{"id":8203,"date":"2026-09-17T04:35:09","date_gmt":"2026-09-17T04:35:09","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-effectuer-test-scheffe-dans-r\/"},"modified":"2026-09-17T04:35:11","modified_gmt":"2026-09-17T04:35:11","slug":"comment-effectuer-test-scheffe-dans-r","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-effectuer-test-scheffe-dans-r","title":{"rendered":"Comment effectuer le test de Scheff\u00e9 dans R"},"content":{"rendered":"

Dans le domaine de la recherche empirique en sciences humaines, biom\u00e9dicales et comportementales, l’analyse de la variance (ANOVA) constitue la pierre angulaire de l’inf\u00e9rence statistique lorsqu’il s’agit de comparer les moyennes d’au moins trois groupes ind\u00e9pendants. Toutefois, l’obtention d’un r\u00e9sultat omnibus statistiquement significatif ne r\u00e9v\u00e8le jamais l’emplacement pr\u00e9cis des divergences intergroupes. Face \u00e0 cette ind\u00e9termination fondamentale, le chercheur doit recourir \u00e0 des proc\u00e9dures d’analyse post-hoc<\/em> pour examiner les \u00e9carts entre modalit\u00e9s factorielles. Parmi la vaste panoplie de techniques existantes, le test d\u00e9velopp\u00e9 par le statisticien am\u00e9ricain Henry Scheff\u00e9<\/a> occupe une position singuli\u00e8re en raison de ses propri\u00e9t\u00e9s math\u00e9matiques exceptionnelles.<\/p>\n

Le test post-hoc de Scheff\u00e9 se distingue par son \u00e9l\u00e9gance th\u00e9orique et son universalit\u00e9 : il permet non seulement d’\u00e9valuer toutes les comparaisons simples par paires de moyennes, mais \u00e9galement d’explorer l’infinit\u00e9 des contrastes lin\u00e9aires complexes non planifi\u00e9s, tout en maintenant le taux d’erreur global de type I sous un contr\u00f4le rigoureux. Cette polyvalence in\u00e9gal\u00e9e s’accompagne cependant d’une r\u00e9putation de conservatisme prononc\u00e9, ce qui am\u00e8ne souvent les praticiens \u00e0 s’interroger sur le moment opportun et les modalit\u00e9s exactes de son d\u00e9ploiement m\u00e9thodologique. En psychologie exp\u00e9rimentale et en neurosciences cognitives, o\u00f9 les protocoles d’intervention factoriels complexes sont l\u00e9gion, ma\u00eetriser cette m\u00e9thode devient un imp\u00e9ratif d’int\u00e9grit\u00e9 scientifique.<\/p>\n

L’environnement statistique R offre une infrastructure computationnelle id\u00e9ale pour mettre en \u0153uvre, visualiser et diss\u00e9quer le test de Scheff\u00e9. Au travers de cet article exhaustif, nous explorerons les fondements th\u00e9oriques de cette proc\u00e9dure, \u00e9tablirons une comparaison syst\u00e9matique avec les alternatives courantes telles que Tukey, Bonferroni ou Dunnett, et d\u00e9taillerons son ex\u00e9cution pas \u00e0 pas dans l’environnement R \u00e0 l’aide de biblioth\u00e8ques \u00e9prouv\u00e9es. De la v\u00e9rification des postulats \u00e0 la r\u00e9daction des r\u00e9sultats selon les normes de l’American Psychological Association<\/em> (APA), ce guide s’adresse aux chercheurs d\u00e9sireux d’allier rigueur math\u00e9matique et efficience programmatique.<\/p>\n

1. Fondements th\u00e9oriques du test post-hoc de Scheff\u00e9 en psychologie exp\u00e9rimentale<\/h2>\n

1.1 Le probl\u00e8me de l’inflation de l’erreur de type I dans les plans exp\u00e9rimentaux<\/h3>\n

L’analyse de donn\u00e9es exp\u00e9rimentales repose sur l’arbitrage fondamental entre la d\u00e9couverte d’effets r\u00e9els et la limitation des faux positifs. Lorsqu’une exp\u00e9rience implique plus de deux conditions de traitement, la tentation na\u00efve consisterait \u00e0 multiplier les tests t<\/em> de Student ind\u00e9pendants pour comparer chaque paire possible de groupes. Cependant, une telle approche engendre une explosion probabiliste de l’erreur de premi\u00e8re esp\u00e8ce, ph\u00e9nom\u00e8ne universellement document\u00e9 sous le terme d’inflation du taux d’erreur par famille de comparaisons, ou Family-Wise Error Rate<\/em> (FWER).<\/p>\n

D’un point de vue probabiliste, si l’on conduit $c$<\/span> comparaisons ind\u00e9pendantes au seuil nominal individuel $\\alpha = 0{,}05$<\/span>, la probabilit\u00e9 globale de commettre au moins une erreur de type I est d\u00e9finie par la formule $1 – (1 – \\alpha)^c$<\/span>. D\u00e8s lors que le plan exp\u00e9rimental comporte quatre groupes, le nombre de comparaisons simples s’\u00e9l\u00e8ve \u00e0 six, propulsant le risque r\u00e9el de fausse d\u00e9couverte \u00e0 plus de 26 %. Pour une \u00e9tude \u00e9valuant cinq conditions th\u00e9rapeutiques distinctes, dix comparaisons simples sont envisageables, \u00e9levant le FWER \u00e0 environ 40 %. Dans ce contexte, la valeur probante de chaque conclusion individuelle s’effondre.<\/p>\n

En psychom\u00e9trie et en psychologie clinique, o\u00f9 les d\u00e9cisions issues de la recherche peuvent directement guider les pratiques th\u00e9rapeutiques ou l’allocation de ressources publiques, cette inflation statistique pose un probl\u00e8me d\u00e9ontologique majeur. La multiplication incontr\u00f4l\u00e9e de tests bilat\u00e9raux non corrig\u00e9s entra\u00eene une crise de reproductibilit\u00e9 flagrante. Les chercheurs ont donc l’obligation m\u00e9thodologique absolue d’instaurer des verrous statistiques capables de garantir que l’ensemble du faisceau d’inf\u00e9rences demeure sous le seuil critique pr\u00e9d\u00e9termin\u00e9, g\u00e9n\u00e9ralement fix\u00e9 \u00e0 5 % pour l’ensemble de la famille de tests.<\/p>\n

1.2 D\u00e9finition et sp\u00e9cificit\u00e9s de la proc\u00e9dure de Scheff\u00e9<\/h3>\n

Face \u00e0 la n\u00e9cessit\u00e9 de neutraliser le risque FWER sans contraindre arbitrairement le nombre d’hypoth\u00e8ses exploratoires, Henry Scheff\u00e9 a formul\u00e9 en 1953 une m\u00e9thode r\u00e9volutionnaire fond\u00e9e sur la distribution de la statistique $F$<\/span> de Fisher-Snedecor. Contrairement \u00e0 d’autres proc\u00e9dures post-hoc limit\u00e9es \u00e0 l’\u00e9valuation exclusive des diff\u00e9rences par paires simples, la m\u00e9thode de Scheff\u00e9 permet d’analyser n’importe quel contraste lin\u00e9aire, qu’il soit simple ou complexe, planifi\u00e9 ou formul\u00e9 a posteriori<\/em> suite \u00e0 une inspection visuelle pr\u00e9liminaire des donn\u00e9es empiriques.<\/p>\n

La puissance conceptuelle de la m\u00e9thode de Scheff\u00e9 r\u00e9side dans sa relation directe avec le test omnibus de l’analyse de la variance. Si le test $F$<\/span> global de l’ANOVA s’av\u00e8re non significatif au seuil $\\alpha$<\/span>, il est math\u00e9matiquement garanti qu’aucun contraste lin\u00e9aire r\u00e9alisable sur ces donn\u00e9es ne pourra \u00eatre d\u00e9clar\u00e9 significatif par la m\u00e9thode de Scheff\u00e9 au m\u00eame seuil $\\alpha$<\/span>. R\u00e9ciproquement, d\u00e8s lors que l’ANOVA omnibus rejette l’hypoth\u00e8se nulle d’\u00e9galit\u00e9 g\u00e9n\u00e9rale des moyennes, il existe obligatoirement au moins un contraste lin\u00e9aire dans l’espace multidimensionnel des param\u00e8tres dont la valeur statistique d\u00e9passe la valeur critique de Scheff\u00e9.<\/p>\n

Cette propri\u00e9t\u00e9 unique d\u00e9coule de la d\u00e9rivation g\u00e9om\u00e9trique de la statistique de Scheff\u00e9, qui projette une r\u00e9gion de confiance ellipso\u00efdale simultan\u00e9e dans l’espace vectoriel des moyennes de groupes. Pour compenser la libert\u00e9 d’explorer l’ensemble infini des combinaisons lin\u00e9aires possibles, la valeur critique de Scheff\u00e9 est substantiellement plus \u00e9lev\u00e9e que celle des tests concurrents. Cette caract\u00e9ristique conf\u00e8re \u00e0 la m\u00e9thode un statut intrins\u00e8quement conservateur, garantissant une protection herm\u00e9tique contre l’erreur de type I, m\u00eame lorsque l’exp\u00e9rimentateur se livre \u00e0 du forage de donn\u00e9es (data dredging<\/em>) intensif apr\u00e8s observation des r\u00e9sultats.<\/p>\n

1.3 Applications types dans la recherche psychologique et comportementale<\/h3>\n

Les caract\u00e9ristiques de la m\u00e9thode de Scheff\u00e9 trouvent un terrain d’application privil\u00e9gi\u00e9 au sein de la recherche psychologique, o\u00f9 les chercheurs explorent fr\u00e9quemment des hypoth\u00e8ses dimensionnelles non orthogonales. \u00c0 titre d’exemple, dans un protocole d’\u00e9valuation des psychoth\u00e9rapies de l’anxi\u00e9t\u00e9 g\u00e9n\u00e9ralis\u00e9e, un chercheur peut souhaiter comparer non seulement l’efficacit\u00e9 d’une th\u00e9rapie cognitivo-comportementale (TCC) \u00e0 celle d’une th\u00e9rapie bas\u00e9e sur la pleine conscience, mais \u00e9galement comparer la moyenne combin\u00e9e de ces deux approches actives \u00e0 une modalit\u00e9 placebo psychologique et \u00e0 une condition de liste d’attente.<\/p>\n

Dans le domaine de la psychologie cognitive et des sciences de l’apprentissage, les protocoles exp\u00e9rimentaux impliquent couramment l’\u00e9valuation de techniques mn\u00e9motechniques vari\u00e9es. Les exp\u00e9rimentateurs peuvent \u00eatre amen\u00e9s \u00e0 opposer l’efficacit\u00e9 conjointe de deux strat\u00e9gies d’\u00e9laboration s\u00e9mantique face \u00e0 une strat\u00e9gie de r\u00e9p\u00e9tition m\u00e9canique passive. Comme ces comparaisons complexes \u00e9mergent r\u00e9guli\u00e8rement \u00e0 la suite de l’examen descriptif initial des performances, le test de Scheff\u00e9 demeure le seul outil valide permettant de tester l\u00e9gitimement ces regroupements post-hoc<\/em> sans violer les postulats probabilistes fondamentaux.<\/p>\n

De surcro\u00eet, l’analyse des chronom\u00e9tries mentales et des temps de r\u00e9action dans des paradigmes d’attention s\u00e9lective sollicite fr\u00e9quemment ce test. Lorsqu’un plan factoriel int\u00e8gre des niveaux d’interf\u00e9rence distractrice graduelle, les contrastes de tendances lin\u00e9aires ou quadratiques formul\u00e9s a posteriori<\/em> pour caract\u00e9riser la d\u00e9gradation de la performance exigent le blindage statistique offert par Scheff\u00e9. Sa flexibilit\u00e9 analytique permet d’extraire des enseignements th\u00e9oriques profonds \u00e0 partir d’observations empiriques impr\u00e9vues tout en pr\u00e9servant la validit\u00e9 inf\u00e9rentielle.<\/p>\n

2. Comparaison m\u00e9thodologique : Scheff\u00e9 versus Tukey, Bonferroni et Dunnett<\/h2>\n

2.1 Le test HSD de Tukey face \u00e0 la m\u00e9thode de Scheff\u00e9<\/h3>\n

La distinction m\u00e9thodologique entre le test de la plus petite diff\u00e9rence significative honn\u00eate (HSD) de John Tukey et la proc\u00e9dure de Scheff\u00e9 s’enracine dans la nature m\u00eame des contrastes vis\u00e9s par l’exp\u00e9rimentateur. Le test HSD de Tukey repose sur la distribution de l’\u00e9tendue studentis\u00e9e (studentized range distribution<\/em>, $q$<\/span>) et a \u00e9t\u00e9 express\u00e9ment formul\u00e9 pour comparer de mani\u00e8re exhaustive l’ensemble des paires simples de moyennes ($k(k – 1) \/ 2$<\/span> combinaisons possibles au sein de $k$<\/span> groupes).<\/p>\n

Lorsque le plan de recherche se limite rigoureusement \u00e0 des comparaisons binaires simples (groupe A contre groupe B, groupe B contre groupe C, etc.), le test de Tukey b\u00e9n\u00e9ficie d’une puissance statistique consid\u00e9rablement sup\u00e9rieure \u00e0 celle de Scheff\u00e9. La statistique de Scheff\u00e9 prot\u00e9geant le chercheur contre les erreurs sur l’ensemble infini des contrastes complexes, elle alloue une proportion substantielle de son budget d’erreur \u00e0 des comparaisons combin\u00e9es non utilis\u00e9es. Il en r\u00e9sulte des intervalles de confiance syst\u00e9matiquement plus larges et un risque accru d’erreur de type II (manquer un effet r\u00e9el) si l’on restreint son usage aux simples paires.<\/p>\n

Par cons\u00e9quent, la r\u00e8gle de d\u00e9cision m\u00e9thodologique est univoque : si la probl\u00e9matique exp\u00e9rimentale et le protocole d’analyse stipulent que seules les comparaisons bilat\u00e9rales deux \u00e0 deux pr\u00e9sentent un int\u00e9r\u00eat th\u00e9orique, le test HSD de Tukey doit imp\u00e9rativement \u00eatre privil\u00e9gi\u00e9. En revanche, d\u00e8s lors que l’investigation s’\u00e9tend \u00e0 des comparaisons composites impliquant des regroupements pond\u00e9r\u00e9s de groupes, le test HSD perd sa validit\u00e9 probabiliste globale, c\u00e9dant naturellement la place \u00e0 la m\u00e9thode de Scheff\u00e9.<\/p>\n

2.2 La correction de Bonferroni et ses compromis de conservatisme<\/h3>\n

La technique d’ajustement propos\u00e9e par Carlo Bonferroni constitue l’approche la plus intuitive pour juguler l’inflation du risque de premi\u00e8re esp\u00e8ce. Fond\u00e9e sur les in\u00e9galit\u00e9s de Boole-Fr\u00e9chet, elle proc\u00e8de \u00e0 une division arithm\u00e9tique directe du seuil alpha global par le nombre total de comparaisons envisag\u00e9es : $\\alpha_{\\text{ajust\u00e9}} = \\alpha \/ m$<\/span>. Bien que d’une simplicit\u00e9 d\u00e9sarmante et universellement applicable \u00e0 n’importe quel type de test statistique, cette correction lin\u00e9aire souffre de faiblesses structurelles majeures lorsque le nombre d’hypoth\u00e8ses s’accro\u00eet.<\/p>\n

\"Bonferroni
Bonferroni correction in R<\/figcaption><\/figure>\n

\u00c0 mesure que la valeur de $m$<\/span> augmente, le seuil de significativit\u00e9 local devient extraordinairement restrictif, plongeant la puissance statistique du test dans une d\u00e9gradation critique. Si l’exp\u00e9rimentateur souhaite \u00e9valuer simultan\u00e9ment les contrastes simples et plusieurs contrastes complexes au sein d’une exp\u00e9rience \u00e0 quatre ou cinq conditions, la valeur de $m$<\/span> explose rapidement, rendant la d\u00e9tection de diff\u00e9rences r\u00e9elles quasiment impossible par la correction de Bonferroni.<\/p>\n

C’est pr\u00e9cis\u00e9ment sur ce point que la g\u00e9om\u00e9trie de la distribution $F$<\/span> exploit\u00e9e par Scheff\u00e9 manifeste sa sup\u00e9riorit\u00e9. Le seuil critique de Scheff\u00e9 n’est pas asservi au nombre pr\u00e9cis de comparaisons effectu\u00e9es, mais d\u00e9pend uniquement du nombre de groupes $k$<\/span> et des degr\u00e9s de libert\u00e9 du mod\u00e8le omnibus. D\u00e8s que le nombre de contrastes explor\u00e9s exc\u00e8de un certain seuil (g\u00e9n\u00e9ralement lorsque $m > k$<\/span>), le test de Scheff\u00e9 devient moins conservateur et plus puissant que la correction de Bonferroni, tout en offrant une libert\u00e9 d’investigation illimit\u00e9e au chercheur.<\/p>\n

2.3 Le test de Dunnett et les comparaisons orient\u00e9es contr\u00f4le<\/h3>\n

Dans de multiples paradigmes cliniques et pharmacologiques, les comparaisons intergroupes n’ont pas vocation \u00e0 \u00eatre exhaustives. La question de recherche se focalise exclusivement sur la sup\u00e9riorit\u00e9 ou la non-inf\u00e9riorit\u00e9 de diff\u00e9rentes modalit\u00e9s exp\u00e9rimentales actives face \u00e0 une condition de r\u00e9f\u00e9rence unique, telle qu’un groupe placebo, un t\u00e9moin non trait\u00e9 ou une liste d’attente. Dans cette configuration asym\u00e9trique, le recours au test de Charles Dunnett s’impose comme le choix m\u00e9thodologique optimal.<\/p>\n

Le test de Dunnett exploite une distribution multivari\u00e9e adapt\u00e9e qui tient compte de la corr\u00e9lation math\u00e9matique inh\u00e9rente au fait que chaque groupe exp\u00e9rimental est confront\u00e9 au m\u00eame groupe de contr\u00f4le commun. En \u00e9liminant l’\u00e9valuation superflue des diff\u00e9rences entre les traitements exp\u00e9rimentaux eux-m\u00eames, Dunnett concentre toute la puissance statistique sur les $k – 1$<\/span> comparaisons ciblant le contr\u00f4le. L’application du test de Scheff\u00e9 dans un tel sch\u00e9ma constituerait une h\u00e9r\u00e9sie m\u00e9thodologique, car son conservatisme structurel p\u00e9naliserait lourdement la capacit\u00e9 \u00e0 d\u00e9celer l’efficacit\u00e9 des interventions.<\/p>\n

Pour clarifier ces arbitrages cruciaux lors de la phase de planification analytique, le tableau suivant synth\u00e9tise les propri\u00e9t\u00e9s des quatre proc\u00e9dures canoniques de comparaisons multiples :<\/p>\n