{"id":7824,"date":"2026-09-17T00:19:30","date_gmt":"2026-09-17T00:19:30","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/how-to-perform-a-nested-anova-in-r-step-by-step\/"},"modified":"2026-09-17T00:19:33","modified_gmt":"2026-09-17T00:19:33","slug":"how-to-perform-a-nested-anova-in-r-step-by-step","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=how-to-perform-a-nested-anova-in-r-step-by-step","title":{"rendered":"How to Perform a Nested ANOVA in R (Step-by-Step)"},"content":{"rendered":"

L’analyse de variance, introduite par le statisticien et g\u00e9n\u00e9ticien Ronald Aylmer Fisher<\/a> dans les ann\u00e9es 1920, constitue l’un des piliers m\u00e9thodologiques fondamentaux de l’inf\u00e9rence statistique moderne. Dans sa forme canonique unidirectionnelle ou factorielle factoris\u00e9e, elle postule que les diff\u00e9rents niveaux de traitement sont combin\u00e9s de mani\u00e8re orthogonale ou crois\u00e9e, garantissant ainsi que chaque modalit\u00e9 d’un facteur puisse interagir de fa\u00e7on sym\u00e9trique avec l’ensemble des modalit\u00e9s des autres facteurs du mod\u00e8le. Cependant, la complexit\u00e9 intrins\u00e8que des dispositifs exp\u00e9rimentaux r\u00e9els \u2014 qu’il s’agisse des sciences agronomiques, biom\u00e9dicales, \u00e9cologiques ou psychosociales \u2014 impose fr\u00e9quemment des contraintes structurelles o\u00f9 l’orthogonalit\u00e9 parfaite s’av\u00e8re impossible ou non pertinente sur le plan pratique.<\/p>\n

Lorsque les unit\u00e9s exp\u00e9rimentales ou les sous-groupes d’observation sont structurellement subordonn\u00e9s \u00e0 un niveau hi\u00e9rarchique sup\u00e9rieur sp\u00e9cifique, le mod\u00e8le lin\u00e9aire classique doit s’adapter pour capturer ad\u00e9quatement cette d\u00e9pendance stochastique sous-jacente. L’analyse de variance embo\u00eet\u00e9e (en anglais, Nested ANOVA<\/em> ou Hierarchical ANOVA<\/em>) offre le cadre inf\u00e9rentiel idoine permettant de d\u00e9composer rigoureusement les sources de variation lorsque les niveaux d’un facteur secondaire n’ont de sens, d’existence physique ou d’assignation exp\u00e9rimentale qu’\u00e0 l’int\u00e9rieur d’une modalit\u00e9 donn\u00e9e du facteur principal. Ignorer cette hi\u00e9rarchie conduit in\u00e9vitablement \u00e0 ce que Stuart Hurlbert (1984)<\/a> a formellement th\u00e9oris\u00e9 sous le terme de pseudo-r\u00e9plication, une erreur d’inf\u00e9rence majeure provoquant un gonflement drastique du taux d’erreur de premi\u00e8re esp\u00e8ce (α) et des conclusions fallacieuses.<\/p>\n

Le pr\u00e9sent guide a pour vocation de d\u00e9cortiquer, avec un niveau de rigueur acad\u00e9mique sans compromis, l’ensemble des fondements th\u00e9oriques, math\u00e9matiques et informatiques pr\u00e9sidant \u00e0 la mise en \u0153uvre de l’ANOVA embo\u00eet\u00e9e au sein de l’\u00e9cosyst\u00e8me R<\/a>. \u00c0 travers un continuum didactique allant de l’alg\u00e8bre sous-jacente des carr\u00e9s moyens attendus jusqu’aux extensions par les mod\u00e8les mixtes lin\u00e9aires (Linear Mixed Models<\/em>), ce manuel exhaustif permettra aux chercheurs, doctorants et biostatisticiens de concevoir des protocoles robustes, d’ex\u00e9cuter des analyses irr\u00e9prochables et de formaliser leurs r\u00e9sultats conform\u00e9ment aux standards les plus exigeants de la communication scientifique.<\/p>\n

1. Introduction conceptuelle \u00e0 l’ANOVA embo\u00eet\u00e9e et aux plans hi\u00e9rarchiques<\/h2>\n

D\u00e9finition th\u00e9orique du plan factoriel embo\u00eet\u00e9<\/h3>\n

Sur le plan de l’architecture exp\u00e9rimentale, un plan factoriel est dit embo\u00eet\u00e9 (ou hi\u00e9rarchis\u00e9) lorsqu’un facteur secondaire, traditionnellement not\u00e9 B<\/em>, voit ses diff\u00e9rentes modalit\u00e9s distribu\u00e9es de telle mani\u00e8re que chaque niveau sp\u00e9cifique de B<\/em> n’appara\u00eet et n’est \u00e9valu\u00e9 que dans une et une seule modalit\u00e9 du facteur principal, traditionnellement d\u00e9sign\u00e9 par A<\/em>. Contrairement \u00e0 un plan factoriel crois\u00e9 o\u00f9 chaque niveau de B<\/em> traverse l’int\u00e9gralit\u00e9 des niveaux de A<\/em> (permettant ainsi l’\u00e9valuation d’un produit tensoriel d’effets et l’estimation de termes d’interaction de type A × B<\/em>), le plan embo\u00eet\u00e9 interdit ontologiquement l’existence d’une telle interaction.<\/p>\n

Dans cette configuration g\u00e9om\u00e9trique, les modalit\u00e9s du facteur sous-jacent B<\/em> ne partagent aucune identit\u00e9 commune d’un niveau de A<\/em> \u00e0 un autre. Par exemple, si le facteur principal A<\/em> repr\u00e9sente trois protocoles th\u00e9rapeutiques distincts et que le facteur secondaire B<\/em> correspond \u00e0 des h\u00f4pitaux assign\u00e9s \u00e0 ces protocoles, l’h\u00f4pital num\u00e9ro 1 sous le traitement A n’a aucun lien organique, g\u00e9ographique ou statistique avec l’h\u00f4pital num\u00e9ro 1 sous le traitement B. L’\u00e9tiquetage des niveaux du facteur inf\u00e9rieur est donc purement arbitraire et conventionnel. On symbolise math\u00e9matiquement cette relation de d\u00e9pendance unilat\u00e9rale sous la notation formelle B(A)<\/em>, signifiant \u00ab le facteur B<\/em> est embo\u00eet\u00e9 dans le facteur A<\/em> \u00bb.<\/p>\n

L’ANOVA embo\u00eet\u00e9e constitue ainsi l’outil analytique par excellence pour partitionner la variance globale d’une variable r\u00e9ponse continue en plusieurs composantes \u00e9tanches : la variation attribuable aux dissemblances entre les groupes principaux, la variation attribuable \u00e0 l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des sous-unit\u00e9s au sein de ces m\u00eames groupes, et enfin l’erreur r\u00e9siduelle pure (ou micro-variation d’\u00e9chantillonnage) constat\u00e9e entre les r\u00e9p\u00e9titions au sein de chaque sous-unit\u00e9.<\/p>\n

Pertinence et cas d’usage en recherche exp\u00e9rimentale<\/h3>\n

L’omnipr\u00e9sence des structures hi\u00e9rarchiques dans la nature et dans les dispositifs d’exp\u00e9rimentation conf\u00e8re \u00e0 l’ANOVA embo\u00eet\u00e9e un champ d’application consid\u00e9rable. Dans les sciences biologiques et environnementales, l’\u00e9chantillonnage s’effectue quasi syst\u00e9matiquement selon des gradients spatiaux ou temporels multiniveaux. Consid\u00e9rons l’\u00e9valuation de la toxicit\u00e9 d’un x\u00e9nobiotique sur la biodiversit\u00e9 benthique : un \u00e9cologue s\u00e9lectionnera plusieurs bassins versants (facteur principal), \u00e9chantillonnera plusieurs cours d’eau au sein de chaque bassin (facteur secondaire embo\u00eet\u00e9), pr\u00e9l\u00e8vera plusieurs carottes de s\u00e9diments par cours d’eau (facteur tertiaire embo\u00eet\u00e9) et mesurera l’abondance d’un taxon indicateur sur plusieurs aliquotes par carotte. Tenter d’analyser de telles donn\u00e9es via une ANOVA factorielle classique ou en agr\u00e9geant pr\u00e9matur\u00e9ment les donn\u00e9es conduirait soit \u00e0 un effondrement de la puissance statistique, soit \u00e0 une violation du postulat d’ind\u00e9pendance des observations.<\/p>\n

\"Example
Example of nested ANOVA<\/figcaption><\/figure>\n

En m\u00e9decine translationnelle et en pharmacologie clinique, les essais pr\u00e9cliniques recourent massivement \u00e0 ces structures. Dans les tests de criblage de mol\u00e9cules, des port\u00e9es de rongeurs peuvent \u00eatre soumises \u00e0 diff\u00e9rentes doses d’un principe actif (niveau 1), plusieurs animaux sont s\u00e9lectionn\u00e9s par port\u00e9e (niveau 2 embo\u00eet\u00e9), et de multiples coupes histologiques ou biopsies d’organes sont analys\u00e9es pour chaque individu (niveau 3 d’\u00e9chantillonnage technique). De fa\u00e7on analogue, en psychom\u00e9trie et sciences de l’\u00e9ducation, les apprenants sont regroup\u00e9s au sein de classes scolaires, elles-m\u00eames int\u00e9gr\u00e9es au sein d’\u00e9tablissements territoriaux soumis \u00e0 des programmes p\u00e9dagogiques distincts.<\/p>\n

Dans l’ensemble de ces situations, l’ANOVA embo\u00eet\u00e9e permet non seulement de tester l’effet r\u00e9el du traitement principal en neutralisant statistiquement le \u00ab bruit \u00bb ou la variabilit\u00e9 des \u00e9chelons interm\u00e9diaires, mais elle offre \u00e9galement l’opportunit\u00e9 d’estimer les composantes de la variance (variance components<\/em>). Cela permet d’identifier \u00e0 quel niveau hi\u00e9rarchique r\u00e9side l’instabilit\u00e9 majeure du syst\u00e8me exp\u00e9rimental, guidant ainsi l’optimisation des protocoles d’\u00e9chantillonnage futurs.<\/p>\n

Pr\u00e9sentation du cas d’\u00e9tude fil conducteur<\/h3>\n

Afin d’ancrer de mani\u00e8re pragmatique les d\u00e9veloppements math\u00e9matiques et la programmation sous R, nous \u00e9tablissons un fil conducteur exp\u00e9rimental standardis\u00e9 issu de la physiologie v\u00e9g\u00e9tale et de l’agronomie de pr\u00e9cision. Imaginons un consortium de recherche agronomique \u00e9valuant l’efficacit\u00e9 de trois formulations fertilisantes innovantes (le facteur principal Engrais<\/em>, comportant 3 modalit\u00e9s fixes : \u00ab Contr\u00f4le \u00bb, \u00ab Organo-Min\u00e9ral \u00bb, \u00ab Bio-Stimulant \u00bb) sur le rendement en biomasse s\u00e8che de plants de soja (Glycine max<\/em>).<\/p>\n

Pour chaque type de fertilisant, l’\u00e9tude s\u00e9lectionne al\u00e9atoirement 4 exploitations agricoles distinctes (le facteur secondaire embo\u00eet\u00e9 Exploitation<\/em>, comportant 4 niveaux par modalit\u00e9 d’engrais, soit 12 exploitations distinctes au total). Il est capital de souligner qu’aucune exploitation ne teste plus d’un type d’engrais : l’exploitation num\u00e9ro 1 recevant le \u00ab Bio-Stimulant \u00bb n’a aucune parent\u00e9 avec l’exploitation num\u00e9ro 1 recevant le \u00ab Contr\u00f4le \u00bb. Au sein de chaque exploitation agricole, 6 parcelles exp\u00e9rimentales homog\u00e8nes sont d\u00e9limit\u00e9es et r\u00e9colt\u00e9es, fournissant les observations unitaires de biomasse exprim\u00e9es en quintaux par hectare (q\/ha).<\/p>\n

Ce protocole constitue un plan embo\u00eet\u00e9 \u00e0 deux facteurs hi\u00e9rarchis\u00e9s \u00e9quilibr\u00e9 (balanced two-stage nested design<\/em>), totalisant :<\/p>\n