compound symmetry<\/em>), caract\u00e9ris\u00e9e par des variances conditionnelles identiques sur sa diagonale principale et des covariances identiques sur l’ensemble des \u00e9l\u00e9ments hors diagonale. La sph\u00e9ricit\u00e9 repr\u00e9sente une condition math\u00e9matiquement moins restrictive que la sym\u00e9trie compos\u00e9e, bien que cette derni\u00e8re constitue une condition suffisante pour son \u00e9tablissement.<\/p>\nLa violation de cette exigence statistique constitue l’une des sources d’erreurs les plus pr\u00e9judiciables de l’analyse inf\u00e9rentielle. Lorsque le postulat de sph\u00e9ricit\u00e9 est transgress\u00e9 \u2014 ce qui advient fr\u00e9quemment d\u00e8s lors que le facteur r\u00e9p\u00e9t\u00e9 comporte trois niveaux ou davantage \u2014, les distributions d’\u00e9chantillonnage th\u00e9oriques du ratio (F) ne correspondent plus \u00e0 la loi de Snedecor standard. En l’absence de proc\u00e9dure corrective, la statistique (F) empirique tend \u00e0 \u00eatre syst\u00e9matiquement gonfl\u00e9e, provoquant une s\u00e9v\u00e8re distorsion \u00e0 la hausse du taux d’erreur de type I (faux positifs) pouvant atteindre 10 % \u00e0 15 % pour un seuil nominal (alpha) fix\u00e9 \u00e0 5 %.<\/p>\n
2.3 Gestion des donn\u00e9es aberrantes et valeurs manquantes<\/h3>\n L’int\u00e9grit\u00e9 analytique d’un devis \u00e0 mesures r\u00e9p\u00e9t\u00e9es est fortement tributaire de la qualit\u00e9 individuelle de chaque observation enregistr\u00e9e. Les valeurs aberrantes (outliers<\/em>), qu’elles proc\u00e8dent d’un dysfonctionnement technique des instruments d’enregistrement (horloges logicielles, capteurs physiologiques) ou d’un moment d’inattention passager du sujet exp\u00e9rimental, exercent une traction asym\u00e9trique disproportionn\u00e9e sur les moyennes conditionnelles et gonflent de mani\u00e8re excessive les variances des diff\u00e9rences. Il devient alors imp\u00e9ratif d’identifier ces scores d\u00e9viants en convertissant syst\u00e9matiquement les donn\u00e9es brutes en scores standardis\u00e9s ((z)-scores). Dans les protocoles en psychologie cognitive, tout point de donn\u00e9e s’\u00e9cartant de plus de 2,5 ou 3 \u00e9carts-types de la moyenne conditionnelle doit faire l’objet d’un examen approfondi.<\/p>\nParall\u00e8lement, la pr\u00e9sence de valeurs manquantes (missing data<\/em>) repr\u00e9sente le talon d’Achille de l’ANOVA \u00e0 mesures r\u00e9p\u00e9t\u00e9es telle qu’elle est impl\u00e9ment\u00e9e dans les moteurs statistiques matriciels traditionnels comme celui d’Excel. En vertu du paradigme d’exclusion par observation compl\u00e8te (listwise deletion<\/em>), l’absence d’une seule mesure conditionnelle pour un individu donn\u00e9 invalide la totalit\u00e9 de son vecteur d’observations, contraignant \u00e0 l’\u00e9limination totale du sujet de l’analyse globale.<\/p>\nCette atrophie de l’\u00e9chantillon engendre une d\u00e9perdition drastique de puissance statistique et peut induire de profonds biais d’\u00e9chantillonnage si l’attrition n’est pas strictement al\u00e9atoire (Missing Completely at Random<\/em>). Si les mod\u00e8les mixtes modernes r\u00e9solvent cette difficult\u00e9 par l’estimation par maximum de vraisemblance, le chercheur op\u00e9rant sous Excel devra imp\u00e9rativement s’assurer de l’exhaustivit\u00e9 absolue de sa matrice de donn\u00e9es ou proc\u00e9der, le cas \u00e9ch\u00e9ant, \u00e0 des m\u00e9thodes d’imputation rigoureuses pr\u00e9alablement document\u00e9es.<\/p>\n3. Configuration technique de Microsoft Excel pour l’analyse statistique<\/h2>\n3.1 Activation de l’Utilitaire d’analyse sous Windows<\/h3>\n Pour transformer Microsoft Excel en un moteur d’inf\u00e9rence statistique op\u00e9rationnel, l’utilisateur du syst\u00e8me d’exploitation Windows doit activer une extension native int\u00e9gr\u00e9e mais d\u00e9sactiv\u00e9e par d\u00e9faut lors de l’installation standard de la suite bureautique : l’Utilitaire d’analyse<\/strong> (ou Analysis ToolPak<\/em>). Cet ensemble de routines algorithmiques d\u00e9velopp\u00e9es en code compil\u00e9 enrichit le tableur de fonctionnalit\u00e9s analytiques avanc\u00e9es, dont l’analyse de variance, la r\u00e9gression multiple et les d\u00e9compositions de Fourier.<\/p>\nLa s\u00e9quence op\u00e9rationnelle d’initialisation sous Windows s’effectue selon le protocole suivant :\n<\/p>\n
\nAcc\u00e9dez au coin sup\u00e9rieur gauche de l’interface et cliquez sur le menu Fichier<\/strong>, puis s\u00e9lectionnez la rubrique Options<\/strong> localis\u00e9e au bas du panneau lat\u00e9ral vertical ;<\/li>\nDans la fen\u00eatre modale des Options Excel qui s’affiche, dirigez votre curseur vers le volet gauche et cliquez sur l’onglet Compl\u00e9ments<\/strong> ;<\/li>\nAu bas de cette interface, rep\u00e9rez la liste d\u00e9roulante intitul\u00e9e G\u00e9rer<\/strong>, assurez-vous que la mention Compl\u00e9ments Excel<\/em> est s\u00e9lectionn\u00e9e, puis cliquez sur le bouton Atteindre…<\/strong> situ\u00e9 imm\u00e9diatement \u00e0 droite ;<\/li>\nUne bo\u00eete de dialogue r\u00e9pertoriant les modules disponibles appara\u00eet : cochez scrupuleusement la case associ\u00e9e \u00e0 l’Utilitaire d’analyse<\/strong> (ne pas confondre avec l’Utilitaire d’analyse – VBA, qui concerne l’automatisation par programmation) ;<\/li>\nValidez votre choix en cliquant sur OK<\/strong>.<\/li>\n<\/ul>\nL’int\u00e9gration de l’outil se mat\u00e9rialise imm\u00e9diatement dans l’interface de travail : en naviguant vers l’onglet Donn\u00e9es<\/strong> du ruban principal, vous constaterez l’apparition d’un nouveau groupe fonctionnel intitul\u00e9 Analyse<\/strong>, abritant le bouton de commande Utilitaire d’analyse<\/strong>. Cette manipulation n’a besoin d’\u00eatre ex\u00e9cut\u00e9e qu’une seule fois, la configuration \u00e9tant conserv\u00e9e lors des sessions ult\u00e9rieures.<\/p>\n3.2 Activation de l’Utilitaire d’analyse sous macOS<\/h3>\n Pour les chercheurs et analystes \u00e9voluant au sein de l’\u00e9cosyst\u00e8me Apple macOS, la proc\u00e9dure d’activation de ce module analytique pr\u00e9sente de l\u00e9g\u00e8res nuances ergonomiques propres \u00e0 l’interface graphique du syst\u00e8me d’exploitation, bien que le moteur computationnel sous-jacent demeure strictement identique \u00e0 sa d\u00e9clinaison Windows.<\/p>\n
Sous Excel pour Mac (versions Microsoft 365, 2021 ou 2019), le cheminement s’articule comme suit :\n<\/p>\n
\nDans la barre de menus sup\u00e9rieure du syst\u00e8me macOS (et non \u00e0 l’int\u00e9rieur de la fen\u00eatre m\u00eame du classeur), cliquez sur le menu contextuel Outils<\/strong> ;<\/li>\nParcourez la liste d\u00e9roulante vers le bas et s\u00e9lectionnez l’option Compl\u00e9ments Excel…<\/strong> ;<\/li>\nLa fen\u00eatre de gestion des extensions syst\u00e8me appara\u00eet au centre de votre \u00e9cran. Cochez explicitement l’option nomm\u00e9e Utilitaire d’analyse<\/strong> (ou Analysis ToolPak<\/em> si votre environnement linguistique syst\u00e8me est anglo-saxon) ;<\/li>\nConfirmez l’op\u00e9ration en cliquant sur le bouton d’action OK<\/strong>.<\/li>\n<\/ul>\nTout comme sous Windows, la commande Analyse de donn\u00e9es<\/strong> vient d\u00e8s lors s’ancrer au sein de l’onglet Donn\u00e9es<\/strong> de votre ruban. En cas d’anomalie de compatibilit\u00e9 linguistique \u2014 probl\u00e8me historiquement document\u00e9 sur certaines it\u00e9rations macOS francophones o\u00f9 les fonctions statistiques de l’utilitaire g\u00e9n\u00e8rent des messages d’erreur de macro manquante \u2014, le basculement temporaire de la langue de l’application en anglais dans les pr\u00e9f\u00e9rences syst\u00e8me permet syst\u00e9matiquement de restaurer l’int\u00e9grit\u00e9 op\u00e9rationnelle des bo\u00eetes de dialogue et des proc\u00e9dures d’extraction.<\/p>\n3.3 V\u00e9rification des options de calcul et pr\u00e9cision num\u00e9rique<\/h3>\n Avant d’engager le moindre calcul inf\u00e9rentiel d’envergure, une v\u00e9rification m\u00e9ticuleuse de l’architecture de calcul du tableur s’impose pour \u00e9viter toute distorsion computationnelle pernicieuse. La premi\u00e8re mesure pr\u00e9ventive consiste \u00e0 s’assurer que le mode d’\u00e9valuation des formules est configur\u00e9 sur Automatique<\/em>. Pour ce faire, rendez-vous dans l’onglet Formules<\/strong>, cliquez sur Options de calcul<\/strong> et assurez-vous que la modalit\u00e9 Automatique<\/strong> est coch\u00e9e. Dans le cas contraire, la modification ult\u00e9rieure d’une cellule source ne r\u00e9percuterait pas ses effets sur les tables d’ANOVA g\u00e9n\u00e9r\u00e9es manuellement, induisant de graves erreurs de diagnostic.<\/p>\nSur le plan de l’arithm\u00e9tique sous-jacente, il est imp\u00e9ratif de garder \u00e0 l’esprit qu’Excel effectue ses calculs selon la norme IEEE 754 relative \u00e0 l’arithm\u00e9tique en virgule flottante double pr\u00e9cision, octroyant une exactitude de 15 chiffres significatifs. Lors de la manipulation de jeux de donn\u00e9es dont les valeurs brutes pr\u00e9sentent des magnitudes \u00e9lev\u00e9es combin\u00e9es \u00e0 des variances infinit\u00e9simales, des erreurs d’arrondi machine peuvent th\u00e9oriquement survenir lors de la soustraction successive de grands nombres dans le calcul des sommes des carr\u00e9s ((sum X^2 – (sum X)^2 \/ N)). Bien que Microsoft ait profond\u00e9ment restructur\u00e9 et stabilis\u00e9 ses algorithmes statistiques depuis les versions 2010 pour employer des formules \u00e0 passage double (minimisant les r\u00e9sidus num\u00e9riques), il est recommand\u00e9 de standardiser ou de centrer les variables d’entr\u00e9e si leurs ordres de grandeur d\u00e9passent (10^6).<\/p>\n
Enfin, une attention particuli\u00e8re doit \u00eatre port\u00e9e au param\u00e9trage du s\u00e9parateur d\u00e9cimal (virgule contre point). Les disparit\u00e9s de localisation internationale entre les conventions francophones (s\u00e9parateur virgule) et anglo-saxonnes (s\u00e9parateur point) constituent la cause la plus r\u00e9currente de dysfonctionnement des bo\u00eetes d’analyse statistique : un jeu de donn\u00e9es import\u00e9 depuis un fichier texte (.csv) comportant des points d\u00e9cimaux sera souvent interpr\u00e9t\u00e9 comme du texte pur par un syst\u00e8me francophone, excluant de facto ces observations de l’analyse ou provoquant un plantage imm\u00e9diat de la routine.<\/p>\n
4. Structuration et encodage du jeu de donn\u00e9es exp\u00e9rimentales<\/h2>\n4.1 Adoption imp\u00e9rative du format matriciel large (\u00ab Wide Format \u00bb)<\/h3>\n L’une des \u00e9tapes les plus d\u00e9terminantes dans l’ex\u00e9cution d’une ANOVA \u00e0 mesures r\u00e9p\u00e9t\u00e9es r\u00e9side dans l’ordonnancement structurel des donn\u00e9es au sein de la feuille de calcul. Dans le champ de la science des donn\u00e9es, deux paradigmes d’organisation coexistent : le format long (Long Format<\/em>, ou format base de donn\u00e9es), o\u00f9 chaque ligne repr\u00e9sente une mesure unique associ\u00e9e \u00e0 des colonnes indicatrices de sujets et de facteurs, et le format large (Wide Format<\/em>, ou format matriciel).<\/p>\nPour impl\u00e9menter avec succ\u00e8s un devis \u00e0 mesures r\u00e9p\u00e9t\u00e9es via les outils natifs de l’Utilitaire d’analyse d’Excel, l’adoption du format large est une obligation m\u00e9thodologique absolue<\/strong>. L’algorithme d’analyse d’Excel n\u00e9cessite imp\u00e9rativement que chaque ligne horizontale repr\u00e9sente une unit\u00e9 exp\u00e9rimentale unique et continue (un participant, un animal ou un \u00e9chantillon biologique), et que chaque colonne verticale contienne les donn\u00e9es associ\u00e9es \u00e0 une modalit\u00e9 sp\u00e9cifique de la variable ind\u00e9pendante intra-sujet. L’intersection d’une ligne et d’une colonne correspond donc \u00e0 la performance unique du sujet concern\u00e9 dans la condition correspondante.<\/p>\nToute tentative de soumettre un tableau structur\u00e9 au format long \u00e0 la bo\u00eete de dialogue de l’ANOVA sans r\u00e9p\u00e9tition r\u00e9sulterait en une erreur d’interpr\u00e9tation math\u00e9matique irr\u00e9versible, le syst\u00e8me traitant alors les codes identifiants des participants comme des valeurs num\u00e9riques int\u00e9gr\u00e9es aux calculs de variance.<\/p>\n
4.2 Pr\u00e9sentation du cas pratique : Temps de r\u00e9action sous substances psychoactives<\/h3>\n Afin d’illustrer la d\u00e9marche de mani\u00e8re concr\u00e8te, nous allons formaliser une exp\u00e9rience classique issue de la psychopharmacologie cognitive. L’investigation porte sur l’\u00e9valuation de l’impact de diff\u00e9rentes substances pharmacologiques sur la vitesse de traitement psychomoteur. Un \u00e9chantillon de cinq participants volontaires sains ((n = 5)) a \u00e9t\u00e9 soumis \u00e0 quatre conditions exp\u00e9rimentales distinctes, administr\u00e9es de fa\u00e7on contrebalanc\u00e9e dans le cadre d’un protocole en double aveugle s\u00e9par\u00e9 par des p\u00e9riodes de sevrage m\u00e9tabolique (washout<\/em>) :\n<\/p>\n\nPlacebo<\/strong> : Administration d’une capsule de substance neutre inerte ;<\/li>\nCaf\u00e9ine<\/strong> : Administration d’une dose mod\u00e9r\u00e9e de caf\u00e9ine pure (200 mg) ;<\/li>\nAlcool<\/strong> : Ingestion d’une dose standardis\u00e9e d’\u00e9thanol induisant une alcool\u00e9mie de 0,5 g\/L ;<\/li>\nTHC<\/strong> : Inhalation contr\u00f4l\u00e9e d’une faible dose de delta-9-t\u00e9trahydrocannabinol.<\/li>\n<\/ul>\nLa variable d\u00e9pendante mesur\u00e9e correspond au temps de r\u00e9action moyen lors d’une t\u00e2che d’attention soutenue, chronom\u00e9tr\u00e9 avec une pr\u00e9cision au centi\u00e8me de seconde. Les donn\u00e9es empiriques simul\u00e9es pour cette \u00e9tude se d\u00e9clinent selon le tableau suivant :<\/p>\n
\n\n\nParticipant<\/th>\n Placebo<\/th>\n Cafeine<\/th>\n Alcool<\/th>\n THC<\/th>\n<\/tr>\n<\/thead>\n \n\nSujet_01<\/td>\n 0,45<\/td>\n 0,39<\/td>\n 0,52<\/td>\n 0,48<\/td>\n<\/tr>\n \nSujet_02<\/td>\n 0,42<\/td>\n 0,36<\/td>\n 0,55<\/td>\n 0,49<\/td>\n<\/tr>\n \nSujet_03<\/td>\n 0,48<\/td>\n 0,41<\/td>\n 0,58<\/td>\n 0,53<\/td>\n<\/tr>\n \nSujet_04<\/td>\n 0,40<\/td>\n 0,35<\/td>\n 0,49<\/td>\n 0,44<\/td>\n<\/tr>\n \nSujet_05<\/td>\n 0,46<\/td>\n 0,40<\/td>\n 0,56<\/td>\n 0,51<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\nRaw data in Excel<\/figcaption><\/figure>\n4.3 Nettoyage et \u00e9tiquetage m\u00e9thodologique des cellules<\/h3>\n L’implantation de cette matrice dans votre feuille de calcul Excel requiert le respect scrupuleux de plusieurs r\u00e8gles typographiques et structurelles. Les donn\u00e9es brutes doivent \u00eatre saisies \u00e0 partir de la cellule A1<\/code>. La premi\u00e8re rang\u00e9e (ligne 1) est imp\u00e9rativement d\u00e9di\u00e9e aux intitul\u00e9s de colonnes : elle doit comporter l’\u00e9tiquette descriptive Participant<\/code> en cellule A1<\/code>, suivie des noms des conditions exp\u00e9rimentales (Placebo<\/code>, Cafeine<\/code>, Alcool<\/code>, THC<\/code>) de B1<\/code> \u00e0 E1<\/code>. Il est fortement d\u00e9conseill\u00e9 d’ins\u00e9rer des caract\u00e8res sp\u00e9ciaux, des symboles math\u00e9matiques ou des retours \u00e0 la ligne au sein de ces cellules d’en-t\u00eate, car ils peuvent alt\u00e9rer l’affichage automatique des r\u00e9sultats dans les tables g\u00e9n\u00e9r\u00e9es par le logiciel.<\/p>\nLa colonne A<\/code>, de la cellule A2<\/code> \u00e0 la cellule A6<\/code>, doit contenir les identifiants textuels univoques de chaque sujet (par exemple Sujet_01<\/code>, Sujet_02<\/code>, etc.). L’int\u00e9gration de ces libell\u00e9s textuels est primordiale : elle emp\u00eache le moteur de calcul d’inclure accidentellement cette colonne d’identification dans les calculs matriciels de somme de carr\u00e9s, tout en fournissant une tra\u00e7abilit\u00e9 visuelle exhaustive.<\/p>\nEnfin, assurez-vous que la totalit\u00e9 de la plage quantitative (cellules B2:E6<\/code>) soit homog\u00e9n\u00e9is\u00e9e sous le format de nombre standard, affichant deux \u00e0 trois d\u00e9cimales constantes. Les cellules vides, les mentions textuelles indicatrices d’omission (comme N\/A<\/code> ou manquant<\/code>) et les z\u00e9ros factices doivent \u00eatre scrupuleusement proscrits sous peine de biaiser math\u00e9matiquement l’estimation des degr\u00e9s de libert\u00e9 de l’analyse inf\u00e9rentielle.<\/p>\n5. Analyse exploratoire et descriptive pr\u00e9liminaire dans Excel<\/h2>\n5.1 Calcul des param\u00e8tres de tendance centrale et de dispersion<\/h3>\n Pr\u00e9alablement \u00e0 toute d\u00e9marche inf\u00e9rentielle formelle, il est m\u00e9thodologiquement indispensable de proc\u00e9der \u00e0 une analyse descriptive exhaustive afin de cerner le profil de distribution des donn\u00e9es empiriques. Cette d\u00e9marche permet d’appr\u00e9cier la tendance centrale des performances sous chaque modalit\u00e9 et d’obtenir un premier aper\u00e7u de la variabilit\u00e9 intra et inter-conditions.<\/p>\n
\u00c0 cet effet, vous construirez directement sous votre matrice principale un tableau r\u00e9capitulatif condensant les estimateurs fondamentaux pour chaque modalit\u00e9 exp\u00e9rimentale en utilisant les formules standard d’Excel :\n<\/p>\n
\nMoyenne arithm\u00e9tique<\/strong> : Tapez en cellule B8<\/code> la commande =MOYENNE(B2:B6)<\/code>, puis tirez la poign\u00e9e de recopie horizontalement jusqu’\u00e0 E8<\/code> ;<\/li>\n\u00c9cart-type de l’\u00e9chantillon<\/strong> : Tapez en cellule B9<\/code> la commande =ECARTYPE.STANDARD(B2:B6)<\/code>, puis \u00e9tendez-la jusqu’\u00e0 E9<\/code> ;<\/li>\nVariance de l’\u00e9chantillon<\/strong> : Tapez en cellule B10<\/code> la commande =VARIANCE.S(B2:B6)<\/code>, puis recopiez jusqu’\u00e0 E10<\/code>.<\/li>\n<\/ul>\nL’ex\u00e9cution de ces formules sur nos donn\u00e9es fournit les r\u00e9sultats suivants : une moyenne de (0{,}442text{ s}) ((s = 0{,}031)) pour la condition Placebo, une moyenne de (0{,}382text{ s}) ((s = 0{,}026)) pour la Caf\u00e9ine, une moyenne de (0{,}540text{ s}) ((s = 0{,}035)) pour l’Alcool, et une moyenne de (0{,}490text{ s}) ((s = 0{,}034)) pour le THC. L’inspection des \u00e9carts-types et variances permet de constater une tr\u00e8s forte homog\u00e9n\u00e9it\u00e9 des dispersions entre les quatre conditions (variances oscillant entre (0{,}00067) et (0{,}00120)), ce qui constitue un premier indicateur favorable quant \u00e0 l’absence de rupture violente de l’homosc\u00e9dasticit\u00e9.<\/p>\n
5.2 Examen de la sym\u00e9trie et de l’aplatissement<\/h3>\n L’\u00e9valuation pr\u00e9liminaire de la normalit\u00e9 univari\u00e9e au sein des conditions exp\u00e9rimentales peut \u00eatre formalis\u00e9e num\u00e9riquement au moyen des coefficients d’asym\u00e9trie de Fisher-Pearson et d’aplatissement de Pearson. Dans Excel, ces descripteurs de forme sont calcul\u00e9s respectivement par les fonctions COEFFICIENT.ASYMETRIE()<\/code> et KURTOSIS()<\/code>.<\/p>\nPour int\u00e9grer ces param\u00e8tres \u00e0 votre tableau descriptif :\n<\/p>\n
\nEn cellule B11<\/code>, entrez la formule =COEFFICIENT.ASYMETRIE(B2:B6)<\/code> et r\u00e9pliquez-la pour les quatre conditions ;<\/li>\nEn cellule B12<\/code>, ins\u00e9rez =KURTOSIS(B2:B6)<\/code> et \u00e9tendez-la vers la droite.<\/li>\n<\/ul>\nDans la litt\u00e9rature psychom\u00e9trique standard (notamment George & Mallery, 2010), une distribution est consid\u00e9r\u00e9e comme approchant de mani\u00e8re satisfaisante la normalit\u00e9 si son coefficient d’asym\u00e9trie est compris entre (-1{,}0) et (+1{,}0), et son coefficient d’aplatissement se situe dans l’intervalle ([-2{,}0 ; +2{,}0]). Bien que des \u00e9chantillons de taille r\u00e9duite ((n = 5)) limitent intrins\u00e8quement la puissance de ces indicateurs et gonflent leurs erreurs-types associ\u00e9es, l’obtention d’indices situ\u00e9s \u00e0 l’int\u00e9rieur de ces plages de tol\u00e9rance offre l’assurance qu’aucune dissym\u00e9trie unilat\u00e9rale massive ou distribution bimodale pathologique ne vient compromettre la repr\u00e9sentativit\u00e9 des moyennes calcul\u00e9es.<\/p>\n
5.3 Visualisation pr\u00e9liminaire des trajectoires individuelles<\/h3>\n L’un des avantages de l’architecture intra-sujet est la possibilit\u00e9 d’analyser l’homog\u00e9n\u00e9it\u00e9 des r\u00e9ponses individuelles \u00e0 travers les diff\u00e9rents traitements. \u00c0 ce stade de l’investigation, la cr\u00e9ation d’un graphique lin\u00e9aire des trajectoires individuelles \u2014 souvent qualifi\u00e9 dans la litt\u00e9rature empirique de \u00ab graphique Spaghetti \u00bb (spaghetti plot<\/em>) \u2014 s’av\u00e8re bien plus instructive qu’un simple histogramme \u00e0 barres agr\u00e9geant globalement les moyennes.<\/p>\nPour construire ce graphique sous Excel :\n<\/p>\n
\nS\u00e9lectionnez la plage int\u00e9grale des donn\u00e9es conditionnelles incluant les en-t\u00eates, soit B1:E6<\/code> ;<\/li>\nRendez-vous dans l’onglet Insertion<\/strong> du ruban, rep\u00e9rez le groupe Graphiques<\/strong> et s\u00e9lectionnez l’ic\u00f4ne Lignes<\/strong>, puis optez pour le mod\u00e8le Ligne avec marqueurs<\/strong> ;<\/li>\nSi Excel trace initialement les conditions sur l’axe des ordonn\u00e9es et regroupe les sujets sur l’axe des abscisses, cliquez sur le graphique pour afficher l’onglet contextuel Cr\u00e9ation de graphique<\/strong>, puis cliquez imm\u00e9diatement sur le bouton Intervertir les lignes et les colonnes<\/strong>.<\/li>\n<\/ul>\nCe graphique met en exergue l’effet intra-sujet avec une clart\u00e9 remarquable : chaque ligne repr\u00e9sente la r\u00e9ponse temporelle continue d’un participant particulier \u00e0 travers les quatre conditions m\u00e9dicamenteuses. On observe imm\u00e9diatement une remarquable coh\u00e9rence ordinale interindividuelle : pour l’ensemble des cinq participants sans exception, le temps de r\u00e9action fl\u00e9chit sous l’action de la Caf\u00e9ine par rapport au Placebo, atteint son point culminant sous l’effet de l’Alcool, et redescend \u00e0 un niveau interm\u00e9diaire sous THC. Cette absence totale de croisement chaotique entre les profils individuels indique graphiquement la pr\u00e9sence d’un effet principal puissant du traitement et sugg\u00e8re une interaction sujet-condition de faible magnitude, ce qui se traduira sur le plan analytique par une somme des carr\u00e9s r\u00e9siduelle particuli\u00e8rement faible.<\/p>\n
6. Proc\u00e9dure d’ex\u00e9cution : L’ANOVA \u00e0 deux facteurs sans r\u00e9p\u00e9tition<\/h2>\n6.1 Justification de l’\u00e9quivalence algorithmique du mod\u00e8le sans r\u00e9p\u00e9tition<\/h3>\n \u00c0 ce stade, une question technique cruciale surgit : si l’Utilitaire d’analyse de Microsoft Excel ne propose explicitement aucune fonction intitul\u00e9e litt\u00e9ralement \u00ab ANOVA \u00e0 mesures r\u00e9p\u00e9t\u00e9es \u00bb, quel module computationnel l’analyste doit-il solliciter ? La r\u00e9ponse r\u00e9side dans la ma\u00eetrise de l’\u00e9quivalence math\u00e9matique liant le devis intra-sujet \u00e0 l’ANOVA : Deux facteurs sans r\u00e9p\u00e9tition<\/strong> (Two-Way ANOVA without Replication<\/em>).<\/p>\nDans un devis intra-sujet \u00e0 un facteur, le tableau de donn\u00e9es constitue une matrice bidimensionnelle de dimension (n times k) (o\u00f9 (n) repr\u00e9sente le nombre d’unit\u00e9s exp\u00e9rimentales et (k) le nombre de conditions r\u00e9p\u00e9t\u00e9es). L’algorithme de l’ANOVA \u00e0 deux facteurs sans r\u00e9p\u00e9tition traite cette structure comme un plan factoriel orthogonal dans lequel :\n<\/p>\n
\nLe premier facteur correspond aux Lignes<\/strong>, assimil\u00e9es formellement \u00e0 un facteur al\u00e9atoire repr\u00e9sentant l’effet propre \u00e0 chaque participant ((text{Participant}_i)) ;<\/li>\nLe second facteur correspond aux Colonnes<\/strong>, qui capturent l’effet fixe de la variable ind\u00e9pendante manipul\u00e9e ((text{Condition}_j)).<\/li>\n<\/ul>\nPuisqu’il n’existe qu’une seule observation \u00e0 l’intersection d’un individu et d’une modalit\u00e9 donn\u00e9e (ce qui correspond pr\u00e9cis\u00e9ment \u00e0 l’absence de r\u00e9p\u00e9tition intra-cellulaire), le terme traditionnellement allou\u00e9 \u00e0 l’interaction factorielle ((text{Lignes} times text{Colonnes})) ne peut \u00eatre estim\u00e9 ind\u00e9pendamment de l’erreur al\u00e9atoire. Par voie de cons\u00e9quence alg\u00e9brique, le mod\u00e8le absorbe cette interaction pour en constituer le terme d’erreur r\u00e9siduel<\/strong>. D\u00e8s lors, le ratio (F) calcul\u00e9 en divisant le carr\u00e9 moyen des colonnes par le carr\u00e9 moyen r\u00e9siduel fournit une statistique rigoureusement identique, au bit pr\u00e8s, \u00e0 celle produite par les proc\u00e9dures de mesures r\u00e9p\u00e9t\u00e9es sous SPSS (GLM) ou le package rstatix<\/code> sous R.<\/p>\n6.2 Configuration d\u00e9taill\u00e9e de la bo\u00eete de dialogue dans Excel<\/h3>\n L’impl\u00e9mentation op\u00e9rationnelle de l’analyse inf\u00e9rentielle s’effectue au moyen d’un param\u00e9trage minutieux de la bo\u00eete de dialogue de l’Utilitaire d’analyse. Veillez \u00e0 suivre scrupuleusement le protocole ci-apr\u00e8s :\n<\/p>\n
\nCliquez sur l’onglet Donn\u00e9es<\/strong> du ruban sup\u00e9rieur, puis activez la commande Utilitaire d’analyse<\/strong> au sein du groupe Analyse<\/em> ;<\/li>\nDans le menu d\u00e9roulant r\u00e9pertoriant les outils statistiques, s\u00e9lectionnez avec pr\u00e9cision l’intitul\u00e9 ANOVA : Deux facteurs sans r\u00e9p\u00e9tition<\/strong> et cliquez sur le bouton OK<\/strong> ;<\/li>\nLe formulaire de param\u00e9trage interactif s’ouvre \u00e0 l’\u00e9cran. Positionnez votre curseur dans le champ Plage d’entr\u00e9e<\/strong> ;<\/li>\nS\u00e9lectionnez \u00e0 l’aide de votre souris la plage continue s’\u00e9tendant de la cellule A1<\/code> \u00e0 la cellule E6<\/code>. Il est fondamental d’inclure la colonne des identifiants sujets et la ligne des en-t\u00eates de colonnes ;<\/li>\nCochez imp\u00e9rativement la case \u00e0 cocher intitul\u00e9e Intitul\u00e9s<\/strong> (ou Labels<\/em>). Cette d\u00e9marche indique formellement au moteur d’analyse que la premi\u00e8re ligne et la premi\u00e8re colonne contiennent des marqueurs s\u00e9mantiques et ne doivent pas \u00eatre trait\u00e9es comme des valeurs num\u00e9riques int\u00e9gr\u00e9es aux calculs ;<\/li>\nDans le champ Alpha<\/strong>, assurez-vous que la valeur par d\u00e9faut de (0{,}05) est bien consign\u00e9e, d\u00e9finissant le seuil nominal d’erreur de premi\u00e8re esp\u00e8ce tol\u00e9r\u00e9.<\/li>\n<\/ul>\nRepeated measures ANOVA in Excel<\/figcaption><\/figure>\nRepeated measures ANOVA in Excel<\/figcaption><\/figure>\n6.3 Destination et organisation de la feuille de r\u00e9sultats<\/h3>\n Avant d’initier le calcul, vous devez arbitrer sur la localisation spatiale de la restitution des sorties statistiques sous la rubrique Options de sortie<\/strong>. Il est formellement recommand\u00e9 de proscrire l’affichage sur la feuille active via une plage de sortie locale, sous peine d’\u00e9craser accidentellement des formules exploratoires ou des donn\u00e9es brutes pr\u00e9existantes en cas de redimensionnement de l’\u00e9chantillon.<\/p>\nS\u00e9lectionnez l’option radio Nouvelle feuille de calcul<\/strong> et attribuez-lui une d\u00e9nomination explicite dans le champ de saisie textuelle adjacent, par exemple Resultats_ANOVA<\/code>. Cette m\u00e9thode cr\u00e9e un onglet vierge dans votre classeur, d\u00e9di\u00e9 exclusivement \u00e0 l’archivage et \u00e0 l’exploitation des donn\u00e9es inf\u00e9rentielles g\u00e9n\u00e9r\u00e9es. Validez enfin l’ensemble de la proc\u00e9dure en cliquant sur le bouton OK<\/strong>.<\/p>\nEn une fraction de seconde, le processeur d’Excel compile les donn\u00e9es et produit un ensemble structur\u00e9 de deux sous-tableaux analytiques parfaitement d\u00e9limit\u00e9s :\n<\/p>\n
\nLe tableau sup\u00e9rieur, intitul\u00e9 SYNTH\u00c8SE<\/strong> (ou Summary<\/em>), qui d\u00e9taille les d\u00e9compositions marginales des effectifs, des sommes, des moyennes arithm\u00e9tiques et des variances empiriques, successivement pour chaque sujet (par ligne) puis pour chaque condition exp\u00e9rimentale (par colonne) ;<\/li>\nLe tableau inf\u00e9rieur, intitul\u00e9 ANOVA<\/strong>, qui constitue la table de d\u00e9composition finale des variances, exposant l’architecture formelle des sommes de carr\u00e9s, les degr\u00e9s de libert\u00e9, les carr\u00e9s moyens, les valeurs empiriques du rapport (F), les probabilit\u00e9s critiques ((p)-values) et les seuils critiques th\u00e9oriques de d\u00e9cision.<\/li>\n<\/ul>\n7. D\u00e9composition analytique et interpr\u00e9tation de la table ANOVA<\/h2>\n7.1 Compr\u00e9hension des composantes de la somme des carr\u00e9s (SC)<\/h3>\n L’analyse de la variance repose sur la partition de la variabilit\u00e9 globale observ\u00e9e au sein du devis exp\u00e9rimental. La table produite par Excel structure cette partition sous la colonne intitul\u00e9e Somme des carr\u00e9s<\/strong> (not\u00e9e (SC) ou (SS) pour Sum of Squares<\/em>). Pour interpr\u00e9ter correctement les r\u00e9sultats, il est n\u00e9cessaire de comprendre la signification substantielle de chacune des lignes de cette table.<\/p>\nRepeated measures ANOVA output in Excel<\/figcaption><\/figure>\nLa d\u00e9composition des composantes de variabilit\u00e9 s’effectue comme suit :\n<\/p>\n
\nSource Lignes (Sujets)<\/strong> : La somme des carr\u00e9s associ\u00e9e aux lignes, (SC_{text{Lignes}}) (ou (SC_{text{Sujets}})), quantifie la variabilit\u00e9 interindividuelle stable. Elle \u00e9value l’\u00e9cart quadratique entre la moyenne individuelle propre \u00e0 chaque participant \u00e0 travers l’ensemble des conditions et la moyenne g\u00e9n\u00e9rale de l’exp\u00e9rience ((G)). Sur notre jeu de donn\u00e9es, Excel extrait une valeur (SC_{text{Lignes}} = 0{,}01997). Cette somme de carr\u00e9s isole la variance attribuable aux idiosyncrasies de vitesse psychomotrice de nos sujets, la retirant ainsi d\u00e9finitivement du terme d’erreur exp\u00e9rimentale ;<\/li>\nSource Colonnes (Traitement)<\/strong> : La somme des carr\u00e9s relative aux colonnes, (SC_{text{Colonnes}}) (ou (SC_{text{Traitement}})), repr\u00e9sente la variance due \u00e0 la manipulation de la variable ind\u00e9pendante. Elle mesure la dispersion des moyennes conditionnelles marginales autour de la moyenne g\u00e9n\u00e9rale. Sur notre \u00e9chantillon, la table affiche (SC_{text{Colonnes}} = 0{,}06894). C’est cette composante qui constitue le c\u0153ur de l’hypoth\u00e8se de recherche : elle quantifie l’ampleur de l’effet produit par les substances psychoactives sur les temps de r\u00e9action ;<\/li>\nSource Erreur (R\u00e9siduelle)<\/strong> : La somme des carr\u00e9s de l’erreur, (SC_{text{Erreur}}), capture la variabilit\u00e9 r\u00e9siduelle non syst\u00e9matique. Alg\u00e9briquement, elle correspond \u00e0 l’interaction statistique non d\u00e9composable entre les sujets et les conditions ((S times C)). Elle repr\u00e9sente la part de variabilit\u00e9 qui ne s’explique ni par les dissemblances chroniques entre les individus, ni par l’effet g\u00e9n\u00e9ral de la substance m\u00e9dicamenteuse. Nous relevons ici (SC_{text{Erreur}} = 0{,}00118) ;<\/li>\nTotal<\/strong> : La somme des carr\u00e9s totale, (SC_{text{Total}} = 0{,}09009), correspond \u00e0 la somme arithm\u00e9tique rigoureuse des trois composantes pr\u00e9c\u00e9dentes : (SC_{text{Total}} = SC_{text{Lignes}} + SC_{text{Colonnes}} + SC_{text{Erreur}}).<\/li>\n<\/ul>\n7.2 R\u00f4les des degr\u00e9s de libert\u00e9 et carr\u00e9s moyens<\/h3>\n Les sommes de carr\u00e9s constituent des quantit\u00e9s globales agr\u00e9g\u00e9es dont la magnitude est tributaire du nombre d’observations compil\u00e9es. Pour transformer ces grandeurs cumulatives en estimateurs de variance non biais\u00e9s comparables, il est n\u00e9cessaire de rapporter chaque somme de carr\u00e9s \u00e0 son nombre respectif de degr\u00e9s de libert\u00e9 (not\u00e9s (ddl) ou (df) pour degrees of freedom<\/em>), consign\u00e9 dans la colonne Degr\u00e9s de libert\u00e9<\/strong> de la table.<\/p>\nLe calcul de ces degr\u00e9s de libert\u00e9 s’\u00e9tablit selon les formulations suivantes :\n<\/p>\n
\nPour le facteur Sujets (Lignes) : (ddl_{text{Lignes}} = n – 1), o\u00f9 (n) d\u00e9signe l’effectif total des participants. Dans notre protocole, avec (n = 5), nous obtenons (5 – 1 = 4) degr\u00e9s de libert\u00e9 ;<\/li>\n Pour le facteur Traitement (Colonnes) : (ddl_{text{Colonnes}} = k – 1), o\u00f9 (k) repr\u00e9sente le nombre de conditions r\u00e9p\u00e9t\u00e9es. Avec (k = 4) substances administr\u00e9es, nous obtenons (4 – 1 = 3) degr\u00e9s de libert\u00e9 ;<\/li>\n Pour le terme d’Erreur : les degr\u00e9s de libert\u00e9 r\u00e9siduels correspondent au produit arithm\u00e9tique des degr\u00e9s de libert\u00e9 associ\u00e9s aux deux composantes factorielles :$$ddl_{\\text{Erreur}} = (n – 1) \\times (k – 1) = 4 \\times 3 = 12$$<\/span>Pour le Total : (ddl_{text{Total}} = N – 1 = (n times k) – 1 = 20 – 1 = 19), ce qui correspond \u00e0 la somme des degr\u00e9s de libert\u00e9 partiels ((4 + 3 + 12 = 19)).<\/li>\n<\/ul>\nLa division g\u00e9om\u00e9trique de chaque somme des carr\u00e9s par son degr\u00e9 de libert\u00e9 associ\u00e9 donne naissance aux Carr\u00e9s Moyens<\/strong> (colonne Moyenne des carr\u00e9s<\/em> ou (MS) pour Mean Squares<\/em>). Sur notre table, le Carr\u00e9 Moyen du Traitement (Colonnes) se calcule ainsi :$$CM_{\\text{Colonnes}} = \\frac{SC_{\\text{Colonnes}}}{ddl_{\\text{Colonnes}}} = \\frac{0{,}06894}{3} = 0{,}02298$$<\/span>$$CM_{\\text{Erreur}} = \\frac{SC_{\\text{Erreur}}}{ddl_{\\text{Erreur}}} = \\frac{0{,}00118}{12} = 0{,}0000983$$<\/span><\/p>\n7.3 \u00c9valuation du rapport F de Fisher et prise de d\u00e9cision statistique<\/h3>\n L’inf\u00e9rence statistique finale repose sur la construction du ratio de variance formalis\u00e9 par Ronald Fisher : la statistique de test (F). Dans l’architecture d’une ANOVA \u00e0 mesures r\u00e9p\u00e9t\u00e9es, le ratio (F) critique pour tester l’effet du traitement exp\u00e9rimental correspond exclusivement \u00e0 la division du Carr\u00e9 Moyen des Colonnes par le Carr\u00e9 Moyen de l’Erreur<\/strong> :<\/p>\n$$F_{\\text{Traitement}} = \\frac{CM_{\\text{Colonnes}}}{CM_{\\text{Erreur}}} = \\frac{0{,}02298}{0{,}0000983} = 233{,}69$$<\/span><\/p>\n\u00c0 la ligne Colonnes<\/em>, la table d’Excel fournit directement cette valeur calcul\u00e9e sous l’\u00e9tiquette F<\/code> ((233{,}69)). La table consigne \u00e9galement, dans la colonne adjacente Valeur critique pour F<\/strong> (ou (F_{text{critique}})), le seuil th\u00e9orique de rejet issu de la distribution de Snedecor pour le risque (alpha = 0{,}05) avec (ddl_1 = 3) et (ddl_2 = 12), soit (3{,}490). Puisque la statistique (F) empirique calcul\u00e9e ((233{,}69)) surpasse de plusieurs ordres de grandeur la valeur critique seuil ((3{,}490)), l’hypoth\u00e8se nulle d’\u00e9galit\u00e9 des moyennes conditionnelles est formellement rejet\u00e9e.<\/p>\nCe rejet s’exprime \u00e9galement au travers de la probabilit\u00e9 critique consign\u00e9e dans la colonne Probabilit\u00e9<\/strong> (la (p)-value empirique). Excel affiche une valeur infinit\u00e9simale de (1{,}43 times 10^{-11}) (not\u00e9e en \u00e9criture scientifique sous la forme 1,43E-11<\/code>), largement inf\u00e9rieure au seuil de signification classique de (alpha = 0{,}05), et m\u00eame au seuil conservateur de (alpha = 0{,}001). Nous en d\u00e9duisons de mani\u00e8re concluante que l’administration des diff\u00e9rentes substances psychoactives modifie significativement les temps de r\u00e9action psychomoteurs des participants.<\/p>\nRemarque m\u00e9thodologique fondamentale concernant la ligne \u00ab Lignes \u00bb<\/em> : Bien qu’Excel affiche \u00e9galement un ratio (F) et une probabilit\u00e9 sur la rang\u00e9e des Lignes<\/em> (correspondant aux participants), cette statistique doit \u00eatre interpr\u00e9t\u00e9e avec une extr\u00eame circonspection m\u00e9thodologique. En toute rigueur statistique, tester formellement l’effet d’un facteur al\u00e9atoire (les sujets) en le rapportant au m\u00eame terme d’erreur ((CM_{text{Erreur}})) que le facteur fixe n’est pas strictement valide dans un mod\u00e8le mixte sans r\u00e9p\u00e9tition, car le d\u00e9nominateur appropri\u00e9 pour ce test n\u00e9cessiterait des r\u00e9plications intra-conditionnelles qui font ici d\u00e9faut. Il convient donc d’ignorer le test d’hypoth\u00e8se de la ligne Lignes<\/em> et de focaliser l’ensemble de l’argumentation scientifique sur la ligne des Colonnes<\/em>.<\/p>\n8. \u00c9valuation et compensation de la violation de sph\u00e9ricit\u00e9 dans Excel<\/h2>\n8.1 Calcul de la matrice de variances-covariances des diff\u00e9rences<\/h3>\n L’interpr\u00e9tation de la table d’ANOVA \u00e9tablie \u00e0 l’\u00e9tape pr\u00e9c\u00e9dente n’est math\u00e9matiquement recevable que sous r\u00e9serve du respect strict du postulat de sph\u00e9ricit\u00e9 explicit\u00e9 au chapitre 2.2. Si la sph\u00e9ricit\u00e9 n’est pas v\u00e9rifi\u00e9e, la valeur (p) nominale d\u00e9livr\u00e9e par l’analyse est biais\u00e9e vers l’optimisme, risquant d’induire une erreur de type I. Malheureusement, l’Utilitaire d’analyse de Microsoft Excel ne propose pas nativement le test formel de Mauchly. L’exp\u00e9rimentateur rigoureux doit d\u00e8s lors proc\u00e9der \u00e0 un diagnostic compl\u00e9mentaire en construisant manuellement la matrice des diff\u00e9rences appari\u00e9es.<\/p>\n
Pour impl\u00e9menter cette analyse diagnostique dans votre classeur :\n<\/p>\n
\nCr\u00e9ez sur une nouvelle zone de la feuille un tableau d’\u00e9cartement calculant les diff\u00e9rences terme \u00e0 terme pour les (k(k – 1)\/2 = 4(3)\/2 = 6) paires uniques de conditions :<\/li>\n En colonne G<\/code>, calculez la diff\u00e9rence Placebo – Caf\u00e9ine<\/em> via la formule =B2-C2<\/code> \u00e9tendue sur les cinq sujets ;<\/li>\nEn colonne H<\/code>, calculez Placebo – Alcool<\/em> via =B2-D2<\/code> ;<\/li>\nEn colonne I<\/code>, calculez Placebo – THC<\/em> via =B2-E2<\/code> ;<\/li>\nEn colonne J<\/code>, calculez Caf\u00e9ine – Alcool<\/em> via
![\"Raw](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/repeatedANOVAExcel1.png\")
![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/twoSampExcel3-3.png\")
<\/figure>\n![\"Repeated](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/repeatedANOVAExcel2.png\")
![\"Repeated](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/repeatedANOVAExcel3.png\")
![\"Repeated](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/repeatedANOVAExcel4.png\")