{"id":2320,"date":"2026-09-06T17:23:46","date_gmt":"2026-09-06T17:23:46","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-realiser-test-adequation-khi-deux-excel\/"},"modified":"2026-09-06T17:23:50","modified_gmt":"2026-09-06T17:23:50","slug":"comment-realiser-test-adequation-khi-deux-excel","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-realiser-test-adequation-khi-deux-excel","title":{"rendered":"Comment r\u00e9aliser un test d’ad\u00e9quation du Khi-deux dans Excel"},"content":{"rendered":"

L’analyse des donn\u00e9es cat\u00e9gorielles constitue l’un des piliers m\u00e9thodologiques fondamentaux des sciences quantitatives contemporaines, qu’il s’agisse de la psychologie cognitive, de la sociologie empirique, de l’\u00e9pid\u00e9miologie ou du marketing pr\u00e9dictif. D\u00e8s lors qu’un chercheur ou un analyste recueille des observations distribu\u00e9es sous forme de fr\u00e9quences discr\u00e8tes au sein de modalit\u00e9s qualitatives, la question centrale \u00e9merge in\u00e9vitablement : la distribution empirique observ\u00e9e sur le terrain correspond-elle fid\u00e8lement \u00e0 ce que pr\u00e9disait un mod\u00e8le th\u00e9orique pr\u00e9\u00e9tabli, une loi probabiliste d\u00e9termin\u00e9e ou une r\u00e9partition historique de r\u00e9f\u00e9rence ? C’est pr\u00e9cis\u00e9ment \u00e0 cette interrogation fondamentale que r\u00e9pond le test d’ad\u00e9quation du Khi-deux<\/a> (couramment d\u00e9sign\u00e9 en anglais sous l’appellation Chi-Square Goodness of Fit Test<\/em>), proc\u00e9dure inf\u00e9rentielle non param\u00e9trique majeure conceptualis\u00e9e \u00e0 l’aube du XXe si\u00e8cle.<\/p>\n

Dans la pratique scientifique et professionnelle moderne, bien que des environnements de programmation tels que R ou Python et des suites logicielles propri\u00e9taires telles que SPSS ou SAS soient largement r\u00e9pandus, le tableur Microsoft Excel demeure un vecteur incontournable d’investigation statistique. Son omnipr\u00e9sence au sein des laboratoires universitaires, des administrations et des entreprises conf\u00e8re \u00e0 son moteur de calcul une responsabilit\u00e9 analytique cruciale. N\u00e9anmoins, l’apparente simplicit\u00e9 d’un tableur dissimule fr\u00e9quemment des subtilit\u00e9s computationnelles complexes : manipulation de plages matricielles, distinction entre probabilit\u00e9s unilat\u00e9rales et bilat\u00e9rales, inversion de distributions continues et contr\u00f4le scrupuleux des conditions limites de validit\u00e9. Conduire un test d’ad\u00e9quation dans Excel ne requiert pas seulement la ma\u00eetrise de syntaxes de formules sp\u00e9cifiques, mais exige une compr\u00e9hension \u00e9pist\u00e9mologique et probabiliste absolue des m\u00e9canismes sous-jacents afin d’\u00e9viter les interpr\u00e9tations trompeuses issues d’usages m\u00e9caniques.<\/p>\n

Cet ouvrage didactique exhaustif se propose de d\u00e9composer minutieusement l’ensemble du protocole menant \u00e0 la r\u00e9alisation, \u00e0 la validation et \u00e0 l’interpr\u00e9tation d’un test d’ad\u00e9quation du Khi-deux au sein de Microsoft Excel. De l’\u00e9lucidation de ses assises math\u00e9matiques pearsoniennes aux protocoles graphiques avanc\u00e9s, en passant par le calcul pas \u00e0 pas de la statistique d’\u00e9cart, l’automatisation par les fonctions natives, le diagnostic post-hoc des r\u00e9sidus standardis\u00e9s ajust\u00e9s et la formalisation des r\u00e9sultats selon les normes de l’American Psychological Association (APA), chaque \u00e9tape est diss\u00e9qu\u00e9e avec la plus grande rigueur acad\u00e9mique. L’ambition de ce guide est de transformer l’usage ordinaire d’un logiciel bureautique en un v\u00e9ritable instrument d’\u00e9valuation inf\u00e9rentielle, robuste, transparent et directement reproductible dans le cadre de recherches publiables ou de rapports d\u00e9cisionnels de haut niveau.<\/p>\n

1. Fondements th\u00e9oriques et \u00e9pist\u00e9mologiques du test d’ad\u00e9quation du Khi-deux<\/h2>\n

Pour appr\u00e9hender l’utilit\u00e9 du test d’ad\u00e9quation, il convient d’examiner le socle conceptuel d\u00e9velopp\u00e9 par les fondateurs de la biom\u00e9trie et de la statistique inf\u00e9rentielle moderne. Loin d’\u00eatre un simple artifice calculatoire, ce test formalise la tension universelle entre le r\u00e9el observ\u00e9 et l’id\u00e9al th\u00e9orique mod\u00e9lis\u00e9.<\/p>\n

1.1 Origine conceptuelle et distribution d’\u00e9chantillonnage de Pearson<\/h3>\n

La gen\u00e8se math\u00e9matique du test d’ad\u00e9quation remonte \u00e0 l’article s\u00e9minal publi\u00e9 en 1900 par le math\u00e9maticien et biostatisticien britannique Karl Pearson dans les pages du Philosophical Magazine<\/em>. \u00c0 cette \u00e9poque, la statistique math\u00e9matique \u00e9tait domin\u00e9e par le postulat quasi universel de la distribution normale (la loi de Gauss-Laplace), appliqu\u00e9e sans discernement \u00e0 une vaste gamme de ph\u00e9nom\u00e8nes naturels et sociaux. Pearson, observant la nature souvent asym\u00e9trique ou polymodale des distributions biologiques r\u00e9elles, cherchait une m\u00e9thode formelle pour tester si un jeu de donn\u00e9es cat\u00e9goris\u00e9es pouvait \u00eatre consid\u00e9r\u00e9 comme d\u00e9rivant l\u00e9gitimement d’une loi de probabilit\u00e9 th\u00e9orique sp\u00e9cifique ou s’il s’en \u00e9cartait d’une mani\u00e8re incompatible avec les seules fluctuations de l’\u00e9chantillonnage al\u00e9atoire.<\/p>\n

La d\u00e9couverte fondamentale de Pearson r\u00e9side dans la d\u00e9monstration que la somme pond\u00e9r\u00e9e des \u00e9carts quadratiques entre les fr\u00e9quences observ\u00e9es et les fr\u00e9quences th\u00e9oriques attendues converge asymptotiquement vers une loi de probabilit\u00e9 continue connue sous le nom de loi du Khi-deux (χ²). Cette distribution continue est r\u00e9gie par un param\u00e8tre unique, le nombre de degr\u00e9s de libert\u00e9, qui refl\u00e8te la dimensionnalit\u00e9 g\u00e9om\u00e9trique du syst\u00e8me apr\u00e8s imposition des contraintes lin\u00e9aires. Ce r\u00e9sultat a constitu\u00e9 une r\u00e9volution \u00e9pist\u00e9mologique : il affranchissait la v\u00e9rification d’hypoth\u00e8ses de la contrainte de normalit\u00e9 directe des variables sous-jacentes en introduisant une m\u00e9trique d’\u00e9cart omnidirectionnelle s’appliquant aux structures multinomiales discr\u00e8tes.<\/p>\n

Il est imp\u00e9ratif de distinguer rigoureusement le test d’ad\u00e9quation de ses deux homologues fr\u00e9quemment confondus : le test d’ind\u00e9pendance du Khi-deux et le test d’homog\u00e9n\u00e9it\u00e9 du Khi-deux. Bien que ces trois \u00e9preuves partagent la m\u00eame machinerie alg\u00e9brique d’\u00e9valuation des \u00e9carts, leurs finalit\u00e9s th\u00e9oriques et leurs plans d’\u00e9chantillonnage diff\u00e8rent substantiellement. Le test d’ind\u00e9pendance s’applique \u00e0 un \u00e9chantillon unique crois\u00e9 sur deux variables cat\u00e9gorielles distinctes pour examiner s’il existe une liaison stochastique entre elles dans un tableau de contingence \u00e0 double entr\u00e9e. Le test d’homog\u00e9n\u00e9it\u00e9 compare la distribution d’une variable polytomique unique \u00e0 travers plusieurs sous-populations ind\u00e9pendantes pr\u00e9d\u00e9finies. En revanche, le test d’ad\u00e9quation (Goodness of Fit<\/em>) s’int\u00e9resse \u00e0 une seule variable cat\u00e9gorielle mesur\u00e9e sur un \u00e9chantillon unique, et confronte sa distribution \u00e0 un vecteur pr\u00e9\u00e9tabli de probabilit\u00e9s th\u00e9oriques a priori.<\/p>\n

Dans les protocoles contemporains de psychologie quantitative, de neurosciences comportementales et d’\u00e9tudes \u00e9ducatives, le test d’ad\u00e9quation demeure un outil de validation pr\u00e9liminaire ou confirmatoire incontournable. Il permet notamment de v\u00e9rifier si la r\u00e9partition des participants entre diff\u00e9rents groupes assign\u00e9s respecte une \u00e9quipartition th\u00e9orique, si les choix exprim\u00e9s face \u00e0 un paradigme de d\u00e9cision comportementale \u00e0 r\u00e9ponses multiples divergent du pur hasard, ou encore si une distribution empirique de scores de personnalit\u00e9 discr\u00e9tis\u00e9s s’ajuste fid\u00e8lement \u00e0 un profil normatif populationnel standardis\u00e9.<\/p>\n

1.2 Formalisation des hypoth\u00e8ses statistiques nulle et alternative<\/h3>\n

Toute d\u00e9marche d’inf\u00e9rence statistique formelle repose sur une formulation sans \u00e9quivoque des hypoth\u00e8ses rivales soumises \u00e0 l’\u00e9preuve des faits. Dans le cadre pr\u00e9cis du test d’ad\u00e9quation du Khi-deux, l’hypoth\u00e8se nulle, d\u00e9sign\u00e9e conventionnellement par la notation H0, postule la conformit\u00e9 int\u00e9grale et absolue entre la distribution empirique de la population d’o\u00f9 provient l’\u00e9chantillon et la distribution th\u00e9orique postul\u00e9e par le mod\u00e8le sous-jacent. Si l’on d\u00e9signe par pi<\/sub><\/em> la v\u00e9ritable proportion de la population appartenant \u00e0 la cat\u00e9gorie i<\/em> (pour i<\/em> allant de 1 \u00e0 k<\/em> cat\u00e9gories), et par πi<\/sub> la probabilit\u00e9 th\u00e9orique assign\u00e9e a priori \u00e0 cette m\u00eame cat\u00e9gorie, l’hypoth\u00e8se nulle s’\u00e9crit formellement sous la forme d’un syst\u00e8me d’\u00e9galit\u00e9s simultan\u00e9es :<\/p>\n

H0 : p1<\/sub><\/em> = π1<\/sub>, p2<\/sub><\/em> = π2<\/sub>, …, pk<\/sub><\/em> = πk<\/sub><\/p>\n

L’hypoth\u00e8se alternative, not\u00e9e H1, ne postule pas une forme directionnelle particuli\u00e8re, mais affirme l’existence d’une divergence syst\u00e9matique par rapport au mod\u00e8le prescrit. Il suffit qu’une seule des proportions populationnelles diff\u00e8re de sa contrepartie th\u00e9orique pour que l’ensemble du mod\u00e8le d’ad\u00e9quation soit invalid\u00e9. Par cons\u00e9quent, l’hypoth\u00e8se alternative se formalise rigoureusement ainsi :<\/p>\n

H1 : Il existe au moins une cat\u00e9gorie j<\/em> (parmi les k<\/em> modalit\u00e9s) telle que pj<\/sub><\/em> ≠ πj<\/sub><\/p>\n

Une caract\u00e9ristique math\u00e9matique cruciale du test d’ad\u00e9quation r\u00e9side dans la nature strictement unilat\u00e9rale de sa zone de rejet dans la distribution d’\u00e9chantillonnage th\u00e9orique, bien que le test v\u00e9rifie des \u00e9carts bidirectionnels au niveau de chaque classe. En effet, la statistique de test calcul\u00e9e agr\u00e9geant des \u00e9carts \u00e9lev\u00e9s au carr\u00e9, toute discordance empirique \u2014 qu’elle se manifeste par un exc\u00e8s massif d’observations ou par un d\u00e9ficit flagrant par rapport \u00e0 la pr\u00e9vision \u2014 augmente inexorablement la valeur finale de la m\u00e9trique. D\u00e8s lors, le chercheur rejette l’hypoth\u00e8se nulle uniquement lorsque la statistique calcul\u00e9e se situe dans la queue sup\u00e9rieure droite de la loi du Khi-deux, l\u00e0 o\u00f9 l’\u00e9cart cumul\u00e9 d\u00e9passe ce que le simple hasard de l’\u00e9chantillonnage rend plausible.<\/p>\n

Cette d\u00e9cision statistique expose l’analyste \u00e0 deux risques fondamentaux r\u00e9gis par la th\u00e9orie des tests de Neyman-Pearson : l’erreur de premi\u00e8re esp\u00e8ce (α), correspondant au rejet erron\u00e9 d’une distribution th\u00e9orique parfaitement v\u00e9rifi\u00e9e dans la population g\u00e9n\u00e9rale, traditionnellement fix\u00e9e au seuil nominal de 0,05 ou 0,01 ; et l’erreur de deuxi\u00e8me esp\u00e8ce (β), qui survient lorsque le chercheur \u00e9choue \u00e0 rejeter une distribution th\u00e9orique fallacieuse en raison d’un manque de sensibilit\u00e9 du test ou d’un \u00e9chantillon d’une taille insuffisante pour d\u00e9celer l’anomalie.<\/p>\n

1.3 Mod\u00e9lisation de l’\u00e9cart : la m\u00e9trique de divergence<\/h3>\n

Le c\u0153ur op\u00e9ratoire du test d’ad\u00e9quation repose sur la standardisation rigoureuse de la distance g\u00e9om\u00e9trique s\u00e9parant les effectifs observ\u00e9s des effectifs attendus sous l’hypoth\u00e8se nulle. Soit une variable nominale partitionn\u00e9e en k<\/em> modalit\u00e9s mutuellement exclusives et collectivement exhaustives. Notons Oi<\/sub><\/em> l’effectif observ\u00e9 dans la modalit\u00e9 i<\/em> au sein d’un \u00e9chantillon de taille totale N<\/em>, et Ei<\/sub><\/em> l’effectif th\u00e9orique attendu (Expected frequency<\/em>) dans cette m\u00eame modalit\u00e9 sous condition de validit\u00e9 de H0, d\u00e9termin\u00e9 par la relation Ei<\/sub><\/em> = N<\/em> × πi<\/sub>. L’\u00e9quation ma\u00eetresse formul\u00e9e par Karl Pearson s’exprime sous la forme suivante :<\/p>\n

χ² = Σ [ (Oi<\/sub><\/em> – Ei<\/sub><\/em>)² \/ Ei<\/sub><\/em> ] pour i<\/em> variant de 1 \u00e0 k<\/em><\/p>\n

L’analyse conceptuelle de cette formulation math\u00e9matique r\u00e9v\u00e8le une m\u00e9canique d’une remarquable \u00e9l\u00e9gance th\u00e9orique. Le num\u00e9rateur, (Oi<\/sub><\/em> – Ei<\/sub><\/em>)², calcule le carr\u00e9 du r\u00e9sidu brut pour chaque cat\u00e9gorie. L’\u00e9l\u00e9vation au carr\u00e9 remplit une double fonction : elle \u00e9limine la compensation alg\u00e9brique des \u00e9carts positifs et n\u00e9gatifs (dont la somme arithm\u00e9tique simple est obligatoirement \u00e9gale \u00e0 z\u00e9ro puisque la somme des Oi<\/sub><\/em> \u00e9quivaut \u00e0 la somme des Ei<\/sub><\/em>), tout en p\u00e9nalisant de mani\u00e8re non lin\u00e9aire les d\u00e9viations de grande magnitude.<\/p>\n

N\u00e9anmoins, un r\u00e9sidu quadratique brut est d\u00e9pourvu de signification universelle sans contextualisation d’\u00e9chelle. Une divergence de 10 observations repr\u00e9sente une anomalie spectaculaire si l’effectif th\u00e9orique n’\u00e9tait que de 5 individus, alors qu’elle constitue une fluctuation minime et n\u00e9gligeable si l’effectif attendu \u00e9tait de 10 000. C’est ici qu’intervient le r\u00f4le pond\u00e9rateur fondamental du d\u00e9nominateur Ei<\/sub><\/em>. Sous l’hypoth\u00e8se nulle d’un processus multinomial sous-jacent, la variance th\u00e9orique asymptotique associ\u00e9e \u00e0 chaque case est proportionnelle \u00e0 son effectif attendu. En divisant chaque \u00e9cart quadratique par Ei<\/sub><\/em>, Pearson applique une standardisation variance-stabilisante, transformant chaque terme en un carr\u00e9 de variable centr\u00e9e r\u00e9duite standardis\u00e9e.<\/p>\n

Lorsque la taille globale de l’\u00e9chantillon N<\/em> tend vers l’infini, la distribution conjointe de ces r\u00e9sidus standardis\u00e9s contraints par la somme totale converge, en vertu du th\u00e9or\u00e8me de limite centrale multidimensionnel, vers une loi continue du Khi-deux poss\u00e9dant k<\/em> – 1 degr\u00e9s de libert\u00e9. La perte d’un degr\u00e9 de libert\u00e9 d\u00e9coule directement de la contrainte lin\u00e9aire globale impos\u00e9e au syst\u00e8me : d\u00e8s lors que k<\/em> – 1 effectifs sont fix\u00e9s, le dernier effectif th\u00e9orique est math\u00e9matiquement d\u00e9termin\u00e9 de mani\u00e8re d\u00e9terministe pour que la somme totale reste \u00e9gale \u00e0 N<\/em>.<\/p>\n

2. Hypoth\u00e8ses sous-jacentes et conditions pr\u00e9alables d’application<\/h2>\n

Le test du Khi-deux appartient \u00e0 la famille des tests non param\u00e9triques au sens o\u00f9 il ne requiert pas la normalit\u00e9 de la variable mesur\u00e9e. Pour autant, il n’est pas exempt de conditions de validit\u00e9 strictes. L’omission ou la m\u00e9connaissance de ces pr\u00e9requis invalide totalement la fiabilit\u00e9 des p-valeurs calcul\u00e9es et peut conduire \u00e0 des erreurs inf\u00e9rentielles dramatiques dans l’interpr\u00e9tation des protocoles d’investigation.<\/p>\n

2.1 Nature et ind\u00e9pendance des variables cat\u00e9gorielles<\/h3>\n

La premi\u00e8re exigence structurale concerne la nature de la variable examin\u00e9e. Le test d’ad\u00e9quation exige imp\u00e9rativement que les donn\u00e9es soient issues d’un syst\u00e8me de classification cat\u00e9gorielle constitu\u00e9 de k<\/em> modalit\u00e9s discr\u00e8tes, disjointes et mutuellement exclusives. Cela signifie qu’une observation donn\u00e9e ne peut appartenir qu’\u00e0 une et une seule classe \u00e0 la fois, et que l’ensemble des classes doit couvrir la totalit\u00e9 des manifestations possibles du ph\u00e9nom\u00e8ne \u00e9tudi\u00e9 (exhaustivit\u00e9 collective). Bien que les \u00e9chelles nominales constituent le terrain d’\u00e9lection du test, ce dernier peut parfaitement s’appliquer \u00e0 des \u00e9chelles ordinales ou \u00e0 des variables continues ayant fait l’objet d’un discr\u00e9tisation en classes d’amplitudes d\u00e9finies, \u00e0 condition que cette partition soit \u00e9tablie a priori et ind\u00e9pendamment des r\u00e9sultats observ\u00e9s.<\/p>\n

La seconde condition, absolument imp\u00e9rative et non n\u00e9gociable, est celle de l’ind\u00e9pendance statistique stricte des observations entre elles. Chaque unit\u00e9 d’observation \u00e9chantillonn\u00e9e (individu, r\u00e9ponse \u00e0 un questionnaire, \u00e9v\u00e9nement biologique, transaction) doit \u00eatre rigoureusement ind\u00e9pendante de toutes les autres. Cette contrainte fondamentale interdit formellement l’utilisation du test du Khi-deux d’ad\u00e9quation standard dans le cadre de plans d’\u00e9chantillonnage \u00e0 mesures r\u00e9p\u00e9t\u00e9es, d’\u00e9valuations pr\u00e9-test\/post-test sur les m\u00eames sujets, de protocoles longitudinaux ou d’analyses de r\u00e9seaux sociaux o\u00f9 les observations sont interconnect\u00e9es par construction.<\/p>\n

Si un protocole exp\u00e9rimental consiste \u00e0 soumettre un m\u00eame groupe de 50 sujets \u00e0 quatre conditions successives et \u00e0 comptabiliser les types de comportements adopt\u00e9s, les observations r\u00e9sultantes sont structuralement corr\u00e9l\u00e9es au sein de chaque individu. L’application d’un test d’ad\u00e9quation sur la somme agr\u00e9g\u00e9e de ces choix produirait une sous-estimation s\u00e9v\u00e8re de la variance v\u00e9ritable, entra\u00eenant une inflation massive du taux d’erreur de type I (rejets fallacieux de H0). Pour que le test soit valide, le total de l’\u00e9chantillon N<\/em> doit correspondre exactement au nombre d’unit\u00e9s statistiques distinctes \u00e9chantillonn\u00e9es via un protocole probabiliste repr\u00e9sentatif de la population cible.<\/p>\n

2.2 R\u00e8gles d’effectifs minimaux et crit\u00e8re de Cochran<\/h3>\n

Puisque la distribution th\u00e9orique du Khi-deux est une fonction continue alors que les donn\u00e9es empiriques sont intrins\u00e8quement discr\u00e8tes et issues d’un processus multinomial fini, l’ad\u00e9quation math\u00e9matique entre les deux rel\u00e8ve d’une approximation asymptotique. Cette approximation n’est math\u00e9matiquement robuste que si les effectifs attendus dans chaque cat\u00e9gorie atteignent une masse critique minimale. Historiquement, une r\u00e8gle empirique tr\u00e8s stricte imposait que chaque cat\u00e9gorie pr\u00e9sente un effectif th\u00e9orique attendu Ei<\/sub><\/em> sup\u00e9rieur ou \u00e9gal \u00e0 5.<\/p>\n

Cependant, les travaux biostatistiques approfondis men\u00e9s par William G. Cochran dans les ann\u00e9es 1950 ont permis de pr\u00e9ciser et d’assouplir ce crit\u00e8re sans compromettre la validit\u00e9 de l’inf\u00e9rence. Le crit\u00e8re de Cochran, qui fait aujourd’hui consensus dans la litt\u00e9rature internationale, stipule que pour les tests d’ad\u00e9quation comportant un nombre de degr\u00e9s de libert\u00e9 sup\u00e9rieur \u00e0 1 (c’est-\u00e0-dire au moins trois modalit\u00e9s lorsque aucun param\u00e8tre n’est estim\u00e9) :<\/p>\n

    \n
  • Aucun effectif th\u00e9orique attendu (Ei<\/sub><\/em>) ne doit \u00eatre strictement inf\u00e9rieur \u00e0 1.<\/li>\n
  • Au maximum 20 % du nombre total de cat\u00e9gories peuvent comporter un effectif th\u00e9orique attendu inf\u00e9rieur \u00e0 5.<\/li>\n<\/ul>\n

    La violation de ces seuils critiques alt\u00e8re gravement les propri\u00e9t\u00e9s de la statistique de test. Lorsque les Ei<\/sub><\/em> sont trop faibles, les fractions (Oi<\/sub><\/em> – Ei<\/sub><\/em>)² \/ Ei<\/sub><\/em> ont tendance \u00e0 exploser artificiellement au moindre \u00e9cart unitaire, entra\u00eenant des p-valeurs erratiques et une sur-estimation dramatique de la significativit\u00e9 statistique. Si un diagnostic des effectifs attendus r\u00e9v\u00e8le une infraction au crit\u00e8re de Cochran, l’exp\u00e9rimentateur ne doit jamais proc\u00e9der au test sous sa forme brute. Deux solutions m\u00e9thodologiques s’imposent alors : proc\u00e9der \u00e0 un regroupement th\u00e9oriquement justifi\u00e9 de modalit\u00e9s adjacentes ou faiblement peupl\u00e9es afin d’accro\u00eetre les effectifs th\u00e9oriques de la classe consolid\u00e9e, ou abandonner l’approximation asymptotique au profit d’un test multinomial exact (bas\u00e9 sur le calcul combinatoire complet de la loi multinomiale).<\/p>\n

    2.3 Sensibilit\u00e9 \u00e0 la taille globale de l’\u00e9chantillon<\/h3>\n

    L’une des propri\u00e9t\u00e9s les plus redoutables et pourtant les plus sous-estim\u00e9es de la statistique du Khi-deux r\u00e9side dans sa d\u00e9pendance lin\u00e9aire directe envers la taille globale de l’\u00e9chantillon N<\/em>. Pour une structure de proportions observ\u00e9es et th\u00e9oriques rigoureusement identique, la valeur finale du Khi-deux est strictement proportionnelle \u00e0 N<\/em>. En effet, si l’on multiplie la taille de l’\u00e9chantillon par un facteur c<\/em> tout en maintenant constantes les proportions oi<\/sub><\/em> = Oi<\/sub>\/N<\/em> et πi<\/sub> = Ei<\/sub>\/N<\/em>, la statistique r\u00e9sultante se trouve exactement multipli\u00e9e par ce m\u00eame facteur c<\/em>.<\/p>\n

    Cette propri\u00e9t\u00e9 math\u00e9matique engendre le ph\u00e9nom\u00e8ne bien connu de sur-puissance statistique (overpowered test<\/em>) en pr\u00e9sence d’\u00e9chantillons massifs (par exemple N<\/em> > 10 000). Dans ces contextes m\u00e9gadonn\u00e9es (Big Data<\/em>), la moindre oscillation triviale, sans aucune signification pratique, th\u00e9orique ou clinique, produira une p-valeur infinit\u00e9simale (ex. p<\/em> < 0,000001), conduisant au rejet formel de l’hypoth\u00e8se nulle. Le chercheur non averti conclura h\u00e2tivement \u00e0 une faillite de son mod\u00e8le th\u00e9orique, alors que la d\u00e9viation empirique n’est que du bruit microscopique rendu statistiquement \u00ab\u00a0significatif\u00a0\u00bb par la seule taille d\u00e9mesur\u00e9e de la cohorte.<\/p>\n

    \u00c0 l’inverse, face \u00e0 des micro-\u00e9chantillons (par exemple N<\/em> < 30), le test souffre d’un d\u00e9ficit chronique de puissance statistique (inflation massive de l’erreur de type II). M\u00eame si la distribution r\u00e9elle de la population s’\u00e9carte substantiellement du mod\u00e8le th\u00e9orique, l’\u00e9chantillon restreint g\u00e9n\u00e8re une variabilit\u00e9 d’\u00e9chantillonnage tellement vaste que le test \u00e9choue \u00e0 franchir le seuil de rejet conventionnel. Il est donc fondamental de dissocier scrupuleusement la significativit\u00e9 statistique (attest\u00e9e par la p-valeur) de la taille d’effet pratique (quantifi\u00e9e par des indices ad hoc tels que le w<\/em> de Cohen), une d\u00e9marche que nous formaliserons ult\u00e9rieurement au sein d’Excel.<\/p>\n

    3. Architecture et pr\u00e9paration des donn\u00e9es dans Microsoft Excel<\/h2>\n

    Une impl\u00e9mentation analytique rigoureuse dans Microsoft Excel repose avant tout sur une conception architecturale irr\u00e9prochable de la matrice de donn\u00e9es. L’absence de structure norm\u00e9e est la cause premi\u00e8re des erreurs de manipulation, de d\u00e9calage de plages matricielles et d’opacit\u00e9 lors des audits m\u00e9thodologiques.<\/p>\n

    3.1 Structuration optimale de la feuille de calcul<\/h3>\n

    Pour garantir une lisibilit\u00e9 optimale, une auditabilit\u00e9 imm\u00e9diate et la suppression des risques de r\u00e9f\u00e9rences circulaires, la feuille de calcul doit \u00eatre organis\u00e9e en blocs logiques distincts. L’approche professionnelle pr\u00e9conise une disposition en tableau structur\u00e9 \u00e0 colonnes d\u00e9di\u00e9es, o\u00f9 chaque ligne repr\u00e9sente une modalit\u00e9 exclusive de la variable cat\u00e9gorielle analys\u00e9e.<\/p>\n

    Il est recommand\u00e9 de d\u00e9limiter l’espace de calcul en adoptant la disposition matricielle suivante :<\/p>\n

      \n
    • Colonne A (Index et Modalit\u00e9s) :<\/strong> Intitul\u00e9 descriptif clair de chaque classe ou modalit\u00e9 comportementale (ex. \u00ab Type de profil A \u00bb, \u00ab Type de profil B \u00bb). Il convient d’\u00e9viter tout encodage cryptique susceptible de g\u00e9n\u00e9rer des confusions ult\u00e9rieures.<\/li>\n
    • Colonne B (Effectifs observ\u00e9s – Oi<\/sub><\/em>) :<\/strong> D\u00e9nombrement brut des fr\u00e9quences empiriques collect\u00e9es sur l’\u00e9chantillon.<\/li>\n
    • Colonne C (Probabilit\u00e9s th\u00e9oriques – πi<\/sub>) :<\/strong> Vecteur des proportions attendues sous H0 (exprim\u00e9es sous forme d\u00e9cimale comprise entre 0 et 1).<\/li>\n
    • Colonne D (Effectifs th\u00e9oriques attendus – Ei<\/sub><\/em>) :<\/strong> Valeurs mod\u00e9lis\u00e9es r\u00e9sultant du produit de la taille totale de l’\u00e9chantillon par la probabilit\u00e9 th\u00e9orique respective.<\/li>\n
    • Colonnes E \u00e0 G (D\u00e9composition du Khi-deux) :<\/strong> Colonnes analytiques interm\u00e9diaires d\u00e9di\u00e9es au calcul des r\u00e9sidus simples, des r\u00e9sidus quadratiques et des composantes pond\u00e9r\u00e9es.<\/li>\n<\/ul>\n

      L’utilisation de la fonctionnalit\u00e9 des \u00ab Tableaux structur\u00e9s \u00bb d’Excel (accessible via le ruban Insertion > Tableau<\/em>) offre des b\u00e9n\u00e9fices consid\u00e9rables : elle propage automatiquement les formules sur l’ensemble des lignes cr\u00e9\u00e9es, met \u00e0 jour dynamiquement les r\u00e9f\u00e9rences matricielles lors de l’ajout ou de la suppression d’une cat\u00e9gorie, et conf\u00e8re une syntaxe explicite et s\u00e9mantique aux formules math\u00e9matiques (ex. [@Observ\u00e9s] - [@Attendus]<\/code> au lieu d’abstractions g\u00e9om\u00e9triques de cellules comme B2 - D2<\/code>).<\/p>\n

      \"Goodness
      Goodness of fit data in Excel<\/figcaption><\/figure>\n

      3.2 Saisie et v\u00e9rification des effectifs observ\u00e9s<\/h3>\n

      La saisie des effectifs observ\u00e9s exige une rigueur absolue. L’erreur la plus pr\u00e9valente chez les praticiens inexp\u00e9riment\u00e9s consiste \u00e0 encoder directement dans la colonne des observations des pourcentages ou des proportions relatives (ex. 25 % ou 0,25). Le test d’ad\u00e9quation du Khi-deux est intrins\u00e8quement calibr\u00e9 sur des fr\u00e9quences de d\u00e9nombrement absolues. Remplacer des effectifs r\u00e9els par des pourcentages d\u00e9truit toute correspondance avec la distribution d’\u00e9chantillonnage th\u00e9orique, conduisant \u00e0 une sous-estimation syst\u00e9matique et catastrophique de la statistique de Pearson (qui sera alors calcul\u00e9e sur une somme virtuelle de 100 au lieu de la taille v\u00e9ritable N<\/em> de l’\u00e9chantillon).<\/p>\n

      D\u00e8s lors que les effectifs observ\u00e9s sont encod\u00e9s en colonne B (supposons de la cellule B2<\/code> \u00e0 la cellule B6<\/code> pour un syst\u00e8me \u00e0 cinq modalit\u00e9s), la premi\u00e8re op\u00e9ration consiste \u00e0 calculer la taille globale de l’\u00e9chantillon \u00e0 l’aide de la fonction SOMME<\/code> :<\/p>\n

      =SOMME(B2:B6)<\/code><\/p>\n

      Cette cellule de totalisation, judicieusement positionn\u00e9e en B7<\/code> (ou dans une zone isol\u00e9e d\u00e9di\u00e9e aux param\u00e8tres d’\u00e9chantillonnage), servira de constante de r\u00e9f\u00e9rence absolue ($B$<\/span>7<\/code>) pour toutes les op\u00e9rations ult\u00e9rieures de projection proportionnelle. Toute incoh\u00e9rence entre la somme des effectifs enregistr\u00e9s et la taille nominale de la cohorte d’\u00e9tude doit \u00eatre r\u00e9solue avant toute tentative de calcul inf\u00e9rentiel.<\/p>\n

      3.3 Validation de l’int\u00e9grit\u00e9 des entr\u00e9es<\/h3>\n

      Afin de pr\u00e9munir le mod\u00e8le d’analyse contre les erreurs accidentelles de saisie (frappe involontaire de nombres d\u00e9cimaux, valeurs n\u00e9gatives ou cha\u00eenes de caract\u00e8res textuelles dans les cellules de comptage), il est vivement recommand\u00e9 d’impl\u00e9menter un protocole de validation des donn\u00e9es int\u00e9gr\u00e9 \u00e0 Excel.<\/p>\n

      Pour verrouiller la plage des effectifs observ\u00e9s (B2:B6<\/code>), s\u00e9lectionnez ces cellules, acc\u00e9dez \u00e0 l’onglet Donn\u00e9es > Validation des donn\u00e9es<\/em>, puis configurez les crit\u00e8res d’autorisation de la mani\u00e8re suivante :<\/p>\n

        \n
      • Autoriser :<\/strong> \u00ab Nombre entier \u00bb<\/li>\n
      • Donn\u00e9es :<\/strong> \u00ab Sup\u00e9rieur ou \u00e9gal \u00e0 \u00bb<\/li>\n
      • Minimum :<\/strong> 0<\/li>\n<\/ul>\n

        Ce param\u00e9trage garantit l’impossibilit\u00e9 d’introduire des valeurs aberrantes qui fausseraient silencieusement les algorithmes du tableur. De plus, il convient d’activer l’audit visuel des formules via l’outil Formules > Rep\u00e9rer les ant\u00e9c\u00e9dents<\/em> pour tracer visuellement les flux de donn\u00e9es et s’assurer qu’aucune cellule parasite n’est int\u00e9gr\u00e9e dans les plages d’agr\u00e9gation matricielle.<\/p>\n

        4. Calcul et param\u00e9trage des effectifs th\u00e9oriques attendus<\/h2>\n

        La mod\u00e9lisation des effectifs th\u00e9oriques attendus (Ei<\/sub><\/em>) repr\u00e9sente la projection math\u00e9matique exacte de l’hypoth\u00e8se nulle sur la taille d’\u00e9chantillon disponible. Selon la nature de la question scientifique pos\u00e9e, le mod\u00e8le sous-jacent peut prendre la forme d’une distribution \u00e9quiprobable (uniforme) ou d’une distribution personnalis\u00e9e d\u00e9riv\u00e9e d’un cadre th\u00e9orique sp\u00e9cifique.<\/p>\n

        4.1 Cas d’une distribution th\u00e9orique \u00e9quiprobable<\/h3>\n

        Dans de nombreuses applications exp\u00e9rimentales, l’hypoth\u00e8se nulle stipule que toutes les cat\u00e9gories ont une chance rigoureusement \u00e9gale de se manifester. Il s’agit du mod\u00e8le d’uniformit\u00e9 ou de pure \u00e9quiprobabilit\u00e9, o\u00f9 pour chaque modalit\u00e9 i<\/em>, la probabilit\u00e9 th\u00e9orique est simplement d\u00e9finie par πi<\/sub> = 1 \/ k<\/em>, o\u00f9 k<\/em> repr\u00e9sente le nombre total de cat\u00e9gories.<\/p>\n

        Pour mod\u00e9liser cette situation dans Excel, deux approches computationnelles \u00e9quivalentes sont envisageables :<\/p>\n

        La premi\u00e8re approche consiste \u00e0 diviser directement l’effectif global observ\u00e9 par le nombre de modalit\u00e9s d\u00e9nombr\u00e9es dynamiquement \u00e0 l’aide de la fonction NBVAL<\/code>. Si la taille globale se trouve en $B$<\/span>7<\/code> et que les labels des cat\u00e9gories occupent la plage A2:A6<\/code>, la formule \u00e0 inscrire dans la cellule D2<\/code> et \u00e0 \u00e9tirer verticalement jusqu’\u00e0 D6<\/code> s’\u00e9crit :<\/p>\n

        =$B$<\/span>7\/NBVAL($A$<\/span>2:$A$<\/span>6)<\/code><\/p>\n

        La seconde approche, plus universelle et didactique, consiste \u00e0 renseigner explicitement la probabilit\u00e9 th\u00e9orique \u00e9quiprobable dans la colonne C (par exemple =1\/5<\/code>, soit 0,20 pour chacune des cinq lignes), puis \u00e0 calculer l’effectif th\u00e9orique en colonne D par le produit :<\/p>\n

        =$B$<\/span>7*C2<\/code><\/p>\n

        Cette formulation offre l’avantage inestimable de conserver la m\u00eame syntaxe op\u00e9rationnelle que l’on manipule une distribution \u00e9quiprobable ou une distribution asym\u00e9trique personnalis\u00e9e.<\/p>\n

        4.2 Cas d’une distribution th\u00e9orique non uniforme personnalis\u00e9e<\/h3>\n

        Dans une vaste proportion de recherches empiriques, l’hypoth\u00e8se nulle ne postule pas une \u00e9gale r\u00e9partition des effectifs, mais cherche \u00e0 v\u00e9rifier l’ad\u00e9quation \u00e0 des donn\u00e9es de recensement d\u00e9mographique, des lois mend\u00e9liennes g\u00e9n\u00e9tiques (ex. ratios ph\u00e9notypiques 9:3:3:1), des profils \u00e9pid\u00e9miologiques \u00e9tablis ou des pr\u00e9visions issues de mod\u00e8les th\u00e9oriques sophistiqu\u00e9s.<\/p>\n

        Dans cette configuration, l’analyste doit saisir manuellement dans la colonne C les probabilit\u00e9s th\u00e9oriques a priori associ\u00e9es \u00e0 chaque classe. Il est alors imp\u00e9ratif d’ex\u00e9cuter un contr\u00f4le de fermeture stochastique : la somme de ces probabilit\u00e9s th\u00e9oriques a priori doit \u00e9galer exactement 1,00 (ou 100 %). Pour certifier cette condition math\u00e9matique essentielle, ins\u00e9rez une formule de contr\u00f4le au pied de la colonne C :<\/p>\n

        =SOMME(C2:C6)<\/code><\/p>\n

        Si ce total s’\u00e9carte, m\u00eame de mani\u00e8re infinit\u00e9simale (hors impr\u00e9cisions de virgule flottante minimes), de la valeur 1, le mod\u00e8le th\u00e9orique est structurellement corrompu. D\u00e8s lors que cette contrainte unitaire est formellement valid\u00e9e, le calcul des effectifs attendus en colonne D s’op\u00e8re par la r\u00e9plication de la formule de produit matriciel terme \u00e0 terme :<\/p>\n

        =$B$<\/span>7*C2<\/code><\/p>\n

        Un principe de coh\u00e9rence arithm\u00e9tique absolue doit \u00eatre v\u00e9rifi\u00e9 \u00e0 ce stade : la somme totale des effectifs th\u00e9oriques attendus (=SOMME(D2:D6)<\/code>) doit \u00eatre rigoureusement identique \u00e0 la somme totale des effectifs observ\u00e9s (=SOMME(B2:B6)<\/code>). Si ces deux totaux ne co\u00efncident pas parfaitement au niveau de la cellule d’arrondi d\u00e9cimal, une erreur de r\u00e9f\u00e9rence relative ou absolue a \u00e9t\u00e9 commise dans la feuille de calcul.<\/p>\n

        4.3 Diagnostic de validit\u00e9 des effectifs attendus<\/h3>\n

        Avant d’engager le moindre calcul de d\u00e9viation, il est m\u00e9thodologiquement imp\u00e9ratif d’auditer la colonne des effectifs th\u00e9oriques attendus (colonne D) \u00e0 l’aune du crit\u00e8re de Cochran explicit\u00e9 dans la section th\u00e9orique pr\u00e9c\u00e9dente. Excel offre des fonctionnalit\u00e9s de contr\u00f4le visuel et logique imm\u00e9diates pour ex\u00e9cuter ce diagnostic.<\/p>\n

        Pour mettre en place un diagnostic visuel instantan\u00e9, s\u00e9lectionnez la plage des effectifs attendus D2:D6<\/code> et acc\u00e9dez \u00e0 Accueil > Mise en forme conditionnelle > R\u00e8gles de mise en surbrillance des cellules > Inf\u00e9rieur \u00e0…<\/em>, puis saisissez la valeur seuil de 5 avec un remplissage rouge clair. Toute cellule en infraction s’allumera instantan\u00e9ment.<\/p>\n

        Pour formaliser ce contr\u00f4le de mani\u00e8re algorithmique au sein d’une cellule de diagnostic synth\u00e9tique (par exemple en D8<\/code>), il est possible de concevoir une formule logique sophistiqu\u00e9e combinant les fonctions SI<\/code>, NB.SI<\/code>, et NBVAL<\/code> :<\/p>\n

        =SI(NB.SI(D2:D6;\"<1\")>0;\"Violation critique : E_i < 1\";SI(NB.SI(D2:D6;\"<5\")\/NBVAL(D2:D6)>0,2;\"Violation : > 20% sous 5\";\"Conditions de validit\u00e9 de Cochran respect\u00e9es\"))<\/code><\/p>\n

        Ce diagnostic automatis\u00e9 offre une s\u00e9curit\u00e9 m\u00e9thodologique int\u00e9grale : il emp\u00eache l’analyste de poursuivre aveugl\u00e9ment l’inf\u00e9rence lorsque les conditions math\u00e9matiques d’approximation de Pearson sont compromises, imposant un regroupement de modalit\u00e9s ou le recours aux tests exacts.<\/p>\n

        5. D\u00e9composition analytique de la statistique de test dans Excel<\/h2>\n

        Bien que Microsoft Excel dispose de fonctions automatis\u00e9es en bo\u00eete noire, la d\u00e9composition pas \u00e0 pas de la statistique de test dans des colonnes d\u00e9di\u00e9es demeure la m\u00e9thode de r\u00e9f\u00e9rence absolue sur le plan p\u00e9dagogique, scientifique et diagnostique. Elle permet de visualiser la provenance de la variance et d’isoler avec pr\u00e9cision les anomalies distributionnelles.<\/p>\n

        5.1 Calcul des r\u00e9sidus simples et examen directionnel<\/h3>\n

        La premi\u00e8re composante analytique \u00e9l\u00e9mentaire est le r\u00e9sidu simple ou d\u00e9viation brute, calcul\u00e9 par la soustraction de l’effectif th\u00e9orique attendu \u00e0 l’effectif empirique observ\u00e9. Cr\u00e9ez un en-t\u00eate intitul\u00e9 \u00ab R\u00e9sidu simple (O – E) \u00bb en cellule E1<\/code>. Dans la cellule E2<\/code>, saisissez la formule \u00e9l\u00e9mentaire suivante :<\/p>\n

        =B2-D2<\/code><\/p>\n

        \u00c9tirez ensuite cette formule vers le bas jusqu’\u00e0 la cellule E6<\/code>. L’examen minutieux de ces r\u00e9sidus simples apporte une information directionnelle imm\u00e9diate que l’amplitude globale du Khi-deux occulte totalement. Un r\u00e9sidu de signe positif indique une sur-repr\u00e9sentation empirique de la cat\u00e9gorie concern\u00e9e par rapport aux pr\u00e9visions du mod\u00e8le th\u00e9orique. Inversement, un r\u00e9sidu de signe n\u00e9gatif signale un d\u00e9ficit d’observations, r\u00e9v\u00e9lant une sous-repr\u00e9sentation comportementale.<\/p>\n

        \u00c0 titre de v\u00e9rification interne de l’int\u00e9grit\u00e9 alg\u00e9brique de votre tableau, calculez la somme de cette colonne au bas du tableau (en E7<\/code>) : =SOMME(E2:E6)<\/code>. En vertu des propri\u00e9t\u00e9s fondamentales de la translation lin\u00e9aire des effectifs contraints par la taille globale N<\/em>, cette somme doit \u00eatre rigoureusement \u00e9gale \u00e0 0 (aux infimes impr\u00e9cisions d’arrondi binaire pr\u00e8s de l’ordre de 10-14<\/sup>). Tout r\u00e9sultat divergeant de z\u00e9ro signale une alt\u00e9ration grave dans la formulation des colonnes ant\u00e9rieures.<\/p>\n

        5.2 \u00c9l\u00e9vation au carr\u00e9 et calcul des composantes de contingence<\/h3>\n

        L’\u00e9tape computationnelle subs\u00e9quente consiste \u00e0 calculer la contribution individuelle de chaque classe \u00e0 la statistique globale de Pearson. Pour maximiser la clart\u00e9, cette \u00e9tape peut \u00eatre scind\u00e9e ou condens\u00e9e en une formule unique repr\u00e9sentant le terme χ²i<\/sub> = (Oi<\/sub><\/em> – Ei<\/sub><\/em>)² \/ Ei<\/sub><\/em>.<\/p>\n

        Cr\u00e9ez l’en-t\u00eate \u00ab Composante Khi-deux [(O – E)^2 \/ E] \u00bb dans la cellule F1<\/code>. Saisissez en F2<\/code> la formule suivante, exploitant l’op\u00e9rateur exponentiel circonflexe :<\/p>\n

        =(B2-D2)^2\/D2<\/code><\/p>\n

        Alternativement, vous pouvez mobiliser la fonction native PUISSANCE<\/code> combin\u00e9e au r\u00e9sidu simple pr\u00e9alablement calcul\u00e9 en colonne E :<\/p>\n

        =PUISSANCE(E2;2)\/D2<\/code><\/p>\n

        Recopiez cette formulation math\u00e9matique sur l’ensemble des rang\u00e9es de cat\u00e9gories (jusqu’\u00e0 F6<\/code>). L’inspection attentive des valeurs num\u00e9riques ainsi g\u00e9n\u00e9r\u00e9es est d’une port\u00e9e heuristique majeure pour l’analyste. Chaque composante repr\u00e9sente le poids relatif d’\u00e9cart standardis\u00e9 attribuable \u00e0 la modalit\u00e9 correspondante. Les cat\u00e9gories g\u00e9n\u00e9rant les composantes les plus massives constituent les moteurs principaux de l’\u00e9ventuelle d\u00e9viation globale du syst\u00e8me empirique, d\u00e9signant les segments du comportement humain ou du processus \u00e9tudi\u00e9 qui entrent en rupture frontale avec l’hypoth\u00e8se de r\u00e9f\u00e9rence.<\/p>\n

        5.3 Sommation terminale et extraction de la statistique empirique<\/h3>\n

        La statistique empirique finale du Khi-deux d’ad\u00e9quation, usuellement d\u00e9sign\u00e9e dans la litt\u00e9rature statistique sous les symboles χ²calc<\/sub> ou χ²obs<\/sub>, s’obtient simplement par l’agr\u00e9gation arithm\u00e9tique de l’ensemble des composantes individuelles calcul\u00e9es \u00e0 l’\u00e9tape pr\u00e9c\u00e9dente.<\/p>\n

        Au bas de la colonne F, au sein de la cellule F7<\/code> (ou dans une cellule isol\u00e9e d’un bloc de synth\u00e8se, par exemple I2<\/code>), impl\u00e9mentez la fonction de sommation terminale :<\/p>\n

        =SOMME(F2:F6)<\/code><\/p>\n

        Cette cellule h\u00e9berge d\u00e9sormais la valeur quantitative scalaire repr\u00e9sentant la distance globale de divergence selon Pearson existant entre vos observations r\u00e9elles de terrain et la loi th\u00e9orique postul\u00e9e par H0. Plus cette statistique empirique est proche de 0, plus l’ad\u00e9quation entre l’exp\u00e9rience et la th\u00e9orie est absolue. \u00c0 l’inverse, des valeurs consid\u00e9rablement \u00e9lev\u00e9es sugg\u00e8rent l’invraisemblance d’une simple co\u00efncidence stochastique, pavant la voie vers le rejet formel du mod\u00e8le th\u00e9orique sous r\u00e9serve de l’\u00e9valuation probabiliste des degr\u00e9s de libert\u00e9.<\/p>\n

        6. D\u00e9termination des degr\u00e9s de libert\u00e9 et calcul direct de la p-valeur<\/h2>\n

        Une statistique de test scalaire est intrins\u00e8quement muette tant qu’elle n’est pas contextualis\u00e9e au sein de sa distribution d’\u00e9chantillonnage de r\u00e9f\u00e9rence. Pour transformer cette valeur de Khi-deux en une probabilit\u00e9 exacte de d\u00e9passement sous l’hypoth\u00e8se nulle (la fameuse p-valeur), il est indispensable d’\u00e9tablir avec une exactitude sans faille le nombre de degr\u00e9s de libert\u00e9 sous-jacents.<\/p>\n

        6.1 Calcul algorithmique des degr\u00e9s de libert\u00e9<\/h3>\n

        Dans la formulation standard d’un test d’ad\u00e9quation du Khi-deux o\u00f9 la distribution th\u00e9orique est enti\u00e8rement pr\u00e9d\u00e9finie a priori (c’est-\u00e0-dire sans que les param\u00e8tres de cette distribution n’aient \u00e9t\u00e9 pr\u00e9alablement estim\u00e9s \u00e0 partir des donn\u00e9es de l’\u00e9chantillon lui-m\u00eame), le nombre de degr\u00e9s de libert\u00e9 (not\u00e9 usuellement ddl<\/em> ou df<\/em> pour degrees of freedom<\/em>) est strictement \u00e9gal au nombre total de modalit\u00e9s qualitatives moins une unit\u00e9 :<\/p>\n

        ddl<\/em> = k<\/em> – 1<\/p>\n

        Pour automatiser ce calcul dans Excel et immuniser le mod\u00e8le contre d’\u00e9ventuelles modifications dynamiques de la dimensionnalit\u00e9 du tableau, r\u00e9servez une cellule de synth\u00e8se (par exemple I3<\/code>) et int\u00e9grez la formule s’appuyant sur la fonction NBVAL<\/code> appliqu\u00e9e \u00e0 la plage des labels de modalit\u00e9s :<\/p>\n

        =NBVAL(A2:A6)-1<\/code><\/p>\n

        Mise en garde th\u00e9orique fondamentale :<\/em> Si votre mod\u00e8le th\u00e9orique requiert l’estimation pr\u00e9alable d’un ou plusieurs param\u00e8tres populationnels inconnus directement \u00e0 partir de vos donn\u00e9es observ\u00e9es (comme par exemple la moyenne et l’\u00e9cart-type d’une variable dans le cadre d’un test d’ajustement \u00e0 une loi normale discr\u00e9tis\u00e9e, ou le param\u00e8tre λ d’une loi de Poisson), chaque param\u00e8tre ainsi estim\u00e9 impose une contrainte lin\u00e9aire additionnelle sur les donn\u00e9es. La formule g\u00e9n\u00e9rale devient alors ddl<\/em> = k<\/em> – 1 – m<\/em>, o\u00f9 m<\/em> repr\u00e9sente le nombre de param\u00e8tres distributionnels estim\u00e9s sur l’\u00e9chantillon. L’omission de cette d\u00e9duction de param\u00e8tres conduit \u00e0 un surdimensionnement des degr\u00e9s de libert\u00e9, produisant des p-valeurs artificiellement trop conservatrices.<\/p>\n

        \"Goodness
        Goodness of Fit test in Excel<\/figcaption><\/figure>\n

        6.2 Mobilisation de la fonction LOI.KHIDEUX.DROITE<\/h3>\n

        La statistique du Khi-deux χ²obs<\/sub> et ses degr\u00e9s de libert\u00e9 \u00e9tant connus, le calcul de la probabilit\u00e9 exacte d’observer, sous condition de validit\u00e9 stricte de l’hypoth\u00e8se nulle, une statistique d’\u00e9cart au moins aussi extr\u00eame que celle observ\u00e9e requiert l’int\u00e9gration de la surface sous la courbe de la densit\u00e9 de probabilit\u00e9 continue du Khi-deux, depuis la valeur χ²obs<\/sub> jusqu’\u00e0 l’infini positif. Dans les versions contemporaines de Microsoft Excel (d\u00e8s Excel 2010 et sur l’ensemble des d\u00e9clinaisons Microsoft 365), cette op\u00e9ration est ex\u00e9cut\u00e9e avec une haute pr\u00e9cision num\u00e9rique par la fonction native LOI.KHIDEUX.DROITE<\/code>.<\/p>\n

        La syntaxe formelle de cette fonction requiert rigoureusement deux param\u00e8tres positionnels :<\/p>\n

        =LOI.KHIDEUX.DROITE(x; degr\u00e9s_libert\u00e9)<\/code><\/p>\n

        En assignant les r\u00e9f\u00e9rences de vos cellules de calcul (supposons la statistique χ² en I2<\/code> et les degr\u00e9s de libert\u00e9 en I3<\/code>), la formule s’\u00e9nonce comme suit dans la cellule de p-valeur I4<\/code> :<\/p>\n

        =LOI.KHIDEUX.DROITE(I2; I3)<\/code><\/p>\n

        Cette fonction remplace avantageusement l’ancienne fonction d\u00e9pr\u00e9ci\u00e9e LOI.KHIDEUX<\/code> des versions ant\u00e9rieures \u00e0 2010. Elle \u00e9limine les ambigu\u00eft\u00e9s quant \u00e0 la zone d’int\u00e9gration calcul\u00e9e en garantissant sans \u00e9quivoque qu’il s’agit de la probabilit\u00e9 unilat\u00e9rale droite (queue sup\u00e9rieure de distribution), correspondant exactement \u00e0 la r\u00e9gion de rejet du test d’ad\u00e9quation. Lorsque la statistique empirique calcul\u00e9e est extraordinairement \u00e9lev\u00e9e, Excel g\u00e8re avec fluidit\u00e9 la d\u00e9croissance exponentielle de la fonction gamma sous-jacente en affichant des notations scientifiques d’une remarquable pr\u00e9cision (ex. 2,45E-08<\/code>).<\/p>\n

        6.3 Alternative via la fonction distributionnelle cumulative standard<\/h3>\n

        Dans un souci d’exhaustivit\u00e9 m\u00e9thodologique et de compr\u00e9hension approfondie des m\u00e9canismes distributionnels, il convient de souligner qu’Excel propose \u00e9galement la fonction cumulative globale LOI.KHIDEUX<\/code>, con\u00e7ue sur le mod\u00e8le d’int\u00e9gration depuis l’origine 0 jusqu’au point d’\u00e9valuation x<\/em>.<\/p>\n

        La syntaxe de cette fonction distributionnelle g\u00e9n\u00e9rale int\u00e8gre un argument logique d’accumulation :<\/p>\n

        =LOI.KHIDEUX(x; degr\u00e9s_libert\u00e9; cumulatif)<\/code><\/p>\n

        Pour d\u00e9terminer la surface de rejet sup\u00e9rieure (la p-valeur unilat\u00e9rale droite) \u00e0 l’aide de cet op\u00e9rateur cumulatif, il est imp\u00e9ratif de param\u00e9trer le troisi\u00e8me argument sur VRAI<\/code> (afin d’extraire l’int\u00e9grale cumulative de 0 \u00e0 x<\/em>) et de soustraire ce r\u00e9sultat de la masse totale de probabilit\u00e9 qui est \u00e9gale \u00e0 1. La formule \u00e9quivalente s’\u00e9crit donc formellement :<\/p>\n

        =1-LOI.KHIDEUX(I2; I3; VRAI)<\/code><\/p>\n

        L’ex\u00e9cution de cette double approche dans deux cellules distinctes de votre feuille de travail permet de valider de mani\u00e8re redondante la coh\u00e9rence algorithmique de votre mod\u00e8le. Les r\u00e9sultats num\u00e9riques produits par LOI.KHIDEUX.DROITE(I2; I3)<\/code> et 1-LOI.KHIDEUX(I2; I3; VRAI)<\/code> convergent jusqu’\u00e0 la quinzi\u00e8me d\u00e9cimale, offrant une certitude absolue quant \u00e0 l’absence d’erreurs de syntaxe g\u00e9om\u00e9trique.<\/p>\n

        7. Automatisation int\u00e9gr\u00e9e via la fonction native TEST.KHIDEUX<\/h2>\n

        Microsoft Excel a int\u00e9gr\u00e9 une fonction de haut niveau destin\u00e9e \u00e0 ex\u00e9cuter l’ensemble du protocole inf\u00e9rentiel en une seule instruction de calcul : la fonction TEST.KHIDEUX<\/code>. Si cette fonction brille par sa rapidit\u00e9 d’ex\u00e9cution, son statut de \u00ab bo\u00eete noire \u00bb exige une analyse critique de son fonctionnement interne.<\/p>\n

        7.1 Syntaxe op\u00e9rationnelle et mise en \u0153uvre sans \u00e9tapes interm\u00e9diaires<\/h3>\n

        La fonction TEST.KHIDEUX<\/code> (qui a succ\u00e9d\u00e9 \u00e0 l’ancienne fonction TEST.CHISQ<\/code> ou CHITEST<\/code>) est un algorithme pr\u00e9programm\u00e9 qui calcule directement et exclusivement la p-valeur du test, en r\u00e9alisant en m\u00e9moire l’ensemble des soustractions de r\u00e9sidus, des \u00e9l\u00e9vations au carr\u00e9, des divisions pond\u00e9r\u00e9es, de la sommation de Pearson et de l’int\u00e9gration sous la loi de distribution.<\/p>\n

        Sa syntaxe est d’une grande sobri\u00e9t\u00e9, n’exigeant que deux matrices contigu\u00ebs de dimensions strictement homologues :<\/p>\n

        =TEST.KHIDEUX(plage_observ\u00e9e; plage_attendue)<\/code><\/p>\n

        Dans la configuration de notre feuille de calcul, en consid\u00e9rant les effectifs empiriques positionn\u00e9s de B2<\/code> \u00e0 B6<\/code> et les effectifs th\u00e9oriques mod\u00e9lis\u00e9s de D2<\/code> \u00e0 D6<\/code>, la mise en \u0153uvre de la fonction dans une cellule d\u00e9di\u00e9e (par exemple I5<\/code>) s’articule ainsi :<\/p>\n

        =TEST.KHIDEUX(B2:B6; D2:D6)<\/code><\/p>\n

        D\u00e8s la validation par la touche Entr\u00e9e, Excel d\u00e9livre instantan\u00e9ment la p-valeur exacte. Il est fondamental de veiller \u00e0 ce que les deux plages s\u00e9lectionn\u00e9es ne comportent aucune cellule de totalisation ou d’en-t\u00eate textuel, et pr\u00e9sentent un nombre absolument identique de lignes et de colonnes sous peine de d\u00e9clencher imm\u00e9diatement une erreur de type #N\/A<\/code>.<\/p>\n

        7.2 Avantages algorithmiques et risques de la bo\u00eete noire<\/h3>\n

        L’utilisation de la fonction TEST.KHIDEUX<\/code> conf\u00e8re des avantages substantiels en termes de productivit\u00e9 analytique. Elle minimise consid\u00e9rablement le risque d’erreurs manuelles d’encodage de formules au sein de matrices \u00e9tendues, \u00e9vite la prolif\u00e9ration de colonnes interm\u00e9diaires susceptibles d’alourdir inutilement la pr\u00e9sentation visuelle, et s’av\u00e8re particuli\u00e8rement efficiente lors de l’int\u00e9gration de tests statistiques au sein de macros VBA ou de tableaux de bord ex\u00e9cutifs automatis\u00e9s.<\/p>\n

        N\u00e9anmoins, sur le plan \u00e9pist\u00e9mologique et p\u00e9dagogique, le recours exclusif \u00e0 cette fonction comporte des risques majeurs inh\u00e9rents aux proc\u00e9dures dites de \u00ab bo\u00eete noire \u00bb :<\/p>\n

          \n
        • Invisibilit\u00e9 de la statistique d’\u00e9preuve :<\/strong> La fonction TEST.KHIDEUX<\/code> retourne unilat\u00e9ralement la p-valeur, mais n’affiche nulle part la valeur empirique de la statistique χ² calcul\u00e9e ni les degr\u00e9s de libert\u00e9 mobilis\u00e9s. Or, ces m\u00e9triques interm\u00e9diaires sont obligatoirement requises lors de la r\u00e9daction de rapports scientifiques r\u00e9pondant aux normes acad\u00e9miques internationales (notamment les normes APA).<\/li>\n
        • Impossibilit\u00e9 d’audit post-hoc :<\/strong> En masquant les composantes interm\u00e9diaires de d\u00e9viation, la fonction interdit toute identification visuelle imm\u00e9diate des classes comportementales motrices de l’\u00e9cart. L’analyste se trouve inform\u00e9 qu’un \u00e9cart global existe, mais demeure incapable de discerner quelles modalit\u00e9s sp\u00e9cifiques sur-performent ou sous-performent le mod\u00e8le.<\/li>\n
        • Danger de violation silencieuse des pr\u00e9suppos\u00e9s :<\/strong> La fonction TEST.KHIDEUX<\/code> ex\u00e9cute froidement l’algorithme m\u00eame si vos effectifs attendus sont de 0,1 ou si le crit\u00e8re de Cochran est grossi\u00e8rement viol\u00e9. Elle ne d\u00e9livre aucun avertissement quant \u00e0 la validit\u00e9 m\u00e9thodologique du calcul op\u00e9r\u00e9.<\/li>\n<\/ul>\n

          7.3 Comparaison critique des deux approches de calcul sous Excel<\/h3>\n

          Le tableau comparatif suivant synth\u00e9tise les propri\u00e9t\u00e9s op\u00e9rationnelles, diagnostiques et heuristiques opposant la d\u00e9composition analytique par colonnes \u00e0 l’utilisation directe de la fonction int\u00e9gr\u00e9e :<\/p>\n\n\n\n\n\n\n\n\n\n
          Dimension d’\u00e9valuation<\/th>\nD\u00e9composition analytique pas \u00e0 pas<\/th>\nFonction int\u00e9gr\u00e9e TEST.KHIDEUX<\/th>\n<\/tr>\n<\/thead>\n
          Accessibilit\u00e9 de la statistique χ²<\/strong><\/td>\nDirectement affich\u00e9e et exploitable pour le reporting<\/td>\nOccult\u00e9e (absente de la sortie de calcul)<\/td>\n<\/tr>\n
          Tra\u00e7abilit\u00e9 des r\u00e9sidus directionnels<\/strong><\/td>\nOptimale (rep\u00e9rage imm\u00e9diat des sur\/sous-repr\u00e9sentations)<\/td>\nNulle (aucune d\u00e9composition interm\u00e9diaire)<\/td>\n<\/tr>\n
          Sensibilit\u00e9 aux violations de validit\u00e9<\/strong><\/td>\n\u00c9lev\u00e9e (diagnostic ais\u00e9 via mise en forme conditionnelle)<\/td>\nAveugle (aucun message d’alerte m\u00e9thodologique)<\/td>\n<\/tr>\n
          Vitesse de d\u00e9ploiement op\u00e9rationnel<\/strong><\/td>\nMod\u00e9r\u00e9e (n\u00e9cessite l’agencement de plusieurs colonnes)<\/td>\nInstantan\u00e9e (une seule formule sur deux plages)<\/td>\n<\/tr>\n
          Conformit\u00e9 aux exigences de publication<\/strong><\/td>\nInt\u00e9grale (fournit tous les param\u00e8tres requis par l’APA)<\/td>\nInsuffisante si utilis\u00e9e de fa\u00e7on isol\u00e9e<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

          La pratique m\u00e9thodologique optimale consiste \u00e0 combiner syst\u00e9matiquement ces deux approches au sein d’une m\u00eame feuille de calcul. L’analyste d\u00e9ploie l’architecture pas \u00e0 pas pour asseoir sa tra\u00e7abilit\u00e9, extraire les m\u00e9triques de contingence et op\u00e9rer son diagnostic clinique, tout en int\u00e9grant la fonction TEST.KHIDEUX<\/code> dans une cellule de validation crois\u00e9e pour attester de la parfaite concordance des r\u00e9sultats num\u00e9riques.<\/p>\n

          8. D\u00e9termination de la valeur critique et seuils de d\u00e9cision<\/h2>\n

          L’inf\u00e9rence statistique formelle ne se limite pas au calcul d’une probabilit\u00e9 d’observation ; elle implique une prise de d\u00e9cision tranch\u00e9e quant au maintien ou au rejet de l’hypoth\u00e8se nulle. Cette d\u00e9cision g\u00e9om\u00e9trique repose sur la comparaison structurelle entre la statistique d’\u00e9preuve empirique et une valeur critique th\u00e9orique pr\u00e9d\u00e9finie.<\/p>\n

          8.1 Calcul de la valeur critique par LOI.KHIDEUX.INVERSE.DROITE<\/h3>\n

          La valeur critique correspond au point d’abscisse de la distribution continue du Khi-deux au-del\u00e0 duquel se situe exactement une proportion d’aire sous la courbe \u00e9gale au seuil de signification α choisi a priori par le chercheur (conventionnellement fix\u00e9 \u00e0 0,05 dans les sciences du comportement, ou ajust\u00e9 \u00e0 0,01 dans les contextes o\u00f9 l’erreur de type I doit \u00eatre drastiquement brid\u00e9e). Toute statistique empirique d\u00e9passant cette borne franchit la fronti\u00e8re de la zone critique de rejet.<\/p>\n

          Pour d\u00e9terminer cette valeur critique sous Microsoft Excel, il convient de faire appel \u00e0 la fonction d’inversion distributionnelle \u00e0 queue unilat\u00e9rale droite : LOI.KHIDEUX.INVERSE.DROITE<\/code>. Sa syntaxe requiert la probabilit\u00e9 du seuil alpha et le nombre de degr\u00e9s de libert\u00e9 du mod\u00e8le :<\/p>\n

          =LOI.KHIDEUX.INVERSE.DROITE(probabilit\u00e9; degr\u00e9s_libert\u00e9)<\/code><\/p>\n

          Supposons que vous ayez inscrit le seuil de signification choisi (ex. 0,05<\/code>) dans la cellule I6<\/code> et que les degr\u00e9s de libert\u00e9 soient calcul\u00e9s en I3<\/code>. La formule d\u00e9terminant la valeur seuil d’exclusion s’encode en I7<\/code> sous la forme suivante :<\/p>\n

          =LOI.KHIDEUX.INVERSE.DROITE(I6; I3)<\/code><\/p>\n

          Pour un syst\u00e8me comportant par exemple 4 degr\u00e9s de libert\u00e9 au seuil de risque α = 0,05, la fonction retourne avec pr\u00e9cision la valeur critique 9,4877<\/code>. Cette fonction moderne remplace l’ancienne formule obsol\u00e8te KHIDEUX.INVERSE<\/code>, dont la syntaxe invers\u00e9e pr\u00eatait fr\u00e9quemment \u00e0 confusion chez les utilisateurs.<\/p>\n

          8.2 \u00c9tablissement formel de la r\u00e8gle de d\u00e9cision g\u00e9om\u00e9trique<\/h3>\n

          La r\u00e8gle d’inf\u00e9rence universelle de Neyman-Pearson s’\u00e9nonce selon un principe g\u00e9om\u00e9trique binaire sans \u00e9quivoque :<\/p>\n

            \n
          • Si χ²obs<\/sub> > χ²critique<\/sub><\/strong> : La distance globale s\u00e9parant les observations empiriques du mod\u00e8le th\u00e9orique d\u00e9passe le seuil maximal imputable aux simples al\u00e9as de l’\u00e9chantillonnage al\u00e9atoire. L’analyste rejette formellement l’hypoth\u00e8se nulle H0 au seuil de risque α, et affirme que la distribution empirique ne s’ajuste pas au mod\u00e8le postul\u00e9.<\/li>\n
          • Si χ²obs<\/sub> ≤ χ²critique<\/sub><\/strong> : L’ampleur de la d\u00e9viation empirique reste compatible avec les fluctuations stochastiques d’\u00e9chantillonnage. L’analyste \u00e9choue \u00e0 rejeter l’hypoth\u00e8se nulle H0. Les donn\u00e9es sont consid\u00e9r\u00e9es comme statistiquement conformes au mod\u00e8le th\u00e9orique th\u00e9oris\u00e9.<\/li>\n<\/ul>\n

            Pour conf\u00e9rer \u00e0 votre feuille de calcul une totale autonomie d\u00e9cisionnelle exempte de toute ambigu\u00eft\u00e9 d’interpr\u00e9tation humaine, il est recommand\u00e9 d’impl\u00e9menter une formule logique conditionnelle SI<\/code> au sein d’une cellule de conclusion formelle (par exemple en I8<\/code>) :<\/p>\n

            =SI(I2>I7; \"Rejet de H0 : D\u00e9viation significative du mod\u00e8le\"; \"Non-rejet de H0 : Ad\u00e9quation statistiquement conforme\")<\/code><\/p>\n

            Cette automatisation garantit un statut clair et imm\u00e9diat du verdict inf\u00e9rentiel, mis \u00e0 jour dynamiquement en cas de modification ult\u00e9rieure des donn\u00e9es ou des seuils statistiques.<\/p>\n

            8.3 Double validation : confrontation de la p-valeur et du seuil critique<\/h3>\n

            Il existe une correspondance math\u00e9matique isomorphe absolue entre la d\u00e9cision inf\u00e9rentielle bas\u00e9e sur la r\u00e8gle de la valeur critique et celle d\u00e9coulant de l’examen de la p-valeur. Ces deux m\u00e9thodes ne sont que les deux faces g\u00e9om\u00e9triques d’une seule et m\u00eame r\u00e9alit\u00e9 probabiliste :<\/p>\n

            χ²obs<\/sub> > χ²critique<\/sub> ⇔ p<\/em> < α<\/p>\n

            Si la statistique empirique calcul\u00e9e d\u00e9passe la valeur critique, la p-valeur issue de LOI.KHIDEUX.DROITE<\/code> est math\u00e9matiquement contrainte d’\u00eatre strictement inf\u00e9rieure au seuil de risque alpha nominal. Si une divergence venait \u00e0 appara\u00eetre entre ces deux crit\u00e8res au sein d’une feuille de travail Excel, cela indiquerait infailliblement une discordance de param\u00e9trage (par exemple, un seuil critique calcul\u00e9 pour α = 0,01 confront\u00e9 \u00e0 une interpr\u00e9tation de p-valeur jug\u00e9e \u00e0 0,05, ou une erreur sur le d\u00e9compte des degr\u00e9s de libert\u00e9).<\/p>\n

            Une attention m\u00e9ticuleuse doit \u00eatre port\u00e9e \u00e0 l’exactitude des arrondis dans les cas d’extr\u00eame fronti\u00e8re, o\u00f9 la p-valeur oscille tr\u00e8s pr\u00e8s du seuil d\u00e9cisionnel (par exemple p<\/em> = 0,0498 ou p<\/em> = 0,0503). Dans ces situations limites, l’affichage standard d’Excel limit\u00e9 \u00e0 deux ou trois d\u00e9cimales peut afficher abusivement 0,05<\/code>, masquant le statut r\u00e9el de l’inf\u00e9rence. Il est imp\u00e9ratif de configurer le format d’affichage num\u00e9rique des cellules d’inf\u00e9rence pour pr\u00e9senter au minimum quatre \u00e0 cinq d\u00e9cimales significatives.<\/p>\n

            9. Quantification de la taille d’effet et diagnostic post-hoc<\/h2>\n

            La validation ou le rejet d’une hypoth\u00e8se par le biais d’une p-valeur constitue une \u00e9tape n\u00e9cessaire mais fonci\u00e8rement incompl\u00e8te dans la d\u00e9marche scientifique moderne. Comme le prescrivent avec insistance les comit\u00e9s \u00e9ditoriaux internationaux, la significativit\u00e9 statistique doit obligatoirement \u00eatre second\u00e9e par une quantification de la magnitude concr\u00e8te de l’effet et par un diagnostic pr\u00e9cis des sources locales de d\u00e9viation.<\/p>\n

            9.1 Calcul du V de Cramer et de l’indice w de Cohen<\/h3>\n

            La statistique du Khi-deux \u00e9tant, par construction, proportionnelle \u00e0 l’effectif total N<\/em>, une p-valeur tr\u00e8s hautement significative dans un vaste \u00e9chantillon peut masquer une d\u00e9viation structurelle infinit\u00e9simale et sans la moindre port\u00e9e pratique. Pour mesurer l’amplitude intrins\u00e8que de la divergence ind\u00e9pendamment de la taille de l’\u00e9chantillon, la litt\u00e9rature m\u00e9thodologique a consacr\u00e9 deux m\u00e9triques pr\u00e9\u00e9minentes : le w<\/em> de Jacob Cohen et le V<\/em> de Harald Cram\u00e9r.<\/p>\n

            L’indice de taille d’effet w<\/em> de Cohen adapt\u00e9 sp\u00e9cifiquement au test d’ad\u00e9quation s’exprime math\u00e9matiquement par l’\u00e9quation suivante :<\/p>\n

            w<\/em> = √( χ² \/ N<\/em> )<\/p>\n

            Cet indice \u00e9value la distance globale standardis\u00e9e entre les proportions observ\u00e9es et attendues. Pour impl\u00e9menter le w<\/em> de Cohen dans Excel au sein de la cellule I9<\/code>, utilisez la combinaison de la fonction racine carr\u00e9e RACINE<\/code> appliqu\u00e9e au ratio de la statistique Khi-deux (I2<\/code>) sur l’effectif global N<\/em> (B7<\/code>) :<\/p>\n

            =RACINE(I2\/$B$<\/span>7)<\/code><\/p>\n

            En pr\u00e9sence d’un test d’ad\u00e9quation \u00e0 une dimension comportant k<\/em> modalit\u00e9s, le V<\/em> de Cram\u00e9r est conventionnellement standardis\u00e9 par la relation V<\/em> = √( χ² \/ (N<\/em> × (k<\/em> – 1)) ). Dans Excel (cellule I10<\/code>), en exploitant les degr\u00e9s de libert\u00e9 en I3<\/code>, la formule s’articule ainsi :<\/p>\n

            =RACINE(I2\/($B$<\/span>7*I3))<\/code><\/p>\n

            Selon les rep\u00e8res universels th\u00e9oris\u00e9s par Jacob Cohen pour les tables d’ad\u00e9quation :<\/p>\n

              \n
            • Effet de faible amplitude :<\/strong> w<\/em> ≈ 0,10 (d\u00e9viation mineure, proche du bruit de fond).<\/li>\n
            • Effet de moyenne amplitude :<\/strong> w<\/em> ≈ 0,30 (divergence visible et substantielle par rapport au mod\u00e8le).<\/li>\n
            • Effet de forte amplitude :<\/strong> w<\/em> ≥ 0,50 (rupture radicale et massive entre th\u00e9orie et r\u00e9alit\u00e9).<\/li>\n<\/ul>\n

              9.2 Calcul et interpr\u00e9tation des r\u00e9sidus standardis\u00e9s ajust\u00e9s<\/h3>\n

              Le rejet global de l’hypoth\u00e8se nulle n’indique pas quelles cat\u00e9gories pr\u00e9cises sont responsables de la rupture du mod\u00e8le. Pour identifier avec rigueur les modalit\u00e9s g\u00e9n\u00e9ratrices de significativit\u00e9, le chercheur doit calculer les r\u00e9sidus standardis\u00e9s ajust\u00e9s (\u00e9galement qualifi\u00e9s de r\u00e9sidus de Haberman r\u00e9duits), qui suivent asymptotiquement une loi normale centr\u00e9e r\u00e9duite N<\/em>(0, 1).<\/p>\n

              Pour le test d’ad\u00e9quation \u00e0 une seule variable, le r\u00e9sidu standardis\u00e9 ajust\u00e9 zi<\/sub><\/em> d’une cat\u00e9gorie i<\/em> se calcule selon l’expression formelle :<\/p>\n

              zi<\/sub><\/em> = (Oi<\/sub><\/em> – Ei<\/sub><\/em>) \/ √[ Ei<\/sub><\/em> × (1 – πi<\/sub>) ]<\/p>\n

              o\u00f9 (1 – πi<\/sub>) repr\u00e9sente le terme correcteur de variance multinomiale li\u00e9 \u00e0 la marge fixe de l’\u00e9chantillon. Pour d\u00e9ployer ce calcul dans Excel, ins\u00e9rez une colonne d’en-t\u00eate \u00ab R\u00e9sidu standardis\u00e9 z \u00bb en cellule G1<\/code>. Dans la cellule G2<\/code>, saisissez la formule math\u00e9matique suivante :<\/p>\n

              =(B2-D2)\/RACINE(D2*(1-C2))<\/code><\/p>\n

              Propagatez cette formule jusqu’\u00e0 la cellule G6<\/code>. Chaque valeur zi<\/sub><\/em> obtenue constitue un score standardis\u00e9 direct pouvant \u00eatre compar\u00e9 aux seuils critiques de la loi normale centr\u00e9e r\u00e9duite :<\/p>\n

                \n
              • Si |zi<\/sub><\/em>| > 1,96<\/strong> : L’\u00e9cart dans cette cat\u00e9gorie sp\u00e9cifique est statistiquement significatif au seuil α = 0,05.<\/li>\n
              • Si |zi<\/sub><\/em>| > 2,58<\/strong> : L’\u00e9cart est hautement significatif au seuil α = 0,01.<\/li>\n
              • Si |zi<\/sub><\/em>| > 3,29<\/strong> : L’\u00e9cart est exceptionnellement significatif au seuil α = 0,001.<\/li>\n<\/ul>\n

                L’inspection des signes renseigne imm\u00e9diatement sur la dynamique comportementale : un score z<\/em> de +3,12 traduit une sur-repr\u00e9sentation empirique \u00e9clatante, tandis qu’un score de -2,45 d\u00e9montre un d\u00e9ficit d’occurrences hautement improbable sous le mod\u00e8le th\u00e9orique.<\/p>\n

                9.3 Ajustement du seuil alpha pour comparaisons multiples<\/h3>\n

                L’inspection simultan\u00e9e des r\u00e9sidus standardis\u00e9s sur l’ensemble des k<\/em> cat\u00e9gories soul\u00e8ve imm\u00e9diatement l’\u00e9cueil classique de l’inflation de l’erreur globale de type I due aux comparaisons multiples (probl\u00e8me du taux d’erreur par famille d’hypoth\u00e8ses). Si un chercheur \u00e9value simultan\u00e9ment 10 cat\u00e9gories au seuil nominal α = 0,05, la probabilit\u00e9 d’observer au moins un r\u00e9sidu faussement significatif par le seul jeu du hasard s’\u00e9l\u00e8ve \u00e0 environ 1 – (1 – 0,05)10<\/sup> ≈ 40 %.<\/p>\n

                Pour juguler cette d\u00e9rive et garantir une inf\u00e9rence post-hoc d’une parfaite probit\u00e9 scientifique, il est imp\u00e9ratif d’appliquer une proc\u00e9dure de correction de seuil. La m\u00e9thode la plus universelle, bien que conservatrice, est l’ajustement s\u00e9quentiel de Bonferroni. Le seuil corrig\u00e9 α* s’obtient en divisant le risque global nominal par le nombre de tests partiels men\u00e9s, soit le nombre total de modalit\u00e9s k<\/em> :<\/p>\n

                α* = α \/ k<\/em><\/p>\n

                Pour calculer la nouvelle valeur critique z corrig\u00e9e dans Excel, int\u00e9grez la fonction de la loi normale inverse bilat\u00e9rale dans une cellule de r\u00e9f\u00e9rence (par exemple I11<\/code>) :<\/p>\n

                =LOI.NORMALE.STANDARD.INVERSE(1 - (I6 \/ (2 * NBVAL(A2:A6))))<\/code><\/p>\n

                Pour un ensemble de 5 modalit\u00e9s au risque global de 0,05, le seuil par test devient α* = 0,01, ce qui \u00e9l\u00e8ve le point d’exclusion critique standardis\u00e9 de 1,96 \u00e0 environ 2,576. Seules les modalit\u00e9s dont les r\u00e9sidus standardis\u00e9s ajust\u00e9s en colonne G exc\u00e8dent ce nouveau seuil \u00e9pur\u00e9 pourront \u00eatre l\u00e9gitimement proclam\u00e9es comme des sources r\u00e9elles d’inad\u00e9quation du mod\u00e8le th\u00e9orique dans les conclusions acad\u00e9miques.<\/p>\n

                10. Repr\u00e9sentation graphique professionnelle des \u00e9carts sous Excel<\/h2>\n

                La communication scientifique et l’analyse d\u00e9cisionnelle exigent une transposition visuelle claire des r\u00e9sultats inf\u00e9rentiels. Un graphique mal agenc\u00e9 peut obscurcir les tendances r\u00e9elles, tandis qu’une visualisation rigoureusement calibr\u00e9e selon les standards acad\u00e9miques valorise imm\u00e9diatement l’architecture des \u00e9carts.<\/p>\n

                10.1 Conception d’un graphique en barres juxtapos\u00e9es de haute lisibilit\u00e9<\/h3>\n

                Le format graphique le plus rigoureux et le plus parlant pour illustrer un test d’ad\u00e9quation est le diagramme en barres group\u00e9es (ou colonnes juxtapos\u00e9es), permettant une confrontation visuelle directe, cat\u00e9gorie par cat\u00e9gorie, entre l’effectif observ\u00e9 et l’effectif attendu.<\/p>\n

                Pour concevoir ce graphique dans Excel :<\/p>\n

                  \n
                1. S\u00e9lectionnez simultan\u00e9ment la plage des labels de cat\u00e9gories (A2:A6<\/code>), la plage des effectifs observ\u00e9s (B2:B6<\/code>) et la plage des effectifs th\u00e9oriques attendus (D2:D6<\/code>) en maintenant la touche Ctrl enfonc\u00e9e.<\/li>\n
                2. Acc\u00e9dez au ruban Insertion > Graphiques > Ins\u00e9rer un histogramme ou un graphique \u00e0 barres > Histogramme group\u00e9 2D<\/em>.<\/li>\n
                3. Un graphique appara\u00eet affichant deux barres contigu\u00ebs pour chaque classe. Pour optimiser la lisibilit\u00e9, appliquez un clic droit sur l’une des s\u00e9ries de barres, choisissez Mettre en forme une s\u00e9rie de donn\u00e9es<\/em>, puis ajustez la Superposition de s\u00e9ries<\/em> \u00e0 une valeur comprise entre -10 % et 0 % (pour bien s\u00e9parer les barres) et la Largeur de l’intervalle<\/em> \u00e0 environ 80 % ou 100 % (pour donner une assise visuelle \u00e9quilibr\u00e9e aux colonnes).<\/li>\n
                4. Attribuez des couleurs sobres et contrast\u00e9es compatibles avec les exigences d’accessibilit\u00e9 (notamment pour les personnes daltoniennes) : par exemple, un bleu fonc\u00e9 profond (#1F4E79) pour les donn\u00e9es empiriques observ\u00e9es, et un gris ardoise neutre (#7F7F7F) ou un bleu clair tram\u00e9 pour les effectifs th\u00e9oriques de r\u00e9f\u00e9rence.<\/li>\n<\/ol>\n
                  \"Chi-Square
                  Chi-Square Goodness of Fit Test in Excel<\/figcaption><\/figure>\n

                  10.2 Int\u00e9gration d’\u00e9l\u00e9ments visuels de diagnostic statistique<\/h3>\n

                  Pour transformer une simple illustration descriptive en un v\u00e9ritable graphique de diagnostic statistique, il est particuli\u00e8rement pertinent d’incorporer directement les indicateurs de d\u00e9viation r\u00e9siduelle au sein de l’environnement visuel.<\/p>\n

                  Deux m\u00e9thodologies visuelles avanc\u00e9es peuvent \u00eatre impl\u00e9ment\u00e9es :<\/p>\n

                    \n
                  • Graphique combin\u00e9 avec axe secondaire pour les r\u00e9sidus standardis\u00e9s :<\/strong> Ajoutez la s\u00e9rie des r\u00e9sidus standardis\u00e9s z<\/em> (colonne G) au graphique. Modifiez ensuite le type de graphique (via Cr\u00e9ation de graphique > Modifier le type de graphique > Graphique combin\u00e9<\/em>) en maintenant les s\u00e9ries Observ\u00e9es et Attendues sous forme d’Histogramme group\u00e9<\/em> sur l’axe principal, tout en assignant \u00e0 la s\u00e9rie des r\u00e9sidus standardis\u00e9s le format Ligne avec marqueurs<\/em> ou Histogramme 2D<\/em> sur l’axe secondaire. Ce proc\u00e9d\u00e9 juxtapose visuellement l’ampleur absolue des effectifs et la d\u00e9viation relative standardis\u00e9e.<\/li>\n
                  • Lignes de d\u00e9marcation critiques :<\/strong> Si vous optez pour un graphique d\u00e9di\u00e9 exclusivement \u00e0 la trajectoire des r\u00e9sidus standardis\u00e9s ajust\u00e9s, tracez deux lignes de r\u00e9f\u00e9rence horizontales en pointill\u00e9s rouges mat\u00e9rialisant les fronti\u00e8res ±1,96 (ou le seuil corrig\u00e9 de Bonferroni ±2,58). Toute barre r\u00e9siduelle franchissant ces lignes d’exclusion est imm\u00e9diatement per\u00e7ue comme statistiquement anormale par l’audience scientifique.<\/li>\n<\/ul>\n

                    10.3 Finalisation typographique selon les crit\u00e8res graphiques scientifiques<\/h3>\n

                    Les normes de publication acad\u00e9mique (telles que celles prescrites par le manuel de style de l’APA) imposent l’\u00e9puration totale de ce que le statisticien Edward Tufte qualifiait de \u00ab bruit graphique \u00bb (chartjunk<\/em>). Les tableurs comme Excel ont historiquement tendance \u00e0 surcharger les rendus par d\u00e9faut d’artifices visuels n\u00e9fastes \u00e0 la concentration intellectuelle.<\/p>\n

                    Pour conf\u00e9rer \u00e0 votre graphique le statut de figure publiable de haut rang :<\/p>\n

                      \n
                    • Suppression des lignes de quadrillage :<\/strong> Supprimez les quadrillages horizontaux gris\u00e9s par d\u00e9faut ou att\u00e9nuez-les tr\u00e8s fortement avec une transparence maximale.<\/li>\n
                    • Bannissement de la 3D :<\/strong> Proscrivez cat\u00e9goriquement les barres en trois dimensions, les biseaux, les ombres port\u00e9es et les d\u00e9grad\u00e9s complexes, qui introduisent des distorsions d’angle alt\u00e9rant l’\u00e9valuation perceptive des hauteurs relatives.<\/li>\n
                    • Titrage descriptif et \u00e9tiquetage formel :<\/strong> Attribuez des \u00e9tiquettes textuelles pr\u00e9cises et d\u00e9nu\u00e9es d’abr\u00e9viations cryptiques \u00e0 l’axe des abscisses (modalit\u00e9s) ainsi qu’\u00e0 l’axe des ordonn\u00e9es (en sp\u00e9cifiant explicitement \u00ab Fr\u00e9quences absolues \u00bb ou \u00ab Nombre de participants \u00bb). Positionnez une l\u00e9gende \u00e9pur\u00e9e en haut ou \u00e0 l’int\u00e9rieur de la zone de tra\u00e7age pour maximiser l’espace utile.<\/li>\n
                    • Exportation haute r\u00e9solution :<\/strong> Lors de l’extraction vers un traitement de texte comme Microsoft Word ou LaTeX, copiez le graphique en tant qu’\u00e9l\u00e9ment vectoriel (format m\u00e9tafichier \u00e9tendu ou PDF vectoriel) ou exportez-le avec une r\u00e9solution minimale de 300 \u00e0 600 DPI pour \u00e9viter toute pixellisation typographique \u00e0 l’impression.<\/li>\n<\/ul>\n

                      11. Erreurs courantes, \u00e9cueils m\u00e9thodologiques et solutions de rem\u00e9diation<\/h2>\n

                      L’apparente convivialit\u00e9 d’Excel peut paradoxalement favoriser des n\u00e9gligences m\u00e9thodologiques d\u00e9vastatrices. Les pi\u00e8ges jalonnant le calcul du test d’ad\u00e9quation sont nombreux, allant des b\u00e9vues logicielles \u00e9l\u00e9mentaires aux transgressions th\u00e9oriques majeures silencieusement avalis\u00e9es par le moteur de calcul.<\/p>\n

                      11.1 B\u00e9vues fr\u00e9quentes de syntaxe et de manipulation dans Excel<\/h3>\n

                      Sur le plan purement applicatif et op\u00e9rationnel au sein de la feuille de calcul, plusieurs dysfonctionnements r\u00e9currents doivent \u00eatre anticip\u00e9s et \u00e9radiqu\u00e9s :<\/p>\n

                        \n
                      • Inversion matricielle dans TEST.KHIDEUX :<\/strong> La syntaxe de TEST.KHIDEUX<\/code> prescrit d’ins\u00e9rer en premier argument la plage des valeurs observ\u00e9es, puis en second argument celle des valeurs th\u00e9oriques. Bien que l’inversion de ces deux matrices produise le m\u00eame r\u00e9sultat dans un test d’ad\u00e9quation unilat\u00e9ral standard (puisque Pearson standardise formellement par le d\u00e9nominateur attendu, mais qu’Excel recalcule la statistique selon ses tables internes), cette inversion devient dramatiquement fausse si les utilisateurs appliquent manuellement leurs formules de contingence en divisant par inadvertance les r\u00e9sidus quadratiques par les effectifs observ\u00e9s Oi<\/sub><\/em> au lieu des attendus Ei<\/sub><\/em>.<\/li>\n
                      • Omission des r\u00e9f\u00e9rences absolues ($) :<\/strong> L’oubli du symbole dollar lors de la mod\u00e9lisation des effectifs th\u00e9oriques (ex. \u00e9crire =B7*C2<\/code> au lieu de =$B$<\/span>7*C2<\/code>) entra\u00eene, lors de l’\u00e9tirement vers le bas, un glissement fatal vers des cellules vides ou textuelles (B8<\/code>, B9<\/code>…), g\u00e9n\u00e9rant silencieusement des z\u00e9ros ou l’erreur #VALEUR!<\/code>.<\/li>\n
                      • Inclusion des totaux dans les plages de la fonction native :<\/strong> S\u00e9lectionner accidentellement la cellule de totalisation globale (ex. TEST.KHIDEUX(B2:B7; D2:D7)<\/code> au lieu de B2:B6<\/code> et D2:D6<\/code>) double artificiellement la taille de l’\u00e9chantillon et injecte une cat\u00e9gorie factice dont le r\u00e9sidu est nul, corrompant de fond en comble le calcul des degr\u00e9s de libert\u00e9 et la p-valeur finale.<\/li>\n<\/ul>\n

                        11.2 Violations th\u00e9oriques graves non d\u00e9tect\u00e9es par le tableur<\/h3>\n

                        Le logiciel Excel est un outil de traitement matriciel g\u00e9n\u00e9raliste, totalement d\u00e9pourvu de conscience m\u00e9thodologique ou d\u00e9ontologique. Il ex\u00e9cutera scrupuleusement les fonctions saisies, y compris lorsque celles-ci violent les postulats th\u00e9oriques fondamentaux de l’inf\u00e9rence statistique :<\/p>\n

                          \n
                        • Ex\u00e9cution sur des pourcentages ou proportions :<\/strong> R\u00e9aliser le test d’ad\u00e9quation sur une colonne affichant des pourcentages (ex. 25, 40, 35) conduit Excel \u00e0 consid\u00e9rer que la taille totale de l’\u00e9chantillon est strictement \u00e9gale \u00e0 100 individus. Si votre \u00e9tude a recueilli 2 000 participants, le tableur calcule un Khi-deux vingt fois plus faible que sa valeur r\u00e9elle, transformant une rupture distributionnelle massive en une fausse absence d’effet statistique.<\/li>\n
                        • Calcul sur des observations d\u00e9pendantes :<\/strong> Excel acceptera docilement de calculer un Khi-deux d’ad\u00e9quation sur des mesures r\u00e9p\u00e9t\u00e9es issues des m\u00eames sujets mesur\u00e9s \u00e0 travers diff\u00e9rentes phases temporelles. Les donn\u00e9es \u00e9tant structuralement autocorr\u00e9l\u00e9es, l’ind\u00e9pendance stochastique est ruin\u00e9e, rendant la p-valeur g\u00e9n\u00e9r\u00e9e caduque et scientifiquement inopposable.<\/li>\n
                        • Persistance des calculs en sous-effectif critique :<\/strong> La fonction TEST.KHIDEUX<\/code> n’\u00e9met aucun message d’alerte m\u00e9thodologique lorsque 80 % de vos cellules attendues sont inf\u00e9rieures \u00e0 2. L’approximation asymptotique continue s’effondre alors totalement, produisant une illusion d’inf\u00e9rence valide sur des bases purement fictionnelles.<\/li>\n<\/ul>\n

                          11.3 Proc\u00e9dures de rattrapage et alternatives m\u00e9thodologiques<\/h3>\n

                          Lorsque le protocole de diagnostic r\u00e9v\u00e8le l’infraction aux conditions de Cochran ou des limites th\u00e9oriques incontournables, l’analyste doit imm\u00e9diatement suspendre le calcul standard et engager des proc\u00e9dures de rem\u00e9diation m\u00e9thodologique rigoureuses :<\/p>\n

                          La premi\u00e8re technique r\u00e9paratrice, applicable lorsque le syst\u00e8me de classification s’y pr\u00eate conceptuellement, est le regroupement raisonn\u00e9 de modalit\u00e9s (category collapsing<\/em>). Si deux ou plusieurs cat\u00e9gories adjacentes partagent une parent\u00e9 s\u00e9mantique ou comportementale \u00e9troite et pr\u00e9sentent des effectifs an\u00e9miques, l’analyste peut fusionner ces classes en une seule modalit\u00e9 combin\u00e9e. Cette consolidation accro\u00eet instantan\u00e9ment l’effectif th\u00e9orique attendu de la nouvelle classe consolid\u00e9e, restaurant souvent la pleine conformit\u00e9 au crit\u00e8re de Cochran. Il est capital de documenter et de motiver th\u00e9oriquement ce regroupement avant l’analyse d\u00e9finitive, afin d’exclure tout soup\u00e7on d’ajustement opportuniste (p-hacking<\/em>).<\/p>\n

                          La seconde solution, indispensable lorsque les regroupements sont th\u00e9oriquement inconcevables ou lorsque la taille de l’\u00e9chantillon global N<\/em> est irr\u00e9ductiblement trop faible, consiste \u00e0 renoncer d\u00e9finitivement \u00e0 l’approximation du Khi-deux pour mobiliser le test multinomial exact. Cette approche combinatoire calcule la probabilit\u00e9 exacte d’observer la configuration d’effectifs empiriques selon la fonction de masse multinomiale compl\u00e8te. Bien qu’Excel ne propose pas de fonction native pour le test multinomial exact \u00e9tendu \u00e0 k<\/em> cat\u00e9gories sans recourir \u00e0 des scripts VBA ou des macros d\u00e9velopp\u00e9es sur mesure, des logiciels sp\u00e9cialis\u00e9s (tels que R avec le package XNomial<\/em> ou SPSS) doivent imp\u00e9rativement prendre le relais d’Excel dans ce contexte d’\u00e9chantillonnage restreint.<\/p>\n

                          12. R\u00e9daction acad\u00e9mique des r\u00e9sultats aux normes APA et cas clinique<\/h2>\n

                          L’aboutissement de toute d\u00e9marche inf\u00e9rentielle est sa restitution au sein de la communaut\u00e9 scientifique ou professionnelle. Une pr\u00e9sentation brouillonne ou non conforme aux canons typographiques internationaux d\u00e9cr\u00e9dibilise l’ensemble du travail de recherche. Cette section formalise le protocole d’\u00e9criture aux normes APA (7e \u00e9dition) et en illustre l’application int\u00e9grale \u00e0 travers un cas clinique empirique mod\u00e9lis\u00e9 sous Excel.<\/p>\n

                          12.1 Protocole typographique et normes de r\u00e9daction APA<\/h3>\n

                          Le manuel de style de l’American Psychological Association (APA, 7e \u00e9dition) codifie de mani\u00e8re extr\u00eamement rigoureuse la restitution textuelle du test du Khi-deux. Tout compte rendu de r\u00e9sultats doit imp\u00e9rativement respecter les prescriptions typographiques et structurelles suivantes :<\/p>\n