Comment interpréter ANOVA en psychologie : Un cours pratique sur R

Maîtriser la statistique F de Fisher et apprendre à lire les résultats d'une sortie logicielle méthodiquement.

Présentation, Comment interpréter ANOVA en psychologie

L'ANOVA (Analyse de Variance) est une méthode statistique qui permet au statisticiens.nnes de comparer simultanément plusieurs groupes entre eux. L'analyse repose sur l'additivité des variances : La variance totale observée sur l'ensembles des participants se décompose en plusieurs type de variance comme nous le verrons: la variance inter-groupes et variance intra-groupe notemment. Cette propriété est centrale car elle permet de distinguer ce qui est intéressant dans notre échantillon de ce qui ne l'est pas. On appel cela le rapport signal sur bruit. Il est donnée par la statistique commune à toutes les analyse de variance: la statistique F de Fisher.

Pourquoi utiliser ANOVA en psychologie

L'ANOVA permet de distinguer les différentes contributions de chaque groupe à la variance totale. En psychologie empirique, cette distinction est particulièrement utile car elle permet de savoir si un traitement à un effet réel ou si les effets observé sont juste un artefact de mesure. Si l'on souhaite comparer trois thérapies sur l'anxiété par exemple, cela exige de séparer la variance due au traitement de la variance due à la diversité individuelle des participants.es. L'ANOVA fournit un outils pour distinguer les différente contributions en une seule fois et de réduire ainsi le risque d'erreur de type I.

A qui s'adresse ce document

Ce document s'adresse aux étudiants de la Faculté des Sciences Sociales et Politiques (SSP) de l'UNIL, en 2e année de Bachelor en Psychologie. L'ANOVA y est enseignée car la recherche en psychologie empirique repose fréquemment sur des plans à plusieurs conditions. Comparer des groupes sur une variable quantitative — scores de dépression, niveaux d'anxiété, temps de réaction — est une situation récurrente qui exige une maîtrise de cette méthode.

Ce que contient ce document

Ce document couvre trois formes d'ANOVA illustrées par des exemples cliniques et expérimentaux : l'ANOVA à groupes indépendants (trois types de soutien psychologique sur l'anxiété), l'ANOVA à mesures répétées (un même patient mesuré à plusieurs moments), et l'ANOVA à deux facteurs avec interaction (traitement croisé avec le genre). Chaque section présente une question de recherche, une méthode de résolution, le code R correspondant et l'interprétation complète des résultats. Le document se conclut sur les points de repère essentiels pour lire et valider une ANOVA.

Degré de formation nécessaire pour comprendre pour lire ce document

Ce document est conçu pour des étudiants en 2e année de Bachelor en psychologie. Aucune dérivation mathématique n'est requise. Les prérequis sont : une familiarité avec les notions de moyenne, variance et p-valeur, ainsi qu'une expérience élémentaire de R (lancer un script, lire un output). La connaissance préalable du test t de Student facilite la compréhension, car l'ANOVA en est une généralisation directe à plus de deux groupes.

Questions courantes FAQ

Quelle est la différence entre le test t et l'ANOVA ?

Le test t de Student compare les moyennes de deux groupes. L'ANOVA généralise cette logique à trois groupes ou plus en effectuant une seule comparaison globale. Multiplier des tests t sur plusieurs groupes augmenterait artificiellement le risque d'erreur de type I. L'ANOVA maintient ce risque à son niveau nominal en utilisant la statistique F, rapport entre la variance inter-groupes et la variance intra-groupe.

Que mesure la statistique F de Fisher ?

La statistique F est le rapport entre la variance inter-groupes et la variance intra-groupe. Lorsque F est proche de 0, les groupes se superposent ce qui signifie qu' il n'y a pas d'effet détectable. Lorsque F est nettement supérieur à 1, les groupes sont espacés par rapport à leur variabilité interne, ce qui suggère un effet réel. La p-valeur associée indique si cette valeur de F est significativement différente de 0.

Qu'est-ce qu'une ANOVA à deux facteurs ?

Une ANOVA à deux facteurs examine simultanément l'effet de deux variables catégorielles sur une variable dépendante quantitative. Elle évalue les effets principaux de chaque facteur et leur interaction : l'effet d'un facteur dépend-il du niveau de l'autre ? Par exemple, l'efficacité d'un traitement varie-t-elle selon le genre du participant ? Cette interaction se visualise sur un graphique de profils c'est à dire, des lignes qui se croisent indiquent un effet croisé.

Peut-on utiliser l'ANOVA si les groupes n'ont pas la même taille ?

Oui. L'ANOVA tolère des groupes de taille inégale. Dans R, la fonction aov() gère automatiquement ces situations. Il convient d'être attentif au type de décomposition de la variance utilisé (sommes de carrés de type I ou type III), car les résultats peuvent différer lorsque les effectifs sont déséquilibrés. Pour les plans à deux facteurs en particulier, le type III est généralement recommandé.

Quelle est la différence entre ANOVA à groupes indépendants et ANOVA à mesures répétées ?

Dans l'ANOVA à groupes indépendants, chaque participant appartient à un seul groupe. Dans l'ANOVA à mesures répétées, chaque participant est mesuré dans toutes les conditions. Cette seconde forme est plus puissante car elle élimine la variabilité inter-individuelle du terme d'erreur. On l'utilise dans les études longitudinales ou les plans intra-sujet, où l'on suit l'évolution d'un même individu à plusieurs moments ou sous plusieurs conditions.

L'ANOVA est-elle robuste si les données ne se distribue pas normalement ?

L'ANOVA est relativement robuste aux écarts à la normalité, surtout quand les groupes sont de taille suffisante (n ≥ 30 par groupe environ). Pour des petits échantillons fortement non normaux, des alternatives non paramétriques existent : le test de Kruskal-Wallis pour groupes indépendants, ou le test de Friedman pour mesures répétées. Ces tests reposent sur les rangs plutôt que sur les valeurs brutes.