Dans le champ de la psychologie scientifique et des neurosciences comportementales, la rigueur méthodologique constitue le rempart ultime contre les dérives interprétatives et les fausses découvertes. Lorsque les chercheurs multiplient les comparaisons de moyennes au sein d’un même protocole expérimental, le risque d’identifier à tort un effet illusoire augmente de façon spectaculaire. Le test t de Bonferroni s’impose alors comme l’une des procédures de correction statistique les plus fondamentales et historiquement enracinées pour préserver l’intégrité des conclusions scientifiques face au fléau des faux positifs.
Test t de Bonferroni
1. Définition concise
Le test t de Bonferroni désigne une procédure statistique inférentielle d’ajustement du seuil de signification lors de comparaisons multiples de moyennes, reposant sur l’inégalité de Boole-Bonferroni. Cette méthode consiste à diviser le taux d’erreur de première espèce global souhaité par le nombre total de comparaisons planifiées ou exécutées afin de maintenir le risque d’erreur sous contrôle strict. Elle garantit qu’aucune conclusion erronée de rejet de l’hypothèse nulle ne soit formulée par simple accumulation stochastique.
Dans la recherche psychologique contemporaine, cette procédure est couramment mobilisée après une analyse de variance ou lors de comparaisons ciblées a priori entre plusieurs groupes cliniques ou conditions expérimentales. En élevant le seuil d’exigence requis pour atteindre la significativité statistique, le test t de Bonferroni compense la prolifération des tests d’hypothèses indépendants ou dépendants. Il offre ainsi un cadre d’inférence décisionnelle particulièrement robuste, éliminant quasi totalement le risque de commettre un faux positif au détriment potentiel de la puissance statistique.
Sur le plan pratique, l’application du test t de Bonferroni se traduit soit par la modification du seuil alpha critique individuel pour chaque test t, soit par la multiplication de la valeur p observée par le nombre de comparaisons effectuées, cette dernière étant ensuite comparée au seuil nominal usuel de cinq pour cent. Cette symétrie arithmétique élémentaire en fait l’une des méthodes de contrôle d’erreur de type I les plus accessibles et universellement comprises par la communauté scientifique internationale.
2. Étymologie et origine linguistique
Le nom de cette méthode rend hommage au mathématicien italien Carlo Emilio Bonferroni (1892–1960), professeur de mathématiques financières et de statistique actuarielle à Florence. Le vocable découle directement des inégalités probabilistes qu’il a formalisées dans son ouvrage séminal de 1936 consacré à la théorie des probabilités et aux calculs actuariels, où il a établi des bornes supérieures et inférieures pour la probabilité de l’union d’événements arbitraires.
Le terme « test t » fait quant à lui référence à la loi de Student, introduite sous le pseudonyme d’emprunt « Student » par le statisticien et chimiste britannique William Sealy Gosset en 1908. L’agrégation « test t de Bonferroni » est entrée dans la littérature méthodologique anglo-saxonne (Bonferroni t-test ou Bonferroni-adjusted t-test) au cours des années 1960 et 1970, notamment grâce aux travaux de la statisticienne Olive Jean Dunn, qui a démontré l’utilité des inégalités de Bonferroni pour la construction d’intervalles de confiance simultanés dans les plans factoriels.
En langue française, l’expression a été adoptée telle quelle dans les manuels de psychométrie et de biostatistique. Elle s’intègre harmonieusement dans le lexique épistémologique francophone sous les désignations de « test t ajusté selon Bonferroni », « procédure de Bonferroni » ou « correction de Bonferroni pour tests t appariés et indépendants ».
3. Prononciation et forme grammaticale
Sur le plan grammatical, l’expression est une locution nominale masculine. Le syntagme combine le substantif masculin « test », le symbole alphabétique « t » en apposition désignant la distribution statistique sous-jacente, et le complément du nom propre étranger « de Bonferroni ».
Sa transcription phonétique internationale standard en français s’écrit /tɛst te də bɔ̃fɛʁɔni/. L’accent tonique d’origine italienne sur l’avant-dernière syllabe du patronyme s’efface généralement en français au profit d’une accentuation finale modérée, courante dans le discours académique hexagonal, suisse ou québécois.
Dans les rapports d’analyse empirique et les sections méthodologiques de psychologie, la forme s’emploie sans variation morphologique au pluriel pour le patronyme, donnant « des tests t de Bonferroni ». On rencontre fréquemment l’usage adjectivé dans des syntagmes dérivés tels que « le seuil bonferronisé » ou « les probabilités critiques corrigées selon Bonferroni ».
4. Explication conceptuelle détaillée
Pour saisir pleinement la substance du test t de Bonferroni, il convient d’examiner le problème épistémique majeur qu’il cherche à résoudre : l’inflation du taux d’erreur de type I par famille de comparaisons, couramment désigné sous l’acronyme anglais FWER pour Family-Wise Error Rate. Dans un cadre de vérification d’hypothèse standard en psychologie, le chercheur tolère classiquement un risque alpha de commettre une erreur de première espèce, c’est-à-dire de rejeter à tort l’hypothèse nulle d’absence de différence, fixé par convention à 0,05. Lorsque l’expérimentateur n’exécute qu’une unique comparaison, cette marge d’erreur demeure parfaitement cantonnée à cinq pour cent.
Toutefois, dès lors que le protocole expérimental implique la confrontation multiple de plusieurs groupes ou conditions (par exemple la comparaison croisée de quatre modalités thérapeutiques différentes), le nombre total de contrastes possibles par paires augmente de manière combinatoire. Si l’on effectue k tests indépendants au seuil nominal alpha, la probabilité cumulée de commettre au moins une erreur de type I à travers l’ensemble de la famille de tests s’exprime par la relation mathématique 1 – (1 – alpha)^k. Ainsi, pour dix comparaisons indépendantes conduites à alpha = 0,05, la probabilité d’obtenir au moins un résultat artificiellement significatif dépasse quarante pour cent, transformant l’analyse statistique en une véritable machine à produire de faux résultats positifs.
Face à cette dérive, l’approche de Bonferroni applique le principe de précaution probabiliste le plus strict en imposant un contrôle rigide du taux d’erreur par famille. Le fondement conceptuel de la méthode postule que l’intégrité de la conclusion globale prime sur la sensibilité individuelle de chaque contraste. En assignant à chaque comparaison un niveau d’exigence ajusté équivalent à alpha divisé par le nombre k de comparaisons, la procédure garantit mathématiquement que la probabilité globale d’observer ne serait-ce qu’une seule fausse découverte dans la famille de tests n’excédera jamais la valeur cible choisie par le chercheur.
Le champ d’application de cette méthode s’avère particulièrement étendu, englobant les comparaisons de moyennes deux à deux consécutives à une analyse de la variance (ANOVA), les comparaisons planifiées d’effets simples dans les plans factoriels complexes, et les matrices de corrélations multiples entre échelles psychométriques. Néanmoins, sa rigueur mathématique sans compromis implique un coût épistémologique tangible : en réduisant drastiquement le seuil alpha unitaire, le test abaisse conjointement la puissance statistique globale du protocole, augmentant notablement la survenue d’erreurs de seconde espèce (erreur bêta), consistant à manquer un effet réel présent dans la population.
5. Développement historique
La trajectoire historique menant à la formalisation moderne du test t de Bonferroni s’articule autour de transferts conceptuels fertiles entre la théorie des probabilités pure et la statistique appliquée aux sciences biologiques et humaines. En 1936, Carlo Emilio Bonferroni publie ses mémoires intitulés Teoria statistica delle classi e calcolo delle probabilità à l’Institut Supérieur de Sciences Économiques et Commerciales de Florence. Dans ces écrits, Bonferroni n’envisageait nullement les tests d’hypothèses en psychologie expérimentale, mais s’attachait à fournir des inégalités mathématiques destinées à borner la distribution de fréquences conjointes pour des systèmes d’événements complexes dans le secteur des assurances sur la vie.
Il fallut attendre l’essor de la biométrie et de la psychométrie d’après-guerre pour que ces inégalités soient transposées aux problèmes cruciaux de multiplicité inférentielle. Au cours des décennies 1950 et 1960, la généralisation de l’ANOVA sous l’impulsion des travaux de Ronald Fisher a confronté les chercheurs à un dilemme récurrent : comment localiser précisément l’origine des différences significatives entre plus de deux traitements sans biaiser l’inférence globale ? Plusieurs figures majeures ont alors proposé des solutions concurrentes, à l’instar de John Tukey, Henry Scheffé et David Duncan.
La véritable pionnière de l’application pratique des inégalités de Bonferroni aux tests t et aux intervalles de confiance simultanés fut la biostatisticienne américaine Olive Jean Dunn. Dans ses articles fondateurs de 1959 et 1961 publiés dans le Journal of the American Statistical Association, Dunn a établi comment l’inégalité de Bonferroni pouvait fournir une technique d’une simplicité désarmante, applicable aussi bien aux échantillons équilibrés qu’aux designs hautement déséquilibrés, comblant ainsi les vides laissés par les méthodes de Tukey ou de Dunnett. Bien que la littérature statistique attribue parfois cette adaptation à Dunn, l’éponyme Bonferroni est resté définitivement ancré dans l’usage scientifique courant pour qualifier ce test t corrigé.
6. Fondements théoriques
Le socle théorique du test t de Bonferroni repose intégralement sur le premier niveau de l’inégalité de Boole-Fréchet-Bonferroni issue de la théorie axiomatique de la probabilité. Selon ce théorème, pour toute collection finie d’événements aléatoires A1, A2, …, Ak, la probabilité de la réunion de ces événements est strictement inférieure ou égale à la somme arithmétique de leurs probabilités individuelles : P(U Ai) ≤ ∑ P(Ai). Dans le contexte de l’inférence statistique, chaque événement Ai correspond à la commission d’une erreur de type I lors de la k-ième comparaison bilatérale ou unilatérale.
Sur le plan épistémologique, la procédure s’inscrit au sein du paradigme décisionnel de Neyman-Pearson, dans lequel l’analyste cherche à minimiser les risques de décision erronée sous contrainte stricte d’un plafond d’erreur de première espèce toléré. En assignant à chaque contraste t individuel un niveau de risque local égal à alpha divisé par k, le théorème garantit que le risque cumulé de rejeter au moins une hypothèse nulle vraie parmi les k tests vérifie formellement la condition P(au moins une erreur I) ≤ k * (alpha / k) = alpha. Cette démonstration confère à la méthode son universalité, car elle ne requiert aucune hypothèse quant à l’indépendance ou la structure de covariance mutuelle des différentes variables dépendantes ou contrastes comparés.
Un autre pilier théorique réside dans la dualité fondamentale entre le test d’hypothèse ponctuel et l’intervalle de confiance simultané. Le test t de Bonferroni permet de dériver directement des intervalles de confiance à 100 * (1 – alpha) pour cent pour l’ensemble des k différences de moyennes. L’exclusion de la valeur zéro de l’intervalle simultané ainsi construit équivaut strictement au rejet de l’hypothèse nulle bilatérale au seuil bonferronisé. Cette convergence théorique dote le chercheur clinicien d’un outil d’évaluation qui dépasse le simple constat dichotomique de la valeur p, en lui fournissant une estimation robuste et conservatrice de l’amplitude de l’effet moyen dans la population parente.
7. Composants clés, types et dimensions
L’utilisation raisonnée du test t de Bonferroni dans un plan expérimental de psychologie implique de distinguer plusieurs dimensions structurelles et variantes opérationnelles :
- Le test t de Bonferroni pour échantillons indépendants : Modalité appliquée lorsque le chercheur compare deux à deux les moyennes de sous-groupes mutuellement exclusifs (ex. : groupe contrôle, groupe sous thérapie cognitive, groupe sous thérapie comportementale) sur une même échelle de mesure psychologique.
- Le test t de Bonferroni pour mesures répétées (apparié) : Configuration employée lors de protocoles longitudinaux ou intra-sujets, où les mêmes participants sont évalués à de multiples points temporels ou à travers diverses conditions de stimulation sensorielle et cognitive.
- La nature des contrastes (planifiés vs post hoc) : Les contrastes planifiés (a priori) correspondent à des hypothèses directes formulées avant la collecte des données, limitant le nombre k au strict nécessaire théorique. Les comparaisons post hoc (a posteriori) explorent l’ensemble exhaustif des combinaisons possibles après découverte d’une variance globale significative, imposant une pénalité de Bonferroni bien plus sévère.
- L’ajustement du seuil alpha versus ajustement de la valeur p : Deux procédures opérationnelles strictement équivalentes ; l’une divise le seuil décisionnel (ex. : 0,05 / 5 = 0,01), tandis que l’autre multiplie la valeur p brute issue de la distribution t de Student par le nombre de tests effectués, plafonnant le résultat à 1,0.
- La variante séquentielle de Holm-Bonferroni : Raffinement algorithmique step-down où les valeurs p sont ordonnées de manière croissante et comparées à des seuils graduellement dégressifs, augmentant la puissance statistique tout en conservant le contrôle intégral du FWER.
8. Exemples concrets et cas illustratifs
Considérons une étude clinique en neuropsychologie évaluant l’efficacité d’un programme d’entraînement de la mémoire de travail chez des patients présentant un déficit cognitif léger consécutif à un traumatisme crânien. Le protocole répartit aléatoirement soixante participants dans trois conditions expérimentales distinctes (vingt individus par groupe) : un groupe d’entraînement cognitif informatisé intensif, un groupe participant à des ateliers de remédiation verbale conventionnels, et un groupe témoin placé sur liste d’attente. À l’issue des dix semaines de prise en charge, la performance mnésique globale est mesurée à l’aide d’un score standardisé composite.
Le chercheur souhaite procéder à la comparaison deux à deux des trois modalités d’intervention. Le nombre total de comparaisons par paires possibles s’élève à trois (k = 3 : intensif vs conventionnel, intensif vs contrôle, conventionnel vs contrôle). Sans ajustement, l’exécution de trois tests t de Student consécutifs à alpha = 0,05 porterait le risque d’erreur de première espèce global à environ quatorze pour cent. En appliquant la correction de Bonferroni, le chercheur redéfinit son seuil alpha critique individuel à 0,05 / 3 = 0,0167.
Supposons que la comparaison du programme intensif face au groupe témoin produise une statistique t = 3,12 avec une valeur p observée brute de 0,004. Comme 0,004 est inférieur à 0,0167, cette différence est déclarée statistiquement significative. En revanche, si la comparaison entre le programme intensif et le groupe conventionnel produit une statistique t = 2,15 avec une valeur p brute de 0,036, ce contraste ne sera pas considéré comme statistiquement significatif sous l’ajustement de Bonferroni, car 0,036 excède le seuil rigoureux de 0,0167. Cet exemple démontre concrètement comment la procédure protège les cliniciens contre la proclamation prématurée d’une supériorité thérapeutique qui pourrait résulter d’une simple fluctuation de l’échantillonnage.
9. Mesure, calcul et évaluation
La mise en œuvre analytique du test t de Bonferroni repose sur des calculs d’une clarté arithmétique remarquable, pouvant être exécutés manuellement ou via les progiciels statistiques contemporains comme R, SPSS ou JASP. Dans un premier temps, la statistique empirique du test t de Student est calculée pour chaque paire de moyennes selon les formules conventionnelles prenant en compte les degrés de liberté appropriés et, le cas échéant, la correction de Welch en situation d’hétéroscédasticité des variances.
L’étape discriminante de l’évaluation réside dans l’application de la contrainte de correction. Deux approches symétriques sont documentées :
- Approche par seuil critique adapté : On fixe le seuil de décision individuel α* selon la formule α* = α / k, où α représente le risque d’erreur de première espèce global visé (habituellement 0,05) et k le nombre total de comparaisons du plan. L’hypothèse nulle n’est rejetée pour un contraste donné que si sa valeur p brute vérifie l’inégalité p ≤ α*.
- Approche par valeur p ajustée : Les logiciels contemporains calculent directement une valeur p bonferronisée, notée p_adj = min(1, k * p_brut). La décision s’opère ensuite classiquement en vérifiant si p_adj ≤ α.
Dans les rapports de recherche soumis aux normes de l’American Psychological Association (APA 7e édition), l’évaluation exige de rapporter précisément la statistique t observée, les degrés de liberté, la taille d’effet correspondante (telle que le d de Cohen ou le g de Hedges), ainsi que la valeur p ajustée explicitement désignée comme ayant subi la correction de Bonferroni. Cette transparence permet aux pairs d’évaluer la sévérité du contrôle sans ambiguïté interprétative.
10. Applications et portée pratique
L’utilisation du test t de Bonferroni innerve l’ensemble des sous-disciplines de la psychologie et des sciences comportementales en raison de sa sécurité méthodologique proverbiale. En psychopathologie expérimentale et en psychiatrie, il est massivement déployé lors des essais cliniques randomisés multipares évaluant l’efficacité comparée de diverses molécules pharmacologiques, de psychothérapies manuélisées et de groupes placebos sur des indicateurs d’anxiété, de dépression ou d’impulsivité.
Dans le domaine de la psychologie cognitive et des neurosciences expérimentales, le test s’avère indispensable lors du dépouillement des tâches de chronométrie mentale. Lorsqu’un chercheur mesure les temps de réaction de participants confrontés à une pluralité de stimuli distracteurs ou congruents, l’analyse des contrastes t ajustés selon Bonferroni permet de valider avec certitude quels types spécifiques d’inhibition cognitive diffèrent significativement de la condition de référence sans multiplier inconsidérément les artefacts de détection.
En psychologie du travail et des organisations, cette procédure est mobilisée lors de diagnostics organisationnels à large échelle visant à comparer la satisfaction professionnelle ou l’épuisement émotionnel (burnout) entre de multiples départements ou catégories hiérarchiques. La correction garantit aux directions des ressources humaines que les disparités interservices identifiées ne sont pas le simple fruit d’un chalutage de données à grande échelle portant sur des dizaines de métriques simultanées.
11. Recherche empirique et corpus scientifique
La robustesse mathématique du principe de Bonferroni a été confirmée par une abondante littérature de simulations statistiques de Monte-Carlo au cours du dernier demi-siècle. Des statisticiens éminents tels que Games (1971) et Keselman et al. (1998) ont largement documenté les propriétés de distribution de ce test. Leurs travaux convergent tous vers le même constat empirique : quelles que soient les distributions de départ et les covariances entre les variables, la correction de Bonferroni réussit de manière inconditionnelle à maintenir le taux d’erreur par famille sous le plafond alpha désiré.
Cependant, ces mêmes recherches empiriques ont mis en lumière le revers de cette invulnérabilité : le caractère excessivement conservateur du test lorsque le nombre de comparaisons devient substantiel. Dans une étude devenue classique parue dans le Psychological Bulletin, Maxwell (1980) a illustré la perte drastique de puissance statistique subie par les protocoles psychologiques lorsque plus de cinq ou six contrastes sont systématiquement ajustés par Bonferroni, conduisant fréquemment à ignorer des effets expérimentaux pourtant réels et cliniquement pertinents.
Dans le secteur contemporain de l’imagerie par résonance magnétique fonctionnelle (IRMf) et de la génétique comportementale, où des dizaines de milliers de voxels cérébraux ou de polymorphismes mononucléotidiques sont analysés en parallèle, l’application naïve du test t de Bonferroni s’est heurtée à une impasse empirique majeure en exigeant des seuils de p-value de l’ordre de 10^-6 à 10^-8, anéantissant toute possibilité de détecter des activations cérébrales subtiles. Ces impasses ont incité les méthodologistes à lui préférer des paradigmes novateurs de contrôle du taux de fausses découvertes.
12. Considérations transculturelles et contextuelles
Bien que le test t de Bonferroni soit un outil mathématique universel dont les propriétés probabilistes demeurent indépendantes de tout ancrage géographique, son application en psychologie transculturelle et internationale soulève d’importants défis contextuels et interprétatifs. Dans les études comparatives multinationales où des cohortes issues de dizaines de pays distincts sont évaluées sur des échelles de valeurs culturelles, d’individualisme-collectivisme ou de bien-être subjectif, le recours systématique aux comparaisons t toutes paires confondues avec correction de Bonferroni peut paralyser l’analyse.
En effet, comparer vingt cultures deux à deux implique l’exécution de cent quatre-vingt-dix contrastes distincts, imposant un seuil critique corrigé de 0,05 / 190 = 0,00026. Une telle exigence mathématique risque d’effacer des nuances sociologiques et psychologiques authentiques, particulièrement dans les pays en développement où les tailles d’échantillons recrutés sont structurellement plus modestes par manque de ressources financières de recherche.
Par conséquent, les chercheurs en psychologie transculturelle privilégient de plus en plus des hypothèses régionales ciblées a priori pour restreindre drastiquement le paramètre k avant d’appliquer Bonferroni, ou recourent à des modélisations multiniveaux et des analyses en composantes hiérarchiques. Ces méthodologies permettent d’appréhender la variance culturelle globale sans écraser la sensibilité inférentielle sous une pénalisation statistique trop brutale.
13. Critiques, controverses et limites
Le test t de Bonferroni a fait l’objet de vifs débats épistémologiques au sein de la psychologie quantitative et de l’épidémiologie clinique. L’une des diatribes les plus influentes demeure celle publiée par l’épidémiologiste Kenneth Rothman en 1990 dans un article provocateur intitulé No Adjustments Are Needed for Multiple Comparisons. Rothman et d’autres critiques soulignent que la délimitation de ce qui constitue une « famille de tests » relève d’une décision hautement subjective et arbitraire du chercheur : doit-on corriger pour les tests d’un même tableau, d’un même article scientifique, ou pour l’ensemble des tests conduits par un laboratoire au cours d’une carrière ?
La critique centrale adressée à la méthode concerne son conservatisme démesuré face à des variables dépendantes corrélées. L’inégalité de Bonferroni assume implicitement le pire scénario probabiliste. Lorsque les mesures psychologiques sont fortement interdépendantes — comme c’est couramment le cas entre les sous-échelles d’un même inventaire de personnalité ou les items cognitifs d’une batterie neuropsychologique —, le test t de Bonferroni surcompense largement le risque réel, augmentant de façon vertigineuse le taux d’erreur de type II et privant les chercheurs de conclusions valides.
En outre, certains méthodologistes reprochent au test de Bonferroni d’encourager involontairement des comportements de recherche sous-optimaux, tels que la réduction artificielle du nombre de variables explorées ou la non-publication de conditions expérimentales secondaires afin d’éviter la pénalité statistique sur le contraste principal. En réponse à ces limitations, les statisticiens recommandent aujourd’hui d’abandonner l’usage indiscriminé de Bonferroni au profit de méthodes séquentiellement rejectives ou du contrôle du taux de fausses découvertes.
14. Notions connexes et distinctions
Pour naviguer avec pertinence dans l’arsenal des procédures d’ajustement inférentiel, il importe de distinguer le test t de Bonferroni de ses homologues conceptuels :
- Test t de Bonferroni vs Correction de Šidák : Tandis que Bonferroni applique une borne linéaire additive simple (alpha / k), le test de Šidák repose sur l’hypothèse d’indépendance statistique stricte et calcule un seuil multiplicatif exact α* = 1 – (1 – α)^(1/k). Le test de Šidák est légèrement plus puissant que celui de Bonferroni, bien que la différence numérique demeure négligeable pour les petits k.
- Test t de Bonferroni vs Méthode de Holm-Bonferroni : La procédure de Holm est séquentielle ascendante (step-down). Elle classe les valeurs p et applique des diviseurs progressivement dégressifs (k, k-1, k-2…). Elle est rigoureusement supérieure à la correction classique de Bonferroni sur le plan de la puissance tout en assurant exactement le même contrôle du risque alpha par famille.
- Test t de Bonferroni vs Test de Tukey (HSD) : Le test Honestly Significant Difference de Tukey est spécialement conçu pour comparer toutes les paires possibles de moyennes dans un plan d’ANOVA équilibré en exploitant la loi de l’étendue studentisée. Il s’avère nettement plus puissant et adapté que Bonferroni pour les comparaisons post hoc exhaustives.
- Contrôle du FWER vs Contrôle du FDR (Benjamini-Hochberg) : Alors que Bonferroni vise à empêcher la moindre erreur de type I (FWER), le paradigme du False Discovery Rate initié par Yoav Benjamini et Yosef Hochberg cherche à contrôler la proportion attendue de faux positifs parmi l’ensemble des tests rejetés. Le FDR est immensément plus puissant dans les études exploratoires massives.
15. Synthèse et points clés
Le test t de Bonferroni demeure une technique pivot de l’inférence statistique et de l’épistémologie expérimentale en psychologie. Sa vocation première est de dresser un rempart infranchissable contre la prolifération des faux positifs induits par la multiplication des tests d’hypothèses sur un même jeu de données empiriques.
Sa popularité inaltérée depuis plus d’un demi-siècle s’explique par sa simplicité arithmétique élémentaire et son absence d’hypothèses contraignantes concernant la structure de covariance des variables analysées. Il garantit mathématiquement que le taux d’erreur de première espèce global par famille ne dépassera jamais le seuil nominal consenti par le chercheur.
Toutefois, la prudence méthodologique commande de ne pas ériger cette procédure en dogme aveugle. Son coût en puissance statistique et son conservatisme extrême en font une méthode inadaptée aux vastes criblages exploratoires et aux matrices de mesures hautement corrélées. Dans la pratique scientifique moderne, le chercheur avisé lui préférera souvent la procédure séquentielle de Holm-Bonferroni pour les contrastes planifiés, le test de Tukey pour les analyses post hoc complètes d’ANOVA, ou les algorithmes de régulation du taux de fausses découvertes pour les données massives.
Références
Bonferroni, C. E. (1936). Teoria statistica delle classi e calcolo delle probabilità. Pubblicazioni del Regio Istituto Superiore di Scienze Economiche e Commerciali di Firenze, 8, 3-62.
Dunn, O. J. (1959). Estimation of multiparameter system: An application of Bonferroni’s inequalities. Journal of the American Statistical Association, 54(287), 613-621. https://doi.org/10.1080/01621459.1959.10501524
Dunn, O. J. (1961). Multiple comparisons among means. Journal of the American Statistical Association, 56(293), 52-64. https://doi.org/10.1080/01621459.1961.10482090
Games, P. A. (1971). Multiple comparisons of means. American Educational Research Journal, 8(3), 531-565. https://doi.org/10.3102/00028312008003531
Holm, S. (1979). A simple sequentially rejective multiple test procedure. Scandinavian Journal of Statistics, 6(2), 65-70.
Keselman, H. J., Cribbie, R., & Holland, B. (1998). The pairwise multiple comparison problem: An alternative processing strategy for pairwise comparisons. Psychological Methods, 4(1), 58-69. https://doi.org/10.1037/1082-989X.4.1.58
Maxwell, S. E. (1980). Pairwise multiple comparisons in repeated measures designs. Journal of Educational Statistics, 5(4), 269-287. https://doi.org/10.2307/1164905
Rothman, K. J. (1990). No adjustments are needed for multiple comparisons. Epidemiology, 1(1), 43-46. https://doi.org/10.1097/00001648-199001000-00010