{"id":2104,"date":"2026-09-06T11:58:48","date_gmt":"2026-09-06T11:58:48","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-realiser-test-rangs-signes-wilcoxon-dans-r\/"},"modified":"2026-09-06T11:58:49","modified_gmt":"2026-09-06T11:58:49","slug":"comment-realiser-test-rangs-signes-wilcoxon-dans-r","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-realiser-test-rangs-signes-wilcoxon-dans-r","title":{"rendered":"Comment r\u00e9aliser le test des rangs sign\u00e9s de Wilcoxon dans R"},"content":{"rendered":"

L’\u00e9valuation rigoureuse des changements intra-individuels constitue l’un des piliers m\u00e9thodologiques fondamentaux des sciences quantitatives contemporaines, qu’il s’agisse de la biom\u00e9decine, de l’\u00e9pid\u00e9miologie, de l’\u00e9conomie exp\u00e9rimentale ou de la psychom\u00e9trie. Dans les protocoles longitudinaux ou quasi-exp\u00e9rimentaux \u00e0 mesures r\u00e9p\u00e9t\u00e9es, la comparaison d’un m\u00eame groupe d’individus avant et apr\u00e8s une intervention clinique ou pharmacologique impose l’utilisation d’outils statistiques capables d’isoler l’effet du traitement de la variabilit\u00e9 interindividuelle inh\u00e9rente aux sujets. Traditionnellement, le r\u00e9flexe analytique consiste \u00e0 mobiliser le test t<\/em> de Student pour \u00e9chantillons appari\u00e9s. N\u00e9anmoins, ce dernier repose sur des postulats param\u00e9triques exigeants, en particulier l’hypoth\u00e8se selon laquelle la distribution des diff\u00e9rences individuelles suit rigoureusement une loi normale au sein de la population parente.<\/p>\n

Lorsque les donn\u00e9es collect\u00e9es pr\u00e9sentent des asym\u00e9tries prononc\u00e9es, des queues de distribution \u00e9paisses, une contamination par des valeurs aberrantes ou lorsqu’elles d\u00e9rivent d’\u00e9chelles ordinales (telles que les \u00e9chelles d’\u00e9valuation de Likert fr\u00e9quemment d\u00e9ploy\u00e9es en sciences sociales), les hypoth\u00e8ses du mod\u00e8le lin\u00e9aire gaussien s’effondrent. L’application d’un test param\u00e9trique dans ces conditions fausse le taux d’erreur de type I et d\u00e9grade substantiellement la puissance statistique, conduisant le chercheur soit \u00e0 des conclusions faussement positives, soit \u00e0 l’incapacit\u00e9 de d\u00e9tecter un effet clinique pourtant r\u00e9el. C’est dans ce contexte m\u00e9thodologique critique que s’impose le test des rangs sign\u00e9s de Wilcoxon, proc\u00e9dure d’inf\u00e9rence non param\u00e9trique d’une puissance et d’une r\u00e9silience remarquables.<\/p>\n

Le pr\u00e9sent guide propose une monographie exhaustive d\u00e9di\u00e9e \u00e0 l’apprentissage, \u00e0 l’ex\u00e9cution et \u00e0 l’interpr\u00e9tation avanc\u00e9e du test des rangs sign\u00e9s de Wilcoxon au sein de l’environnement de programmation statistique R. \u00c0 travers une d\u00e9marche alliant rigueur th\u00e9orique, formulations math\u00e9matiques explicites, d\u00e9constructions algorithmiques et recommandations de publication conformes aux standards acad\u00e9miques internationaux les plus stricts, cet ouvrage accompagnera le praticien et le chercheur depuis les fondements conceptuels de l’analyse non param\u00e9trique jusqu’\u00e0 la mod\u00e9lisation avanc\u00e9e et la visualisation graphique pr\u00eate pour publication.<\/p>\n

1. Fondements th\u00e9oriques et math\u00e9matiques du test des rangs sign\u00e9s de Wilcoxon<\/h2>\n

1.1 Origine et nature non param\u00e9trique du test<\/h3>\n

Le test des rangs sign\u00e9s a \u00e9t\u00e9 introduit en 1945 par le chimiste et statisticien am\u00e9ricain Frank Wilcoxon<\/a> dans un article fondateur intitul\u00e9 Individual Comparisons by Ranking Methods<\/em>, publi\u00e9 dans le Biometrics Bulletin<\/em>. \u00c0 cette \u00e9poque, la pratique de l’inf\u00e9rence statistique \u00e9tait presque exclusivement domin\u00e9e par les travaux de Ronald Fisher, Karl Pearson et William Sealy Gosset (Student), qui pr\u00e9supposaient tous que les variables observ\u00e9es d\u00e9coulaient d’une distribution gaussienne continue th\u00e9orique. Wilcoxon a cherch\u00e9 \u00e0 concevoir une proc\u00e9dure math\u00e9matique simple et rapide, capable de s’affranchir de cette contrainte distributionnelle tout en conservant une puissance statistique comparable \u00e0 celle du test t<\/em> de Student.<\/p>\n

Le principe fondamental du test des rangs sign\u00e9s de Wilcoxon repose sur la substitution des grandeurs num\u00e9riques m\u00e9triques brutes par des rangs ordinaux attribu\u00e9s aux diff\u00e9rences absolues observ\u00e9es entre des paires d’\u00e9chantillons d\u00e9pendants. Contrairement aux tests purement qualitatifs ou au test des signes \u00e9l\u00e9mentaire qui ne retient que l’orientation directionnelle (positive ou n\u00e9gative) du changement, la proc\u00e9dure de Wilcoxon int\u00e8gre simultan\u00e9ment le signe de la diff\u00e9rence et sa magnitude relative par rapport \u00e0 l’ensemble des autres \u00e9carts observ\u00e9s dans l’\u00e9chantillon. Ainsi, une diff\u00e9rence de grande amplitude recevra un rang \u00e9lev\u00e9, tandis qu’une variation minime se verra assigner un rang modeste, garantissant que les changements substantiels p\u00e8sent davantage dans la d\u00e9cision statistique finale.<\/p>\n

Cette approche induit une distinction conceptuelle majeure entre la comparaison classique des moyennes arithm\u00e9tiques et la comparaison des distributions m\u00e9dianes. Alors que la moyenne param\u00e9trique est hyper-sensible aux valeurs marginales, la statistique de rang est invariante face \u00e0 toute transformation monotone croissante des \u00e9carts. Elle ne requiert aucun postulat m\u00e9trique strict sur l’intervalle s\u00e9parant deux unit\u00e9s de mesure cons\u00e9cutives, conf\u00e9rant au test des rangs sign\u00e9s le statut de test non param\u00e9trique par excellence pour les donn\u00e9es continues asym\u00e9triques ou les variables d’intervalles approximatives issues des sciences du comportement.<\/p>\n

1.2 Formulation math\u00e9matique de la statistique de test<\/h3>\n

Consid\u00e9rons un \u00e9chantillon compos\u00e9 de n<\/em> paires d’observations appari\u00e9es not\u00e9es (xi,post<\/sub>, xi,pre<\/sub>) pour chaque individu i<\/em> variant de 1 \u00e0 n<\/em>. La premi\u00e8re \u00e9tape analytique consiste \u00e0 calculer les \u00e9carts individuels bruts, d\u00e9finis formellement par l’\u00e9quation :<\/p>\n

di<\/sub> = xi,post<\/sub> – xi,pre<\/sub><\/p>\n

Dans la formulation originale de Wilcoxon, les observations pour lesquelles la diff\u00e9rence est strictement nulle (di<\/sub> = 0), correspondant \u00e0 une absence absolue de changement entre les deux conditions de mesure, sont syst\u00e9matiquement exclues de l’analyse inf\u00e9rentielle. La taille effective de l’\u00e9chantillon est alors r\u00e9duite \u00e0 n’<\/em>, o\u00f9 n’<\/em> repr\u00e9sente le nombre de paires non nulles. Les valeurs absolues de ces \u00e9carts r\u00e9siduels, not\u00e9es |di<\/sub>|, sont ensuite ordonn\u00e9es par ordre croissant, de la plus petite \u00e0 la plus grande magnitude :<\/p>\n

|d|(1)<\/sub> ≤ |d|(2)<\/sub> ≤ … ≤ |d|(n’)<\/sub><\/p>\n

Un rang num\u00e9rique entier allant de 1 \u00e0 n’<\/em> est assign\u00e9 \u00e0 chacune de ces valeurs absolues. Si deux ou plusieurs valeurs absolues sont strictement identiques, on leur attribue un rang moyen correspondant \u00e0 la moyenne arithm\u00e9tique des rangs qu’elles auraient occup\u00e9s en l’absence d’ex æquo. \u00c0 l’issue de cette phase de classement, chaque rang Ri<\/sub> se voit r\u00e9assigner le signe alg\u00e9brique de l’\u00e9cart initial dont il est issu, d\u00e9fini par la fonction indicatrice du signe de di<\/sub>.<\/p>\n

La statistique de test peut alors \u00eatre formul\u00e9e \u00e0 partir de deux composantes distinctes : la somme des rangs associ\u00e9s aux diff\u00e9rences strictement positives (W+<\/sup>) et la somme des rangs associ\u00e9s aux diff\u00e9rences strictement n\u00e9gatives (W–<\/sup>). Math\u00e9matiquement, ces sommes s’expriment selon les formulations suivantes :<\/p>\n

W+<\/sup> = ∑i : di<\/sub> > 0<\/sub> Ri<\/sub><\/p>\n

W–<\/sup> = ∑i : di<\/sub> < 0<\/sub> Ri<\/sub><\/p>\n

Puisque la somme totale des rangs de 1 \u00e0 n’<\/em> est une quantit\u00e9 arithm\u00e9tique invariante \u00e9gale \u00e0 n'(n’ + 1) \/ 2, la connaissance de W+<\/sup> d\u00e9termine de fa\u00e7on univoque W–<\/sup> par la relation W–<\/sup> = [n'(n’ + 1) \/ 2] – W+<\/sup>. La statistique de Wilcoxon, traditionnellement not\u00e9e T<\/em> ou W<\/em> dans la litt\u00e9rature statistique, correspond selon les conventions soit au minimum de ces deux sommes pour un test bilat\u00e9ral (min(W+<\/sup>, W–<\/sup>)), soit directement \u00e0 la somme des rangs positifs W+<\/sup>, convention adopt\u00e9e par d\u00e9faut dans l’impl\u00e9mentation algorithmique de la fonction de base du logiciel R.<\/p>\n

1.3 Distribution exacte versus approximation normale asymptotique<\/h3>\n

Lorsque la taille de l’\u00e9chantillon appari\u00e9 demeure modeste, typiquement pour n’<\/em> inf\u00e9rieur ou \u00e9gal \u00e0 20, le recours \u00e0 une loi de probabilit\u00e9 continue th\u00e9orique pour \u00e9valuer la significativit\u00e9 statistique s’av\u00e8re inappropri\u00e9. Dans cette configuration, la distribution d’\u00e9chantillonnage de la statistique W<\/em> sous l’hypoth\u00e8se nulle d’\u00e9galit\u00e9 distributionnelle est purement discr\u00e8te et combinatoire. Sous H0<\/sub>, chaque diff\u00e9rence observ\u00e9e pr\u00e9sente une probabilit\u00e9 \u00e9gale \u00e0 1\/2 d’\u00eatre positive ou n\u00e9gative, ind\u00e9pendamment des autres paires. Il existe donc 2n’<\/sup> configurations de signes \u00e9quiprobables. La distribution exacte de W<\/em> est ainsi obtenue par d\u00e9nombrement combinatoire exhaustif de toutes les permutations possibles des signes sur les rangs fix\u00e9s de 1 \u00e0 n’<\/em>, permettant d’obtenir des p<\/em>-values exactes sans aucune approximation num\u00e9rique.<\/p>\n

Cependant, d\u00e8s lors que n’<\/em> augmente, le calcul combinatoire exhaustif devient computationnellement lourd (250<\/sup> combinaisons d\u00e9passe 1015<\/sup> op\u00e9rations). En vertu du th\u00e9or\u00e8me central limite<\/a>, la distribution d’\u00e9chantillonnage de la somme des rangs W<\/em> converge tr\u00e8s rapidement vers une distribution normale lorsque n’<\/em> d\u00e9passe 20 \u00e0 25 paires d’observations. Sous l’hypoth\u00e8se nulle, l’esp\u00e9rance math\u00e9matique E(W) et la variance Var(W) de la statistique sont d\u00e9riv\u00e9es formellement des propri\u00e9t\u00e9s combinatoires de la somme des entiers naturels :<\/p>\n

E(W) = n'(n’ + 1) \/ 4<\/p>\n

Var(W) = n'(n’ + 1)(2n’ + 1) \/ 24<\/p>\n

Lorsque des rangs ex æquo sont pr\u00e9sents dans les donn\u00e9es, la variance th\u00e9orique doit imp\u00e9rativement faire l’objet d’une correction afin d’ajuster la dispersion de la distribution de r\u00e9f\u00e9rence. La formule de la variance corrig\u00e9e s’\u00e9crit alors :<\/p>\n

Var(W) = [n'(n’ + 1)(2n’ + 1) – ∑j<\/sub> (tj<\/sub>3<\/sup> – tj<\/sub>) \/ 2] \/ 24<\/p>\n

o\u00f9 tj<\/sub> repr\u00e9sente le nombre de valeurs ex æquo partageant le j<\/em>-i\u00e8me rang moyen. \u00c0 partir de ces moments d’ordre un et deux, on calcule un score z standardis\u00e9. Afin de compenser le passage d’une variable discr\u00e8te \u00e0 saut unitaire \u00e0 une densit\u00e9 normale continue, un facteur de correction de continuit\u00e9 de 0,5 est soustrait ou ajout\u00e9 au num\u00e9rateur, conf\u00e9rant \u00e0 la statistique asymptotique la formulation suivante :<\/p>\n

z = (|W – E(W)| – 0,5) \/ √(Var(W))<\/p>\n

Ce score z<\/em> suit asymptotiquement une loi normale centr\u00e9e r\u00e9duite N(0, 1), autorisant l’\u00e9valuation imm\u00e9diate de la probabilit\u00e9 critique \u00e0 l’aide des fonctions de r\u00e9partition gaussiennes usuelles.<\/p>\n

2. Test de Wilcoxon versus Test t de Student appari\u00e9 : Cadre d\u00e9cisionnel en psychom\u00e9trie<\/h2>\n

2.1 Sensibilit\u00e9 aux violations de la normalit\u00e9<\/h3>\n

Le choix entre le test t<\/em> de Student pour \u00e9chantillons appari\u00e9s et le test des rangs sign\u00e9s de Wilcoxon repr\u00e9sente un dilemme classique en recherche exp\u00e9rimentale, tout particuli\u00e8rement dans le champ de la psychom\u00e9trie et des sciences cliniques. Le test t<\/em> appari\u00e9 repose fondamentalement sur le postulat que les diff\u00e9rences intra-sujets (di<\/sub> = xi,post<\/sub> – xi,pre<\/sub>) proviennent d’une population dont la distribution suit une loi de Gauss. Lorsque cette hypoth\u00e8se est viol\u00e9e de fa\u00e7on substantielle \u2014 notamment sous l’effet d’une asym\u00e9trie marqu\u00e9e (skewness prononc\u00e9e) ou d’un aplatissement anomal (kurtosis excessive g\u00e9n\u00e9rant des queues \u00e9paisses) \u2014, les propri\u00e9t\u00e9s inf\u00e9rentielles de l’estimateur de Student sont s\u00e9v\u00e8rement compromises.<\/p>\n

Les distributions leptokurtiques ou fortement asym\u00e9triques gonflent artificiellement la variance d’\u00e9chantillonnage de la moyenne des diff\u00e9rences, ce qui induit une instabilit\u00e9 du d\u00e9nominateur du ratio t<\/em>. En cons\u00e9quence, le taux d’erreur de premi\u00e8re esp\u00e8ce (α) peut d\u00e9vier de mani\u00e8re impr\u00e9visible de son seuil nominal (souvent 5 %), tandis que le taux d’erreur de deuxi\u00e8me esp\u00e8ce (β) subit une inflation dramatique, an\u00e9antissant la capacit\u00e9 du test \u00e0 rejeter l’hypoth\u00e8se nulle lorsqu’elle est mat\u00e9riellement fausse. Le test des rangs sign\u00e9s de Wilcoxon, en convertissant les grandeurs num\u00e9riques brutes en rangs ordinaux, neutralise totalement les d\u00e9formations g\u00e9om\u00e9triques de la distribution sous-jacente.<\/p>\n

Sur le plan th\u00e9orique, l’efficacit\u00e9 relative asymptotique (ARE, Asymptotic Relative Efficiency<\/em>) du test de Wilcoxon par rapport au test t<\/em> de Student lorsque l’hypoth\u00e8se de normalit\u00e9 parfaite est satisfaite s’\u00e9tablit \u00e0 3\/π ≈ 0,955. Cela signifie que m\u00eame dans le sc\u00e9nario th\u00e9orique optimal pour le test t<\/em>, le test de Wilcoxon ne c\u00e8de que 4,5 % de puissance statistique par rapport \u00e0 l’estimateur param\u00e9trique optimal. En revanche, d\u00e8s que la distribution r\u00e9elle s’\u00e9carte de la gaussienne vers des lois \u00e0 queues lourdes telles que la loi logistique, la loi de Laplace ou la loi de Cauchy, l’efficacit\u00e9 relative du test de Wilcoxon d\u00e9passe largement 1, atteignant parfois des valeurs infinies. Il s’av\u00e8re donc immens\u00e9ment plus puissant que le test t<\/em> face \u00e0 des donn\u00e9es empiriques non gaussiennes.<\/p>\n

2.2 R\u00e9sistance aux valeurs aberrantes (outliers)<\/h3>\n

L’un des d\u00e9fis majeurs de l’analyse de donn\u00e9es psychologiques, psychiatriques et comportementales r\u00e9side dans l’omnipr\u00e9sence d’observations aberrantes ou atypiques (outliers). Qu’elles r\u00e9sultent d’erreurs instrumentales de mesure, d’inattentions transitoires lors de la passation de questionnaires auto-rapport\u00e9s, ou qu’elles refl\u00e8tent une h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 clinique authentique (telle qu’une d\u00e9compensation psychopathologique aigu\u00eb chez un sous-groupe restreint de patients), ces donn\u00e9es extr\u00eames exercent une force de levier disproportionn\u00e9e sur la moyenne arithm\u00e9tique et l’\u00e9cart-type des diff\u00e9rences.<\/p>\n

Le test t<\/em> appari\u00e9 calcule la statistique de contraste en int\u00e9grant la moyenne arithm\u00e9tique des \u00e9carts au num\u00e9rateur et l’\u00e9cart-type d’\u00e9chantillonnage au d\u00e9nominateur. Il suffit d’une seule observation aberrante d’amplitude disproportionn\u00e9e pour modifier le signe de la moyenne ou pour accro\u00eetre l’\u00e9cart-type \u00e0 un point tel que la statistique t<\/em> s’effondre, masquant un effet de traitement par ailleurs parfaitement robuste et g\u00e9n\u00e9ralis\u00e9 sur les 99 % restants de la cohorte. \u00c0 l’oppos\u00e9, le test des rangs sign\u00e9s de Wilcoxon poss\u00e8de un point de rupture empirique et une insensibilit\u00e9 structurelle face aux scores extr\u00eames, dans la mesure o\u00f9 la valeur la plus colossale d’une s\u00e9rie de donn\u00e9es ne recevra jamais qu’un rang maximal \u00e9gal \u00e0 n’<\/em>.<\/p>\n

Pour illustrer cette r\u00e9silience, comparons l’impact d’un sujet pr\u00e9sentant une am\u00e9lioration extr\u00eame de +80 points sur une \u00e9chelle d’anxi\u00e9t\u00e9 au sein d’une cohorte o\u00f9 l’am\u00e9lioration m\u00e9diane tourne autour de +5 points. Pour le test de Wilcoxon, cette diff\u00e9rence colossale re\u00e7oit simplement le rang le plus \u00e9lev\u00e9, disons 30 dans un groupe de 30 paires. Qu’elle vaille +15 ou +80 points, son rang demeure strictement inchang\u00e9 (30), pr\u00e9servant l’int\u00e9grit\u00e9 de la somme W+<\/sup>. L’\u00e9valuation de la dispersion par l’intervalle interquartile (IQR) sur les diff\u00e9rences confirme cette stabilit\u00e9, l\u00e0 o\u00f9 l’\u00e9cart-type param\u00e9trique subit une explosion artificielle. Dans les contextes cliniques o\u00f9 les observations atypiques incarnent une r\u00e9alit\u00e9 ph\u00e9notypique qui ne doit pas \u00eatre arbitrairement censur\u00e9e par des filtres de nettoyage de donn\u00e9es, le test de Wilcoxon offre une mod\u00e9lisation inf\u00e9rentielle fid\u00e8le et protectrice.<\/p>\n

2.3 Nature des \u00e9chelles de mesure en psychologie<\/h3>\n

L’argument \u00e9pist\u00e9mologique et m\u00e9thodologique le plus profond en faveur du recours au test de Wilcoxon puise ses racines dans la taxonomie fondamentale des niveaux de mesure formul\u00e9e par le psychologue Stanley Smith Stevens<\/a> en 1946, distinguant les \u00e9chelles nominales, ordinales, d’intervalles et de rapports. Dans la pratique contemporaine de l’\u00e9valuation psychologique et m\u00e9dicale, l’\u00e9crasante majorit\u00e9 des instruments diagnostiques repose sur des \u00e9chelles de r\u00e9ponse ordonn\u00e9es de type Likert (par exemple : \u00ab pas du tout d’accord \u00bb, \u00ab mod\u00e9r\u00e9ment d’accord \u00bb, \u00ab totalement d’accord \u00bb) ou des \u00e9chelles visuelles analogiques discr\u00e9tis\u00e9es.<\/p>\n

L’assimilation arbitraire d’\u00e9chelles de Likert \u00e0 des variables d’intervalles continues constitue un abus m\u00e9thodologique fr\u00e9quent. Rien ne permet d’affirmer math\u00e9matiquement que la distance psychologique s\u00e9parant un score de 1 et un score de 2 sur un inventaire d’\u00e9valuation de la d\u00e9pression est rigoureusement identique \u00e0 l’intervalle cognitif s\u00e9parant un score de 4 d’un score de 5. En l’absence d’une m\u00e9trique d’intervalle prouv\u00e9e, les op\u00e9rations arithm\u00e9tiques \u00e9l\u00e9mentaires telles que l’addition et la soustraction de scores bruts perdent leur justification formelle, privant le calcul des moyennes de sens math\u00e9matique strict. Le test des rangs sign\u00e9s de Wilcoxon contourne \u00e9l\u00e9gamment cet \u00e9cueil : il n’exige que l’hypoth\u00e8se ordinale selon laquelle les diff\u00e9rences peuvent \u00eatre class\u00e9es de fa\u00e7on monotone.<\/p>\n

De surcro\u00eet, les \u00e9chelles psychom\u00e9triques sont structurellement entrav\u00e9es par des bornes num\u00e9riques infranchissables, g\u00e9n\u00e9rant des effets de plancher (impossibilit\u00e9 d’obtenir un score inf\u00e9rieur \u00e0 z\u00e9ro) ou de plafond (score maximal ind\u00e9passable). Lorsqu’une cohorte clinique s\u00e9v\u00e8rement d\u00e9prim\u00e9e entre dans un essai th\u00e9rapeutique, nombre de participants d\u00e9butent l’\u00e9tude avec le score maximal autoris\u00e9 par l’instrument. Les gains th\u00e9rapeutiques cons\u00e9cutifs compriment la variance post-interventionnelle contre la fronti\u00e8re de l’\u00e9chelle, invalidant d\u00e9finitivement toute pr\u00e9tention \u00e0 la normalit\u00e9 gaussienne. L’arbre d\u00e9cisionnel suivant s’impose donc formellement en recherche appliqu\u00e9e :<\/p>\n