1. Introduction th\u00e9orique au test de tendance de Mann-Kendall<\/h2>\n
L’analyse inf\u00e9rentielle des donn\u00e9es s\u00e9quentielles requiert un cadre formel capable de distinguer une v\u00e9ritable d\u00e9rive temporelle d\u00e9terministe d’une simple variation stochastique. Le test de Mann-Kendall r\u00e9pond pr\u00e9cis\u00e9ment \u00e0 cette exigence en \u00e9valuant la monotonicit\u00e9 d’une s\u00e9rie chronologique sans imposer de contraintes de normalit\u00e9.<\/p>\n
1.1 D\u00e9finition et origines du test statistique<\/h3>\n
Le test de Mann-Kendall tire ses origines historiques des contributions conjointes de deux statisticiens majeurs du vingti\u00e8me si\u00e8cle. C’est en 1945 que Henry Mann propose un test non param\u00e9trique sp\u00e9cifiquement con\u00e7u pour \u00e9prouver l’absence de tendance au sein d’une suite chronologique d’observations ind\u00e9pendantes, en adaptant le concept de rang \u00e0 la dynamique s\u00e9quentielle. Quelques d\u00e9cennies plus tard, en 1975, le statisticien britannique Maurice Kendall formalise l’usage syst\u00e9matique de son c\u00e9l\u00e8bre coefficient de corr\u00e9lation par rangs, le tau de Kendall, pour tester formellement les tendances temporelles dans son ouvrage de r\u00e9f\u00e9rence sur les m\u00e9thodes de classement. La fusion m\u00e9thodologique de ces avanc\u00e9es a donn\u00e9 naissance \u00e0 ce que la litt\u00e9rature scientifique internationale d\u00e9signe commun\u00e9ment sous le vocable de test de tendance de Mann-Kendall.<\/p>\n
Sur le plan fondamental, ce test appartient \u00e0 la famille des statistiques non param\u00e9triques ou libres de distribution (distribution-free<\/em>). Contrairement aux mod\u00e8les de r\u00e9gression lin\u00e9aire par les moindres carr\u00e9s ordinaires (OLS), le test de Mann-Kendall ne repose aucunement sur le postulat d’une distribution gaussienne des erreurs ou d’une homosc\u00e9dasticit\u00e9 constante sur l’axe du temps. Cette caract\u00e9ristique lui conf\u00e8re une immunit\u00e9 intrins\u00e8que face aux d\u00e9viations de la normalit\u00e9, fr\u00e9quemment rencontr\u00e9es lors de l’\u00e9tude de ph\u00e9nom\u00e8nes physiques, biologiques ou psychologiques complexes.<\/p>\n D’un point de vue \u00e9pist\u00e9mologique, il convient de distinguer avec nettet\u00e9 la d\u00e9marche de r\u00e9gression param\u00e9trique de celle d’un test bas\u00e9 sur les rangs. Alors que la r\u00e9gression tente d’ajuster une fonction math\u00e9matique explicite aux donn\u00e9es brutes en minimisant une somme de carr\u00e9s d’\u00e9carts g\u00e9om\u00e9triques, le test de Mann-Kendall examine uniquement l’ordre ordinal chronologique des observations. Il ne s’int\u00e9resse nullement \u00e0 l’ampleur m\u00e9trique exacte des sauts entre deux instants cons\u00e9cutifs, mais exclusivement au sens relatif de l’\u00e9volution. Cette propri\u00e9t\u00e9 traduit le concept de monotonicit\u00e9 : une trajectoire est dite strictement monotone croissante si, pour toute paire d’instants temporels t<\/em> et t’<\/em> tels que t < t’<\/em>, la valeur observ\u00e9e \u00e0 t’<\/em> est sup\u00e9rieure ou \u00e9gale \u00e0 celle observ\u00e9e \u00e0 t<\/em>, sans pour autant que l’accroissement annuel, journalier ou hebdomadaire soit contraint \u00e0 la lin\u00e9arit\u00e9.<\/p>\n La finalit\u00e9 premi\u00e8re du test de Mann-Kendall est d’apporter une r\u00e9ponse probabiliste rigoureuse \u00e0 une question empirique directe : les donn\u00e9es observ\u00e9es manifestent-elles une tendance temporelle directionnelle syst\u00e9matique au-del\u00e0 de ce que le simple hasard de l’\u00e9chantillonnage pourrait produire ? Pour r\u00e9pondre \u00e0 cette interrogation, le cadre du test d’hypoth\u00e8se statistique nulle est mobilis\u00e9 de mani\u00e8re formelle. L’hypoth\u00e8se nulle, canoniquement not\u00e9e H0<\/em>, postule que les observations de la s\u00e9rie chronologique sont ind\u00e9pendantes et identiquement distribu\u00e9es selon une variable al\u00e9atoire continue. En des termes plus concrets, H0<\/em> affirme l’absence absolue de tendance monotone au sein de la s\u00e9rie : l’ordre temporel des donn\u00e9es est arbitraire et interchangeable.<\/p>\n \u00c0 l’oppos\u00e9, l’hypoth\u00e8se alternative, not\u00e9e HA<\/em> (ou parfois H1<\/em>), formule l’existence d’une tendance monotone significative sur l’intervalle temporel sous \u00e9tude. Selon la formulation retenue par le chercheur, cette hypoth\u00e8se peut \u00eatre bilat\u00e9rale ou unilat\u00e9rale. Dans le cas bilat\u00e9ral classique, HA<\/em> pose que les donn\u00e9es suivent soit une tendance monotone ascendante, soit une tendance monotone descendante. Dans un cadre unilat\u00e9ral orient\u00e9 par une hypoth\u00e8se th\u00e9orique pr\u00e9alable (par exemple, l’hypoth\u00e8se d’une d\u00e9gradation cognitive irr\u00e9versible ou d’un r\u00e9chauffement thermique document\u00e9), HA<\/em> sp\u00e9cifie la direction exclusive de la pente attendue.<\/p>\n La prise de d\u00e9cision repose traditionnellement sur la comparaison de la probabilit\u00e9 critique calcul\u00e9e (la p<\/em>-valeur) \u00e0 des seuils conventionnels de significativit\u00e9 statistique pr\u00e9\u00e9tablis, g\u00e9n\u00e9ralement fix\u00e9s \u00e0 α = 0,10 pour les analyses exploratoires, α = 0,05 pour le standard acad\u00e9mique classique, et α = 0,01 pour les protocoles requ\u00e9rant un niveau \u00e9lev\u00e9 de conservatisme d\u00e9cisionnel. Si la p<\/em>-valeur se situe strictement en de\u00e7\u00e0 du seuil α retenu, l’hypoth\u00e8se nulle est rejet\u00e9e en faveur de HA<\/em>. Dans le contexte d’observations r\u00e9p\u00e9t\u00e9es et d’\u00e9tudes longitudinales, le rejet de H0<\/em> fournit une preuve statistique formelle qu’un processus syst\u00e9matique d’\u00e9volution temporelle sous-tend la variable mesur\u00e9e, \u00e9cartant l’hypoth\u00e8se d’un bruit blanc purement stochastique.<\/p>\n L’engouement universel pour le test de Mann-Kendall dans des disciplines aussi diverses que l’hydrologie environnementale<\/a>, la m\u00e9t\u00e9orologie, l’\u00e9conom\u00e9trie et les neurosciences comportementales repose sur un ensemble d’atouts m\u00e9thodologiques remarquables. Le premier d’entre eux r\u00e9side dans sa robustesse exceptionnelle face aux valeurs aberrantes (outliers<\/em>). Dans une s\u00e9rie chronologique continue, un artefact instrumental, une crise aigu\u00eb transitoire chez un patient ou un \u00e9v\u00e9nement climatique extr\u00eame peuvent g\u00e9n\u00e9rer des observations s’\u00e9cartant de trois ou quatre \u00e9carts-types de la moyenne empirique. Dans une r\u00e9gression lin\u00e9aire classique, de telles anomalies exercent un effet de levier disproportionn\u00e9 sur l’estimation des moindres carr\u00e9s, faussant radicalement l’estimation de la pente. Dans le cadre de Mann-Kendall, une valeur extr\u00eame n’est \u00e9valu\u00e9e que par son rang relatif par rapport aux autres mesures, neutralisant instantan\u00e9ment toute contamination de la statistique globale.<\/p>\n Le second avantage r\u00e9side dans son insensibilit\u00e9 quasi totale aux distributions fortement asym\u00e9triques. De nombreuses variables psychologiques ou biologiques pr\u00e9sentent des distributions exponentielles, log-normales ou tronqu\u00e9es au plancher en raison d’effets de seuil inh\u00e9rents aux \u00e9chelles de mesure. Alors que ces caract\u00e9ristiques n\u00e9cessitent des transformations math\u00e9matiques complexes et souvent arbitraires (telles que les fonctions logarithmiques ou de Box-Cox) pour satisfaire aux crit\u00e8res des mod\u00e8les param\u00e9triques, le test de Mann-Kendall traite les donn\u00e9es brutes sans alt\u00e9ration pr\u00e9alable de l’\u00e9chelle m\u00e9trique d’origine.<\/p>\n Cette invariance d’\u00e9chelle d\u00e9coule directement de la nature ordinale des rangs. Par ailleurs, la statistique de test pr\u00e9sente une remarquable applicabilit\u00e9 tant aux \u00e9chantillons restreints (s\u00e9ries de dix \u00e0 vingt points dans des designs longitudinaux intensifs) qu’aux ensembles massifs de m\u00e9gadonn\u00e9es recueillies par capteurs continus. Enfin, le test tol\u00e8re intrins\u00e8quement la pr\u00e9sence de donn\u00e9es manquantes al\u00e9atoires, un atout pr\u00e9cieux dans les \u00e9tudes sur le vivant o\u00f9 les ruptures de protocole sont courantes.<\/p>\n Pour impl\u00e9menter le test avec rigueur et interpr\u00e9ter ad\u00e9quatement les sorties fournies par les logiciels statistiques, une d\u00e9construction minutieuse des m\u00e9canismes math\u00e9matiques qui r\u00e9gissent l’\u00e9laboration de la statistique S<\/em> s’av\u00e8re indispensable.<\/p>\n Le noyau op\u00e9rationnel du test de Mann-Kendall repose sur l’\u00e9valuation comparative de toutes les paires temporelles d’observations possibles au sein d’une s\u00e9rie chronologique X = (x_1, x_2, …, x_n)<\/em> comprenant n<\/em> points de mesure successifs. L’algorithme proc\u00e8de de mani\u00e8re s\u00e9quentielle en confrontant chaque observation x_k<\/em> \u00e0 l’ensemble des observations ult\u00e9rieures x_j<\/em>, o\u00f9 l’indice temporel satisfait la condition stricte j > k<\/em>. Cette d\u00e9marche it\u00e9rative g\u00e9n\u00e8re un nombre total de comparaisons binaires d\u00e9termin\u00e9 par la formule combinatoire classique :<\/p>\n Nombre total de paires = n(n – 1) \/ 2<\/p>\n Pour chaque paire form\u00e9e par (x_j, x_k)<\/em> avec j > k<\/em>, le test applique la fonction signe canonique, not\u00e9e sign(x_j – x_k)<\/em>, qui est formellement d\u00e9finie par la structure par morceaux suivante :<\/p>\n La statistique brute de Mann-Kendall, universellement d\u00e9sign\u00e9e par la lettre S<\/em>, est obtenue en effectuant la double sommation de ces signes sur l’ensemble des paires valides :<\/p>\n S = ∑k=1<\/sub>n-1<\/sup> ∑j=k+1<\/sub>n<\/sup> sign(x_j – x_k)<\/p>\n L’interpr\u00e9tation de la statistique S<\/em> est conceptuellement intuitive : une valeur positive \u00e9lev\u00e9e de S<\/em> indique qu’une \u00e9crasante majorit\u00e9 de comparaisons temporelles se soldent par un accroissement, attestant d’une trajectoire ascendante globale. R\u00e9ciproquement, une valeur n\u00e9gative substantielle de S<\/em> traduit la pr\u00e9dominance d’\u00e9volutions \u00e0 la baisse. Lorsque les augmentations et les diminutions s’\u00e9quilibrent parfaitement le long de la s\u00e9rie, la statistique S<\/em> oscille autour de z\u00e9ro, corroborant l’hypoth\u00e8se nulle d’absence de tendance.<\/p>\n Pour d\u00e9terminer si la valeur observ\u00e9e de la statistique S<\/em> s’\u00e9carte significativement de z\u00e9ro au regard des lois de la probabilit\u00e9, il est n\u00e9cessaire de conna\u00eetre sa distribution d’\u00e9chantillonnage th\u00e9orique sous l’hypoth\u00e8se nulle H0<\/em>. Sous H0<\/em>, l’esp\u00e9rance math\u00e9matique de S<\/em> est rigoureusement nulle : E(S) = 0<\/em>. Dans l’hypoth\u00e8se id\u00e9ale o\u00f9 l’ensemble des n<\/em> observations de la s\u00e9rie chronologique sont distinctes (absence totale d’ex \u00e6quo), Kendall a d\u00e9montr\u00e9 que la variance th\u00e9orique de S<\/em> est donn\u00e9e par l’\u00e9quation :<\/p>\n Var(S) = [n(n – 1)(2n + 5)] \/ 18<\/p>\n Cependant, dans la r\u00e9alit\u00e9 empirique du traitement des donn\u00e9es, en particulier lorsque les instruments de mesure poss\u00e8dent une pr\u00e9cision finie ou lorsque les scores sont issus d’\u00e9chelles d’\u00e9valuation discr\u00e8tes (telles que les \u00e9chelles de Likert), la pr\u00e9sence de valeurs r\u00e9p\u00e9t\u00e9es identiques (nomm\u00e9es ties<\/em> ou ex \u00e6quo) est quasi in\u00e9vitable. L’occurrence d’ex \u00e6quo a pour cons\u00e9quence directe de r\u00e9duire l’information disponible et d’alt\u00e9rer la variabilit\u00e9 intrins\u00e8que de la statistique S<\/em>. Omettre de corriger la variance pour tenir compte des ex \u00e6quo conduirait \u00e0 sous-estimer la variance r\u00e9elle, gonflant artificiellement le risque de commettre une erreur de type I (rejet \u00e0 tort de l’hypoth\u00e8se nulle).<\/p>\n Pour pr\u00e9venir cette d\u00e9rive, une formule de variance ajust\u00e9e a \u00e9t\u00e9 \u00e9tablie. Soit g<\/em> le nombre total de groupes distincts de valeurs ex \u00e6quo au sein de la s\u00e9rie, et soit t_p<\/em> le nombre d’observations redondantes pr\u00e9sentes dans le p<\/em>-i\u00e8me groupe. La formulation de la variance corrig\u00e9e s’\u00e9crit alors :<\/p>\n Var(S) = [ n(n – 1)(2n + 5) – ∑p=1<\/sub>g<\/sup> t_p(t_p – 1)(2t_p + 5) ] \/ 18<\/p>\n Cette correction retranche syst\u00e9matiquement la part de dispersion imputable aux blocs d’\u00e9galit\u00e9s. D\u00e8s lors que la taille d’\u00e9chantillon n<\/em> est sup\u00e9rieure \u00e0 10, la th\u00e9orie statistique \u00e9tablit que la distribution d’\u00e9chantillonnage de la statistique S<\/em> converge de mani\u00e8re asymptotique vers une loi normale avec une excellente pr\u00e9cision, autorisant l’usage des approximations gaussiennes standardis\u00e9es.<\/p>\n D\u00e8s lors que la taille de l’\u00e9chantillon franchit le seuil conventionnel de dix observations (n > 10<\/em>), la normalisation de la statistique S<\/em> permet d’obtenir une variable normale centr\u00e9e r\u00e9duite, conventionnellement d\u00e9sign\u00e9e par la lettre Z<\/em>. Afin de compenser le passage d’une distribution discr\u00e8te (puisque S<\/em> ne prend que des valeurs enti\u00e8res) \u00e0 une loi normale continue, une correction de continuit\u00e9 empirique de ±1 est syst\u00e9matiquement int\u00e9gr\u00e9e au calcul :<\/p>\n La valeur de la statistique standardis\u00e9e Z<\/em> permet de d\u00e9duire directement la p<\/em>-valeur bilat\u00e9rale en interrogeant la fonction de r\u00e9partition cumulative d’une loi normale standard Φ(z)<\/em>. La probabilit\u00e9 associ\u00e9e est ainsi calcul\u00e9e selon l’\u00e9galit\u00e9 :<\/p>\n p = 2 [ 1 – Φ(|Z|) ]<\/p>\n Parall\u00e8lement \u00e0 la statistique Z<\/em>, le test fournit une mesure standardis\u00e9e d’association chronologique ind\u00e9pendante du nombre total de points de mesure : le coefficient tau (τ) de Kendall<\/strong>. Ce coefficient quantifie la force et la direction de la corr\u00e9lation de rang entre la variable temporelle (le temps index\u00e9 de 1 \u00e0 n<\/em>) et les observations mesur\u00e9es. En l’absence d’ex \u00e6quo, il s’exprime simplement comme le ratio entre la statistique S<\/em> et le nombre total de paires :<\/p>\n τ = S \/ [ n(n – 1) \/ 2 ]<\/p>\n En pr\u00e9sence d’ex \u00e6quo, des ajustements similaires \u00e0 la formulation du tau-b de Kendall sont employ\u00e9s au d\u00e9nominateur. Le tau de Kendall prend invariablement ses valeurs dans l’intervalle ferm\u00e9 [-1 ; +1]. Une valeur de τ = +1 caract\u00e9rise une trajectoire rigoureusement monotone croissante, τ = -1 d\u00e9signe une chute continue parfaite, et τ = 0 refl\u00e8te l’orthogonalit\u00e9 totale entre le temps et les fluctuations du signal mesur\u00e9.<\/p>\n1.2 Objectifs analytiques et formalisation des hypoth\u00e8ses<\/h3>\n
1.3 Avantages du test pour les s\u00e9ries temporelles<\/h3>\n
2. Fondements math\u00e9matiques et calcul de la statistique S<\/h2>\n
2.1 Calcul de la statistique S et fonction signe<\/h3>\n
\n
2.2 Variance de S et ajustement pour les ex \u00e6quo (ties)<\/h3>\n
2.3 Statistique standardis\u00e9e Z et corr\u00e9lation tau de Kendall<\/h3>\n
\n
3. Applications en psychologie quantitative et sciences comportementales<\/h2>\n
![\"Time](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/mannKendall1.png\")