Test de Brown-Forsythe
Dans le domaine des sciences psychologiques et des neurosciences comportementales, la rigueur des conclusions statistiques repose fondamentalement sur le respect scrupuleux des postulats sous-jacents aux modèles linéaires généraux. Le test de Brown-Forsythe constitue une procédure statistique d’inférence non paramétrique ou semi-robuste conçue pour vérifier l’hypothèse nulle d’égalité des variances entre plusieurs groupes d’échantillons indépendants, palliant ainsi les vulnérabilités majeures des tests traditionnels face aux écarts de normalité distributionnelle. Cette méthode épistémologique garantit la validité interne des protocoles expérimentaux en psychologie lorsque les données empiriques présentent des asymétries ou des kurtosis prononcées.
1. Définition concise
Le test de Brown-Forsythe est un test statistique d’homogénéité des variances (ou homoscédasticité) appliqué à deux ou plusieurs groupes indépendants, représentant une modification robuste du test classique de Levene en substituant la médiane de l’échantillon ou une moyenne tronquée à la moyenne arithmétique standard pour le calcul des écarts absolus individuels. Dans une acception complémentaire au sein de l’analyse de variance, ce terme désigne également une procédure de correction de l’estimation du ratio de variance F conçue pour comparer des moyennes de populations dont les variances résiduelles sont manifestement hétérogènes.
Dans la littérature méthodologique en psychologie cognitive, sociale et clinique, cette procédure sert principalement de filtre diagnostique préalable à la conduite d’une analyse de variance univariée (ANOVA) ou multivariée (MANOVA). En mesurant les déviations absolues de chaque score par rapport à la médiane du sous-groupe expérimental, le test évalue si la dispersion intra-groupe demeure statistiquement équivalente à travers l’ensemble des conditions expérimentales observées.
Par conséquent, lorsque l’hypothèse nulle d’homogénéité des variances est rejetée à la suite d’un test de Brown-Forsythe significatif, le chercheur en sciences du comportement est formellement alerté de la violation d’un postulat paramétrique fondamental. Cette alerte statistique impose d’abandonner le modèle linéaire classique au profit de modélisations adaptées aux données hétéroscédastiques, telles que l’ANOVA de Welch, des régressions robustes ou des approches par rééchantillonnage de type bootstrap.
2. Étymologie et origine linguistique
Sur le plan morphologique et terminologique, l’expression « test de Brown-Forsythe » constitue un éponyme scientifique issu de la tradition académique anglo-saxonne, associant les patronymes des statisticiens et biostatisticiens américains Morton B. Brown et Alan B. Forsythe. Le mot « test » dérive de l’ancien français test (lui-même issu du latin testum, désignant une coupelle de terre cuite utilisée par les orfèvres et alchimistes pour doser et éprouver la pureté des métaux précieux), qui a été emprunté par la langue anglaise avant de réintégrer l’usage scientifique francophone pour qualifier une épreuve quantitative systématique.
Le patronyme Brown provient du vieil anglais brūn, faisant référence à une nuance chromatique sombre, tandis que Forsythe puise ses racines étymologiques dans le gaélique écossais Fearsithe, signifiant littéralement « homme de paix » (composé de fear signifiant homme et sìth signifiant paix). L’accolement des deux noms propres par un trait d’union reflète la collaboration fondatrice établie à l’Université de Californie à Los Angeles (UCLA) au début des années 1970 au sein des départements de biomathématiques et de psychiatrie biométrique.
L’introduction formelle du terme dans l’arsenal terminologique de la psychométrie s’est opérée lors de la publication de leur article séminal dans le Journal of the American Statistical Association en 1974. Depuis lors, l’expression a été intégrée telle quelle dans les principaux logiciels de traitement statistique francophones et internationaux (SPSS, SAS, R, JASP), s’imposant comme une référence méthodologique incontournable pour la vérification des hypothèses de modélisation.
3. Prononciation et forme grammaticale
En français académique, l’expression est de nature nominale masculine singulière et s’énonce phonétiquement sous la transcription suivante : /tɛst də bʁawn fɔʁ.sajt/ (avec une francisation usuelle de la diphtongue anglaise ou, alternativement, dans une restitution phonétique originale anglo-américaine : /tɛst də bɹaʊn fɔːɹsaɪθ/). Au pluriel, la désignation prend la forme graphique de « tests de Brown-Forsythe », les noms propres demeurant invariables conformément aux règles grammaticales de la langue française.
Sur le plan syntaxique, le syntagme s’emploie principalement comme complément d’objet direct ou indirect de verbes méthodologiques standard, tels que « calculer le test de Brown-Forsythe », « exécuter un test de Brown-Forsythe » ou « rejeter l’hypothèse d’homogénéité selon le test de Brown-Forsythe ». Il est couramment employé avec la préposition « de » et s’associe fréquemment aux adjectifs « robuste », « statistique », « univarié » ou « non paramétrique ».
Il convient de distinguer dans l’écriture typographique les variantes : l’utilisation d’un tiret cadratin ou demi-cadratin sans espace entre les patronymes (Brown–Forsythe) constitue la graphie normalisée recommandée dans les publications de l’Association Américaine de Psychologie (APA), marquant l’apport conjoint de deux chercheurs distincts, contrairement à un nom composé individuel.
4. Explication conceptuelle détaillée
Pour appréhender l’architecture conceptuelle du test de Brown-Forsythe, il est indispensable de replacer l’analyse statistique dans le cadre de la psychologie différentielle et expérimentale. Lorsque des psychologues comparent l’effet de plusieurs thérapies comportementales ou conditions de charge cognitive sur le temps de réaction, ils collectent des distributions numériques au sein de différents groupes de sujets. L’analyse de variance univariée à effets fixes repose sur l’hypothèse stricte que la variance de l’erreur résiduelle est identique dans chaque cellule du plan expérimental. Cette propriété d’invariance est désignée sous le terme d’homoscédasticité.
Historiquement, le test de Levene proposait d’analyser la variance des écarts absolus des observations individuelles par rapport à la moyenne de leur groupe respectif. Toutefois, la moyenne arithmétique est une statistique d’emplacement extrêmement sensible aux observations atypiques (valeurs aberrantes ou outliers) et aux asymétries de répartition. Dans les échantillons psychologiques réels — souvent caractérisés par des distributions asymétriques positives, comme les temps de latence cognitive, les scores d’anxiété ou les durées de sommeil —, le test de Levene conventionnel rejette trop fréquemment l’hypothèse nulle à tort, gonflant le taux d’erreur de première espèce (taux alpha).
L’innovation conceptuelle fondamentale de Morton Brown et Alan Forsythe a consisté à remplacer le centreur moyen par la médiane d’échantillon. La médiane étant le point de bascule séparant la moitié inférieure de la moitié supérieure des observations ordonnées, elle possède un point de rupture statistique infiniment plus robuste face aux valeurs extrêmes. Les déviations absolues calculées par rapport à la médiane constituent une métrique de variabilité intrinsèque non contaminée par les queues de distribution épaisses ou asymétriques. L’équation de transformation de chaque score individuel $Y_{ij}$ (pour le sujet $i$ dans le groupe $j$) s’exprime par la valeur absolue de l’écart à la médiane du groupe $M_j$ :
$$Z_{ij} = |Y_{ij} – M_j|$$
Une fois cette transformation linéaire par morceaux réalisée sur l’ensemble du jeu de données, une analyse de variance unidirectionnelle standard est menée directement sur les scores dérivés $Z_{ij}$. Si le test F qui en résulte s’avère non significatif (valeur de p supérieure au seuil critique préalablement déterminé, souvent fixé à 0,05 ou 0,01), les données empiriques ne fournissent pas d’évidence suffisante pour contredire l’hypothèse d’homogénéité des variances. À l’inverse, une statistique significative indique que les dispersions intra-groupes diffèrent substantiellement, compromettant la validité d’une ANOVA conventionnelle.
Parallèlement à cette procédure de test d’homoscédasticité, Brown et Forsythe ont développé une formulation alternative de l’ANOVA elle-même, conçue pour comparer directement les moyennes de groupes lorsque les variances sont notoirement hétérogènes. Cette variante utilise les poids réciproques des variances d’échantillon et ajuste les degrés de liberté du dénominateur selon une approximation de Satterthwaite, offrant ainsi une alternative complémentaire à l’ANOVA de Welch.
5. Évolution et développement historique
La genèse de cette technique s’inscrit dans la crise de robustesse qui a traversé la statistique appliquée durant les décennies 1960 et 1970. Jusqu’alors, les chercheurs en psychologie expérimentale utilisaient principalement le test de Bartlett ou le test de Hartley pour évaluer l’égalité des variances. Ces méthodes classiques souffraient toutefois d’une hypersensibilité rédhibitoire à la non-normalité : comme l’avait brillamment démontré George Box en 1953, ces tests réagissaient davantage au caractère non gaussien des données qu’aux véritables écarts de variance, les rendant inexploitables en pratique.
En 1960, Howard Levene avait introduit une avancée majeure en proposant d’exécuter une ANOVA sur les écarts absolus à la moyenne arithmétique. Bien que théoriquement attrayante, cette approche conservait une distorsion notable lorsque les distributions réelles sous-jacentes s’écartaient de la courbe en cloche de Gauss. Face à cette lacune préjudiciable aux recherches en santé mentale et en psychiatrie, Morton B. Brown et Alan B. Forsythe entreprirent à l’UCLA des simulations massives par la méthode de Monte-Carlo.
Leur article séminal publié en 1974, intitulé « Robust Tests for the Equality of Variances », évalua systématiquement diverses variantes de centrage : la moyenne arithmétique, la médiane et une moyenne tronquée à 10 %. Les conclusions démontrèrent sans équivoque que la version basée sur la médiane offrait un contrôle rigoureux du taux d’erreur de première espèce, y compris lorsque la distribution génératrice présentait une forte asymétrie unilatérale (distribution log-normale ou chi-carré) ou une kurtosis extrême (distribution de Cauchy ou de Student à faibles degrés de liberté).
Au cours des années 1980 et 1990, avec l’informatisation des laboratoires de psychométrie et la diffusion du logiciel d’analyse SPSS, le test de Brown-Forsythe s’est progressivement imposé aux côtés du test de Levene modifié comme une option standardisée. De nombreuses revues prestigieuses en psychologie expérimentale et en neurosciences cognitives ont explicitement intégré l’exigence d’une telle vérification de robustesse dans leurs chartes éditoriales avant toute validation de résultats déduits de plans factoriels complexes.
6. Fondements théoriques et mathématiques
Les fondements mathématiques du test de Brown-Forsythe reposent sur la théorie générale des estimateurs de position robustes et sur le comportement asymptotique des statistiques de rangs et de déviations. Considérons $k$ populations indépendantes d’où sont extraits des échantillons aléatoires de taille respective $n_j$, avec $j = 1, dots, k$, et un effectif total $N = \sum n_j$. Soit $Y_{ij}$ la $i$-ème observation au sein du $j$-ème groupe expérimental.
La formulation commence par l’estimation de la médiane empirique de chaque échantillon, notée $ ilde{Y}_j$ ou $M_j$, définie comme la valeur centrale telle que :
$$P(Y_{ij} le M_j) ge 0{,}5 \quad ext{et} \quad P(Y_{ij} ge M_j) ge 0{,}5$$
Les déviations absolues sont alors calculées sous la forme $z_{ij} = |Y_{ij} – M_j|$. La statistique du test, notée $W$ ou $F_{BF}$, prend rigoureusement la forme du ratio de Fisher appliqué aux grandeurs transformées $z_{ij}$ :
$$W = rac{\sum_{j=1}^k n_j (ar{z}_{\cdot j} – ar{z}_{\cdot\cdot})^2 / (k – 1)}{\sum_{j=1}^k \sum_{i=1}^{n_j} (z_{ij} – ar{z}_{\cdot j})^2 / (N – k)}$$
où $ar{z}_{\cdot j}$ représente la moyenne empirique des valeurs transformées du groupe $j$ :
$$ar{z}_{\cdot j} = rac{1}{n_j} \sum_{i=1}^{n_j} z_{ij}$$
et $ar{z}_{\cdot\cdot}$ représente la moyenne générale de l’ensemble des transformations pour la totalité de l’échantillon global de taille $N$ :
$$ar{z}_{\cdot\cdot} = rac{1}{N} \sum_{j=1}^k \sum_{i=1}^{n_j} z_{ij}$$
Sous l’hypothèse nulle $H_0 : \sigma_1^2 = \sigma_2^2 = dots = \sigma_k^2$, la statistique $W$ suit approximativement une loi de Fisher-Snedecor paramétrée par $k – 1$ degrés de liberté au numérateur et $N – k$ degrés de liberté au dénominateur :
$$W \sim \mathcal{F}(k – 1, N – k)$$
La solidité asymptotique de cette distribution découle du fait que la distribution d’échantillonnage de la médiane possède une variance asymptotique qui amortit les dérives induites par les valeurs aberrantes. La moyenne des déviations absolues par rapport à la médiane (MAD) converge ainsi avec une efficacité relative élevée vers la variabilité d’échelle intrinsèque du groupe, assurant que le numérateur reflète uniquement les divergences d’hétérogénéité d’échelle sans être altéré par des différences de centroïdes ou des traînes distributionnelles épaisses.
7. Composantes clés, variantes et dimensions
La mise en œuvre et l’interprétation du test de Brown-Forsythe s’articulent autour de plusieurs composantes techniques, paramètres structurels et variantes méthodologiques :
- Statistique de tendance centrale employée : Le cœur distinctif de la méthode réside dans l’utilisation de la médiane empirique du sous-groupe comme point d’ancrage du calcul de dispersion, neutralisant l’influence des valeurs isolées extrêmes.
- Variante à moyenne tronquée (Trimmed Mean) : Dans leur article originel de 1974, Brown et Forsythe ont également proposé une version calculant les déviations absolues à partir d’une moyenne tronquée à 10 %, particulièrement utile pour les distributions à queues modérément lourdes (distributions sous-gaussiennes ou symétriques contaminées).
- Statistique $F^*$ de Brown-Forsythe pour l’égalité des moyennes : Distincte du test d’homoscédasticité, cette procédure ajuste le dénominateur de l’ANOVA classique par une somme pondérée des variances d’échantillons $s_j^2 (1 – n_j/N)$, avec des degrés de liberté effectifs corrigés via la formule de Welch-Satterthwaite.
- Hypothèse nulle ($H_0$) et alternative ($H_1$) : $H_0$ postule l’égalité stricte des variances populationnelles à travers tous les niveaux de traitement ($\sigma_1^2 = \sigma_2^2 = dots = \sigma_k^2$), tandis que $H_1$ affirme qu’au moins deux groupes présentent des variances distinctes.
- Degrés de liberté : Les paramètres nominaux du modèle sont conditionnés par le nombre de groupes $k$ et la taille cumulée de l’échantillon $N$, définis par $
u_1 = k – 1$ et $
u_2 = N – k$. - Sensibilité à la taille de l’échantillon : Comme tout test fondé sur une puissance d’inférence, le test devient ultra-sensible dans les très grands échantillons ($N > 1000$), détectant des hétérogénéités mineures dénuées de pertinence pratique, et sous-puissant dans les micro-échantillons ($n_j < 10$).
8. Exemples concrets et cas illustratifs
Pour concrétiser le fonctionnement empirique de ce test, considérons une étude en neuropsychologie clinique comparant trois groupes de patients : un groupe témoin sain ($n_1 = 25$), un groupe présentant un trouble dépressif majeur ($n_2 = 25$) et un groupe souffrant de trouble bipolaire en phase dépressive ($n_3 = 25$). La variable dépendante mesurée est le temps de réaction (en millisecondes) lors d’une tâche d’inhibition cognitive de type Stroop. Les données de temps de réponse affichent régulièrement une forte asymétrie vers la droite, car quelques essais comportent des temps d’hésitation considérables.
Si le statisticien applique le test standard de Levene fondé sur la moyenne, les valeurs aberrantes observées chez certains patients dépressifs tirent artificiellement la moyenne vers le haut. Il en résulte des déviations moyennes gonflées dans ce groupe, conduisant le test de Levene à rejeter à tort l’hypothèse d’homogénéité des variances ($p = 0{,}02$). En appliquant en revanche le test de Brown-Forsythe, les écarts sont calculés par rapport à la médiane du groupe. L’influence des scores isolés s’estompe, et le test conclut à l’absence de différence significative de dispersion intra-groupe ($p = 0{,}18$). L’expérimentateur peut dès lors poursuivre son analyse comparative sans recourir inutilement à des transformations de données qui altéreraient l’interprétabilité des échelles psychométriques.
Considérons un deuxième cas en psychologie des organisations : un chercheur étudie le bien-être subjectif au travail au sein de quatre départements d’une grande entreprise (ventes, informatique, ressources humaines, direction). Les effectifs sont inégaux ($n = 60, 45, 20, 15$). Le département des ventes affiche une variance d’épanouissement nettement plus faible en raison de procédures de travail très standardisées, tandis que la direction montre une hétérogénéité majeure. Le test de Brown-Forsythe est calculé, renvoyant une valeur $W = 5{,}84$ avec des degrés de liberté de $(3, 136)$, produisant une valeur de $p < 0{,}001$. Face à cette violation incontestable, le psychologue décide de ne pas effectuer une ANOVA standard, qui biaiserait l'erreur de type I en raison de la combinaison d'échantillons inégaux et de variances hétérogènes, et opte directement pour une modélisation par équations structurelles robustes.
Dans un troisième scénario issu de la psychométrie appliquée, un investigateur valide une nouvelle échelle évaluant les symptômes d’anxiété sociale. Il souhaite vérifier si la dispersion des réponses est comparable entre les participants adolescents et les adultes émergents. L’échantillon adolescent comprend plusieurs profils phobiques sévères générant un étalement de l’extrémité haute de l’échelle. L’emploi du test de Brown-Forsythe permet d’établir objectivement si la fidélité de mesure (reflétée indirectement par la variance d’erreur) est équivalente entre les cohortes développementales sans être distordue par ces cas cliniques extrêmes.
9. Procédure de calcul et évaluation empirique
Le calcul séquentiel du test de Brown-Forsythe s’effectue selon un algorithme systématique en plusieurs phases mathématiques distinctes :
Dans un premier temps, l’expérimentateur isole les sous-échantillons correspondant à chaque modalité du facteur inter-sujets. Pour chaque groupe $j$, les données sont ordonnées par ordre croissant afin d’extraire la médiane empirique $M_j$. Si l’effectif du groupe $n_j$ est impair, la médiane correspond à la valeur centrale au rang $(n_j + 1) / 2$. Si $n_j$ est pair, elle est calculée comme la demi-somme arithmétique des deux valeurs occupant les rangs médians $n_j / 2$ et $(n_j / 2) + 1$.
Dans une deuxième phase, les données initiales subissent une transformation algébrique absolue non linéaire :
$$z_{ij} = |Y_{ij} – M_j|$$
Chaque observation originale est ainsi convertie en un score de déviation unilatérale positive. Cette variable auxiliaire représente l’erreur individuelle brute de dispersion par rapport à l’indice d’ancrage robuste du groupe.
La troisième étape consiste à construire la table d’analyse de variance unidirectionnelle classique appliquée à ces nouvelles valeurs $z_{ij}$. On calcule d’abord la somme des carrés inter-groupes (désignée par $SS_{inter}$) :
$$SS_{inter} = \sum_{j=1}^k n_j (ar{z}_{\cdot j} – ar{z}_{\cdot\cdot})^2$$
Puis la somme des carrés intra-groupes résiduelle ($SS_{intra}$) :
$$SS_{intra} = \sum_{j=1}^k \sum_{i=1}^{n_j} (z_{ij} – ar{z}_{\cdot j})^2$$
On en déduit les carrés moyens correspondants en divisant chaque somme par ses degrés de liberté respectifs :
$$MS_{inter} = rac{SS_{inter}}{k – 1} \quad ext{et} \quad MS_{intra} = rac{SS_{intra}}{N – k}$$
Le quotient $F_{BF} = MS_{inter} / MS_{intra}$ fournit la statistique de test finale. Cette valeur calculée est comparée au quantile théorique de la distribution $F$ de Snedecor pour le seuil $lpha$ choisi (usuellement 5 %). Si $F_{BF} ge F_{critique}(k – 1, N – k, 1 – lpha)$, le chercheur conclut au rejet de l’hypothèse nulle d’homoscédasticité avec un niveau de confiance de $100(1 – lpha)%$.
10. Applications et pertinence méthodologique
La pertinence méthodologique du test de Brown-Forsythe dans le paysage contemporain de la recherche comportementale se manifeste dans une pluralité de contextes expérimentaux et cliniques :
En premier lieu, il constitue le diagnostic standard d’admissibilité pour l’ANOVA univariée, les plans factoriels équilibrés ou déséquilibrés et les procédures de régression linéaire hiérarchique. Dans les essais contrôlés randomisés testant l’efficacité d’interventions psychothérapeutiques (telles que la thérapie cognitive et comportementale versus thérapie d’acceptation et d’engagement), les variances de fin de traitement diffèrent fréquemment en raison de l’hétérogénéité des patrons de rémission. Le test de Brown-Forsythe alerte le chercheur sur la nécessité d’ajuster l’estimation du modèle afin de ne pas conclure faussement à la supériorité d’une méthode clinique.
En deuxième lieu, en psychométrie et dans la théorie classique des tests, l’évaluation de l’invariance des instruments d’évaluation (inventaires de personnalité, tests de quotient intellectuel) requiert de vérifier l’homogénéité de la variance des erreurs de mesure à travers divers sous-groupes démographiques (sexe, âge, niveau d’éducation). Une hétéroscédasticité significative mise au jour par le test de Brown-Forsythe peut indiquer qu’un outil de mesure est moins précis ou instable pour une frange spécifique de la population testée, guidant des modifications de calibrage psychométrique.
Enfin, en psychologie différentielle, la variance n’est pas uniquement considérée comme un terme résiduel d’erreur, mais parfois comme un objet théorique d’étude à part entière. Par exemple, l’hypothèse de plus grande variabilité masculine (affirmant que les hommes présenteraient une dispersion plus large de leurs capacités cognitives aux deux extrémités de la distribution) est directement testable en comparant les variances entre les sexes à l’aide de l’outil de Brown-Forsythe, sans risquer d’être abusé par des scores aberrants isolés.
11. Recherches empiriques et études comparatives
De nombreux travaux de statistique computationnelle ont soumis le test de Brown-Forsythe à des bancs d’essai comparatifs pour mesurer sa robustesse face aux alternatives concurrentes, notamment les tests de Levene original, de Bartlett, de Cochran, d’O’Brien et les procédures fondées sur le rééchantillonnage bootstrap.
Dans une méta-évaluation conduite par Conover, Johnson et Johnson (1981), regroupant plus de cinquante-six procédures d’évaluation de la variance sur des milliers d’échantillons simulés générés sous des lois normales, exponentielles, uniformes et logistiques, le test de Brown-Forsythe (médiane) s’est systématiquement classé parmi les méthodes les plus fiables quant au respect du taux d’erreur de type I nominal tout en conservant une excellente puissance empirique. Les auteurs soulignaient sa supériorité éclatante sur le test classique de Bartlett dès que la kurtosis s’écartait de la valeur 3.
Des recherches ultérieures menées par Algina, Olejnik et Wilcox dans les années 1990 ont toutefois précisé certaines limites spécifiques. Lorsque les données proviennent d’une distribution hautement asymétrique combinée à des tailles d’échantillons très réduites ($n < 10$), le test de Brown-Forsythe basé sur la médiane peut devenir légèrement conservateur, affichant un taux d’erreur de première espèce effectif inférieur à la valeur nominale$lpha$ (par exemple 0,03 au lieu de 0,05), ce qui induit une perte marginale de puissance de détection. Dans ce cadre précis, ces statisticiens recommandent des tests modifiés basés sur des médianes décimées ou des M-estimateurs de Huber.
Malgré ces nuances techniques, la littérature moderne en modélisation méthodologique confirme que le test de Brown-Forsythe demeure le compromis optimal pour les praticiens non spécialisés en biostatistique avancée, car il allie simplicité d’implémentation algébrique, robustesse aux violations de la loi normale et disponibilité native dans l’ensemble des environnements informatiques standards.
12. Considérations contextuelles et pratiques de recherche
Dans la pratique contemporaine de publication scientifique, l’usage des tests préliminaires de conformité aux postulats statistiques — dont fait partie le test de Brown-Forsythe — fait l’objet de recommandations épistémologiques précises. Plusieurs méthodologistes renommés en psychologie déconseillent formellement d’adopter une règle de décision binaire rigide (« si $p > 0{,}05$, faire une ANOVA classique ; sinon, faire une ANOVA de Welch »).
Cette approche mécanique dite en deux étapes (« two-stage testing strategy ») peut paradoxalement détériorer le taux global d’erreur de première espèce de l’analyse finale, car la sélection conditionnelle du test de comparaison de moyennes dépend de la puissance statistique du test de variance préalable. Dans les études bénéficiant d’effectifs modestes, le test de Brown-Forsythe risque de ne pas détecter une hétéroscédasticité substantielle par manque de puissance, incitant le chercheur à lancer une ANOVA classique dont les résultats seront viciés par l’inégalité des variances sous-jacentes.
Pour cette raison, les lignes directrices méthodologiques actuelles, appuyées par les recommandations de l’American Psychological Association (APA), incitent fréquemment les analystes à employer directement des tests robustes de comparaison de moyennes (comme le test de Welch-James ou le modèle linéaire général avec erreurs-types corrigées pour l’hétéroscédasticité de type HC3/HC4), sans faire dépendre ce choix de l’issue formelle du test de Brown-Forsythe. Ce dernier conserve néanmoins un rôle précieux de description diagnostique des patrons de variabilité expérimentale.
13. Critiques, controverses et limites
Bien que le test de Brown-Forsythe constitue une indéniable avancée par rapport aux approches paramétriques précurseures, la méthode soulève plusieurs controverses théoriques et présente des limites inhérentes qu’il convient de circonscrire avec rigueur :
Une première critique concerne le phénomène d’interdépendance des déviations résiduelles induit par le centrage sur la médiane. En calculant les valeurs $z_{ij} = |Y_{ij} – M_j|$, les résidus d’un même groupe ne sont plus strictement indépendants entre eux, car la médiane dépend de la totalité des scores de la série ordonnée. Bien que cette corrélation locale devienne asymptotiquement négligeable lorsque la taille de l’échantillon tend vers l’infini, elle perturbe légèrement les propriétés exactes de la statistique $F$ dans les petits échantillons, entraînant des distorsions mineures de la distribution d’échantillonnage théorique.
Une deuxième limite majeure touche à la perte d’information consécutive à l’usage de la valeur absolue. En condensant l’écart d’une observation à la médiane en une grandeur scalaire positive, la directionnalité de l’asymétrie originale est occultée. Si une distribution présente une queue étalée exclusivement à droite tandis qu’un groupe comparateur présente une queue étalée à gauche avec des amplitudes absolues similaires, le test de Brown-Forsythe ne discernera pas cette divergence morphologique fondamentale, concluant de façon erronée à une identité des patrons de dispersion.
Enfin, une controverse persiste quant à son application dans les plans factoriels complexes à mesures répétées ou mixtes. Le test de Brown-Forsythe est conceptuellement conçu pour des plans univariés inter-sujets à groupes indépendants. L’extension de cette procédure à l’évaluation de la sphéricité (l’équivalent de l’homogénéité des variances pour les conditions intra-sujets) n’est pas directement transposable sans des ajustements de covariance matricielle lourds, pour lesquels les tests de Mauchly ou les corrections de Greenhouse-Geisser demeurent préférentiels.
14. Notions connexes et distinctions terminologiques
Une bonne compréhension du test de Brown-Forsythe requiert de le distinguer avec clarté de plusieurs notions statistiques et outils méthodologiques voisins :
- Test de Levene (version originale) : Cette procédure calcule les écarts absolus par rapport à la moyenne arithmétique du groupe ($|Y_{ij} – ar{Y}_j|$). Elle est optimale sous stricte hypothèse de normalité gaussienne, mais perd rapidement sa robustesse en présence d’asymétries ou de queues de distribution épaisses, contrairement au Brown-Forsythe.
- Test de Bartlett : Fondé sur le rapport de vraisemblance logarithmique des variances, ce test est extrêmement puissant lorsque la distribution est rigoureusement normale, mais s’avère hypersensible aux écarts de kurtosis, générant des taux prohibitifs de faux positifs lorsque les données sont non gaussiennes.
- Test de Welch (ANOVA de Welch) : Il ne s’agit pas d’un test d’homogénéité des variances, mais d’une procédure de comparaison des moyennes qui ajuste les degrés de liberté et les pondérations de variance pour rester valide lorsque l’homoscédasticité fait défaut.
- Test de Fligner-Killeen : Test non paramétrique d’égalité des variances basé sur les rangs des déviations par rapport à la médiane combinés à des scores normaux. Il est encore plus robuste aux valeurs extrêmes que le test de Brown-Forsythe, mais présente une mise en œuvre computationnelle plus complexe.
- Hétéroscédasticité conditionnelle : Propriété d’un modèle où la variance des résidus dépend de la valeur d’une variable prédictive continue, couramment analysée en régression via le test de Breusch-Pagan ou de White, plutôt que par le test de Brown-Forsythe qui opère sur des facteurs catégoriels.
15. Résumé et points clés
En synthèse, le test de Brown-Forsythe représente un standard méthodologique fondamental pour l’évaluation empirique de l’homogénéité des variances dans les recherches expérimentales en psychologie et en sciences connexes :
- Il s’agit d’une déclinaison robuste du test de Levene opérant une analyse de variance sur les déviations absolues des observations calculées par rapport à la médiane du groupe expérimental.
- Son avantage décisif sur les tests paramétriques historiques (Bartlett, Hartley) et le test de Levene standard réside dans son immunité remarquable face aux distributions asymétriques et aux valeurs extrêmes.
- Il est principalement utilisé comme instrument de diagnostic préalable avant de décider de l’admissibilité d’une ANOVA classique ou de l’obligation de recourir à des corrections robustes (comme l’ANOVA de Welch).
- Dans le traitement de données cliniques, neuropsychologiques ou organisationnelles — où les distributions gaussiennes parfaites constituent l’exception plutôt que la règle —, le recours au test de Brown-Forsythe protège activement le chercheur contre les erreurs d’inférence de type I.
- Les méthodologistes contemporains préconisent d’intégrer ses conclusions au sein d’une approche analytique globale, sans subordonner automatiquement le choix des tests de moyennes à une décision dichotomique sur le seuil arbitraire de $p = 0{,}05$.
Références
- Algina, J., Olejnik, S., & Wilcox, R. R. (1989). Testing equality of variances for paired time-series data. Journal of Educational Statistics, 14(2), 173–184. https://doi.org/10.3102/10769986014002173
- Box, G. E. P. (1953). Non-normality and tests on variances. Biometrika, 40(3/4), 318–335. https://doi.org/10.2307/2333350
- Brown, M. B., & Forsythe, A. B. (1974). Robust tests for the equality of variances. Journal of the American Statistical Association, 69(346), 364–367. https://doi.org/10.1080/01621459.1974.10482955
- Brown, M. B., & Forsythe, A. B. (1974). The small sample behavior of some statistics which test the equality of several means. Technometrics, 16(1), 129–132. https://doi.org/10.1080/00401706.1974.10489158
- Conover, W. J., Johnson, M. E., & Johnson, M. M. (1981). A comparative study of tests for homogeneity of variances, with applications to the outer continental shelf bidding data. Technometrics, 23(4), 351–361. https://doi.org/10.1080/00401706.1981.10487680
- Levene, H. (1960). Robust tests for equality of variances. In I. Olkin, S. G. Ghurye, W. Hoeffding, W. G. Madow, & H. B. Mann (Eds.), Contributions to Probability and Statistics: Essays in Honor of Harold Hotelling (pp. 278–292). Stanford University Press.