Dans le champ de l’inf\u00e9rence statistique et de l’exp\u00e9rimentation scientifique, la variabilit\u00e9 ne constitue pas un simple obstacle \u00e0 la pr\u00e9cision de la mesure, mais bien la mati\u00e8re premi\u00e8re \u00e0 partir de laquelle s’\u00e9labore toute d\u00e9couverte empirique. Lorsqu’un chercheur observe un ensemble de donn\u00e9es issues de multiples cohortes, conditions exp\u00e9rimentales ou strates d’une population, il est imm\u00e9diatement confront\u00e9 au d\u00e9fi de distinguer ce qui rel\u00e8ve de fluctuations al\u00e9atoires incontr\u00f4lables de ce qui d\u00e9coule de l’influence d\u00e9lib\u00e9r\u00e9e ou syst\u00e9matique d’un facteur d’int\u00e9r\u00eat. Cette probl\u00e9matique centrale trouve sa formalisation math\u00e9matique dans la th\u00e9orie g\u00e9n\u00e9rale des mod\u00e8les lin\u00e9aires, inaugur\u00e9e par Ronald Aylmer Fisher au d\u00e9but du vingti\u00e8me si\u00e8cle, qui repose sur l’op\u00e9ration fondamentale de d\u00e9composition de la variance totale en composantes identifiables et interpr\u00e9tables.<\/p>\n
Au c\u0153ur de cette d\u00e9marche se situe l’antagonisme structurel entre deux grandeurs fondamentales : la variance inter-groupes (souvent d\u00e9sign\u00e9e sous le vocable anglophone de between-group variance<\/em>) et la variance intra-groupe (ou within-group variance<\/em>). Tandis que la premi\u00e8re quantifie la dispersion des moyennes de chaque sous-\u00e9chantillon autour du barycentre g\u00e9n\u00e9ral des donn\u00e9es, la seconde \u00e9value la turbulence interne, c’est-\u00e0-dire l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des observations individuelles \u00e0 l’int\u00e9rieur m\u00eame de chaque groupe. L’analyse de la variance (ANOVA<\/a>), bien loin de se borner \u00e0 une simple juxtaposition de tests de Student multiples, propose une g\u00e9om\u00e9trie rigoureuse o\u00f9 la dispersion globale est partitionn\u00e9e en deux espaces orthogonaux, permettant de poser un diagnostic probabiliste sur l’existence r\u00e9elle d’effets exp\u00e9rimentaux ou observationnels.<\/p>\n Comprendre la nature, le comportement, les implications m\u00e9thodologiques et les limites de ces deux types de variances est indispensable pour tout statisticien, biostatisticien, \u00e9conom\u00e8tre ou chercheur en sciences sociales. Une confusion entre la dispersion attribuable aux traitements et le bruit r\u00e9siduel m\u00e8ne in\u00e9luctablement \u00e0 des erreurs de d\u00e9cision statistique d\u00e9l\u00e9t\u00e8res, qu’il s’agisse de faux positifs co\u00fbteux ou d’effets r\u00e9els manqu\u00e9s par manque de puissance. Cet article encyclop\u00e9dique se propose d’examiner exhaustivement les fondements math\u00e9matiques, les subtilit\u00e9s \u00e9pist\u00e9mologiques, les divergences analytiques et les meilleures pratiques associ\u00e9es \u00e0 la variance inter-groupes et \u00e0 la variance intra-groupe, depuis le th\u00e9or\u00e8me additif des sommes des carr\u00e9s jusqu’aux mod\u00e9lisations hi\u00e9rarchiques et multivari\u00e9es les plus contemporaines.<\/p>\n Pour aborder rigoureusement l’analyse des donn\u00e9es distribu\u00e9es en sous-ensembles distincts, il convient d’abord d’\u00e9tablir la d\u00e9finition de la variance totale. Consid\u00e9rons une population ou un \u00e9chantillon partitionn\u00e9 en k<\/em> sous-groupes mutuellement exclusifs et collectivement exhaustifs, comprenant chacun un effectif ni<\/sub><\/em> (pour i<\/em> allant de 1 \u00e0 k<\/em>), de telle sorte que la taille totale de l’\u00e9chantillon soit \u00e9gale \u00e0 N<\/em>. La variance totale repr\u00e9sente la mesure absolue de dispersion des N<\/em> observations individuelles autour de la grande moyenne globale, not\u00e9e Y\u0304\u00b7\u00b7<\/sub><\/em>. Cette dispersion globale capture l’int\u00e9gralit\u00e9 des variations observ\u00e9es dans le jeu de donn\u00e9es, sans \u00e9gard pour l’appartenance des individus aux diff\u00e9rents sous-\u00e9chantillons. Elle agr\u00e8ge indistinctement toutes les sources possibles de diversit\u00e9, qu’elles proviennent de manipulations exp\u00e9rimentales d\u00e9lib\u00e9r\u00e9es, de pr\u00e9dispositions individuelles non contr\u00f4l\u00e9es ou d’erreurs de mesure inh\u00e9rentes aux instruments de collecte.<\/p>\n Face \u00e0 cette dispersion composite, la variance inter-groupes se d\u00e9finit sp\u00e9cifiquement comme la mesure de l’\u00e9cart quadratique pond\u00e9r\u00e9 qui existe entre la moyenne empirique de chaque groupe, not\u00e9e Y\u0304i\u00b7<\/sub><\/em>, et la moyenne g\u00e9n\u00e9rale de l’ensemble de l’\u00e9chantillon Y\u0304\u00b7\u00b7<\/sub><\/em>. D’un point de vue conceptuel, la variance inter-groupes fait abstraction de la dispersion des individus \u00e0 l’int\u00e9rieur de chaque groupe en assimilant chaque sujet \u00e0 la valeur moyenne de sa modalit\u00e9 respective. Elle traduit donc l’amplitude avec laquelle les centres de gravit\u00e9 des diff\u00e9rents groupes s’\u00e9loignent les uns des autres le long de l’axe de la variable d\u00e9pendante. Si les moyennes des groupes sont identiques entre elles, cette grandeur s’annule compl\u00e8tement, indiquant qu’aucune fraction de la variabilit\u00e9 globale ne peut \u00eatre imput\u00e9e \u00e0 une diff\u00e9renciation macroscopique des sous-\u00e9chantillons.<\/p>\n \u00c0 l’inverse, la variance intra-groupe quantifie la variabilit\u00e9 r\u00e9siduelle interne qui subsiste au sein de chaque groupe pris individuellement. Elle s’\u00e9value en calculant les \u00e9carts quadratiques s\u00e9parant chaque score individuel Yij<\/sub><\/em> de la moyenne sp\u00e9cifique de son propre groupe Y\u0304i\u00b7<\/sub><\/em>. En agr\u00e9geant ces d\u00e9viations internes pour l’ensemble des k<\/em> groupes, la variance intra-groupe synth\u00e9tise l’\u00e9talement des donn\u00e9es autour des rep\u00e8res locaux. Elle mesure le degr\u00e9 d’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des sujets qui ont pourtant \u00e9t\u00e9 soumis \u00e0 une condition strictement identique ou qui partagent la m\u00eame caract\u00e9ristique cat\u00e9gorielle. En ce sens, la variance intra-groupe renseigne sur l’instabilit\u00e9 fondamentale des observations, ind\u00e9pendamment de tout effet attribuable au facteur de classification \u00e9tudi\u00e9.<\/p>\n La distinction formelle entre ces deux composantes est la pierre angulaire de l’inf\u00e9rence statistique moderne. Dans toute d\u00e9marche exp\u00e9rimentale visant \u00e0 v\u00e9rifier des hypoth\u00e8ses causales, l’exp\u00e9rimentateur cherche \u00e0 savoir si les diff\u00e9rences constat\u00e9es entre des conditions (la variance inter-groupes) sont suffisamment massives pour ne pas pouvoir \u00eatre expliqu\u00e9es par le simple hasard ou par la turbulence naturelle des unit\u00e9s exp\u00e9rimentales (la variance intra-groupe). Sans cette dichotomie op\u00e9rationnelle, il serait rigoureusement impossible de trancher entre un ph\u00e9nom\u00e8ne syst\u00e9matique reproductible et un \u00e9piph\u00e9nom\u00e8ne d’\u00e9chantillonnage.<\/p>\n Bien que conceptuellement \u00e9l\u00e9gante, l’utilisation r\u00e9p\u00e9t\u00e9e du terme g\u00e9n\u00e9rique \u00ab variance \u00bb dans la litt\u00e9rature scientifique engendre de fr\u00e9quentes \u00e9quivoques m\u00e9thodologiques. Les praticiens d\u00e9butants tendent souvent \u00e0 amalgamer la variance d’un \u00e9chantillon global avec les composantes d\u00e9riv\u00e9es de son partitionnement. Cette ambigu\u00eft\u00e9 est amplifi\u00e9e par le fait que les logiciels de traitement de donn\u00e9es utilisent indiff\u00e9remment des vocables tels que \u00ab variance expliqu\u00e9e \u00bb, \u00ab variance du mod\u00e8le \u00bb, \u00ab variance non expliqu\u00e9e \u00bb ou \u00ab variance d’erreur \u00bb, sans toujours expliciter leur ancrage dans l’alg\u00e8bre des moindres carr\u00e9s. L’erreur la plus r\u00e9pandue consiste \u00e0 interpr\u00e9ter une variance inter-groupes \u00e9lev\u00e9e comme la garantie absolue d’un effet exp\u00e9rimental tangible, en omettant d’\u00e9valuer simultan\u00e9ment l’ampleur de la variance intra-groupe qui lui sert d’\u00e9talon comparatif.<\/p>\n Dans le cadre du mod\u00e8le lin\u00e9aire g\u00e9n\u00e9ral, cette confusion prend une dimension critique lorsqu’il s’agit de discriminer l’effet induit par une variable ind\u00e9pendante manipul\u00e9e et l’erreur stochastique pure. Consid\u00e9rons le mod\u00e8le univari\u00e9 classique exprim\u00e9 sous la forme :<\/p>\n Yij<\/sub> = μ + αi<\/sub> + εij<\/sub><\/em><\/span><\/p>\n o\u00f9 μ<\/em> repr\u00e9sente la moyenne th\u00e9orique globale de la population, αi<\/sub><\/em> l’effet sp\u00e9cifique du traitement ou de la modalit\u00e9 i<\/em>, et εij<\/sub><\/em> le terme d’erreur r\u00e9siduelle associ\u00e9 \u00e0 l’individu j<\/em> au sein du groupe i<\/em>. Dans cette \u00e9criture, la variance inter-groupes est directement reli\u00e9e \u00e0 la distribution des param\u00e8tres αi<\/sub><\/em>, tandis que la variance intra-groupe refl\u00e8te la distribution du terme d’erreur εij<\/sub><\/em>. M\u00e9conna\u00eetre la ligne de partage entre ces deux entit\u00e9s conduit \u00e0 attribuer faussement \u00e0 αi<\/sub><\/em> des variations qui rel\u00e8vent en r\u00e9alit\u00e9 d’une instabilit\u00e9 non contr\u00f4l\u00e9e de εij<\/sub><\/em>, faussant irr\u00e9m\u00e9diablement l’estimation de l’impact de l’intervention.<\/p>\n Le contr\u00f4le rigoureux de cette balance conditionne la validit\u00e9 des conclusions scientifiques. Dans des domaines appliqu\u00e9s tels que la pharmacologie clinique, l’agronomie de pr\u00e9cision ou les neurosciences cognitives, une estimation erron\u00e9e de la variance intra-groupe peut conduire \u00e0 deux types de d\u00e9sastres m\u00e9thodologiques. D’une part, une sous-estimation du bruit intra-groupe produit un taux excessif d’erreurs de type I (rejet \u00e0 tort de l’hypoth\u00e8se nulle d’absence d’effet), validant des th\u00e9rapeutiques inop\u00e9rantes ou des associations illusoires. D’autre part, une variance intra-groupe anormalement gonfl\u00e9e par des protocoles mal calibr\u00e9s masque des variances inter-groupes pourtant prometteuses, g\u00e9n\u00e9rant des erreurs de type II (non-rejet d’une hypoth\u00e8se nulle fausse) qui enterrent pr\u00e9matur\u00e9ment des innovations scientifiques majeures.<\/p>\n La justification formelle de la s\u00e9paration de la variance repose sur un r\u00e9sultat alg\u00e9brique remarquable connu sous le nom de th\u00e9or\u00e8me de d\u00e9composition de la somme des carr\u00e9s. Prenons la d\u00e9viation d’une observation quelconque Yij<\/sub><\/em> par rapport \u00e0 la moyenne g\u00e9n\u00e9rale Y\u0304\u00b7\u00b7<\/sub><\/em>. Cette d\u00e9viation totale peut \u00eatre artificiellement d\u00e9compos\u00e9e en introduisant la moyenne du groupe Y\u0304i\u00b7<\/sub><\/em> comme point d’\u00e9tape alg\u00e9brique :<\/p>\n (Yij<\/sub> – Y\u0304\u00b7\u00b7<\/sub><\/em>) = (Y\u0304i\u00b7<\/sub> – Y\u0304\u00b7\u00b7<\/sub><\/em>) + (Yij<\/sub> – Y\u0304i\u00b7<\/sub><\/em>)<\/span><\/p>\n Le premier terme du membre de droite repr\u00e9sente l’\u00e9cart entre la moyenne de groupe et la grande moyenne (la composante inter-groupes), tandis que le second terme repr\u00e9sente l’\u00e9cart entre la valeur individuelle et sa moyenne de groupe (la composante intra-groupe). En \u00e9levant cette \u00e9quation au carr\u00e9 et en effectuant la sommation sur l’ensemble des k<\/em> groupes et sur tous les individus j<\/em> au sein de chaque groupe, on obtient l’\u00e9galit\u00e9 suivante :<\/p>\n Σi<\/em>=1<\/sub>k<\/em><\/sup> Σj<\/em>=1<\/sub>ni<\/sub><\/em><\/sup> (Yij<\/sub> – Y\u0304\u00b7\u00b7<\/sub><\/em>)2<\/sup> = Σi<\/em>=1<\/sub>k<\/em><\/sup> Σj<\/em>=1<\/sub>ni<\/sub><\/em><\/sup> [(Y\u0304i\u00b7<\/sub> – Y\u0304\u00b7\u00b7<\/sub><\/em>) + (Yij<\/sub> – Y\u0304i\u00b7<\/sub><\/em>)]2<\/sup><\/span><\/p>\n En d\u00e9veloppant le bin\u00f4me sous la double sommation, le double produit crois\u00e9 appara\u00eet :<\/p>\n 2 Σi<\/em>=1<\/sub>k<\/em><\/sup> Σj<\/em>=1<\/sub>ni<\/sub><\/em><\/sup> (Y\u0304i\u00b7<\/sub> – Y\u0304\u00b7\u00b7<\/sub><\/em>)(Yij<\/sub> – Y\u0304i\u00b7<\/sub><\/em>)<\/span><\/p>\n Or, pour un groupe i<\/em> donn\u00e9, le terme (Y\u0304i\u00b7<\/sub> – Y\u0304\u00b7\u00b7<\/sub><\/em>) est une constante vis-\u00e0-vis de l’indice de sommation j<\/em> et peut \u00eatre extrait de la somme interne. L’expression se simplifie en facteur de Σj<\/em>=1<\/sub>ni<\/sub><\/em><\/sup> (Yij<\/sub> – Y\u0304i\u00b7<\/sub><\/em>). Par d\u00e9finition fondamentale de la moyenne arithm\u00e9tique, la somme des \u00e9carts \u00e0 la moyenne au sein de n’importe quel sous-ensemble est rigoureusement nulle : Σj<\/em>=1<\/sub>ni<\/sub><\/em><\/sup> (Yij<\/sub> – Y\u0304i\u00b7<\/sub><\/em>) = 0. En cons\u00e9quence directe, le terme crois\u00e9 s’annule identiquement sur l’ensemble des donn\u00e9es, d\u00e9montrant l’orthogonalit\u00e9 g\u00e9om\u00e9trique des deux vecteurs de d\u00e9viation dans l’espace vectoriel euclidien \u211dN<\/em><\/sup><\/span>.<\/p>\n Il en r\u00e9sulte l’identit\u00e9 additive fondamentale :<\/p>\n SStotal<\/sub> = SSbetween<\/sub> + SSwithin<\/sub><\/strong><\/span><\/p>\n o\u00f9 SS<\/em> d\u00e9signe la somme des carr\u00e9s (Sum of Squares<\/em>). Ce partitionnement d\u00e9montre que la variation quadratique brute globale se conserve int\u00e9gralement sans perte ni cr\u00e9ation de r\u00e9sidu crois\u00e9. Cependant, ces sommes des carr\u00e9s ne constituent pas encore des variances au sens statistique du terme, car elles croissent lin\u00e9airement avec le nombre d’observations. Pour transformer ces grandeurs cumulatives en variances estim\u00e9es non biais\u00e9es, ou \u00ab carr\u00e9s moyens \u00bb (Mean Squares<\/em>), il est imp\u00e9ratif de les diviser par leurs degr\u00e9s de libert\u00e9 respectifs, d\u00e9finis par les dimensions des sous-espaces vectoriels sur lesquels les donn\u00e9es sont projet\u00e9es. C’est pr\u00e9cis\u00e9ment cette op\u00e9ration de normalisation g\u00e9om\u00e9trique, l\u00e9gu\u00e9e par Ronald Fisher<\/a>, qui permet d’instituer une confrontation probabiliste valide entre l’effet des traitements et la dispersion naturelle du milieu exp\u00e9rimental.<\/p>\n La variance inter-groupes, souvent qualifi\u00e9e de variance inter-classes ou de variance syst\u00e9matique, est le param\u00e8tre d’\u00e9chelle qui capture sp\u00e9cifiquement l’ampleur de la dispersion observ\u00e9e entre les centres de gravit\u00e9 des diff\u00e9rents \u00e9chantillons. Lorsqu’une exp\u00e9rimentation est mise en place pour \u00e9valuer l’impact d’une mol\u00e9cule th\u00e9rapeutique administr\u00e9e \u00e0 diff\u00e9rents dosages, ou lorsqu’une \u00e9tude sociologique examine le revenu moyen selon le niveau d’instruction, la variance inter-groupes isole la part des variations qui co\u00efncide parfaitement avec les fronti\u00e8res cat\u00e9gorielles d\u00e9finies par le facteur d’\u00e9tude. Elle ne s’int\u00e9resse aucunement \u00e0 ce qui diff\u00e9rencie les patients d’une m\u00eame cohorte entre eux, mais concentre toute son attention analytique sur la distance qui s\u00e9pare les cohortes les unes des autres.<\/p>\n Sur le plan \u00e9pist\u00e9mologique, la variance inter-groupes s’assimile \u00e0 la notion fondamentale de \u00ab signal \u00bb issue de la th\u00e9orie de l’information et du traitement du signal. Elle mat\u00e9rialise l’empreinte laiss\u00e9e par la variable explicative sur le ph\u00e9nom\u00e8ne observ\u00e9. Si la manipulation exp\u00e9rimentale produit un effet puissant, franc et uniforme, les moyennes des groupes trait\u00e9s divergeront fortement de la moyenne g\u00e9n\u00e9rale, et les d\u00e9viations correspondantes engendreront une variance inter-groupes substantielle. Au contraire, si le traitement n’exerce aucune action biologique ou si la variable ind\u00e9pendante est totalement orthogonale \u00e0 la variable d\u00e9pendante, les moyennes de groupe n’oscilleront qu’imperceptiblement autour de la grande moyenne, sous l’effet exclusif des fluctuations al\u00e9atoires de l’\u00e9chantillonnage.<\/p>\n Il est capital de souligner que le calcul de la variance inter-groupes s’effectue toujours de fa\u00e7on pond\u00e9r\u00e9e lorsque les groupes pr\u00e9sentent des effectifs in\u00e9gaux. Chaque moyenne de sous-\u00e9chantillon Y\u0304i\u00b7<\/sub><\/em> se voit assigner un poids proportionnel \u00e0 sa taille ni<\/sub><\/em> dans le calcul de la somme des carr\u00e9s. Cette pond\u00e9ration garantit que les groupes comportant un nombre d’unit\u00e9s d’observation plus important exercent une influence pr\u00e9pond\u00e9rante sur l’\u00e9valuation de la dispersion inter-groupes, refl\u00e9tant ainsi la pr\u00e9cision sup\u00e9rieure attach\u00e9e \u00e0 l’estimation de leur centre de gravit\u00e9. Ce m\u00e9canisme math\u00e9matique ancre fermement la variance inter-groupes dans une logique de repr\u00e9sentativit\u00e9 de l’espace des donn\u00e9es.<\/p>\n L’expression alg\u00e9brique de la somme des carr\u00e9s inter-groupes, traditionnellement abr\u00e9g\u00e9e sous le sigle SSbetween<\/sub><\/em> ou SSB<\/em> (parfois d\u00e9sign\u00e9e comme la somme des carr\u00e9s du facteur ou du traitement, not\u00e9e SSA<\/em>), s’\u00e9tablit rigoureusement de la fa\u00e7on suivante :<\/p>\n SSB = Σi=1<\/sub>k<\/sup> ni<\/sub> (Y\u0304i\u00b7<\/sub> – Y\u0304\u00b7\u00b7<\/sub>)2<\/sup><\/em><\/span><\/p>\n Cette grandeur repr\u00e9sente la somme pond\u00e9r\u00e9e des \u00e9carts quadratiques entre les moyennes de chaque modalit\u00e9 i<\/em> et la moyenne g\u00e9n\u00e9rale de l’ensemble de l’\u00e9chantillon. Pour convertir cette somme des carr\u00e9s en une estimation non biais\u00e9e de la variance (appel\u00e9e carr\u00e9 moyen inter-groupes, ou MSB<\/em> pour Mean Square Between<\/em>), il est n\u00e9cessaire de rapporter cette somme \u00e0 son nombre de degr\u00e9s de libert\u00e9 associ\u00e9s. Ces degr\u00e9s de libert\u00e9 correspondent au nombre de comparaisons ind\u00e9pendantes possibles entre les k<\/em> moyennes de groupes, sous la contrainte arithm\u00e9tique que la somme pond\u00e9r\u00e9e de leurs \u00e9carts \u00e0 la moyenne g\u00e9n\u00e9rale est nulle :<\/p>\n dfbetween<\/sub> = k – 1<\/em><\/span><\/p>\n D\u00e8s lors, le carr\u00e9 moyen inter-groupes se formule math\u00e9matiquement comme suit :<\/p>\n MSB = SSB \/ (k – 1) = [ Σi=1<\/sub>k<\/sup> ni<\/sub> (Y\u0304i\u00b7<\/sub> – Y\u0304\u00b7\u00b7<\/sub>)2<\/sup> ] \/ (k – 1)<\/em><\/span><\/p>\n L’analyse de l’esp\u00e9rance math\u00e9matique de MSB<\/em>, not\u00e9e E(MSB)<\/em>, permet de lever le voile sur sa v\u00e9ritable composition interne sous le mod\u00e8le \u00e0 effets fixes. Si l’on postule que les observations proviennent de distributions normales ind\u00e9pendantes de variance d’erreur commune σ2<\/sup><\/em>, l’esp\u00e9rance du carr\u00e9 moyen inter-groupes prend la forme :<\/p>\n E(MSB) = σ2<\/sup> + [ Σi=1<\/sub>k<\/sup> ni<\/sub> αi<\/sub>2<\/sup> ] \/ (k – 1)<\/em><\/span><\/p>\n o\u00f9 αi<\/sub> = μi<\/sub> – μ<\/em> d\u00e9signe l’\u00e9cart r\u00e9el de la population du groupe i<\/em> par rapport \u00e0 la moyenne globale de la population. Cette \u00e9criture met en lumi\u00e8re une r\u00e9alit\u00e9 math\u00e9matique cruciale : MSB<\/em> ne mesure pas exclusivement l’effet du traitement. M\u00eame en l’absence absolue de tout effet du facteur (hypoth\u00e8se nulle H0<\/sub><\/em> selon laquelle tous les αi<\/sub><\/em> sont strictement nuls), l’esp\u00e9rance math\u00e9matique de MSB<\/em> ne tombe pas \u00e0 z\u00e9ro, mais est exactement \u00e9gale \u00e0 σ2<\/sup><\/em>, c’est-\u00e0-dire la variance r\u00e9siduelle de fond ! Ce constat \u00e9claire le fait que MSB<\/em> est toujours gonfl\u00e9 par le bruit d’\u00e9chantillonnage al\u00e9atoire, auquel vient se superposer, le cas \u00e9ch\u00e9ant, la variance induite par les v\u00e9ritables diff\u00e9rences entre les moyennes de populations<\/span>.<\/p>\n L’amplitude observ\u00e9e de la variance inter-groupes au sein d’une exp\u00e9rience est assujettie \u00e0 une pluralit\u00e9 de d\u00e9terminants structurels et exp\u00e9rimentaux. Le premier d’entre eux r\u00e9side naturellement dans l’intensit\u00e9 de la manipulation exp\u00e9rimentale ou la force intrins\u00e8que du ph\u00e9nom\u00e8ne sous examen. Lorsqu’un chercheur s\u00e9lectionne des modalit\u00e9s de variables ind\u00e9pendantes qui g\u00e9n\u00e8rent des contrastes fonctionnels majeurs \u2014 par exemple, en comparant un placebo \u00e0 une dose saturante d’un principe actif \u00e0 haute biodisponibilit\u00e9 \u2014 la distance s\u00e9parant les moyennes Y\u0304i\u00b7<\/sub><\/em> se trouve d\u00e9lib\u00e9r\u00e9ment \u00e9tir\u00e9e. En revanche, si la manipulation est trop timor\u00e9e ou si le gradient de dosage choisi est trop \u00e9troit, l’\u00e9cart entre les moyennes de groupe demeurera anecdotique, produisant une somme des carr\u00e9s inter-groupes marginale, difficilement discernable du bruit de fond.<\/p>\n Un deuxi\u00e8me facteur d\u00e9terminant repose sur le calibrage du plan d’\u00e9chantillonnage et la distribution des effectifs ni<\/sub><\/em>. La formule de SSB<\/em> d\u00e9montre que chaque \u00e9cart (Y\u0304i\u00b7<\/sub> – Y\u0304\u00b7\u00b7<\/sub><\/em>)2<\/sup> est multipli\u00e9 par la taille de son groupe respectif. Par cons\u00e9quent, un \u00e9cart moyen modeste observ\u00e9 sur un \u00e9chantillon massif de plusieurs milliers d’individus engendrera une somme des carr\u00e9s inter-groupes colossale sur le plan arithm\u00e9tique. \u00c0 l’oppos\u00e9, une disparit\u00e9 spectaculaire entre deux moyennes bas\u00e9es sur des micro-\u00e9chantillons de trois individus ne produira qu’une \u00e9l\u00e9vation modeste de SSB<\/em>. Il appara\u00eet donc que la sensibilit\u00e9 de la variance inter-groupes est indissociable de la taille de l’effort d’\u00e9chantillonnage consenti sur chaque condition exp\u00e9rimentale.<\/p>\n Enfin, la qualit\u00e9 de l’\u00e9talonnage des conditions exp\u00e9rimentales joue un r\u00f4le de tout premier plan. Si les conditions ne sont pas mutuellement exclusives ou si des contaminations crois\u00e9es se produisent entre les groupes (par exemple, si des sujets du groupe t\u00e9moin adoptent spontan\u00e9ment les comportements du groupe exp\u00e9rimental), les moyennes Y\u0304i\u00b7<\/sub><\/em> vont converger vers une valeur centrale commune. Cette contraction artificielle de l’\u00e9ventail des moyennes d\u00e9truit la variance inter-groupes, an\u00e9antissant du m\u00eame coup le signal que le dispositif exp\u00e9rimental s’effor\u00e7ait pr\u00e9cis\u00e9ment de r\u00e9v\u00e9ler. La pr\u00e9servation de l’int\u00e9grit\u00e9 de la variance inter-groupes requiert donc un protocole d’isolation et d’administration particuli\u00e8rement scrupuleux.<\/p>\n La variance intra-groupe, \u00e9galement appel\u00e9e variance intra-classe, variance r\u00e9siduelle ou variance d’erreur, incarne la composante de la dispersion globale qui demeure irr\u00e9ductiblement insensible \u00e0 l’action des variables explicatives identifi\u00e9es dans le mod\u00e8le. Alors que la variance inter-groupes se concentre sur les macro-structures du jeu de donn\u00e9es, la variance intra-groupe plonge dans la micro-structure de chaque sous-\u00e9chantillon pour quantifier la disparit\u00e9 qui existe entre des unit\u00e9s d’observation recevant rigoureusement la m\u00eame assignation exp\u00e9rimentale. Si l’on injecte la m\u00eame dose d’un compos\u00e9 pharmacologique \u00e0 cent rongeurs g\u00e9n\u00e9tiquement identiques, plac\u00e9s dans des cages similaires et soumis au m\u00eame r\u00e9gime alimentaire, les concentrations plasmatiques mesur\u00e9es ne seront jamais rigoureusement superposables. C’est cette dispersion interne r\u00e9siduelle qui constitue la variance intra-groupe.<\/p>\n Dans l’architecture conceptuelle des statistiques inf\u00e9rentielles, la variance intra-groupe s’assimile au \u00ab bruit de fond \u00bb (noise<\/em>). Elle repr\u00e9sente l’ensemble des variations parasites induites par des causes ind\u00e9termin\u00e9es, m\u00e9connues, incontr\u00f4lables ou d\u00e9lib\u00e9r\u00e9ment n\u00e9glig\u00e9es par l’exp\u00e9rimentateur. Ces fluctuations puisent leurs racines dans la variabilit\u00e9 biologique fondamentale, les idiosyncrasies individuelles, les micro-variations climatiques ou thermiques au sein du laboratoire, les infimes distorsions introduites par les op\u00e9rateurs lors de la manipulation des pipettes, ou encore le bruit \u00e9lectronique propre aux appareils d’acquisition de donn\u00e9es. La variance intra-groupe est le sanctuaire de l’incertitude et du hasard au sein de l’exp\u00e9rience.<\/p>\n Un postulat th\u00e9orique central repose sur l’hypoth\u00e8se d’homog\u00e9n\u00e9it\u00e9 des variances intra-groupes, plus commun\u00e9ment d\u00e9sign\u00e9e sous le terme d’homosc\u00e9dasticit\u00e9<\/a>. Selon ce principe, \u00e9nonc\u00e9 initialement dans le cadre des mod\u00e8les d’analyse de variance \u00e0 effets fixes de Ronald Fisher, chaque condition exp\u00e9rimentale i<\/em> est cens\u00e9e pr\u00e9lever ses donn\u00e9es au sein d’une sous-population dont la variance r\u00e9siduelle intrins\u00e8que est identique et \u00e9gale \u00e0 un param\u00e8tre constant σ2<\/sup><\/em> :<\/p>\n Var(εij<\/sub>) = σ2<\/sup> ∀ i, j<\/em><\/span><\/p>\n La variance intra-groupe globale est alors envisag\u00e9e comme une agr\u00e9gation raisonn\u00e9e (ou \u00ab mise en commun \u00bb, pooling<\/em>) des variances constat\u00e9es au sein de chacun des sous-\u00e9chantillons, fournissant la meilleure estimation collective de ce param\u00e8tre commun de variabilit\u00e9 stochastique.<\/p>\n La mesure brute de la variabilit\u00e9 interne \u00e0 l’\u00e9chelle de l’ensemble de l’\u00e9chantillon s’exprime \u00e0 travers la somme des carr\u00e9s intra-groupe, conventionnellement d\u00e9sign\u00e9e par le sigle SSwithin<\/sub><\/em> ou SSW<\/em> (et fr\u00e9quemment appel\u00e9e somme des carr\u00e9s de l’erreur, not\u00e9e SSE<\/em> pour Sum of Squares of Error<\/em>). Son \u00e9criture analytique proc\u00e8de d’une double sommation :<\/p>\n1. Introduction : Fondements conceptuels de la d\u00e9composition de la variance<\/h2>\n
1.1 D\u00e9finition liminaire des deux composantes de la dispersion<\/h3>\n
1.2 Origine de la confusion et enjeu au sein des mod\u00e8les lin\u00e9aires<\/h3>\n
1.3 Le th\u00e9or\u00e8me de d\u00e9composition de la somme des carr\u00e9s<\/h3>\n
2. Variance inter-groupes (Between-Group Variance) : Concepts et m\u00e9canismes<\/h2>\n
2.1 D\u00e9finition formelle et signification conceptuelle<\/h3>\n
2.2 Formulation math\u00e9matique et degr\u00e9s de libert\u00e9 associ\u00e9s<\/h3>\n
2.3 Facteurs d’influence et sensibilit\u00e9 exp\u00e9rimentale<\/h3>\n
3. Variance intra-groupe (Within-Group Variance) : Concepts et m\u00e9canismes<\/h2>\n
3.1 D\u00e9finition formelle et notion de variance r\u00e9siduelle<\/h3>\n
3.2 Formulation math\u00e9matique et calcul des degr\u00e9s de libert\u00e9 d’erreur<\/h3>\n