{"id":3657,"date":"2026-10-14T18:01:04","date_gmt":"2026-10-14T18:01:04","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/test-q-de-cochran-definition-exemple\/"},"modified":"2026-10-14T18:01:04","modified_gmt":"2026-10-14T18:01:04","slug":"test-q-de-cochran-definition-exemple","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=test-q-de-cochran-definition-exemple","title":{"rendered":"Qu’est-ce que le test Q de Cochran ? (D\u00e9finition et exemple)"},"content":{"rendered":"

Dans l’arsenal des m\u00e9thodes quantitatives appliqu\u00e9es aux sciences humaines, biom\u00e9dicales et comportementales, l’analyse des donn\u00e9es cat\u00e9gorielles longitudinales occupe une place pr\u00e9pond\u00e9rante et singuli\u00e8re. Lorsqu’un chercheur \u00e9value les m\u00eames sujets \u00e0 travers plusieurs conditions exp\u00e9rimentales ou \u00e0 diff\u00e9rents points dans le temps, et que la variable d\u00e9pendante mesur\u00e9e est strictement binaire (succ\u00e8s ou \u00e9chec, r\u00e9mission ou rechute, pr\u00e9sence ou absence d’un comportement), les postulats classiques des mod\u00e8les param\u00e9triques continus s’effondrent. Les approches traditionnelles telles que l’analyse de variance \u00e0 mesures r\u00e9p\u00e9t\u00e9es<\/a> (ANOVA) pr\u00e9supposent en effet la normalit\u00e9 de la distribution des r\u00e9sidus et l’homog\u00e9n\u00e9it\u00e9 des variances-covariances, des conditions structurellement incompatibles avec des distributions de Bernoulli. Face \u00e0 ce d\u00e9fi m\u00e9thodologique, les statisticiens ont d\u00e9velopp\u00e9 des alternatives non param\u00e9triques robustes adapt\u00e9es aux structures de donn\u00e9es appari\u00e9es.<\/p>\n

Le test Q de Cochran s’impose pr\u00e9cis\u00e9ment comme la r\u00e9f\u00e9rence m\u00e9thodologique fondamentale pour traiter ces configurations exp\u00e9rimentales \u00e0 mesures r\u00e9p\u00e9t\u00e9es portant sur des r\u00e9ponses dichotomiques. Con\u00e7u initialement pour \u00e9tendre l’analyse de deux conditions corr\u00e9l\u00e9es \u00e0 un nombre arbitraire de conditions exp\u00e9rimentales, ce test permet d’\u00e9prouver l’hypoth\u00e8se selon laquelle les proportions marginales observ\u00e9es demeurent statistiquement invariantes \u00e0 travers l’ensemble des modalit\u00e9s \u00e9valu\u00e9es. Son \u00e9l\u00e9gance repose sur sa capacit\u00e9 \u00e0 contr\u00f4ler la variabilit\u00e9 interindividuelle en utilisant chaque sujet comme son propre t\u00e9moin, neutralisant ainsi les facteurs de confusion li\u00e9s aux diff\u00e9rences idiosyncrasiques qui polluent fr\u00e9quemment les recherches empiriques.<\/p>\n

Le pr\u00e9sent article propose une exploration exhaustive, th\u00e9orique et appliqu\u00e9e du test Q de Cochran. Con\u00e7u \u00e0 la fois comme un trait\u00e9 m\u00e9thodologique approfondi et un manuel op\u00e9ratoire destin\u00e9 aux chercheurs, psychologues cliniciens et analystes de donn\u00e9es, ce document examine la gen\u00e8se de l’outil, ses fondements math\u00e9matiques rigoureux, ses hypoth\u00e8ses sous-jacentes, ses proc\u00e9dures de calcul manuel pas \u00e0 pas, ainsi que son impl\u00e9mentation logicielle contemporaine sous R, SPSS et Python. Enfin, une attention minutieuse est accord\u00e9e aux pi\u00e8ges m\u00e9thodologiques usuels, aux strat\u00e9gies de corrections post-hoc pour comparaisons multiples et aux normes de publication acad\u00e9mique les plus r\u00e9centes \u00e9dict\u00e9es par l’American Psychological Association<\/a> (APA).<\/p>\n

1. Fondements conceptuels et historique du test Q de Cochran<\/h2>\n

1.1 Origine statistique et contribution de William Gemmell Cochran<\/h3>\n

L’\u00e9mergence du test Q de Cochran s’inscrit au c\u0153ur d’une p\u00e9riode charni\u00e8re de l’histoire de la statistique moderne, marqu\u00e9e par la volont\u00e9 de formaliser l’inf\u00e9rence non param\u00e9trique pour r\u00e9pondre aux exigences concr\u00e8tes de l’exp\u00e9rimentation biologique, agricole et psychologique. En 1950, le statisticien d’origine \u00e9cossaise William Gemmell Cochran<\/a> publie dans la revue Biometrika<\/em> un article s\u00e9minal intitul\u00e9 \u00ab The Comparison of Percentages in Matched Samples \u00bb<\/em>. Dans ce travail pionnier, Cochran identifie une lacune majeure dans les outils analytiques de l’\u00e9poque : alors que les plans factoriels en blocs al\u00e9atoires complets se g\u00e9n\u00e9ralisent sous l’impulsion des travaux de Ronald Fisher, les chercheurs restent d\u00e9munis lorsque les variables d’int\u00e9r\u00eat ne sont pas continues mais qualitatives et binaires.<\/p>\n

\u00c0 cette \u00e9poque, les praticiens recouraient fr\u00e9quemment \u00e0 des approximations risqu\u00e9es, consistant soit \u00e0 appliquer une analyse de variance param\u00e9trique sur des scores cod\u00e9s en 0 et 1, soit \u00e0 d\u00e9couper artificiellement leurs protocoles en s\u00e9ries de comparaisons bivari\u00e9es au d\u00e9triment du contr\u00f4le de l’erreur globale. Cochran d\u00e9montre que l’application na\u00efve des techniques d’analyse de la variance sur des variables de Bernoulli viole non seulement le postulat de normalit\u00e9, mais induit \u00e9galement une h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 intrins\u00e8que puisque la variance d’une variable binaire d\u00e9pend directement de sa moyenne. Sa contribution r\u00e9side dans la d\u00e9rivation d’une statistique d’inf\u00e9rence \u00e9l\u00e9gante, conditionn\u00e9e par le nombre total de succ\u00e8s obtenus par chaque sujet, permettant d’\u00e9valuer l’effet du traitement tout en \u00e9liminant analytiquement l’effet perturbateur des blocs individuels.<\/p>\n

Ce d\u00e9veloppement a constitu\u00e9 une \u00e9tape fondamentale dans la transition vers une inf\u00e9rence robuste sur donn\u00e9es qualitatives. En introduisant une statistique dont la distribution asymptotique converge vers une loi du Chi-deux sous l’hypoth\u00e8se nulle, Cochran a fourni aux chercheurs une m\u00e9thode math\u00e9matiquement rigoureuse, \u00e9pargn\u00e9e par les postulats distributionnels restrictifs des mod\u00e8les lin\u00e9aires gaussiens. L’impact de cet article de 1950 a r\u00e9sonn\u00e9 bien au-del\u00e0 de l’agronomie et de la biom\u00e9trie, devenant rapidement un pilier de la m\u00e9thodologie en psychologie exp\u00e9rimentale, en sociologie quantitative et en recherche clinique.<\/p>\n

1.2 D\u00e9finition formelle du test Q de Cochran<\/h3>\n

D’un point de vue formel, le test Q de Cochran est une proc\u00e9dure d’inf\u00e9rence statistique non param\u00e9trique con\u00e7ue pour comparer la distribution d’une variable qualitative dichotomique \u00e0 travers k<\/em> \u00e9chantillons appari\u00e9s, o\u00f9 k<\/em> est sup\u00e9rieur ou \u00e9gal \u00e0 deux. Il s’applique sp\u00e9cifiquement aux plans exp\u00e9rimentaux intra-sujets (mesures r\u00e9p\u00e9t\u00e9es) ou aux plans \u00e0 blocs complets o\u00f9 chaque unit\u00e9 exp\u00e9rimentale (le sujet, le patient ou le groupe appari\u00e9) est expos\u00e9e \u00e0 l’ensemble des k<\/em> conditions de traitement, ou \u00e9valu\u00e9e \u00e0 travers k<\/em> instants temporels distincts.<\/p>\n

L’objectif fondamental du test est de d\u00e9terminer s’il existe une diff\u00e9rence statistiquement significative entre les proportions de \u00ab succ\u00e8s \u00bb observ\u00e9es dans les diff\u00e9rentes conditions. Le codage de la variable d\u00e9pendante s’op\u00e8re conventionnellement sous la forme d’un indicateur binaire o\u00f9 la valeur 1 d\u00e9note l’apparition de l’\u00e9v\u00e9nement d’int\u00e9r\u00eat (tel que la r\u00e9ussite \u00e0 une t\u00e2che, la pr\u00e9sence d’une symptomatologie ou l’adh\u00e9sion \u00e0 une proposition) et la valeur 0 d\u00e9note l’absence de cet \u00e9v\u00e9nement (\u00e9chec, absence de sympt\u00f4me, rejet). Le test \u00e9value si la probabilit\u00e9 sous-jacente d’observer un succ\u00e8s varie en fonction de la modalit\u00e9 exp\u00e9rimentale sous contr\u00f4le strict de l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des sujets.<\/p>\n

Sur le plan math\u00e9matique, le test Q de Cochran constitue l’extension directe du test de McNemar au cas o\u00f9 le facteur intra-sujet comporte plus de deux modalit\u00e9s (k<\/em> > 2). Alors que le test de McNemar est restreint \u00e0 la comparaison de deux proportions corr\u00e9l\u00e9es (par exemple, un design pr\u00e9-test versus post-test), le test Q de Cochran g\u00e9n\u00e9ralise cette logique \u00e0 une matrice rectangulaire de dimensions b<\/em> × k<\/em>, o\u00f9 b<\/em> repr\u00e9sente le nombre de blocs ou d’individus et k<\/em> le nombre de conditions. Tout comme le test de McNemar neutralise l’effet des paires concordantes pour focaliser son calcul sur les paires discordantes, le test de Cochran neutralise l’impact des sujets pr\u00e9sentant des r\u00e9ponses uniformes (ceux ayant obtenu 0 \u00e0 toutes les conditions ou 1 \u00e0 toutes les conditions) pour baser son inf\u00e9rence exclusivement sur la variabilit\u00e9 intra-individuelle informative.<\/p>\n

1.3 Pertinence \u00e9pist\u00e9mologique en recherche psychologique<\/h3>\n

Dans le domaine de la psychologie scientifique et de la psychopathologie, la nature des ph\u00e9nom\u00e8nes observ\u00e9s impose fr\u00e9quemment le recours \u00e0 des indicateurs dichotomiques. Les crit\u00e8res diagnostiques du Manuel diagnostique et statistique des troubles mentaux (DSM) ou de la Classification internationale des maladies (CIM) fonctionnent fondamentalement selon une logique de seuil de pr\u00e9sence ou d’absence. Lorsqu’une \u00e9quipe de recherche \u00e9value l’efficacit\u00e9 d’un protocole psychoth\u00e9rapeutique \u00e0 travers diff\u00e9rentes phases temporelles (pr\u00e9-traitement, mi-parcours, post-traitement imm\u00e9diat et suivi \u00e0 six mois), la variable clinique d’int\u00e9r\u00eat est fr\u00e9quemment formalis\u00e9e sous la forme d’une r\u00e9mission symptomatique binaire. Le test Q de Cochran constitue ici l’outil \u00e9lectif pour \u00e9tablir si la proportion de patients atteignant le crit\u00e8re de r\u00e9mission \u00e9volue de mani\u00e8re significative au fil du temps.<\/p>\n

Au-del\u00e0 de la clinique, la psychologie cognitive et la neuropsychologie mobilisent intensivement ce test dans les paradigmes d’attention, de perception et de m\u00e9morisation. Dans les protocoles de rappel ou de reconnaissance indic\u00e9e, la performance \u00e0 un item lors de pr\u00e9sentations successives sous diff\u00e9rentes conditions de charge cognitive ou d’interf\u00e9rence est par nature binaire (item correctement rappel\u00e9 versus non rappel\u00e9). Le chercheur cherche alors \u00e0 savoir si la manipulation des conditions d’encodage mn\u00e9sique modifie significativement le taux de r\u00e9ussite globale au sein d’une m\u00eame cohorte de participants.<\/p>\n

Sur le plan \u00e9pist\u00e9mologique, la pertinence du test Q de Cochran r\u00e9side dans son ad\u00e9quation parfaite avec la structure r\u00e9p\u00e9t\u00e9e des protocoles de psychologie exp\u00e9rimentale. Les individus diff\u00e8rent consid\u00e9rablement quant \u00e0 leurs aptitudes cognitives basales, leurs traits de personnalit\u00e9 ou leur sensibilit\u00e9 aux stimuli. En contr\u00f4lant intrins\u00e8quement cette variance interindividuelle r\u00e9siduelle, le test Q de Cochran isole l’effet pur de la manipulation exp\u00e9rimentale. Il prot\u00e8ge le chercheur contre les biais d’inf\u00e9rence r\u00e9sultant d’une sur\u00e9valuation de la variabilit\u00e9 non contr\u00f4l\u00e9e, tout en respectant l’\u00e9chelle de mesure authentique des instruments psychom\u00e9triques binaires.<\/p>\n

2. Hypoth\u00e8ses statistiques et cadre d\u00e9cisionnel<\/h2>\n

2.1 Formulation de l’hypoth\u00e8se nulle (H0)<\/h3>\n

Toute d\u00e9marche d’inf\u00e9rence statistique formelle repose sur la sp\u00e9cification pr\u00e9cise de l’hypoth\u00e8se nulle, not\u00e9e H<\/em>0<\/sub>, qui incarne le postulat d’absence d’effet ou d’\u00e9quivalence entre les conditions \u00e9valu\u00e9es. Dans le cadre conceptuel du test Q de Cochran, l’hypoth\u00e8se nulle postule que l’efficacit\u00e9 ou la probabilit\u00e9 de succ\u00e8s associ\u00e9e \u00e0 chacun des k<\/em> traitements est rigoureusement identique au sein de la population parente dont est extrait l’\u00e9chantillon d’observation. Cela implique que l’assignation d’un sujet \u00e0 l’une ou l’autre des conditions exp\u00e9rimentales n’exerce aucune influence syst\u00e9matique sur la probabilit\u00e9 d’occurrence de la modalit\u00e9 1 de la variable d\u00e9pendante.<\/p>\n

Sur le plan math\u00e9matique et probabiliste, si l’on d\u00e9signe par P<\/em>(T<\/em>j<\/em><\/sub> = 1) la probabilit\u00e9 marginale qu’une observation choisie al\u00e9atoirement pr\u00e9sente un succ\u00e8s sous la condition exp\u00e9rimentale j<\/em> (avec j<\/em> variant de 1 \u00e0 k<\/em>), l’hypoth\u00e8se nulle s’\u00e9nonce formellement comme suit :<\/p>\n

H0<\/sub> : P(T1<\/sub> = 1) = P(T2<\/sub> = 1) = P(T3<\/sub> = 1) = … = P(Tk<\/sub> = 1) = p<\/p>\n

Cette formulation probabiliste souligne que, sous H<\/em>0<\/sub>, les variations observ\u00e9es entre les totaux marginaux de chaque colonne de la matrice de donn\u00e9es ne sont imputables qu’aux fluctuations d’\u00e9chantillonnage al\u00e9atoire. L’hypoth\u00e8se nulle sp\u00e9cifie \u00e9galement que le facteur temps, le facteur traitement ou le facteur m\u00e9thodologique n’induit aucune transition directionnelle globale des \u00e9tats 0 vers 1 ou des \u00e9tats 1 vers 0 au niveau de l’ensemble de la structure exp\u00e9rimentale.<\/p>\n

2.2 Formulation de l’hypoth\u00e8se alternative (H1 ou HA)<\/h3>\n

L’hypoth\u00e8se alternative, conventionnellement d\u00e9sign\u00e9e par H<\/em>1<\/sub> ou H<\/em>A<\/em><\/sub>, repr\u00e9sente la n\u00e9gation logique de l’hypoth\u00e8se nulle. Dans le cadre du test de Cochran, elle postule qu’il existe au moins une paire de conditions pour laquelle les probabilit\u00e9s de succ\u00e8s sous-jacentes diff\u00e8rent de mani\u00e8re significative au sein de la population. Elle s’exprime sous la forme g\u00e9n\u00e9rale suivante :<\/p>\n

H1<\/sub> : Il existe au moins une paire d’indices (j, j’) telle que P(Tj<\/sub> = 1) ≠ P(Tj’<\/sub> = 1) pour j ≠ j’<\/p>\n

Il est fondamental de souligner le caract\u00e8re omnibus et intrins\u00e8quement non directionnel du test Q de Cochran. \u00c0 l’instar du test F de l’analyse de variance ou du test du Chi-deux d’ind\u00e9pendance, le test de Cochran teste une hypoth\u00e8se globale. Un r\u00e9sultat statistiquement significatif autorisant le rejet de H<\/em>0<\/sub> n’indique en aucune mani\u00e8re quelle condition exp\u00e9rimentale se distingue des autres, ni si une trajectoire temporelle sp\u00e9cifique (telle qu’une am\u00e9lioration monotone continue) s’est produite. Le rejet de H<\/em>0<\/sub> informe simplement le statisticien que les donn\u00e9es observ\u00e9es sont hautement incompatibles avec l’hypoth\u00e8se d’une homog\u00e9n\u00e9it\u00e9 parfaite des proportions marginales.<\/p>\n

Par cons\u00e9quent, l’acceptation de l’hypoth\u00e8se alternative engendre obligatoirement la n\u00e9cessit\u00e9 de d\u00e9ployer des analyses secondaires a posteriori, qualifi\u00e9es de tests post-hoc. Ces proc\u00e9dures sp\u00e9cifiques ont pour fonction d’analyser les cellules de contraste pour identifier avec pr\u00e9cision les sous-ensembles de conditions \u00e0 l’origine de la divergence statistique omnibus, tout en neutralisant l’inflation corollaire du risque d’erreur de premi\u00e8re esp\u00e8ce.<\/p>\n

2.3 Seuil de significativit\u00e9 et erreurs d’inf\u00e9rence<\/h3>\n

La prise de d\u00e9cision statistique dans le cadre du test Q de Cochran s’articule autour de la th\u00e9orie classique des tests d’hypoth\u00e8ses formalis\u00e9e par Neyman et Pearson. Le chercheur doit fixer a priori un seuil de significativit\u00e9, d\u00e9sign\u00e9 par la lettre grecque α, qui d\u00e9limite la probabilit\u00e9 maximale tol\u00e9r\u00e9e de commettre une erreur de premi\u00e8re esp\u00e8ce (rejeter l’hypoth\u00e8se nulle alors qu’elle est en r\u00e9alit\u00e9 vraie dans la population). Dans les publications en psychologie et en sciences m\u00e9dicales, ce risque est conventionnellement arr\u00eat\u00e9 \u00e0 α = 0,05, ou \u00e0 des niveaux plus conservateurs tels que α = 0,01 ou α = 0,001 lors d’\u00e9tudes confirmatoires \u00e0 haute criticit\u00e9 m\u00e9thodologique.<\/p>\n

Sym\u00e9triquement, l’erreur de deuxi\u00e8me esp\u00e8ce, quantifi\u00e9e par β, correspond \u00e0 la probabilit\u00e9 d’\u00e9chouer \u00e0 rejeter l’hypoth\u00e8se nulle alors qu’il existe une diff\u00e9rence substantielle entre les traitements. La puissance statistique du test, d\u00e9finie par 1 − β, traduit la capacit\u00e9 de l’outil \u00e0 d\u00e9tecter une non-homog\u00e9n\u00e9it\u00e9 r\u00e9elle des proportions. La puissance du test Q de Cochran est \u00e9troitement tributaire du nombre de sujets inclus dans l’\u00e9chantillon, du nombre de conditions compar\u00e9es, de la magnitude de l’effet r\u00e9el au sein de la population, mais \u00e9galement de la proportion de profils de r\u00e9ponses discriminants. Une taille d’\u00e9chantillon r\u00e9duite coupl\u00e9e \u00e0 une forte concordance des r\u00e9ponses \u00e0 travers les conditions d\u00e9grade consid\u00e9rablement la puissance, augmentant le risque d’erreur de type II.<\/p>\n

La r\u00e8gle de d\u00e9cision statistique op\u00e9rationnelle repose sur la comparaison directe entre la statistique observ\u00e9e Q<\/em>obs<\/em><\/sub> calcul\u00e9e sur les donn\u00e9es empiriques et une valeur critique th\u00e9orique extraite de la distribution du Chi-deux au seuil α choisi, ou, de fa\u00e7on \u00e9quivalente dans les logiciels statistiques modernes, sur l’\u00e9valuation de la probabilit\u00e9 critique asymptotique (la p<\/em>-valeur). Si la p<\/em>-valeur est strictement inf\u00e9rieure au seuil α, l’analyste rejette formellement H<\/em>0<\/sub> au profit de l’hypoth\u00e8se alternative. Dans le cas contraire, si la p<\/em>-valeur exc\u00e8de le seuil α, le chercheur conclut \u00e0 l’absence de preuve suffisante pour affirmer l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des proportions, maintenant l’hypoth\u00e8se de travail nulle.<\/p>\n

3. Postulats et conditions d’application m\u00e9thodologiques<\/h2>\n

3.1 Nature binaire et codage de la variable d\u00e9pendante<\/h3>\n

Le postulat architectural fondamental conditionnant la validit\u00e9 du test Q de Cochran r\u00e9side dans la nature strictement dichotomique de la variable d\u00e9pendante mesur\u00e9e. Chaque observation collect\u00e9e au croisement d’un sujet individuel i<\/em> et d’une condition j<\/em> doit imp\u00e9rativement relever d’une alternative exclusive, mod\u00e9lis\u00e9e par une variable de Bernoulli prenant ses valeurs dans l’ensemble discret {0, 1}. Tout \u00e9cart par rapport \u00e0 cette \u00e9chelle binaire stricte rend la formule alg\u00e9brique de Cochran caduque et fausse irr\u00e9m\u00e9diablement l’estimation de la variance d’\u00e9chantillonnage.<\/p>\n

Dans la pratique de la recherche, il est fr\u00e9quent que les psychologues recueillent des donn\u00e9es ordinales via des \u00e9chelles de type Likert en cinq ou sept points, ou des scores quantitatifs continus issus de tests psychom\u00e9triques. Le test Q de Cochran ne peut en aucun cas \u00eatre appliqu\u00e9 directement sur de telles \u00e9chelles continues ou polyatomiques. Pour utiliser ce test dans un tel contexte, les chercheurs proc\u00e8dent fr\u00e9quemment \u00e0 une dichotomisation pr\u00e9alable en appliquant un score seuil (par exemple, convertir des scores d’anxi\u00e9t\u00e9 en 0 = \u00ab sous le seuil clinique \u00bb et 1 = \u00ab au-dessus du seuil clinique \u00bb).<\/p>\n

Il convient toutefois d’alerter le m\u00e9thodologiste sur la sensibilit\u00e9 critique du test aux seuils de cat\u00e9gorisation artificielle. La dichotomisation d’une variable originellement continue entra\u00eene in\u00e9vitablement une perte substantielle d’information statistique, r\u00e9duit la variance observable et peut, selon l’emplacement arbitraire du point de c\u00e9sure, introduire des biais de classification ou masquer des effets non lin\u00e9aires subtils. L’usage du test Q de Cochran doit \u00eatre r\u00e9serv\u00e9 aux variables pour lesquelles le caract\u00e8re binaire est intrins\u00e8que au ph\u00e9nom\u00e8ne \u00e9tudi\u00e9 (survie\/d\u00e9c\u00e8s, rappel r\u00e9ussi\/oubli, pr\u00e9sence\/absence d’un crit\u00e8re clinique strict) ou m\u00e9thodologiquement in\u00e9vitable.<\/p>\n

\"\"<\/figure>\n

3.2 Structure des donn\u00e9es en blocs al\u00e9atoires complets<\/h3>\n

Le second pr\u00e9requis m\u00e9thodologique concerne l’agencement structural des donn\u00e9es, qui doit correspondre rigoureusement \u00e0 un plan en blocs al\u00e9atoires complets. Dans la terminologie de l’exp\u00e9rimentation factorielle, un bloc repr\u00e9sente l’unit\u00e9 source d’appariement. Dans la vaste majorit\u00e9 des applications psychologiques, chaque bloc correspond \u00e0 un participant individuel unique \u00e9valu\u00e9 successivement sous toutes les conditions (plan intra-sujet pur). Cependant, un bloc peut \u00e9galement d\u00e9signer un groupe homog\u00e8ne d’individus distincts pr\u00e9alablement appari\u00e9s sur des variables de contr\u00f4le majeures (par exemple, des tripl\u00e9s monozygotes ou des patients appari\u00e9s sur l’\u00e2ge, le quotient intellectuel et la s\u00e9v\u00e9rit\u00e9 initiale du trouble).<\/p>\n

Ce plan requiert une compl\u00e9tude absolue : chaque sujet ou bloc doit imp\u00e9rativement poss\u00e9der une observation valide pour chacune des k<\/em> conditions exp\u00e9rimentales. La pr\u00e9sence de valeurs manquantes (donn\u00e9es incompl\u00e8tes sur un temps de mesure sp\u00e9cifique) pose une difficult\u00e9 majeure car la structure matricielle de Cochran impose un croisement exhaustif. Dans les impl\u00e9mentations standards, tout sujet pr\u00e9sentant une valeur manquante sur l’une quelconque des colonnes est automatiquement \u00e9vinc\u00e9 de l’analyse (proc\u00e9dure d’exclusion par liste compl\u00e8te ou listwise deletion<\/em>), ce qui peut d\u00e9grader significativement la puissance statistique et introduire des biais si l’attrition n’est pas compl\u00e8tement al\u00e9atoire.<\/p>\n

Par ailleurs, si les mesures r\u00e9p\u00e9t\u00e9es au sein d’un m\u00eame bloc sont structurellement d\u00e9pendantes (c’est l’essence m\u00eame de l’appariement), le mod\u00e8le postule en contrepartie une ind\u00e9pendance mutuelle totale entre les diff\u00e9rents blocs de sujets. La r\u00e9ponse fournie par le sujet A<\/em> ne doit en aucun cas \u00eatre influenc\u00e9e par celle du sujet B<\/em>. Ce postulat d’ind\u00e9pendance inter-blocs exclut l’analyse de donn\u00e9es recueillies dans des contextes d’interactions de groupe ou de dyades non contr\u00f4l\u00e9es sans ajustements multiniveaux pr\u00e9alables.<\/p>\n

3.3 Exigences relatives \u00e0 la taille de l’\u00e9chantillon et crit\u00e8res asymptotiques<\/h3>\n

La statistique Q<\/em> d\u00e9velopp\u00e9e par William Cochran ne poss\u00e8de pas de distribution exacte \u00e9l\u00e9mentaire pour les \u00e9chantillons de taille finie ; son inf\u00e9rence repose sur une convergence asymptotique vers la loi th\u00e9orique du Chi-deux. D\u00e8s lors, la validit\u00e9 des p<\/em>-valeurs obtenues est subordonn\u00e9e au respect de r\u00e8gles dimensionnelles minimales concernant la taille de l’\u00e9chantillon de blocs b<\/em> et le nombre de traitements k<\/em>.<\/p>\n

Une r\u00e8gle empirique largement accept\u00e9e dans la litt\u00e9rature statistique (formul\u00e9e notamment par Patil en 1975 et consolid\u00e9e par Siegel et Castellan en 1988) stipule que l’approximation par la loi du Chi-deux demeure fiable et robuste sous r\u00e9serve que le produit du nombre de blocs (sujets) b<\/em> et du nombre de conditions k<\/em> soit sup\u00e9rieur ou \u00e9gal \u00e0 24, avec un minimum absolu de k<\/em> ≥ 3 conditions (pour k<\/em> = 2, le test exact binomial de McNemar s’applique directement sans approximation continue) :<\/p>\n

b × k ≥ 24<\/p>\n

Cependant, cette condition purement arithm\u00e9tique s’av\u00e8re insuffisante si l’on ne prend pas en consid\u00e9ration la distribution intrins\u00e8que des donn\u00e9es \u00e0 l’int\u00e9rieur des lignes. Un ph\u00e9nom\u00e8ne capital et fr\u00e9quemment n\u00e9glig\u00e9 r\u00e9side dans l’influence d\u00e9l\u00e9t\u00e8re des lignes uniformes. Un participant qui obtient un score de 0 \u00e0 travers l’ensemble des k<\/em> conditions, ou inversement qui pr\u00e9sente un score de 1 \u00e0 chaque mesure, apporte une information sur la performance globale moyenne mais ne fournit absolument aucune variance intra-individuelle diff\u00e9rentielle pour juger de la sup\u00e9riorit\u00e9 d’un traitement sur un autre.<\/p>\n

Sur le plan computationnel, ces sujets aux profils uniformes s’annulent purement et simplement dans le calcul de la statistique de Cochran. Par cons\u00e9quent, la taille de l’\u00e9chantillon effectif utile ne correspond pas au nombre brut d’individus recrut\u00e9s b<\/em>, mais exclusivement au nombre de sujets dits \u00ab discriminants \u00bb ou \u00ab discordants \u00bb, c’est-\u00e0-dire ceux ayant pr\u00e9sent\u00e9 des r\u00e9ponses h\u00e9t\u00e9rog\u00e8nes (au moins un succ\u00e8s et au moins un \u00e9chec parmi leurs mesures). Si une cohorte comprend 100 participants mais que 85 d’entre eux pr\u00e9sentent des profils uniformes, la puissance r\u00e9elle du test \u00e9quivaut \u00e0 celle d’un micro-\u00e9chantillon de 15 sujets, ce qui fragilise l’approximation par le Chi-deux et expose l’\u00e9tude \u00e0 un risque s\u00e9v\u00e8re d’erreur de type II.<\/p>\n

4. D\u00e9rivation math\u00e9matique et calcul pas \u00e0 pas de la statistique Q<\/h2>\n

4.1 Notation matricielle et variables marginales<\/h3>\n

Pour appr\u00e9hender rigoureusement la m\u00e9canique interne du test, il convient de formaliser le recueil des donn\u00e9es sous la forme d’une matrice rectangulaire d’observations binaires, not\u00e9e X<\/strong>, comprenant b<\/em> lignes (repr\u00e9sentant les blocs ou participants individuels, index\u00e9s par i<\/em> = 1, 2, …, b<\/em>) et k<\/em> colonnes (repr\u00e9sentant les modalit\u00e9s exp\u00e9rimentales ou conditions de mesure r\u00e9p\u00e9t\u00e9es, index\u00e9es par j<\/em> = 1, 2, …, k<\/em>).<\/p>\n

Chaque \u00e9l\u00e9ment X<\/em>ij<\/em><\/sub> de la matrice prend imp\u00e9rativement la valeur 0 ou 1 :<\/p>\n

Xij<\/sub> ∈ {0, 1}<\/p>\n

\u00c0 partir de cette matrice fondamentale, deux s\u00e9ries de totaux marginaux essentiels doivent \u00eatre calcul\u00e9es :<\/p>\n