre groupe d’assignation. Elle incarne le bruit de fond stochastique, la variance d’erreur pure imputable aux différences interindividuelles incontrôlables et aux imprécisions métrologiques du protocole.

Chacune de ces sommes de carrés est ensuite rapportée à ses degrés de liberté respectifs pour générer des estimations non biaisées de la variance populationnelle, nommées carrés moyens (Mean Squares, MS) :

MS_Inter = SS_Inter / (k – 1)    et    MS_Intra = SS_Intra / (N – k)

Le test statistique proprement dit se matérialise sous la forme du ratio de variance de Fisher-Snedecor, la statistique F :

F = MS_Inter / MS_Intra

La signification mathématique de ce ratio est fondamentale. Sous l’hypothèse nulle d’égalité des moyennes populationnelles, les variations entre les groupes ne reflètent que le bruit aléatoire d’échantillonnage ; par conséquent, MS_Inter et MS_Intra constituent deux estimateurs indépendants de la même variance d’erreur, et leur ratio oscille autour d’une valeur théorique proche de 1. Si, à l’inverse, la manipulation expérimentale engendre des modifications systématiques de l’attribut mesuré, la variance intergroupes sera substantiellement gonflée par l’effet du traitement. La statistique F s’envolera alors vers des valeurs nettement supérieures à 1, autorisant le rejet de H₀ dès lors que la valeur calculée outrepasse le quantile critique déterminé pour le niveau α sur la distribution de Fisher-Snedecor à (k – 1) et (N – k) degrés de liberté.

4.2 La structure des variables : Facteur qualitatif et variable dépendante continue

L’ANOVA impose des réquisitions structurales asymétriques rigoureuses quant à la nature des variables soumises à sa modélisation. Elle exige impérativement :

• Au moins une variable indépendante (VI) ou facteur explicatif de nature qualitative ou catégorielle. Ce facteur divise l’échantillon d’étude en un ensemble discret de k groupes, conditions ou modalités expérimentales (avec k ≥ 2).
• Une variable dépendante (VD) ou critère d’évaluation qui doit posséder impérativement le statut de variable métrique continue, mesurée au minimum sur une échelle d’intervalles ou de rapports.

La variable dépendante est l’entité sur laquelle s’exécute l’ensemble des calculs arithmétiques sophistiqués : sommes d’écarts, moyennes arithmétiques, variances et décompositions des moindres carrés. Si cette variable dépendante ne dispose pas d’une unité de mesure constante autorisant des opérations additives légitimes, la construction même de la variance perd tout ancrage mathématique. L’ANOVA postule que chaque score individuel Y_ij (le score du sujet j au sein de la condition i) peut être fidèlement représenté par un modèle linéaire additif général :

Y_ij = μ + α_i + ε_ij

où μ représente la moyenne générale constante non conditionnelle de la population, α_i caractérise l’effet fixe spécifique attribuable à l’appartenance au groupe i (avec la contrainte classique ∑ α_i = 0 dans un modèle à effets fixes), et ε_ij représente le terme d’erreur résiduelle non expliquée, postulé suivre une distribution normale de moyenne nulle et de variance constante σ².

Dans le paysage des investigations en sciences comportementales, les variables dépendantes adéquates pour l’ANOVA englobent par exemple les temps de réaction chronométriques saisis en millisecondes dans un protocole d’amorçage sémantique, le volume de cortisol salivaire matinal exprimé en nanomoles par litre, l’amplitude des potentiels évoqués cognitifs (comme la négativité liée à l’erreur ou l’onde P300) mesurée en microvolts par électroencéphalographie, ou encore les scores composites totaux validés issus d’inventaires psychométriques étalonnés tels que le Beck Depression Inventory ou les sous-échelles d’intelligence du WAIS-IV.

5. Typologie des protocoles d’ANOVA en sciences du comportement

5.1 L’ANOVA unifactorielle à groupes indépendants (One-Way ANOVA)

L’ANOVA unifactorielle inter-sujets constitue la configuration paradigmatique standard de la comparaison de moyennes. Elle représente l’extension mathématique directe du célèbre test t de Student pour échantillons indépendants au cas où la variable explicative qualitative comprend plus de deux modalités (k > 2). En effet, lorsque k = 2, le test F de l’ANOVA donne un résultat rigoureusement équivalent au carré du test t de Student (F = t²).

L’intérêt statistique majeur du recours à une ANOVA unifactorielle plutôt qu’à une série de comparaisons de paires par des tests t réside dans la neutralisation stricte de l’inflation de l’erreur de type I par famille d’hypothèses (Family-Wise Error Rate, ou FWER). Si un chercheur évalue 4 conditions expérimentales, il existe 6 combinaisons de paires possibles. Si chaque comparaison était menée isolément au seuil conventionnel α = 0,05, la probabilité globale de rejeter à tort au moins une hypothèse nulle vraie atteindrait :

α_global = 1 – (1 – α)^c = 1 – (0,95)⁶ ≈ 0,265

Le chercheur s’exposerait alors à un risque inadmissible de 26,5 % de faux positifs. L’ANOVA unifactorielle résout cette crise méthodologique en proposant un test « omnibus » unique qui préserve le taux d’erreur α à son niveau nominal strict de 0,05 sur l’intégralité du dispositif expérimental.

Un protocole emblématique en psychologie des émotions consiste à manipuler l’état affectif de participants répartis aléatoirement dans quatre groupes indépendants : induction de joie par extrait filmique, induction de tristesse, induction de colère, et un groupe témoin exposé à un documentaire neutre. La variable dépendante continue correspond au nombre d’items mémorisés dans une tâche ultérieure de rappel libre. L’ANOVA unifactorielle permettra d’établir formellement si la valence ou l’activation émotionnelle exerce un impact significatif sur la mémoire de travail sans altérer le cadre probabiliste de la décision statistique.

5.2 L’ANOVA factorielle et la détection d’effets d’interaction

L’ANOVA factorielle représente une avancée analytique spectaculaire par rapport aux analyses univariées isolées en permettant la modélisation conjointe et simultanée de deux variables indépendantes qualitatives ou plus au sein d’un même devis expérimental (plans factoriels croisés du type 2 × 2, 3 × 3, ou 2 × 2 × 4). Dans un plan factoriel à deux facteurs A et B, la somme des carrés intergroupes est décomposée mathématiquement en trois entités distinctes :

SS_Inter = SS_A + SS_B + SS_A×B

Cette décomposition génère trois ratios F séparés, évaluant respectivement :

1. L’effet principal du facteur A, c’est-à-dire l’impact de A sur la variable dépendante en moyennant sur l’ensemble des modalités du facteur B.
2. L’effet principal du facteur B, indépendamment des niveaux de A.
3. L’effet d’interaction multiplicative (A × B), qui teste mathématiquement si l’amplitude ou la direction de l’effet du facteur A dépend du niveau spécifique auquel se trouve le facteur B.

L’isolation de l’interaction constitue l’apport le plus précieux de l’ANOVA factorielle pour les sciences humaines. Le comportement humain est rarement régi par des causalités simples et additives ; il procède par modérations complexes. Considérons une expérience en psychologie clinique évaluant l’efficacité d’une nouvelle thérapie cognitive pour la dépression. Le Facteur A est l’intervention (Thérapie Innovante vs Traitement Habituel) et le Facteur B est le trait de personnalité « Névrosisme » scindé en deux groupes distincts (Névrosisme Élevé vs Névrosisme Faible). Une ANOVA factorielle 2 × 2 permettra de découvrir si l’efficacité thérapeutique supérieure de l’approche innovante n’apparaît que chez les patients affichant un névrosisme élevé, alors qu’elle reste sans avantage particulier chez les patients à faible névrosisme. Le test d’interaction statistique modélise précisément ce concept théorique de modération clinique.

5.3 L’ANOVA à mesures répétées (Within-Subjects Design)

Lorsque les mêmes participants sont évalués à travers toutes les modalités de la variable indépendante (protocoles longitudinaux, suivis pré/post-traitement ou plans intra-individuels en psychophysique), l’ANOVA unifactorielle inter-sujets devient caduque et doit être remplacée par l’ANOVA à mesures répétées. Dans ce devis, chaque sujet constitue son propre contrôle méthodologique.

Sur le plan mathématique, cette structure permet de soustraire la variabilité stable interindividuelle globale (SS_Sujets) de la somme des carrés résiduelle ou d’erreur :

SS_Erreur = SS_Intra – SS_Sujets

En éliminant ce bruit de fond imputable aux différences constitutionnelles constantes des sujets, le dénominateur du ratio F se trouve considérablement réduit, ce qui a pour effet direct de décupler la puissance statistique du test par rapport à un devis à groupes indépendants équivalent. Le chercheur peut ainsi détecter des effets expérimentaux fins avec un nombre d’individus nettement plus restreint.

Cependant, cette puissance analytique accrue s’accompagne d’une contrainte mathématique supplémentaire : le postulat de sphéricité (ou circularité), évalué par le test de sphéricité de Mauchly. La sphéricité exige que les variances de l’ensemble des différences possibles calculées entre chaque paire de mesures répétées soient mathématiquement égales au niveau de la population. Lorsque cette condition d’homogénéité des covariances est violée, la statistique F devient hypersensible et produit des taux de faux positifs bien supérieurs au seuil α retenu. Il devient alors indispensable d’appliquer des facteurs d’atténuation des degrés de liberté, tels que les corrections éprouvées de Greenhouse-Geisser ou de Huynh-Feldt, afin de rétablir la validité nominale de la p-value.

6. Nature et échelle de mesure des variables : La distinction cardinale

6.1 La typologie des échelles de Stevens comme boussole méthodologique

L’ancrage ontologique régissant la sélection exclusive entre le test du Khi-Deux et l’ANOVA réside sans équivoque dans la formalisation de la métrologie proposée par le psychologue Stanley Smith Stevens (1946). Stevens a hiérarchisé l’évaluation scientifique selon quatre échelles opérationnelles fondées sur les transformations mathématiques qu’elles laissent invariantes : l’échelle nominale, l’échelle ordinale, l’échelle d’intervalles et l’échelle de rapports.

Échelle de mesure	Opérations fondamentales	Propriétés mathématiques	Assignation analytique
Nominale	Équivalence (=, ≠)	Classification catégorielle sans ordre	Khi-Deux pur (VD & VI)
Ordinale	Ordre (>, <)	Classement hiérarchique, intervalles inégaux	Statistiques non paramétriques / Khi-Deux
D’intervalle	Différence (+, -)	Unité métrique constante, zéro arbitraire	ANOVA (pour la VD)
De rapport	Ratio (×, ÷)	Zéro absolu naturel, proportions vraies	ANOVA (pour la VD)

L’assignation analytique devient ainsi limpide : le test du Khi-Deux appartient par essence au niveau nominal. Les chiffres engagés dans sa structure ne traduisent jamais une quantité graduée, mais un recensement d’unités d’observation au sein de classes qualitatives indépendantes. Toute tentative d’introduire des données d’intervalles directement dans une formule de Pearson standard sans discrétisation préalable dénature l’algorithme, car les écarts individuels continus ne peuvent constituer les fréquences théoriques et observées d’un tableau discret.

Inversement, la variable dépendante de l’ANOVA exige une métrique appartenant au minimum à l’échelle d’intervalles ou de rapports. Pour construire des moyennes, des sommes de carrés déviatifs et des variances, l’écart métrique entre un score de 10 et un score de 20 doit être rigoureusement identique à l’écart spatial séparant un score de 40 et un score de 50. Si cette constance métrologique fait défaut, la moyenne devient un descripteur mathématiquement sans valeur et le ratio F de Fisher cesse de converger vers sa distribution théorique connue.

6.2 Le statut controversé des échelles de Likert en psychométrie

L’utilisation quasi-omniprésente d’échelles d’attitude de type Likert (ex. graduation en 5 ou 7 points de « Pas du tout d’accord » à « Tout à fait d’accord ») a fait naître une querelle épistémologique historique entre psychométriciens rigoristes et méthodologistes pragmatiques. Une gradation Likert élémentaire prise isolément (un unique item) est indéniablement de nature ordinale : rien ne prouve que la distance psychologique subjective entre les modalités « Neutre » et « D’accord » soit rigoureusement équivalente à l’écart séparant « D’accord » et « Tout à fait d’accord ».

Les théoriciens puristes préconisent dès lors de traiter ces données ordinales à l’aide d’épreuves non paramétriques, ou de tableaux de contingence analysés par le Khi-Deux lorsque les niveaux sont regroupés. Cependant, la tradition psychométrique prédominante, solidement étayée par les travaux empiriques de simulateurs monté-carlo (Norman, 2010), démontre que lorsque plusieurs items Likert mesurant un construit latent commun sont agrégés par sommation ou calcul de moyenne en un score composite étendu (comportant une dispersion d’au moins 15 à 20 valeurs distinctes et démontrant une distribution symétrique), ce score se comporte fonctionnellement comme une variable quasi-intervallaire.

L’application d’une ANOVA sur des scores composites psychométriques agrégés (par exemple un score total au Maslach Burnout Inventory ou au Big Five Inventory) s’avère parfaitement robuste et théoriquement recevable. En revanche, appliquer directement une ANOVA sur un unique item isolé à cinq échelons viole les préceptes de distribution continue et expose le chercheur à des artéfacts analytiques majeurs. Dans cette dernière circonstance, le test de Kruskal-Wallis (l’équivalent non paramétrique de l’ANOVA basé sur les rangs) ou l’analyse par le test du Khi-Deux d’indépendance représente l’unique échappatoire méthodologique conforme.

6.3 Synthèse opérationnelle sous forme matricielle

Afin de prévenir toute ambivalence lors de la phase de conception d’un protocole, la matrice ci-dessous résume les appariements analytiques licites et illicites en croisant la nature métrologique de la variable dépendante et de la variable indépendante :

Variable Dépendante (Critère)	Variable Indépendante (Prédicteur)	Test Statistique Approprié	Statut de l’ANOVA et du Khi-Deux
Nominale / Catégorielle	Nominale / Catégorielle	Test du Khi-Deux (χ²)	Khi-Deux parfait ; ANOVA interdite
Continue (Intervalle / Rapport)	Nominale / Catégorielle	ANOVA (F de Fisher)	ANOVA parfaite ; Khi-Deux inapproprié
Continue (Intervalle / Rapport)	Continue (Intervalle / Rapport)	Régression Linéaire / Corrélation	Ni ANOVA classique, ni Khi-Deux
Nominale (Binaire / Multinomiale)	Continue (Intervalle / Rapport)	Régression Logistique	Ni Khi-Deux bivarié, ni ANOVA standard

Il ressort de cette cartographie que toute configuration imposant une variable dépendante nominale prohibe formellement l’utilisation de l’ANOVA. Procéder à une discrétisation artificielle d’une variable métrique continue pour satisfaire les spécifications d’un Khi-Deux relève d’une régression méthodologique préjudiciable, génératrice de biais de classification et d’un affaiblissement dramatique de la sensibilité de l’étude.

7. Hypothèses statistiques : Formulation, formalisme et interprétation

7.1 L’hypothèse nulle (H0) et alternative (H1) dans le Khi-Deux

Le formalisme des hypothèses statistiques dans le test du Khi-Deux s’articule autour des notions d’équiprobabilité ou d’indépendance de distribution. Dans le cas d’un test d’indépendance au sein d’un tableau à r lignes et c colonnes, l’hypothèse nulle mathématique formelle pose l’égalité stricte des probabilités conjointes et du produit marginal :

H₀ : P_ij = P_i• × P_•j   ∀ (i, j)

où P_ij désigne la probabilité qu’un sujet aléatoirement sélectionné présente simultanément la modalité de ligne i et la modalité de colonne j, P_i• représentant la probabilité marginale de la ligne i, et P_•j la probabilité marginale de la colonne j. L’hypothèse alternative correspondante est par nature globale, composite et non directionnelle :

H₁ : ∃ (i, j)   tel que   P_ij ≠ P_i• × P_•j

L’hypothèse alternative stipule simplement qu’il existe au moins une cellule de contingence pour laquelle la probabilité empirique réelle diverge de la probabilité dictée par l’indépendance. Le test du Khi-Deux ne possède aucun vecteur directif d’interprétation a priori : il valide l’existence d’une dépendance sans spécifier par son seul chiffre omnibus quelles associations partielles en sont responsables. Dès lors, le rejet de l’hypothèse nulle impose au chercheur une démarche analytique supplémentaire fondée sur l’examen minutieux des résidus statistiques normalisés.

7.2 L’hypothèse nulle (H0) et alternative (H1) dans l’ANOVA

Dans l’Analyse de Variance unifactorielle confrontant k populations indépendantes, le formalisme statistique s’articule autour de l’équivalence des paramètres de tendance centrale. L’hypothèse nulle postule que l’ensemble des moyennes théoriques sous-jacentes sont rigoureusement identiques :

H₀ : μ₁ = μ₂ = μ₃ = … = μ_k

L’hypothèse alternative d’un test ANOVA omnibus ne stipule nullement que toutes les moyennes sont mutuellement différentes les unes des autres. Elle affirme simplement l’existence d’une rupture d’homogénéité globale :

H₁ : ∃ (m, n)   tel que   μ_m ≠ μ_n   (avec m ≠ n)

Le rejet de H₀ au terme d’une ANOVA signifie exclusivement qu’au moins deux groupes de l’échantillon présentent des espérances mathématiques significativement divergentes. Le ratio F, tout comme le Khi-Deux, ne localise pas précisément où réside la faille. Une ANOVA unifactorielle à 4 groupes affichant une valeur p < 0,001 peut découler du fait que le groupe 1 surpasse les trois autres qui demeurent équivalents, ou que le groupe 4 s’effondre face aux autres, ou encore que les quatre cohortes s’échelonnent régulièrement. La résolution de cette incertitude topologique contraint le chercheur à déployer des procédures de comparaisons ciblées a posteriori.

7.3 Stratégies d’analyse a posteriori (Post-Hoc)

Lorsqu’un test omnibus s’avère statistiquement significatif au seuil préétabli, le statisticien doit exécuter une analyse post-hoc rigoureusement régulée pour identifier les contributions individuelles à la rupture de H₀, tout en empêchant la réémergence du risque de fausses découvertes.

Pour le test du Khi-Deux, la méthode de post-décomposition de référence ne repose pas sur des tests t, mais sur l’extraction des résidus standardisés ajustés (ou résidus d’Haberman). Le résidu brut (O_ij – E_ij) est normalisé par son écart-type d’échantillonnage théorique :

d_ij = (O_ij – E_ij) / √[ E_ij × (1 – R_i/N) × (1 – C_j/N) ]

Ce résidu ajusté suit asymptotiquement une distribution normale centrée réduite Z. Dès lors, toute cellule dont le résidu dépasse en valeur absolue 1,96 (pour un seuil bidirectionnel non corrigé de 5 %) ou 2,58 (au seuil de 1 %) signale une attraction ou une répulsion statistiquement anormale. Pour une rigueur totale face aux tableaux de grande dimension, l’application d’un ajustement de type Bonferroni sur le seuil critique Z est vivement préconisée.

Pour l’ANOVA, le chercheur dispose d’une palette diversifiée de tests de contrastes multiples conçus pour réguler scrupuleusement le taux d’erreur par famille (FWER) :

• Le test HSD de Tukey (Honestly Significant Difference) : fondé sur la distribution de l’étendue standardisée de Student, il constitue la méthode optimale et la plus puissante pour comparer toutes les paires possibles de moyennes lorsque la condition d’homogénéité des variances est respectée.
• La correction de Bonferroni : méthode hautement conservatrice consistant à diviser le seuil α par le nombre exact de comparaisons effectuées (α’ = α/c). Elle est privilégiée lorsqu’un nombre limité de contrastes orthogonaux a été planifié a priori par la théorie.
• La méthode de Scheffé : la plus prudente de toutes les épreuves, autorisant l’exploration illimitée non seulement de paires simples, mais également de contrastes complexes non planifiés (ex. tester si la moyenne combinée des groupes 1 et 2 surpasse la moyenne du groupe 3) sans jamais excéder le risque global d’erreur α.
• Le test de Games-Howell : alternative incontournable lorsque le postulat d’homogénéité des variances de l’ANOVA a été formellement rejeté.

8. Conditions d’application et postulats statistiques préalables

8.1 Les postulats du test du Khi-Deux

L’apparente simplicité de mise en œuvre du test du Khi-Deux masque des postulats d’application stricts dont la méconnaissance vicie fréquemment les publications empiriques. Les trois axiomes régissant sa validité sont les suivants :

1. L’indépendance stricte des observations : Chaque sujet, observation ou événement doit impérativement figurer dans une et une seule case du tableau de contingence. Le nombre total d’occurrences inscrites dans le tableau (N) doit être mathématiquement égal au nombre d’individus échantillonnés. Il est formellement prohibé d’inclure des mesures répétées chez les mêmes sujets au sein d’un test du Khi-Deux classique. Par exemple, classer les symptômes d’un patient à l’admission puis réinsérer le même individu à sa sortie constitue une violation majeure qui fait s’effondrer la distribution stochastique du test.

2. La taille adéquate des effectifs théoriques (Critère de Cochran) : L’approximation de la loi discrète de Pearson par la loi continue du Khi-Deux n’est valide que si les effectifs théoriques attendus E_ij sont d’une ampleur suffisante. La règle historique stipulait que tous les E_ij devaient dépasser 5. William Cochran a assoupli cette exigence en établissant que le test demeure d’une précision remarquable pourvu que :

• Aucune case n’affiche une fréquence théorique attendue inférieure à 1 (E_ij ≥ 1).
• Au maximum 20 % des cellules du tableau de contingence présentent un effectif attendu inférieur à 5.

3. Échantillonnage aléatoire simple : Les unités statistiques doivent avoir été extraites de façon indépendante et aléatoire au sein de la population cible étudiée.

Lorsque le critère de Cochran est enfreint, en particulier dans les tableaux 2 × 2 à faible échantillon, l’analyste ne doit pas employer le Khi-Deux standard. Il est alors requis de recourir au test exact de Fisher, qui calcule analytiquement la probabilité hypergéométrique exacte d’obtenir la configuration marginale observée, sans faire appel à une approximation asymptotique continue. La correction de continuité de Yates pour le Khi-Deux à un degré de liberté est aujourd’hui délaissée au profit de l’exactitude de Fisher, en raison d’une fâcheuse propension à un sur-conservatisme méthodologique.

8.2 Les postulats paramétriques de l’ANOVA

L’Analyse de Variance appartient à la famille des statistiques paramétriques dites de théorie normale. La rigueur de son inférence repose sur le respect de trois conditions distributionnelles fondamentales formalisées par le modèle linéaire général :

1. La normalité des distributions résiduelles : La variable dépendante doit suivre une loi normale au sein de chaque population parente représentée par les niveaux du facteur. Dans l’architecture moderne d’évaluation des modèles, ce postulat s’évalue en vérifiant que les résidus du modèle (ε_ij) suivent conjointement une loi normale de moyenne nulle. Cette distributionnalité s’investigue par le test de Shapiro-Wilk lorsque les effectifs sont réduits (n < 50), ou par l’inspection des graphiques quantile-quantile (Q-Q plots).

2. L’homoscédasticité (Homogénéité des variances) : Les variances de la variable dépendante au sein de chacune des k sous-populations doivent être mathématiquement équivalentes (σ₁² = σ₂² = … = σ_k²). L’évaluation de cette propriété repose sur le test de Levene (calculé sur les déviations médianes pour une plus grande robustesse) ou le test de Bartlett (sensible à la normalité). Si l’hypothèse nulle du test de Levene est rejetée (p < 0,05), l’homoscédasticité est formellement invalidée (présence d’hétéroscédasticité).

3. L’indépendance des erreurs : L’erreur associée à une unité d’observation j au sein du groupe i ne doit entretenir aucune corrélation linéaire ou non-linéaire avec l’erreur associée à une quelconque autre unité. Ce postulat est d’ordre structurel et découle de la qualité de la randomisation expérimentale. Les dépendances spatiales, temporelles ou hiérarchiques (ex. plusieurs élèves appartenant à la même classe d’école) violent dramatiquement ce réquisit.

8.3 Robustesse et violations des conditions de validité

L’ANOVA est reconnue pour son insolente robustesse face aux entorses modérées de ses postulats mathématiques, à condition impérative que les effectifs des groupes soient parfaitement équilibrés (c’est-à-dire n₁ = n₂ = … = n_k) et que la taille globale de l’échantillon soit substantielle. En vertu du théorème central limite, lorsque les tailles d’échantillons dépassent 30 observations par cellule, l’impact d’une asymétrie distributionnelle ou d’un aplatissement non gaussien sur le taux d’erreur α devient pratiquement imperceptible.

En revanche, la conjonction d’une hétéroscédasticité marquée et de groupes de tailles inégales constitue le scénario le plus destructeur pour la validité de l’ANOVA :

• Si les groupes à faible effectif présentent les plus grandes variances résiduelles, la valeur empirique du ratio F est artificiellement gonflée, provoquant une explosion des erreurs de type I (faux positifs).
• Si, à l’opposé, les groupes les plus volumineux affichent les variances les plus dispersées, le test devient excessivement conservateur, anéantissant la puissance statistique et générant une avalanche de faux négatifs (β).

Face à une telle violation, le statisticien moderne ne doit pas systématiquement capituler vers des tests non paramétriques de bas niveau (tels que le test de Kruskal-Wallis). La solution méthodologique par excellence consiste à adopter l’ANOVA de Welch. Cette modification algorithmique intègre une pondération différentielle des variances basée sur le formalisme d’approximation des degrés de liberté de Satterthwaite. L’ANOVA de Welch préserve le taux d’erreur nominal α et maintient un niveau de puissance statistique optimal, y compris sous des régimes d’hétéroscédasticité aiguë combinés à des déséquilibres d’effectifs sévères.

Concernant le Khi-Deux, il ne tolère absolument aucune robustesse face à la violation de l’indépendance des observations. Si un jeu de données comprend des réponses répétées fournies par les mêmes individus, l’application du Khi-Deux standard conduit à une sous-estimation systématique de l’erreur-type et à un taux spectaculaire de rejet abusif de H₀. Dans ce contexte précis de données appariées, le chercheur doit impérativement migrer vers le test de McNemar (pour les tableaux 2 × 2) ou le test Q de Cochran pour les configurations multivariées.

9. Mesures de la taille d’effet et quantification de la pertinence clinique

9.1 Au-delà de la significativité statistique : L’impératif de l’ampleur de l’effet

L’un des tournants épistémologiques majeurs de la psychologie empirique au cours des trois dernières décennies a été la remise en cause radicale de l’hégémonie de la seule p-value (significativité statistique). L’inférence dichotomique binaire imposée par le seuil arbitraire de Fisher (p < 0,05) est intrinsèquement dépendante de la taille de l’échantillon mobilisé :

Statistique de Test = Grandeur de l’Effet × Taille de l’Échantillon

Avec un échantillon monumental de 100 000 participants, une différence microscopique et cliniquement insignifiante de 0,2 milliseconde de temps de réaction entre deux conditions expérimentales atteindra inévitablement un seuil hautement significatif de p < 0,0001. À l’opposé, avec un échantillon clinique restreint de 12 sujets atteints d’une pathologie rare, un bénéfice thérapeutique spectaculaire peut échouer à atteindre le seuil conventionnel de significativité par simple manque de puissance d’échantillonnage.

Face à cet écueil fondamental, les directives éditoriales actuelles portées par l’American Psychological Association (APA, 7e édition) et le mouvement pour la science ouverte exigent la quantification systématique de la taille d’effet (effect size). La taille d’effet offre une métrique standardisée et indépendante de la taille de l’échantillon N, permettant d’estimer directement l’amplitude substantielle d’un phénomène psychologique et de comparer rigoureusement les résultats à travers les méta-analyses.

9.2 Indicateurs d’effet pour le test du Khi-Deux

L’intensité de l’association statistique découverte dans un tableau de contingence analysé par le test du Khi-Deux s’évalue à l’aide de métriques paramétrées selon la structure géométrique du tableau :

1. Le coefficient Phi (φ) : Conçu exclusivement pour les tableaux d’association quadratiques de dimension 2 × 2, le coefficient Phi est calculé en normalisant la statistique χ² par l’effectif global N :

φ = √( χ² / N )

Ce coefficient est mathématiquement isomorphe au coefficient de corrélation de Bravais-Pearson r calculé sur deux variables artificiellement codées 0 et 1. Il varie rigoureusement entre -1 et +1 (si l’on conserve l’orientation directionnelle des produits croisés) ou entre 0 et 1 en valeur absolue.

2. Le V de Cramer : Pour les tableaux de contingence de dimensions supérieures (r × c), le coefficient Phi peut excéder la borne supérieure de 1 et perd sa lisibilité métrique. Le méthodologiste Harald Cramér a formalisé une normalisation tenant compte du nombre minimal de lignes ou de colonnes du tableau :

V = √[ χ² / ( N × (min(r, c) – 1) ) ]

Le V de Cramer fluctue immuablement sur une échelle bornée de 0 (absence totale d’association stochastique) à 1 (dépendance fonctionnelle déterministe parfaite). Selon les grilles d’interprétation universelles de Cohen, pour un degré de liberté minimal de 1, un V de 0,10 correspond à un effet modeste, 0,30 à un effet moyen, et 0,50 à un effet puissant.

3. L’Odds Ratio (OR – Rapport des cotes) et le Risque Relatif (RR) : En épidémiologie psychiatrique et en psychopathologie clinique quantitative, la pertinence d’une association s’exprime idéalement sous forme de cotes de risque au sein d’une table 2 × 2 confrontant l’exposition à un facteur de risque et la survenue d’un trouble mental :

OR = (a × d) / (b × c)

où a, b, c, d correspondent aux effectifs des quatre cellules. Un OR de 3,50 indique que les sujets exposés au facteur psychologique ont 3,5 fois plus de cotes de présenter la psychopathologie investiguée comparativement aux individus non exposés, fournissant un ancrage clinique intuitif inaccessible à la seule statistique χ².

9.3 Indicateurs d’effet pour l’ANOVA

L’estimation de la force d’un traitement au sein de l’ANOVA s’exprime historiquement sous la forme de la fraction de variance expliquée par le facteur d’intérêt :

1. L’Êta-carré (η²) et l’Êta-carré partiel (η_p²) : L’êta-carré conventionnel exprime le ratio direct de la somme des carrés de l’effet sur la somme des carrés totale :

η² = SS_Effet / SS_Totale

Dans les plans factoriels comportant plusieurs variables explicatives, on emploie quasi-systématiquement l’êta-carré partiel (η_p²), qui élimine l’influence parasitaire des autres facteurs au dénominateur en calculant la proportion de variance non expliquée attribuable à l’effet spécifique :

η_p² = SS_Effet / ( SS_Effet + SS_Erreur )

Les seuils de convention établis par Jacob Cohen pour η² et η_p² catégorisent un effet de 0,01 comme faible, 0,06 comme moyen et 0,14 ou plus comme substantiel (explication de 14 % de la variance résiduelle).

2. L’Oméga-carré (ω²) : Bien qu’omniprésent dans les logiciels commerciaux (SPSS), l’êta-carré présente un biais mathématique systématique : c’est un estimateur descriptif centré sur l’échantillon qui surestime systématiquement l’effet au niveau de la population réelle, en particulier pour de petits volumes d’échantillonnage. Pour rectifier cette distorsion d’échantillonnage, l’Oméga-carré (ω²) propose une estimation non biaisée en intégrant le terme du carré moyen de l’erreur directement dans sa métrique :

ω² = [ SS_Effet – (k – 1) × MS_Erreur ] / [ SS_Totale + MS_Erreur ]

3. Le d de Cohen lors des contrastes a posteriori : Lorsqu’une décomposition post-hoc explore la divergence spécifique entre deux moyennes de groupes (M₁ et M₂), la mesure reine redevient le d de Cohen (ou le g de Hedges pour les faibles effectifs), standardisant la différence brute par l’écart-type résiduel combiné (SD_pooled) :

d = ( M₁ – M₂ ) / SD_pooled

Cette articulation entre indicateurs omnibus multigroupes (η_p², ω²) et métriques de contraste unitaire (d) offre une compréhension multidimensionnelle totale de la pertinence théorique d’une découverte expérimentale.

10. Études de cas comparatives en psychologie clinique et cognitive

10.1 Cas clinique 1 : Analyse de l’efficacité de psychothérapies

Afin de saisir concrètement l’impact épistémologique du choix statistique, examinons un essai clinique contrôlé randomisé conçu pour évaluer l’efficacité de trois protocoles de soin destinés à des patients souffrant d’un Trouble Dépressif Majeur unipolaire modéré :

• Groupe 1 : Thérapie Cognitivo-Comportementale standardisée (TCC, n = 50).
• Groupe 2 : Psychothérapie Psychodynamique Brève (PPB, n = 50).
• Groupe 3 : Groupe Témoin sous Liste d’Attente avec soutien non structuré (CON, n = 50).

Scénario A : L’approche qualitative (Test du Khi-Deux)
Le chercheur opère une classification clinique dichotomique de fin d’étude : chaque patient est qualifié de « En Rémission » (atteinte d’un seuil prédéterminé de normalisation symptomatique) ou « En Échec Thérapeutique ». Les observations compilées forment une grille de contingence 3 × 2 :

• TCC : 35 Rémissions / 15 Échecs.
• PPB : 28 Rémissions / 22 Échecs.
• CON : 12 Rémissions / 38 Échecs.

L’analyste exécute un test du Khi-Deux d’indépendance à (3 – 1) × (2 – 1) = 2 degrés de liberté. La statistique χ² obtenue atteint 22,25 (p < 0,0001, avec un V de Cramer de 0,38). L’inspection des résidus standardisés ajustés démontre une attractivité très significative pour la rémission dans le groupe TCC (résidu = +3,8) et un effondrement marquant dans le groupe témoin (résidu = -4,6). L’information tirée est éminemment pragmatique pour un décideur de santé publique : le protocole TCC produit une probabilité binaire accrue de faire basculer un individu hors du champ diagnostique pathologique.

Scénario B : L’approche quantitative (ANOVA)
Dans ce second cadre d’analyse appliqué aux mêmes 150 patients, le critère d’évaluation mesuré à l’issue de l’intervention est le score d’intensité continue obtenu à l’Inventaire de Dépression de Beck (BDI-II, échelle de 0 à 63 points). Les statistiques descriptives révèlent :

• TCC : M = 11,40 (ET = 4,20).
• PPB : M = 14,80 (ET = 5,10).
• CON : M = 24,60 (ET = 6,80).

L’ANOVA unifactorielle à groupes indépendants génère un ratio F(2, 147) = 84,32 (p < 0,0001, avec un η_p² spectaculaire de 0,53). Les contrastes post-hoc de Tukey démontrent formellement que si les deux psychothérapies surclassent magistralement la liste d’attente (p < 0,001), la TCC induit également une diminution des symptômes résiduels significativement plus profonde que la thérapie psychodynamique (différence moyenne de -3,40 points, p = 0,008, d de Cohen = 0,72).

Comparaison épistémologique : Le scénario ANOVA dévoile une résolution et une granularité clinique infiniment supérieures au test du Khi-Deux. La binarisation artificielle sous forme de rémission (Scénario A) masquait la supériorité statistique unilatérale de la TCC sur la PPB, reléguant les deux démarches à des positions apparemment similaires au seuil brut. L’ANOVA a capitalisé sur l’ensemble de la métrique continue pour révéler la divergence d’atténuation symptomatique fine, prouvant sa suprématie informationnelle dès lors qu’un instrument métrique fiable est accessible.

10.2 Cas cognitif 2 : Étude de l’interférence attentionnelle

Examinons une recherche expérimentale en psychologie cognitive portant sur l’inhibition exécutive à travers une version informatisée du paradigme de Stroop couleur-mot, croisant deux variables explicatives : la Condition de Congruence (Congruente, Neutre, Incongruente) et la Tranche d’Âge des participants (Jeunes Adultes vs Adultes Âgés).

Le traitement quantitatif canonique par ANOVA Factorielle Mixte
La variable dépendante est le Temps de Réaction (TR) moyen mesuré en millisecondes pour les essais corrects. Le devis est un plan mixte 2 × 3 : l’Âge est un facteur inter-sujets (2 groupes) et la Condition Stroop est un facteur intra-sujets à mesures répétées (3 niveaux). L’analyse de variance factorielle révèle :

• Un effet principal significatif de l’Âge (TR globalement plus lents chez les sujets âgés).
• Un effet principal significatif de la Congruence (le coût d’inhibition classique se traduisant par un ralentissement marqué en condition incongruente).
• Un effet d’interaction significatif Âge × Congruence : F(2, 116) = 14,88, p < 0,0001, η_p² = 0,20.

L’interaction montre que l’allongement du temps de réaction face au conflit couleur-mot est disproportionnellement plus dégradé chez les individus âgés, démontrant formellement un déclin spécifique du contrôle inhibiteur frontal lié au vieillissement normal.

Le recours circonstancié au Khi-Deux pour l’analyse d’erreurs rares
Cependant, au cours de cette même tâche cognitive, certains participants commettent des erreurs qualitatives manifestes. Les temps de réaction ne peuvent être calculés sur des réponses incorrectes. Les erreurs observées sont excessivement rares (taux global < 4 %) et présentent une distribution mathématique discrète massivement asymétrique (loi de Poisson), violant irrémédiablement l’axiome de normalité continue indispensable à une ANOVA.

Le cognitiviste bascule alors judicieusement vers le cadre du Khi-Deux. Il typologise les anomalies comportementales en deux modalités qualitatives distinctes : les erreurs d’omission (dépassement du temps imparti sans réponse) et les erreurs de commission (déclenchement moteur d’une touche erronée trahissant l’incapacité d’inhiber la lecture automatique du mot). En croisant ces deux catégories d’erreurs qualitatives avec les groupes d’âge au sein d’un tableau 2 × 2 sous la condition incongruente, le test du Khi-Deux démontre que les adultes âgés produisent une surreprésentation significative d’erreurs d’omission (reflet d’une stratégie de prudence ou d’un ralentissement psychomoteur pur), tandis que les sujets impulsifs commettent préférentiellement des erreurs de commission. Le chercheur mobilise ainsi l’ANOVA pour la dynamique temporelle continue et le Khi-Deux pour la morphologie discrète des échecs d’inhibition.

10.3 Interprétation croisée des scripts de résultats sous R et SPSS

L’autonomie du chercheur exige une lecture critique des résultats générés par les environnements logiciels d’analyse de données dominants tels que SPSS ou le langage R.

Décodage d’un tableau de contingence et de test Khi-Deux sous SPSS / R :
Dans la sortie d’un test d’indépendance, la table primordiale est le tableau croisé (Crosstabulation). L’analyste doit vérifier trois lignes numériques pour chaque case : le décompte brut (Count), le décompte théorique attendu (Expected Count), et le résidu standardisé ajusté (Adjusted Residual). Dans le bloc récapitulatif Chi-Square Tests, la première ligne désignée par « Pearson Chi-Square » fournit la statistique de test, les degrés de liberté (df) et la significativité asymptotique bilatérale (Asymp. Sig. 2-sided). Une note infrapaginale obligatoire sous le tableau signale la conformité au critère de Cochran (ex. « 0 cells (0.0%) have expected count less than 5. The minimum expected count is 14.50 »). Si cette mention affiche un pourcentage supérieur à 20 %, la lecture de la ligne Pearson Chi-Square doit être impérativement abandonnée au profit de la ligne « Fisher’s Exact Test ».

Sous R, l’exécution s’effectue via l’instruction canonique :

resultat_khi2 <- chisq.test(tableau_contingence, correct = FALSE)

L’interrogation de l’objet resultat_khi2$stdres renvoie directement la matrice des résidus standardisés ajustés permettant d’isoler les cases significatives.

Décodage de la table ANOVA (ANOVA Summary Table) :
La table de sortie classique d’une ANOVA se structure immuablement en colonnes standardisées :

• Source of Variation (Facteur Inter, Erreur Résiduelle, Total).
• Sum of Squares (SS) : les sommes des carrés d’écarts.
• df (Degrés de liberté) : k – 1 pour le facteur, N – k pour l’erreur.
• Mean Square (MS) : calculé obligatoirement par le quotient SS / df.
• F : le ratio d’évaluation MS_Facteur / MS_Erreur.
• Sig. : la p-value associée, représentant la probabilité théorique d’observer un ratio F au moins aussi extrême sous l’empire de H₀.

Sous R, le formalisme standard s’écrit :

modele_anova <- aov(Variable_Dependante ~ Facteur_Qualitatif, data = donnees)
summary(modele_anova)

Formulation normalisée selon les standards rédactionnels de l’APA (7e édition) :
La communication académique prescrit des formules d’énonciation hautement calibrées :

• Pour le Khi-Deux : « La répartition des choix décisionnels s’avère significativement dépendante du style d’attachement affectif, χ²(2, N = 150) = 14,35, p = 0,001, V = 0,31. » (Mentionner impérativement les degrés de liberté, la taille totale N, la valeur de la statistique arrondie à deux décimales, la p-value exacte et la taille d’effet).
• Pour l’ANOVA : « L’analyse de variance unifactorielle a mis en évidence un effet principal hautement significatif du type d’intervention thérapeutique sur le niveau d’anxiété résiduel, F(2, 147) = 18,42, p < 0,001, η_p² = 0,20. » (Indiquer les deux paramètres de degrés de liberté séparés par une virgule : ddl inter, ddl intra).

11. Erreurs courantes, confusions méthodologiques et pièges analytiques

11.1 La binarisation injustifiée de variables continues (Dichotomanie)

L’un des travers les plus délétères et persistants dans la littérature quantitative en sciences sociales est désigné sous le vocable de dichotomanie ou de catégorisation arbitraire. Cette mauvaise pratique consiste à recueillir une authentique variable métrique continue (par exemple, le score global à une échelle d’empathie, l’âge chronologique des participants ou le quotient intellectuel) puis, pour des commodités erronées d’analyse ou de conceptualisation, à découper arbitrairement cette échelle en deux ou trois catégories au moyen d’une séparation à la médiane (Median Split) ou d’un découpage en terciles (ex. « Sujets à Haute Empathie » vs « Sujets à Faible Empathie »), afin de forcer les données à entrer dans un tableau du Khi-Deux ou une ANOVA unifactorielle.

Des démonstrations méthodologiques historiques (notamment Cohen, 1983 ; MacCallum et al., 2002) ont prouvé les ravages statistiques irréversibles engendrés par cette manipulation :

• Perte catastrophique d’information et de variance : Convertir une métrique continue riche en un statut binaire détruit immédiatement entre un tiers et la moitié de la variance utile du phénomène. Deux individus situés de part et d’autre de la médiane (l’un avec un score de 49, l’autre avec un score de 51) se voient traités comme radicalement différents, alors que deux individus situés aux extrêmes de leur classe (scores de 51 et de 100) sont considérés comme statistiquement indiscernables.
• Effondrement de la puissance statistique : La puissance requise pour détecter un effet populationnel authentique est drastiquement amoindrie, équivalant au gaspillage effectif d’environ un tiers des participants recrutés.
• Risque d’émergence de faux positifs fallacieux : Lorsque deux prédicteurs continus initialement corrélés sont dichotomisés par la médiane, le modèle linéaire peut générer des effets d’interaction totalement factices et inexistants dans les données sous-jacentes.

La règle méthodologique absolue est de maintenir systématiquement l’intégrité métrique de la variable dépendante continue pour appliquer une ANOVA ou un modèle de régression linéaire multiple. La discrétisation ne se justifie que dans de rares exceptions pragmatiques, régies par des seuils diagnostiques biomédicaux externes impératifs et validés épidémiologiquement (par exemple la définition de l’obésité selon l’indice de masse corporelle ≥ 30 kg/m²).

11.2 L’inversion causale et la confusion des statuts de variable

Une incompréhension fréquente de la modélisation réside dans l’attribution de statuts asymétriques erronés aux variables de recherche. L’ANOVA classique postule impérativement une causalité mathématique unidirectionnelle : une variable indépendante qualitative discrète catégorielle exerce une influence sur une variable dépendante métrique continue. Une erreur classique chez le chercheur novice consiste à tenter de concevoir une ANOVA en désignant une variable continue (ex. la pression artérielle systolique) comme variable indépendante factorielle pour expliquer une variable dépendante catégorielle (ex. le statut de rechute toxicomanologique : Rechute vs Abstinence). L’ANOVA standard est algorithmiquement incapable d’opérer cette inversion : sa machinerie mathématique ne peut fragmenter les sommes de carrés que sur le critère dépendant continu.

De plus, il règne parfois une confusion préjudiciable entre le test d’indépendance du Khi-Deux et les tests d’accord inter-juges. Lorsqu’un protocole implique deux cliniciens évaluant indépendamment le statut diagnostique catégoriel des mêmes 100 patients, croiser leurs cotations dans une table de contingence pour exécuter un test du Khi-Deux est une hérésie méthodologique complète. Le rejet de l’hypothèse nulle du Khi-Deux (χ² significatif) n’établit nullement un bon accord entre les juges : il démontre simplement une association stochastique non aléatoire. Deux psychiatres pourraient être en désaccord complet tout en affichant un Khi-Deux massif si leurs erreurs sont systématiques. L’analyse de concordance catégorielle requiert exclusivement le coefficient Kappa de Cohen (ou le Kappa pondéré pour les échelles ordinales), qui intègre une pénalisation rigoureuse pour l’accord imputable au seul hasard probabiliste marginal.

11.3 Gestion des violations de l’indépendance des observations

L’infraction au postulat d’indépendance des unités expérimentales constitue la faille analytique la plus dévastatrice, capable de ruiner la crédibilité de n’importe quelle inférence, qu’elle émane d’un Khi-Deux ou d’une ANOVA.

Dans les contextes longitudinaux ou d’appariement, l’application illicite d’un test du Khi-Deux pour comparer l’état clinique de patients « Avant » et « Après » une psychothérapie est une erreur fréquente. Chaque individu étant représenté deux fois dans le décompte global des fréquences, l’échantillonnage n’est plus multinomial indépendant, ce qui fausse intégralement la distribution théorique du Khi-Deux. Dans un tel cas, le protocole requiert expressément le test de McNemar, qui analyse exclusivement les discordances au sein des paires appariées.

De même, l’ignorance délibérée de la structure hiérarchique, emboîtée ou groupée des données (clustered data) vicie considérablement les analyses statistiques. Si l’on étudie l’effet d’une méthode pédagogique innovante par rapport à une méthode classique sur les scores scolaires continus d’un échantillon de 400 élèves répartis dans 16 classes, ces élèves ne constituent pas 400 entités statistiquement indépendantes. Les enfants d’une même classe partagent un climat scolaire commun, un même enseignant et des interactions mimétiques : les erreurs d’observation sont intrinsèquement corrélées au sein de chaque groupe-classe. Tenter d’exécuter une ANOVA unifactorielle inter-sujets standard sur ces 400 scores en ignorant le facteur classe enfreint gravement le postulat d’indépendance des erreurs, gonflant artificiellement les degrés de liberté et déclenchant une cascade de rejets frauduleux de l’hypothèse nulle. La résolution contemporaine de ces dépendances structurelles impose le recours aux Modèles Linéaires Mixtes (MLM ou modèles multi-niveaux) ou aux Équations d’Estimation Généralisées (GEE).

12. Arbre décisionnel opérationnel et guide de sélection pour le chercheur

12.1 L’algorithme séquentiel de choix statistique

Pour immuniser l’investigateur contre les errances méthodologiques lors de l’attribution analytique, nous formalisons ci-dessous un algorithme décisionnel déterministe séquentiel en quatre étapes chronologiques incontournables :

Étape 1 : Qualification ontologique de la Question de Recherche
Le chercheur doit définir la nature fondamentale de son interrogation théorique : s’agit-il d’évaluer une association ou une divergence de proportions entre des modalités de classification pure (dénombrement d’effectifs dans des catégories), ou s’agit-il de comparer des tendances centrales (moyennes arithmétiques) sur une dimension d’intensité quantitative ?

Étape 2 : Caractérisation métrologique de la Variable Dépendante (Critère)
Le niveau de mesure de la variable dépendante dicte irrévocablement la bifurcation majeure :

• Si la VD est nominale ou catégorielle (présence/absence, typologies qualitatives, comportements discrets disjonctifs) → Le chemin statistique s’oriente exclusivement vers la famille du Khi-Deux (ou ses équivalents exacts/logistiques). L’ANOVA est formellement exclue.
• Si la VD est métrique continue (échelles d’intervalles ou de rapports, scores composites psychométriques agrégés, paramètres chronométriques ou physiologiques) → Le protocole se dirige vers l’ANOVA (ou ses adaptations non paramétriques/robustes). Le Khi-Deux bivarié standard est inadapté.

Étape 3 : Cartographie des Variables Indépendantes (Facteurs de stratification)
Si la VD est continue, recenser l’architecture des prédicteurs qualitatifs :

• Une seule VI à groupes indépendants comprenant deux modalités → Test t de Student pour échantillons indépendants (mathématiquement isomorphe à l’ANOVA unifactorielle à 2 groupes).
• Une seule VI à groupes indépendants comprenant trois modalités ou plus → ANOVA unifactorielle (One-Way ANOVA).
• Deux VI catégorielles croisées ou plus → ANOVA Factorielle (permettant la modélisation des interactions).
• La même cohorte évaluée à travers toutes les modalités temporelles ou expérimentales → ANOVA à mesures répétées (après vérification de la sphéricité).

Étape 4 : Diagnostic empirique des postulats préalables
Avant de sceller définitivement le rapport d’analyse :

• Pour le Khi-Deux : Vérifier que 100 % des unités sont indépendantes et que les effectifs théoriques E_ij satisfont aux règles de Cochran. Dans le cas contraire, basculer sur le test exact de Fisher.
• Pour l’ANOVA : Évaluer la normalité des résidus (Shapiro-Wilk) et l’homogénéité des variances (Levene). En présence d’hétéroscédasticité confirmée combinée à des effectifs inégaux, substituer sans hésitation l’ANOVA classique par l’ANOVA de Welch. Si la distribution continue s’avère sévèrement tronquée, asymétrique et sans échelle continue valide, envisager le test de Kruskal-Wallis.

12.2 Aperçu des extensions avancées du modèle linéaire généralisé

L’alternative apparente entre Khi-Deux et ANOVA ne doit pas masquer le fait que ces outils constituent des variantes partielles d’un cadre mathématique unifié beaucoup plus vaste : le Modèle Linéaire Généralisé (GLM). Lorsque les devis expérimentaux dépassent les contraintes simples du bivarié, des extensions sophistiquées prennent le relais :

La Régression Logistique (Binaire ou Multinomiale) : Lorsque la variable dépendante est catégorielle (ex. Succès vs Échec d’un sevrage tabagique), mais que le chercheur souhaite évaluer simultanément l’impact de prédicteurs qualitatifs (type d’intervention) et de prédicteurs métriques continus (âge, nombre d’années de dépendance tabagique, score de motivation continue), le test du Khi-Deux s’avère inapte à gérer les covariables continues. La régression logistique modélise le logarithme népérien du rapport des cotes (logit) en fonction d’une combinaison linéaire libre de prédicteurs mixtes, reliant l’ontologie catégorielle à la souplesse du modèle linéaire.

Les Modèles Log-Linéaires : Ils constituent l’extension mathématique directe et rigoureuse du test du Khi-Deux au cas de l’analyse conjointe de trois variables catégorielles ou plus croisées au sein d’un hypercube de contingence multidimensionnel. De la même manière que l’ANOVA factorielle isole les effets principaux et les termes d’interaction sur une variable continue, les modèles log-linéaires décomposent les logarithmes des fréquences attendues pour tester des interactions structurelles complexes entre de multiples facteurs qualitatifs.

L’ANOVA Multivariée (MANOVA) : Lorsque l’expérimentateur évalue simultanément plusieurs variables dépendantes continues corrélées entre elles (ex. mesurer simultanément l’anxiété cognitive, l’anxiété somatique et l’évitement comportemental à l’issue de diverses manipulations), l’exécution d’ANOVAs univariées en série expose au risque d’inflation du taux d’erreur α et ignore la covariance des construits. La MANOVA combine vectoriellement les multiples variables dépendantes en une composante linéaire optimale via des critères matriciels (comme le Trace de Pillai ou le Lambda de Wilks), décuplant la puissance de détection multivariée.

12.3 Check-list méthodologique pré-analytique à destination des psychologues

En guise de boussole opérationnelle finale pour la planification d’un protocole de recherche ou la préparation d’une soumission éditoriale, nous soumettons cette check-list systématique en sept points d’auto-évaluation méthodologique :

1. Indépendance spatio-temporelle garantie : Avez-vous vérifié qu’aucun sujet ne contribue pour plus d’une seule observation au sein du tableau de données intergroupes ?
2. Vérification formelle de la métrique dépendante : Votre variable dépendante repose-t-elle sur une unité métrique démontrable (intervalles/rapports continus pour l’ANOVA) ou sur une classification discrète mutuellement exclusive (comptage nominal pur pour le Khi-Deux) ?
3. Préservation stricte de la continuité : Avez-vous proscrit sans compromis toute dichotomisation ou catégorisation artificielle à la médiane de variables continues sous-jacentes ?
4. Calibration pré-expérimentale de la puissance statistique : Avez-vous exécuté une analyse de puissance a priori (par exemple sous G*Power) pour déterminer la taille d’échantillon N indispensable à la détection de la taille d’effet minimale théoriquement pertinente au seuil α = 0,05 avec une puissance (1 – β) ≥ 0,80 ?
5. Vérification distributionnelle et parades robustes : Les postulats paramétriques de l’ANOVA (normalité des résidus, homoscédasticité de Levene) ou les conditions de Cochran pour le Khi-Deux ont-ils été évalués empiriquement, et les adaptations requises (ANOVA de Welch, test exact de Fisher) ont-elles été mobilisées le cas échéant ?
6. Régulation mathématique des comparaisons a posteriori : Les procédures de décomposition post-hoc (Tukey HSD, Games-Howell, résidus standardisés ajustés avec correction) ont-elles été planifiées pour bloquer rigoureusement l’inflation de l’erreur par famille (FWER) ?
7. Rapport systématique des tailles d’effet : Les indices standardisés de pertinence substantielle (η_p², ω², d de Cohen, V de Cramer, Odds Ratios) sont-ils documentés et interprétés au-delà de la simple énonciation des p-values conformément aux directives scientifiques internationales contemporaines ?

Le respect intransigeant de ces principes statistiques préserve le chercheur des artéfacts inférentiels, affermit la reproductibilité des observations comportementales et assure que les conclusions tirées des investigations psychologiques reflètent fidèlement la complexité des processus mentaux explorés.

Références

American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000

Cochran, W. G. (1954). The χ² test of goodness of fit. The Annals of Mathematical Statistics, 23(3), 315-345. https://doi.org/10.1214/aoms/1177729380

Cohen, J. (1983). The cost of dichotomization. Applied Psychological Measurement, 7(3), 249-253. https://doi.org/10.1177/014662168300700301

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.

Cramér, H. (1946). Mathematical methods of statistics. Princeton University Press.

Fisher, R. A. (1925). Statistical methods for research workers. Oliver and Boyd.

Greenhouse, S. W., & Geisser, S. (1959). On methods in the analysis of profile data. Psychometrika, 24(2), 95-112. https://doi.org/10.1007/BF02289823

Haberman, S. J. (1973). The analysis of residuals in cross-classified tables. Biometrics, 29(1), 205-220. https://doi.org/10.2307/2529686

MacCallum, R. C., Zhang, S., Preacher, K. J., & Rucker, D. D. (2002). On the practice of dichotomization of quantitative variables. Psychological Methods, 7(1), 19-40. https://doi.org/10.1037/1082-989X.7.1.19

Mauchly, J. W. (1940). Significance test for sphericity of a normal n-variate distribution. The Annals of Mathematical Statistics, 11(2), 204-209. https://doi.org/10.1214/aoms/1177731909

Norman, G. (2010). Likert scales, levels of measurement and the « laws » of statistics. Advances in Health Sciences Education, 15(5), 625-632. https://doi.org/10.1007/s10459-010-9222-y

Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. Philosophical Magazine, Series 5, 50(302), 157-175. https://doi.org/10.1080/14786440009463897

Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3/4), 591-611. https://doi.org/10.2307/2333709

Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103(2684), 677-680. https://doi.org/10.1126/science.103.2684.677

Welch, B. L. (1951). On the comparison of several mean values: An alternative approach. Biometrika, 38(3/4), 330-336. https://doi.org/10.2307/2332579