15.3. Test de Wald-Wolfowitz
PSY73B : Informatique : traitement des données - TD N°3 ...... 1) A l'aide de tests
de normalité, justifier l'utilisation de tests non paramétriques pour étudier ces ...
Sujet. Mécanique. Séduction. Communication. Emotion. Maternité. s1. 3. 1. 4. 5. 2
.
part of the document
Master de Psychologie
PSY73B : Informatique : traitement des données - TD N°3
Tests non paramétriques
Tests non paramétriques sur des groupes indépendants
Test de la médiane
Objectif du test : comparer les médianes dans deux ou plusieurs groupes indépendants, lorsque la variable dépendante est ordinale ou numérique.
Ouvrez le classeur Statistica Enfants-PRN.stw.
On veut comparer l'IDM à 24 mois dans le groupe témoin et dans le groupe expérimental à l'aide d'un test de la médiane.
Rappel de la méthode : on construit un tableau de contingence en croisant les variables "Groupe" et "Position par rapport à la médiane" et on réalise un test du khi-deux sur le tableau de contingence obtenu.
En utilisant, par exemple, le menu Statistiques - Tests non paramétriques - Statistiques ordinales, vérifiez que la médiane des IDM à 24 mois est égale à 111,5.
Dans le cours, le test de la médiane a été présenté avec une variable "Groupe" à deux modalités. Cependant, la méthode peut s'étendre sans difficultés au cas où la variable "Groupe" comporte plus de deux modalités. C'est pourquoi Statistica range ce test dans le menu : Statistiques - Tests non paramétriques - Comparaison de plusieurs échantillons indépendants :
Spécifiez la variable dépendante et la variable de classement, puis cliquez sur le bouton "Synthèse : ANOVA de Kruskal-Wallis & test de la Médiane". On obtient le résultat suivant :
EMBED STATISTICA.Spreadsheet \s
Remarque : Le test de la médiane ne met pas en évidence de différence entre les deux groupes. En revanche, un test unilatéral de comparaison de moyennes établit une différence au bénéfice du groupe expérimental. Mais le test de la médiane est moins puissant, et c'est nécessairement un test bilatéral.
Test bilatéral de Kolmogorov-Smirnov
Objectif du test : comparer les distributions de la variable dépendante dans deux ou plusieurs groupes indépendants, lorsque la variable dépendante est ordinale ou numérique.
On reprend la comparaison des deux groupes à l'aide du test de Kolmogorov-Smirnov.
Reprenez le menu Statistiques - Tests non paramétriques. Sélectionnez l'item "Comparaison de deux échantillons indépendants". Si nécessaire, spécifiez de nouveau la variable dépendante et la variable de classement, puis cliquez sur le bouton "Test de Kolmogorov-S. de deux échant.".
Vous devriez obtenir le résultat suivant :
EMBED STATISTICA.Spreadsheet \s
On sait que la mise en oeuvre du test de Kolmogorov-Smirnov repose sur le choix d'un découpage en classes, puis la détermination des fonctions de répartition (fréquences cumulées) des deux distributions observées. Il est légitime de se demander quelles sont les bornes de classes utilisées par Statistica.
Quelques manipulations sous Excel montrent que Statistica prend en fait l'ensemble des modalités observées comme bornes de classes, et construit donc le tableau de fréquences cumulées suivant :
Groupe témoinGroupe expérimentalClassesFréquence% cumuléFréquence% cumuléDifférence8013,23%0,00%-3,23%8116,45%0,00%-6,45%8819,68%0,00%-9,68%91319,35%0,00%-19,35%96122,58%14,00%-18,58%98022,58%18,00%-14,58%100125,81%08,00%-17,81%102335,48%08,00%-27,48%104448,39%08,00%-40,39%106151,61%112,00%-39,61%106051,61%012,00%-39,61%109258,06%636,00%-22,06%111161,29%036,00%-25,29%112061,29%348,00%-13,29%114474,19%256,00%-18,19%116074,19%160,00%-14,19%117074,19%164,00%-10,19%119590,32%272,00%-18,32%123193,55%072,00%-21,55%127196,77%384,00%-12,77%1321100,00%084,00%-16,00%1370100,00%292,00%-8,00%1430100,00%2100,00%,00%Total3125
De plus, il semble que Statistica utilise des tables spécifiques à ce test, et non une approximation par un khi 2.
Il peut être intéressant de visualiser la "distance" entre les deux courbes cumulatives à l'aide d'un graphique. Par exemple, utilisez le bouton "Histogramme catégorisé par groupe" du dialogue obtenu par le menu Statistiques - Tests non paramétriques - Comparaison de deux échantillons indépendants. Avec quelques modifications du graphique, on peut obtenir la représentation suivante :
EMBED STATISTICA.Graph \s
Modifications à faire à partir du graphique produit avec les réglages par défaut de Statistica : à l'aide du bouton droit de la souris, sélectionnez l'item de menu Propriétés du graphique (Toutes les options)... puis :
- Sous l'onglet Tracé -- Histogramme, sélectionnez Représentation de l'histogramme : cumulé
- Sous l'onglet Tracé -- Histogramme, dans la zone Propriétés, cochez la boîte Effectifs relatifs cumulés
- Sous l'onglet Catégorisation, dans la zone Mise en forme des catégories, sélectionnez Superposées
- Sous l'onglet Tracé -- Ajustement, cliquez sur le bouton Supprimer de la zone Type d'ajustement.
Remarque.
Le test de Kolmogorov-Smirnov peut être utilisé pour tester soit une hypothèse unilatérale (la VD a une intensité plus grande dans l'un des groupes), soit une hypothèse bilatérale (la distribution de la VD n'est pas la même dans les deux groupes). Comme pour les autres tests, Statistica ne fournit que le test bilatéral.
Test de Wald-Wolfowitz
Objectif du test : comparer les distributions de la variable dépendante dans deux ou plusieurs groupes indépendants, lorsque la variable dépendante, ordinale ou numérique, ne comporte pas d'ex aequo. Ce test étudie notamment si l'interclassement des valeurs issues des deux groupes peut être dû au hasard.
Ainsi que nous l'avons vu en cours, le test de Wald-Wolfowitz s'applique à une variable continue, ne comportant pas d'ex aequo. Son application à des données telles que celles de Enfants-PRN.stw risque donc de réserver quelques surprises... Nous utiliserons donc un autre exemple pour présenter ce test.
En vue d'une expérience, vous avez recruté 50 sujets que vous devez affecter au hasard à l'une ou l'autre de deux conditions expérimentales. Pour cela :
- Vous saisissez les identifiants des 50 sujets dans une colonne d'une feuille de données Statistica (par exemple, vous utilisez comme identifiants les nombres de 1 à 50).
Définissez un nouveau classeur Statistica, insérez dans ce classeur une feuille de données comportant 50 lignes. Dans la première variable, appelée Sujets, saisissez les valeurs 1 et 2, puis utilisez la souris pour réaliser une copie incrémentée :
EMBED PBrush
- Vous générez dans une deuxième colonne une suite de nombres aléatoires compris entre 0 et 1 (menu Edition - Remplir Centrer-réduire le bloc - Remplir de valeurs aléatoires.
- Vous affectez ensuite chacun des sujets à l'une ou l'autre des conditions expérimentales A et B en comparant à 0,5 le nombre aléatoire correspondant.
Pour cela, créez une troisième variable, calculée à l'aide de la formule :
=iif(v2;?;Ó»>¼>Ï>Ð>Ñ>Ò>Ó>Ø>Ù>ì>í>î>ï>ð>ó>ô>?? ?
?¦@¸@¾@Ã@AA8AõíéäéíéÏÅíéíé°¦í¢éíéí¢éíéndíé_é_éíé hÜ|ë>*jy°hÜ|ëEHäÿU(jØE G
hÜ|ëOJQJUVmHnHuj0®hÜ|ëEHèÿU(jfE G
hÜ|ëOJQJUVmHnHuhOÄjЫhÜ|ëEHèÿU(jÒD G
hÜ|ëOJQJUVmHnHujå§hÜ|ëEHâÿU(j¼D G
hÜ|ëOJQJUVmHnHu hÜ|ëH*hÜ|ëjhÜ|ëUj»¤hÜ|ëEHàÿU%¡> ?@9@:@@Ç@AA*htyhÌ6phÜ|ëjhÜ|ëUj/×hÜ|ëU(j¸d7E
hÜ|ëOJQJUVmHnHu' PhPiPQQRRcSS²SFTTT"U#U$U)UòððððððâàÛÖððÐÐÇ $$Ifa$$Ifgd¬z®gdâ'$eþ^e`þgdñ+0 ÈýÉý]Èý^Éýgdty)U*U+U,U4U@U|vvvv$Ifkd|é$$IfF4ÖÖFá?
V= ^ç Ö0ÿÿÿÿÿÿöÖ ÿÿÿÖ ÿÿÿ Ö ÿÿÿ Ö ÿÿÿ4Ö
Faö'f4@UAUOUWUZU]Ulc]PP
$Õ$If]Õa$$If $$Ifa$kd8ê$$IfFÖÖ\á?
V&= ^ÐÖ0ÿÿÿÿÿÿöÖÿÿÿÿÖÿÿÿÿ Öÿÿÿÿ Öÿÿÿÿ4Ö
Faö']U^U_UkUmUpUiccVV
$Õ$If]Õa$$Ifkdë$$IfF4ÖÖ\á?
V&= `^ÐÖ0ÿÿÿÿÿÿöÖÿÿÿÿÖÿÿÿÿ Öÿÿÿÿ Öÿÿÿÿ4Ö
Faö'f4pUqUrU¸UVîVïVWWWWigggggbg]Xgd¬z®gd¬z®$a$kdÛë$$IfF4ÖÖ\á?
V&= ^ÐÖ0ÿÿÿÿÿÿöÖÿÿÿÿÖÿÿÿÿ Öÿÿÿÿ Öÿÿÿÿ4Ö
Faö'f4
U¶UïVðVWWWWWWWW®W-XZ¬Zp[q[[
[[[[©[¿[É]Ê]ë]ì]í]î]ï]ð]D_`úöîöÙÑîöÍƺÂͳͫͫÍphaÍ]hIuê hÏoxhÏoxjðúhÏoxU j÷qN
hÏoxOJQJUVjhÏoxUh×»hÏoxjDøhUBIh¬z®EHäÿU jðÐJ
h¬z®OJQJUVjh¬z®U hÛQfh¬z®hÛQfhf]>*hf] h¬z®h¬z®h¬z®j²ìhÜ|ëU(jíI
hÜ|ëOJQJUVmHnHujhÜ|ëUhÜ|ë hÜ|ë>*"WX,X-XYYzYZZ,ZTZUZVZúõððððððÝÝoÝmkd0ö$$IfTFÖÖÿe
tàÖ0ÿÿÿÿÿÿö6ööÖÿÖÿ Öÿ Öÿ4Ö4Ö
laöT$IfgdL*ólÆ!ÿgd¬z®gdf]gdf] VZ^ZcZeZlZmZìììì4·kdö$$IfTFÖÖrÿÙó Ëeÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿ
tàÖ0ÿÿÿÿÿÿö6ööÖÿÿÿÿÿÖÿÿÿÿÿ Öÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿ Öÿÿÿÿÿ4Ö4Ö
laöT$IfgdL*ólÆ!ÿmZnZwZ}Z~ZZììììì$IfgdL*ólÆ!ÿZZZZZ¥ZG4444$IfgdL*ólÆ!ÿ·kd ÷$$IfTFÖÖrÿÙó Ëeÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿ
tàÖ0ÿÿÿÿÿÿö6ööÖÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÖÿÿÿÿÿ Öÿÿÿÿÿ Öÿÿÿÿÿ4Ö4Ö
laöT¥Z«Z¬ZZp[ì4//gd¬z®·kd·÷$$IfTFÖÖrÿÙó Ëe
tàÖ0ÿÿÿÿÿÿö6ööÖÿÿÿÿÿÖÿÿÿÿÿ Öÿÿÿÿÿ Öÿÿÿÿÿ4Ö4Ö
laöT$IfgdL*ólÆ!ÿp[[[À[õ\ö\D]È]É]ï]ð] _
__`+`,`y``Ä`*hºXFhâ'6 hâ'6 hÜ|ë5jhÜ|ëEHöÿU(jÊI6E
hÜ|ëOJQJUVmHnHuhÜ|ëhOÄjhÜ|ëUj hÜ|ëEHäÿU(jI6E
hÜ|ëOJQJUVmHnHu#kk lClÃl)mmÁmçm#nXnün2oºop pp}q¢qrrÃr*ssÞsßs?t@túúøööööñöñöööööööøööööööööö$a$gdâ'TnUnVnWn[n\nonpnqnrn pp|ssÖsÛsßs@tKtXvavbvðwñwxx x x¢x£x¤¥¦§=>Zãåæ®ëáÙÕÙÕÀ¶ÙÕ±ÕÕÕ±Õ±Õ©Õ¥¥ÕÙÕ{ÙÕtÕÙÕ hâ'hâ'j hÜ|ëU(jhk7E
hÜ|ëOJQJUVmHnHu hâ'6hºXFhâ'6hâ'hOÐhh hÜ|ë5j.hÜ|ëEHüÿU(jk¶¯?
hÜ|ëOJQJUVmHnHuhÜ|ëjhÜ|ëUj©hÜ|ëEHèÿU(jº¶¯?
hÜ|ëOJQJUVmHnHu,@tKt5uuWvXvavbvvmwðwñwxx¢x£xyy%~&~'~y~ã~^¨©üúúúúúúúúúúøúóúúúúúúúúúúúîú$a$gdâ'$©+,=>åæstxy®¯yzÀ
Á
+©ªgh²àá@ýýûöööýýýýýýýýýýýýýýýýýýñýýý$a$gdâ' ®¯°±àáé@AUW ªÉØüëõö÷1rsµÎݧÄZghÞlóÄç+5atB¦M¦ëãÛ×ÓËÓ×Ç׼׸°¸×Ǭ¥¬¬¬¬¬¬¬¬Ç{s{ÇhY'hÈà>*hÈàhK4ÙhOÄmH sH hK4ÙhOÄ hOp4hOÄ
hOÄ^J hVhOÄ hIz3hOÄhOÄhÌ# hÌ# >*hÌ# hvÉhÜ|ëmH sH hQ|vhg
®hg
®5hg
®hÜ|ëjhÜ|ëUj2"hÜ|ëU(jq7E
hÜ|ëOJQJUVmHnHu*@AKVW bc±²@¬µ¹ýøóýýýýýýýýýêÞ $$$$Ifa$ $$$IfgdÌ# gdQ|v¹º»Ïévv $$$$Ifa$ $$$Ifskd".$$IfTF4ÖÖ0ºÿnä `´vÖ0ÿÿÿÿÿÿöÖÿÿÖÿÿ Öÿÿ Öÿÿ4Ö
Faöf4Téêì/xlcc $$$If $$$$Ifa$kdÌ.$$IfTF4ÖÖFºÿn)ä ´» » Ö0ÿÿÿÿÿÿöÖ ÿÿÿÖ ÿÿÿ Ö ÿÿÿ Ö ÿÿÿ4Ö
Faöf4T/02d{{off $$$If $$$$Ifa$kd~/$$IfTFÖÖFºÿn)ä ´» » Ö0ÿÿÿÿÿÿöÖ ÿÿÿÖ ÿÿÿ Ö ÿÿÿ Ö ÿÿÿ4Ö
FaöT{|~°Ò{off $$$If $$$$Ifa$kd%0$$IfTFÖÖFºÿn)ä ´» » Ö0ÿÿÿÿÿÿöÖ ÿÿÿÖ ÿÿÿ Ö ÿÿÿ Ö ÿÿÿ4Ö
FaöTÒÓÕë {off $$$If $$$$Ifa$kdÌ0$$IfTFÖÖFºÿn)ä ´» » Ö0ÿÿÿÿÿÿöÖ ÿÿÿÖ ÿÿÿ Ö ÿÿÿ Ö ÿÿÿ4Ö
FaöT !#&A{off $$$If $$$$Ifa$kds1$$IfTFÖÖFºÿn)ä ´» » Ö0ÿÿÿÿÿÿöÖ ÿÿÿÖ ÿÿÿ Ö ÿÿÿ Ö ÿÿÿ4Ö
FaöTABDr·{off $$$If $$$$Ifa$kd2$$IfTFÖÖFºÿn)ä ´» » Ö0ÿÿÿÿÿÿöÖ ÿÿÿÖ ÿÿÿ Ö ÿÿÿ Ö ÿÿÿ4Ö
FaöT·¸ºà{off $$$If $$$$Ifa$kdÁ2$$IfTFÖÖFºÿn)ä ´» » Ö0ÿÿÿÿÿÿöÖ ÿÿÿÖ ÿÿÿ Ö ÿÿÿ Ö ÿÿÿ4Ö
FaöTª«üýmnêëö÷{yyyyyyyyytogdIz3gdIz3kdh3$$IfTFÖÖFºÿn)ä ´» » Ö0ÿÿÿÿÿÿöÖ ÿÿÿÖ ÿÿÿ Ö ÿÿÿ Ö ÿÿÿ4Ö
FaöT ÷;
