{"id":9040,"date":"2026-10-14T18:02:25","date_gmt":"2026-10-14T18:02:25","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/guide-complet-rapporter-resultats-anova-deux-facteurs\/"},"modified":"2026-10-14T18:02:25","modified_gmt":"2026-10-14T18:02:25","slug":"guide-complet-rapporter-resultats-anova-deux-facteurs","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=guide-complet-rapporter-resultats-anova-deux-facteurs","title":{"rendered":"Le guide complet : Comment rapporter les r\u00e9sultats d’une ANOVA \u00e0 deux facteurs"},"content":{"rendered":"

Dans le champ de la recherche scientifique contemporaine, singuli\u00e8rement au sein de la psychologie exp\u00e9rimentale et des sciences du comportement, la mod\u00e9lisation statistique ne constitue pas une simple formalit\u00e9 technique survenant au terme de l’investigation empirique. Elle repr\u00e9sente le filtre \u00e9pist\u00e9mologique \u00e0 travers lequel des postulats th\u00e9oriques abstraits sont confront\u00e9s \u00e0 la variabilit\u00e9 inh\u00e9rente aux conduites humaines. Parmi l’arsenal des m\u00e9thodes quantitatives \u00e0 la disposition des chercheurs, l’analyse de variance factorielle \u00e0 deux facteurs \u2014 couramment d\u00e9sign\u00e9e sous le vocable d’ANOVA bidirectionnelle ou Two-Way ANOVA<\/em> \u2014 occupe une place de choix. Sa capacit\u00e9 \u00e0 d\u00e9passer la juxtaposition r\u00e9ductionniste d’analyses univari\u00e9es simples pour appr\u00e9hender la complexit\u00e9 des dynamiques interactives en fait un outil m\u00e9thodologique irrempla\u00e7able pour quiconque souhaite explorer les d\u00e9terminants multifactoriels de la cognition, de l’\u00e9motion ou de l’action.<\/p>\n

Toutefois, la ma\u00eetrise math\u00e9matique ou computationnelle du mod\u00e8le lin\u00e9aire g\u00e9n\u00e9ralis\u00e9 ne garantit nullement la qualit\u00e9 de sa transmission scientifique. L’av\u00e8nement des crises de r\u00e9plicabilit\u00e9 dans les sciences biom\u00e9dicales et humaines a mis en exergue une exigence accrue de transparence, de pr\u00e9cision et de conformit\u00e9 m\u00e9trologique lors de la r\u00e9daction des comptes rendus statistiques. R\u00e9diger la section \u00ab R\u00e9sultats \u00bb d’une recherche impliquant une ANOVA \u00e0 deux facteurs exige une articulation sans faille entre la description des distributions empiriques, la validation des postulats param\u00e9triques sous-jacents, l’exposition hi\u00e9rarchis\u00e9e des statistiques inf\u00e9rentielles et l’ex\u00e9g\u00e8se rigoureuse des tailles d’effet. Un compte rendu lacunaire ou approximatif masque trop souvent des artefacts m\u00e9thodologiques ou conduit les pairs \u00e0 des inf\u00e9rences erron\u00e9es.<\/p>\n

Ce guide exhaustif a \u00e9t\u00e9 con\u00e7u pour accompagner les chercheurs, doctorants et analystes de donn\u00e9es dans la formalisation int\u00e9grale des r\u00e9sultats issus d’une ANOVA \u00e0 deux facteurs, depuis l’exploration diagnostique des r\u00e9sidus jusqu’\u00e0 la mod\u00e9lisation textuelle finale selon les pr\u00e9ceptes de la 7e<\/sup> \u00e9dition du manuel de publication de l’American Psychological Association (APA)<\/a>. Structur\u00e9 de mani\u00e8re logique et didactique, ce manuel de r\u00e9f\u00e9rence d\u00e9cortique chaque param\u00e8tre requis, d\u00e9taille les prises de d\u00e9cision face aux interactions complexes et propose des canevas r\u00e9dactionnels directement transposables au sein de manuscrits destin\u00e9s aux revues acad\u00e9miques de premier rang.<\/p>\n

1. Introduction aux principes fondamentaux de l’ANOVA \u00e0 deux facteurs en psychologie<\/h2>\n

1.1 D\u00e9finition conceptuelle et utilit\u00e9 m\u00e9thodologique<\/h3>\n

L’analyse de variance \u00e0 deux facteurs s’enracine th\u00e9oriquement dans le mod\u00e8le lin\u00e9aire g\u00e9n\u00e9ral (GLM) d\u00e9velopp\u00e9 initialement par Sir Ronald Fisher. Dans sa structure factorielle \u00e9l\u00e9mentaire, elle vise \u00e0 diss\u00e9quer la variance totale observ\u00e9e sur une variable r\u00e9ponse continue en plusieurs composantes distinctes et orthogonales : la variance attribuable au premier facteur syst\u00e9matique, celle induite par le second facteur, la variance r\u00e9sultant de la conjonction synergique ou antagoniste des deux facteurs (le terme d’interaction), et enfin la variance r\u00e9siduelle non expliqu\u00e9e (l’erreur exp\u00e9rimentale intra-groupe). Cette approche permet de tester formellement si les moyennes d’\u00e9chantillons stratifi\u00e9s selon deux axes de classification distincts diff\u00e8rent de mani\u00e8re statistiquement significative au sein de la population parente.<\/p>\n

Sur le plan structural, il convient de distinguer avec une rigueur absolue trois grandes typologies de plans factoriels. Le plan inter-sujets (ou factoriel compl\u00e8tement al\u00e9atoire, not\u00e9 classiquement $S(A \\times B)$<\/span>) assigne chaque unit\u00e9 exp\u00e9rimentale \u00e0 une seule et unique combinaison de niveaux des deux variables ind\u00e9pendantes, garantissant l’ind\u00e9pendance stricte des observations entre les cellules du plan. \u00c0 l’oppos\u00e9, le plan factoriel intra-sujets (ou \u00e0 mesures r\u00e9p\u00e9t\u00e9es, not\u00e9 $S \\times A \\times B$<\/span>) soumet l’ensemble des participants \u00e0 la totalit\u00e9 des croisements de conditions exp\u00e9rimentales, maximisant la puissance statistique par le contr\u00f4le de la variance interindividuelle au prix d’une gestion d\u00e9licate des effets d’ordre et de report. Enfin, le plan factoriel mixte ou split-plot<\/em> (not\u00e9 $S(A) \\times B$<\/span>) conjugue un facteur inter-groupes et un facteur intra-sujets, configuration ubiquitaire dans les essais contr\u00f4l\u00e9s randomis\u00e9s \u00e9valuant l’efficacit\u00e9 d’une prise en charge th\u00e9rapeutique \u00e0 travers de multiples temps de mesure.<\/p>\n

L’avantage m\u00e9thodologique pr\u00e9pond\u00e9rant de l’ANOVA factorielle par rapport \u00e0 la r\u00e9alisation s\u00e9quentielle de deux ANOVA univari\u00e9es \u00e0 un facteur r\u00e9side dans deux dimensions critiques : l’\u00e9conomie de puissance et l’identification de l’interaction. D’une part, l’introduction conjointe de deux facteurs permet d’isoler une part plus substantielle de variance expliqu\u00e9e, r\u00e9duisant ainsi le carr\u00e9 moyen de l’erreur dans le d\u00e9nominateur de la statistique de test $F$<\/span>, ce qui accro\u00eet la sensibilit\u00e9 de la d\u00e9tection des effets r\u00e9els. D’autre part, et c’est l\u00e0 son apport paradigmatique, l’ANOVA factorielle est la seule technique permettant de v\u00e9rifier si l’impact d’une premi\u00e8re variable ind\u00e9pendante est conditionn\u00e9 ou modul\u00e9 par la modalit\u00e9 prise par la seconde, un ph\u00e9nom\u00e8ne que deux ANOVA isol\u00e9es sont intrins\u00e8quement incapables de d\u00e9celer.<\/p>\n

Dans la recherche exp\u00e9rimentale en psychologie, ce dispositif s’av\u00e8re indispensable. Prenons le cas d’une \u00e9tude en psychopharmacologie cognitive cherchant \u00e0 \u00e9valuer l’impact d’une mol\u00e9cule nootropique sur la consolidation mn\u00e9sique. Une approche na\u00efve testerait isol\u00e9ment l’effet du traitement pharmacologique (Mol\u00e9cule vs Placebo) et l’effet de l’\u00e9tat de stress aigu (Stress induit vs Contr\u00f4le). L’exp\u00e9rimentation factorielle permet en r\u00e9alit\u00e9 de d\u00e9couvrir que le traitement n’am\u00e9liore la m\u00e9moire de travail que sous la condition de stress aigu, restant inop\u00e9rant en condition basale : cette observation d’une interaction conditionnelle est au c\u0153ur des avanc\u00e9es th\u00e9oriques majeures de la psychologie contemporaine.<\/p>\n

1.2 Nature et articulation des variables \u00e0 expliciter<\/h3>\n

L’op\u00e9rationnalisation sans \u00e9quivoque des variables constitue le socle de toute communication scientifique rigoureuse. Au sein d’une ANOVA \u00e0 deux facteurs, la variable d\u00e9pendante (VD) doit obligatoirement \u00eatre de nature quantitative continue, mesur\u00e9e \u00e0 minima sur une \u00e9chelle d’intervalles ou de rapports. Qu’il s’agisse d’un temps de r\u00e9action exprim\u00e9 en millisecondes, d’un score composite \u00e0 un inventaire standardis\u00e9 d’anxi\u00e9t\u00e9 comme le STAI-Y, ou d’une concentration salivaire de cortisol en nanomoles par litre, le m\u00e9trique doit offrir des propri\u00e9t\u00e9s arithm\u00e9tiques garantissant la validit\u00e9 du calcul de moyennes et de variances non biais\u00e9es.<\/p>\n

Les variables ind\u00e9pendantes (VI), commun\u00e9ment d\u00e9sign\u00e9es comme les facteurs de l’analyse, doivent quant \u00e0 elles \u00eatre de nature cat\u00e9gorielle ou nominale, subdivis\u00e9es en au moins deux modalit\u00e9s discr\u00e8tes, exhaustives et mutuellement exclusives. La nomenclature scientifique identifie la structure du plan par le nombre de modalit\u00e9s de chaque facteur : un plan $2 \\times 2$<\/span> examine deux facteurs poss\u00e9dant chacun deux niveaux (soit quatre cellules exp\u00e9rimentales), tandis qu’un plan $3 \\times 4$<\/span> sollicite douze cellules distinctes. La clarification de ces statuts op\u00e9ratoires dans le texte doit pr\u00e9ciser si les facteurs reposent sur une manipulation exp\u00e9rimentale active (e.g., type de consigne d’encodage) ou sur une stratification d’attributs quasi-exp\u00e9rimentale (e.g., tranche d’\u00e2ge, g\u00e9notype, statut clinique diagnostique).<\/p>\n

Cette distinction typologique impose une formulation d’hypoth\u00e8ses d’une granularit\u00e9 chirurgicale d\u00e8s la section introductive ou au d\u00e9but des r\u00e9sultats. Une ANOVA factorielle ne r\u00e9pond pas \u00e0 une question g\u00e9n\u00e9rale, mais teste simultan\u00e9ment trois hypoth\u00e8ses nulles distinctes :
\nl’absence d’effet principal du facteur $A$<\/span> ($\\mu_{A_1} = \\mu_{A_2} = dots = \\mu_{A_j}$<\/span>),
\nl’absence d’effet principal du facteur $B$<\/span> ($\\mu_{B_1} = \\mu_{B_2} = dots = \\mu_{B_k}$<\/span>),
\net l’absence d’effet d’interaction synergique ou antagoniste entre $A$<\/span> et $B$<\/span> ($(\\mu_{jk} – \\mu_{j.} – \\mu_{.k} + \\mu_{..}) = 0$<\/span> pour toutes les combinaisons). L’anticipation th\u00e9orique de ces trois composantes structure l’ensemble de la logique d\u00e9monstrative subs\u00e9quente.<\/p>\n

1.3 Structure g\u00e9n\u00e9rale du compte rendu statistique<\/h3>\n

La restitution acad\u00e9mique d’une ANOVA bidirectionnelle ob\u00e9it \u00e0 un ordonnancement rh\u00e9torique et logique normalis\u00e9 par les standards \u00e9ditoriaux internationaux, \u00e0 l’instar des directives du r\u00e9seau EQUATOR<\/a> et des manuels APA. Ce s\u00e9quen\u00e7age canonique d\u00e9bute invariablement par un expos\u00e9 synth\u00e9tique de l’architecture du plan d’analyse, identifiant pr\u00e9cis\u00e9ment la variable d\u00e9pendante et les deux facteurs cat\u00e9goriels, accompagn\u00e9 de la justification de l’\u00e9chantillon analys\u00e9 et de la gestion des donn\u00e9es manquantes. Imm\u00e9diatement apr\u00e8s, l’auteur a l’obligation m\u00e9trologique de rendre compte de la v\u00e9rification empirique des postulats math\u00e9matiques sous-jacents, condition sine qua non<\/em> de la l\u00e9gitimit\u00e9 des tests inf\u00e9rentiels param\u00e9triques.<\/p>\n

Le corps du compte rendu doit ensuite op\u00e9rer un arbitrage d’une grande finesse entre la synth\u00e8se descriptive et l’inf\u00e9rence statistique formelle. Il est imp\u00e9ratif d’\u00e9viter l’\u00e9cueil de la litanie num\u00e9rique indigeste en articulant judicieusement les moyennes marginales, les moyennes cellulaires et leurs indices de dispersion respectifs avec les param\u00e8tres inf\u00e9rentiels de l’ANOVA ($F$<\/span>, degr\u00e9s de libert\u00e9, probabilit\u00e9 critique, et coefficients d’amplitude d’effet). La narration doit adopter une hi\u00e9rarchie stricte : examen pr\u00e9liminaire de l’effet d’interaction, suivi des effets principaux si et seulement si l’interaction s’av\u00e8re n\u00e9gligeable, ou d\u00e9ploiement des analyses d’effets simples lorsque l’interaction est av\u00e9r\u00e9e.<\/p>\n

Enfin, cette d\u00e9marche r\u00e9dactionnelle doit incarner les plus hauts standards de la science ouverte (Open Science). La transparence du rapport statistique doit permettre \u00e0 tout relecteur ou chercheur ind\u00e9pendant de reconstituer les tables d’ANOVA, de v\u00e9rifier l’exactitude des calculs de carr\u00e9s moyens et de reproduire int\u00e9gralement les inf\u00e9rences \u00e0 partir des statistiques de base fournies. La clart\u00e9 stylistique et le rejet des formulations elliptiques concourent directement \u00e0 l’assainissement m\u00e9thodologique du corpus scientifique publi\u00e9.<\/p>\n

2. V\u00e9rification et compte rendu des postulats pr\u00e9alables<\/h2>\n

2.1 Normalit\u00e9 de la distribution des r\u00e9sidus<\/h3>\n

L’estimation des param\u00e8tres de l’ANOVA repose sur l’hypoth\u00e8se fondamentale selon laquelle les r\u00e9sidus du mod\u00e8le lin\u00e9aire \u2014 c’est-\u00e0-dire l’\u00e9cart entre le score observ\u00e9 pour un individu et la moyenne pr\u00e9dite de sa cellule d’appartenance \u2014 sont distribu\u00e9s de fa\u00e7on approximativement gaussienne au sein de chaque population parente. Il s’agit d’une m\u00e9conception fr\u00e9quente que de tester la normalit\u00e9 globale de la variable d\u00e9pendante agglom\u00e9r\u00e9e, pratique \u00e0 proscrire formellement car la distribution globale d’un m\u00e9lange de sous-populations aux moyennes divergentes pr\u00e9sente fr\u00e9quemment une bimodalit\u00e9 artificielle qui n’invalide en rien le mod\u00e8le factoriel.<\/p>\n

L’investigation de la normalit\u00e9 requiert une approche duale combinant tests formels et diagnostics visuels. Sur le plan inf\u00e9rentiel, le test de Shapiro-Wilk constitue la m\u00e9thode la plus puissante pour les \u00e9chantillons restreints \u00e0 mod\u00e9r\u00e9s ($N < 50$<\/span> par cellule), tandis que le test de Kolmogorov-Smirnov assorti de la correction de Lilliefors peut \u00eatre tol\u00e9r\u00e9 sur des cohortes plus massives, bien que sa sensibilit\u00e9 excessive \u00e0 des d\u00e9viations triviales le rende parfois trompeur. En parall\u00e8le, l'inspection des graphiques quantile-quantile (Q-Q plots) des r\u00e9sidus standardis\u00e9s et l'estimation des coefficients d'asym\u00e9trie (skewness<\/em>) et d’aplatissement (kurtosis<\/em>) fournissent une appr\u00e9ciation qualitative d\u00e9terminante. En r\u00e8gle g\u00e9n\u00e9rale, des valeurs de skewness<\/em> comprises entre $-1$<\/span> et $+1$<\/span>, et de kurtosis<\/em> entre $-2$<\/span> et $+2$<\/span>, t\u00e9moignent d’une normalit\u00e9 suffisante pour assurer la robustesse du test $F$<\/span>.<\/p>\n

Sur le plan r\u00e9dactionnel, le manuscrit doit certifier ces v\u00e9rifications par une phrase concise mais document\u00e9e :<\/p>\n

\u00ab L’\u00e9valuation de la normalit\u00e9 des r\u00e9sidus a \u00e9t\u00e9 conduite par l’inspection des diagrammes quantile-quantile et valid\u00e9e par le test de Shapiro-Wilk appliqu\u00e9 au sein de chaque condition exp\u00e9rimentale. L’absence de d\u00e9viation significative \u00e0 la normalit\u00e9 a \u00e9t\u00e9 confirm\u00e9e pour l’ensemble des cellules du plan, $W(30) ge ,96$<\/span>, $p ge ,245$<\/span>, avec des coefficients d’asym\u00e9trie demeurant strictement compris entre $-0,42$<\/span> et $+0,51$<\/span>. \u00bb<\/em><\/p>\n

2.2 Homog\u00e9n\u00e9it\u00e9 des variances (Homosc\u00e9dasticit\u00e9)<\/h3>\n

Le postulat d’homog\u00e9n\u00e9it\u00e9 des variances, ou homosc\u00e9dasticit\u00e9, postule que la variance de l’erreur r\u00e9siduelle demeure constante \u00e0 travers l’ensemble des sous-groupes d\u00e9finis par le croisement des deux facteurs ($\\sigma_{11}^2 = \\sigma_{12}^2 = dots = \\sigma_{jk}^2$<\/span>). Dans les plans factoriels \u00e9quilibr\u00e9s (comportant un nombre rigoureusement identique de participants par cellule, $n_{11} = n_{12} = n$<\/span>), l’ANOVA se r\u00e9v\u00e8le remarquablement robuste \u00e0 des entorses mod\u00e9r\u00e9es \u00e0 l’homosc\u00e9dasticit\u00e9. En revanche, d\u00e8s lors que les effectifs cellulaires s’av\u00e8rent in\u00e9gaux, une h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 substantielle alt\u00e8re drastiquement le taux d’erreur de premi\u00e8re esp\u00e8ce ($\\alpha$<\/span>) : si les cellules aux effectifs r\u00e9duits pr\u00e9sentent les plus fortes variances, le test devient excessivement lib\u00e9ral, augmentant ind\u00fbment le risque de faux positifs.<\/p>\n

Le test diagnostique canonique est le test d’homog\u00e9n\u00e9it\u00e9 de Levene. Il convient de pr\u00e9ciser dans la m\u00e9thodologie si le test de Levene a \u00e9t\u00e9 calcul\u00e9 sur la base des d\u00e9viations par rapport \u00e0 la moyenne arithm\u00e9tique ou par rapport \u00e0 la m\u00e9diane (variante robuste de Brown-Forsythe, pr\u00e9conis\u00e9e en pr\u00e9sence d’asym\u00e9tries r\u00e9siduelles l\u00e9g\u00e8res). Le rapport doit consigner la statistique $F$<\/span> de Levene, ses degr\u00e9s de libert\u00e9 inter-groupes et r\u00e9siduels, ainsi que la valeur $p$<\/span> exacte :<\/p>\n

\u00ab L’homog\u00e9n\u00e9it\u00e9 des variances a \u00e9t\u00e9 v\u00e9rifi\u00e9e \u00e0 l’aide du test de Levene bas\u00e9 sur la m\u00e9diane, lequel n’a r\u00e9v\u00e9l\u00e9 aucune violation statistiquement significative de l’homosc\u00e9dasticit\u00e9 \u00e0 travers les six cellules factorielles, $F(5, 114) = 1,42$<\/span>, $p = ,221$<\/span>. \u00bb<\/em><\/p>\n

En cas de violation caract\u00e9ris\u00e9e de ce postulat ($p < ,05$<\/span>), le chercheur ne doit pas masquer cette anomalie. Il est alors attendu d'expliciter la strat\u00e9gie corrective adopt\u00e9e : application d'une transformation non lin\u00e9aire stabilisatrice de variance (transformation logarithmique, racine carr\u00e9e ou r\u00e9ciproque sur la variable d\u00e9pendante), recours \u00e0 des proc\u00e9dures d'ajustement non param\u00e9triques, mise en \u0153uvre d'une mod\u00e9lisation lin\u00e9aire g\u00e9n\u00e9ralis\u00e9e avec fonction de variance h\u00e9t\u00e9rog\u00e8ne, ou adoption de m\u00e9thodes d'estimation par r\u00e9\u00e9chantillonnage de type bootstrapping<\/em> (e.g., 5 000 r\u00e9\u00e9chantillons avec intervalles de confiance ajust\u00e9s par la m\u00e9thode BCa).<\/p>\n

2.3 Ind\u00e9pendance des observations et gestion des donn\u00e9es aberrantes<\/h3>\n

De l’ensemble des postulats conditionnant l’ANOVA, l’ind\u00e9pendance des observations est incontestablement le plus critique et le moins susceptible d’ajustement math\u00e9matique post-hoc. Toute d\u00e9pendance s\u00e9rielle ou groupale non mod\u00e9lis\u00e9e (induite par l’administration collective d’un protocole en classe, des mesures r\u00e9p\u00e9t\u00e9es non sp\u00e9cifi\u00e9es ou une proximit\u00e9 spatiotemporelle des passations) gonfle artificiellement les degr\u00e9s de libert\u00e9 effectifs et fausse dramatiquement les seuils de rejet de l’hypoth\u00e8se nulle. La garantie de cette ind\u00e9pendance repose fondamentalement sur le devis exp\u00e9rimental, l’assignation al\u00e9atoire stricte des sujets et l’absence d’autocorr\u00e9lation entre les unit\u00e9s d’observation.<\/p>\n

Parall\u00e8lement, la d\u00e9tection des valeurs extr\u00eames ou aberrantes (outliers<\/em>) constitue une \u00e9tape pr\u00e9alable incontournable. Les donn\u00e9es aberrantes univari\u00e9es sont isol\u00e9es par le rep\u00e9rage des scores $Z$<\/span> standardis\u00e9s exc\u00e9dant les seuils conventionnels de $|Z| ge 3,29$<\/span> (correspondant \u00e0 $p < ,001$<\/span>) ou via l'analyse des diagrammes en bo\u00eete de Tukey identifiant les points situ\u00e9s au-del\u00e0 de 1,5 fois l'\u00e9cart interquartile. Dans un cadre factoriel, la d\u00e9tection multivari\u00e9e s'effectue avantageusement par le calcul de la distance de Mahalanobis ou de la distance de Cook relative aux r\u00e9sidus du mod\u00e8le, isolant les points de levier qui exercent une influence disproportionn\u00e9e sur l'estimation des coefficients de variance.<\/p>\n

La r\u00e8gle d’or d\u00e9ontologique est la transparence int\u00e9grale quant au sort r\u00e9serv\u00e9 \u00e0 ces observations extr\u00eames. Tout \u00e9lagage ou remplacement de donn\u00e9es doit \u00eatre document\u00e9, justifi\u00e9 et quantifi\u00e9 :<\/p>\n

\u00ab L’examen des r\u00e9sidus standardis\u00e9s a permis d’identifier une observation aberrante univari\u00e9e au sein de la condition Contr\u00f4le\/Stress \u00e9lev\u00e9 ($Z = 3,84$<\/span>). Conform\u00e9ment au protocole pr\u00e9-enregistr\u00e9, ce score a \u00e9t\u00e9 exclu des analyses principales en raison de son influence anormale sur l’estimation de la variance cellulaire. L’\u00e9chantillon final effectif a ainsi \u00e9t\u00e9 ramen\u00e9 \u00e0 $N = 119$<\/span> participants. Une analyse de sensibilit\u00e9 subsidiaire incluant cette observation a \u00e9t\u00e9 men\u00e9e et confirme la stabilit\u00e9 des conclusions inf\u00e9rentielles du mod\u00e8le principal. \u00bb<\/em><\/p>\n

3. Les m\u00e9triques statistiques obligatoires \u00e0 rapporter<\/h2>\n

3.1 La statistique F et les degr\u00e9s de libert\u00e9<\/h3>\n

L’ANOVA factorielle d\u00e9rive formellement de la d\u00e9composition des sommes des carr\u00e9s selon l’identit\u00e9 fondamentale du mod\u00e8le :<\/p>\n

$$SC_{Total} = SC_A + SC_B + SC_{A \\times B} + SC_{Erreur}$$<\/span><\/p>\n

Chacune de ces composantes de variation est ensuite rapport\u00e9e \u00e0 ses degr\u00e9s de libert\u00e9 ($ddl$<\/span>) respectifs afin d’obtenir les carr\u00e9s moyens ($CM$<\/span>), lesquels repr\u00e9sentent des variances estim\u00e9es. La statistique inf\u00e9rentielle $F$<\/span> correspond au ratio canonique entre le carr\u00e9 moyen de l’effet consid\u00e9r\u00e9 (facteur $A$<\/span>, facteur $B$<\/span> ou interaction $A \\times B$<\/span>) et le carr\u00e9 moyen de l’erreur r\u00e9siduelle :<\/p>\n

$$F = \\frac{CM_{Effet}}{CM_{Erreur}}$$<\/span><\/p>\n

Rapporter une ANOVA sans consigner conjointement l’int\u00e9gralit\u00e9 des degr\u00e9s de libert\u00e9 constitue une faute m\u00e9thodologique majeure privant le lecteur de toute capacit\u00e9 de v\u00e9rification. La formalisation standardis\u00e9e impose d’\u00e9noncer le symbole de la statistique suivi imm\u00e9diatement, entre parenth\u00e8ses, des degr\u00e9s de libert\u00e9 de l’effet et des degr\u00e9s de libert\u00e9 de l’erreur, s\u00e9par\u00e9s par une virgule : $F(ddl_{Effet}, ddl_{Erreur})$<\/span>. Dans le cadre d’un plan factoriel inter-sujets \u00e0 deux facteurs comptant $J$<\/span> modalit\u00e9s pour le facteur $A$<\/span>, $K$<\/span> modalit\u00e9s pour le facteur $B$<\/span>, et un \u00e9chantillon total de $N$<\/span> participants, les degr\u00e9s de libert\u00e9 se d\u00e9clinent math\u00e9matiquement comme suit :
\n$ddl_A = J – 1$<\/span>,
\n$ddl_B = K – 1$<\/span>,
\n$ddl_{A \\times B} = (J – 1)(K – 1)$<\/span>,
\net $ddl_{Erreur} = N – JK$<\/span>.<\/p>\n

Conform\u00e9ment aux normes typographiques scientifiques internationales, la valeur num\u00e9rique attribu\u00e9e \u00e0 la statistique $F$<\/span> doit \u00eatre syst\u00e9matiquement arrondie \u00e0 deux d\u00e9cimales exactes (e.g., $F(1, 116) = 14,32$<\/span>). L’omission des degr\u00e9s de libert\u00e9 d’erreur ou l’arrondi grossier \u00e0 l’entier le plus proche sont formellement prohib\u00e9s au sein des revues scientifiques \u00e0 comit\u00e9 de lecture.<\/p>\n

3.2 La valeur p et les seuils de significativit\u00e9<\/h3>\n

La probabilit\u00e9 critique associ\u00e9e \u00e0 la statistique $F$<\/span>, d\u00e9sign\u00e9e par la lettre $p$<\/span>, quantifie la probabilit\u00e9 d’obtenir une valeur de test au moins aussi extr\u00eame que celle observ\u00e9e dans l’\u00e9chantillon sous l’hypoth\u00e8se nulle d’\u00e9galit\u00e9 des moyennes. L’\u00e9poque r\u00e9volue de l’informatique pr\u00e9-analytique o\u00f9 les auteurs se contentaient de mentions dichotomes vagues telles que \u00ab $p < ,05$<\/span> \u00bb ou \u00ab NS \u00bb (non significatif) est d\u00e9finitivement close. Les standards \u00e9ditoriaux contemporains imposent le rapport de la valeur $p$<\/span> exacte arrondie \u00e0 trois d\u00e9cimales (e.g., $p = ,024$<\/span> ou $p = ,310$<\/span>).<\/p>\n

L’unique d\u00e9rogation admise \u00e0 cette r\u00e8gle de pr\u00e9cision d\u00e9cimale concerne les probabilit\u00e9s infinit\u00e9simales g\u00e9n\u00e9r\u00e9es par les progiciels statistiques (tels que R, SPSS ou JASP) sous la mention trompeuse \u00ab .000 \u00bb. Il est math\u00e9matiquement impossible pour une distribution de densit\u00e9 de probabilit\u00e9 continue d’atteindre une valeur nulle absolue. L’auteur doit alors convertir cette sortie logicielle sous la forme d’une in\u00e9galit\u00e9 rigoureuse : $p < ,001$<\/span>.<\/p>\n

Par ailleurs, la r\u00e9daction se doit d’adopter une posture \u00e9pist\u00e9mologique lucide face \u00e0 l’interpr\u00e9tation de ces seuils. Il est crucial de dissocier formellement la significativit\u00e9 statistique \u2014 qui d\u00e9pend intimement de la taille de l’\u00e9chantillon analys\u00e9 \u2014 de la pertinence clinique, th\u00e9orique ou \u00e9cologique de l’effet d\u00e9couvert. De surcro\u00eet, face \u00e0 des valeurs de probabilit\u00e9 oscillant au voisinage imm\u00e9diat du seuil alpha conventionnel (e.g., $p = ,048$<\/span> ou $p = ,053$<\/span>), il est imp\u00e9ratif de proscrire tout glissement s\u00e9mantique fallacieux vers une pr\u00e9tendue \u00ab tendance \u00e0 la significativit\u00e9 \u00bb. L’effet est soit rejet\u00e9 au seuil pr\u00e9d\u00e9fini de 5 %, soit non rejet\u00e9, et son incertitude empirique doit \u00eatre comment\u00e9e avec circonspection et rigueur.<\/p>\n

3.3 Statistiques descriptives associ\u00e9es par cellule<\/h3>\n

Un rapport statistique inf\u00e9rentiel amput\u00e9 de ses fondations descriptives demeure une coquille vide inintelligible. Le lecteur doit \u00eatre en mesure d’appr\u00e9hender concr\u00e8tement la direction, l’ampleur absolue et la dispersion des donn\u00e9es brutes ayant aliment\u00e9 la m\u00e9canique du test de Fisher. Il est donc imp\u00e9ratif de renseigner pour chaque cellule factorielle, ainsi que pour les marges globales du plan :
\nla moyenne empirique arithm\u00e9tique ($M$<\/span>),
\nl’indice de dispersion standard, constitu\u00e9 pr\u00e9f\u00e9rentiellement par l’\u00e9cart-type ($SD$<\/span>) ou \u00e0 d\u00e9faut par l’erreur-type de la moyenne ($SE$<\/span>),
\net la taille effective de l’\u00e9chantillon consid\u00e9r\u00e9 ($n$<\/span>).<\/p>\n

La pr\u00e9sentation de ces m\u00e9triques descriptives doit s’effectuer de mani\u00e8re syst\u00e9matique au sein du corps du texte pour les plans simples, ou sous la forme d’un tableau synth\u00e9tique pour les plans comportant de multiples cellules. L’auteur veillera \u00e0 maintenir une coh\u00e9rence absolue : si l’\u00e9cart-type est adopt\u00e9 comme mesure de variabilit\u00e9, il ne doit en aucun cas \u00eatre substitu\u00e9 arbitrairement par l’erreur-type au fil des paragraphes sans notification explicite, ces deux statistiques v\u00e9hiculant des significations profond\u00e9ment divergentes (l’\u00e9cart-type quantifiant la dispersion intrins\u00e8que des scores individuels autour de leur moyenne, tandis que l’erreur-type estime la pr\u00e9cision de l’\u00e9chantillonnage de la moyenne elle-m\u00eame).<\/p>\n

Dans la prose scientifique, l’int\u00e9gration prendra la forme standardis\u00e9e suivante :<\/p>\n

\u00ab Les participants soumis \u00e0 la th\u00e9rapie cognitive-comportementale et pr\u00e9sentant un niveau d’anxi\u00e9t\u00e9 initial mod\u00e9r\u00e9 ont rapport\u00e9 des scores moyens de bien-\u00eatre substantiellement plus \u00e9lev\u00e9s ($M = 64,30$<\/span>, $SD = 7,85$<\/span>, $n = 30$<\/span>) comparativement aux sujets de la condition contr\u00f4le appari\u00e9e ($M = 48,12$<\/span>, $SD = 8,20$<\/span>, $n = 30$<\/span>). \u00bb<\/em><\/p>\n

4. Normes typographiques et r\u00e9dactionnelles APA (7e \u00e9dition)<\/h2>\n

4.1 R\u00e8gles de mise en forme des symboles statistiques<\/h3>\n

La 7e<\/sup> \u00e9dition du manuel de publication de l’APA prescrit un ensemble de normes typographiques rigoureuses destin\u00e9es \u00e0 garantir l’uniformit\u00e9 visuelle et la lisibilit\u00e9 imm\u00e9diate des articles scientifiques \u00e0 travers le monde. La r\u00e8gle nodale \u00e9nonce que toutes les lettres latines servant de symboles statistiques ou d\u00e9signant des param\u00e8tres alg\u00e9briques doivent \u00eatre obligatoirement compos\u00e9es en italique. Sont ainsi assujettis \u00e0 l’italique : F<\/em>, p<\/em>, t<\/em>, z<\/em>, M<\/em> (moyenne), SD<\/em> (\u00e9cart-type), SE<\/em> (erreur-type), N<\/em> (taille totale de l’\u00e9chantillon), n<\/em> (taille d’un sous-\u00e9chantillon ou d’une cellule), et R<\/em>2<\/sup>. En revanche, les lettres grecques symbolisant des param\u00e8tres de population ou des indices sp\u00e9cifiques \u2014 \u00e0 l’instar de $\\eta_p^2$<\/span> (\u00eata-carr\u00e9 partiel), $\\omega^2$<\/span> (om\u00e9ga-carr\u00e9), $\\alpha$<\/span> (risque d’erreur de type I) ou $\\beta$<\/span> (risque d’erreur de type II) \u2014 ainsi que les indices en sous-sol ou en exposant (e.g., ddl, max, min) doivent demeurer en caract\u00e8res romains droits.<\/p>\n

Une seconde convention d’une importance capitale concerne l’omission du z\u00e9ro initial devant la virgule d\u00e9cimale (ou le point d\u00e9cimal selon la langue de publication). La r\u00e8gle APA stipule que le z\u00e9ro initial ne doit jamais \u00eatre appos\u00e9 devant un nombre qui ne peut th\u00e9oriquement pas exc\u00e9der l’unit\u00e9. Par cons\u00e9quent, les valeurs de probabilit\u00e9 critique (p<\/em>) ainsi que les indices de taille d’effet fond\u00e9s sur des proportions de variance partag\u00e9e (tels que $\\eta^2$<\/span> et $\\eta_p^2$<\/span>), dont l’amplitude est rigoureusement born\u00e9e entre 0 et 1, doivent s’\u00e9crire sans z\u00e9ro introductif : on notera ainsi p<\/em> = ,032 et $\\eta_p^2$<\/span> = ,08, et non p<\/em> = 0,032 ou $\\eta_p^2$<\/span> = 0,08. \u00c0 l’inverse, les param\u00e8tres statistiques dont la valeur th\u00e9orique peut d\u00e9passer 1 \u2014 \u00e0 l’instar du ratio F<\/em>, de la moyenne M<\/em> ou de l’\u00e9cart-type SD<\/em> \u2014 conservent imp\u00e9rativement leur z\u00e9ro devant la virgule lorsque leur valeur est inf\u00e9rieure \u00e0 l’unit\u00e9 (e.g., F<\/em>(1, 80) = 0,74).<\/p>\n

Enfin, la gestion des espaces autour des op\u00e9rateurs math\u00e9matiques exige une rigueur constante : un espace ins\u00e9cable doit encadrer chaque signe arithm\u00e9tique d’\u00e9galit\u00e9 (=), d’inf\u00e9riorit\u00e9 () lorsqu’ils expriment une relation d’\u00e9quivalence ou de comparaison statistique (e.g., F<\/em>(2, 54) = 4,18, p<\/em> = ,020, $\\eta_p^2$<\/span> = ,13).<\/p>\n

4.2 Formulations textuelles canoniques selon l’APA<\/h3>\n

L’introduction d’un mod\u00e8le factoriel au sein de la narration scientifique requiert une fluidit\u00e9 stylistique \u00e9vitant les ruptures brutales entre l’exposition conceptuelle et l’\u00e9talage m\u00e9trique. La formulation canonique d\u00e9bute par un syntagme pr\u00e9cisant la nature exacte du mod\u00e8le statistique sollicit\u00e9, en d\u00e9clinant explicitement la variable d\u00e9pendante ainsi que les facteurs mobilis\u00e9s et leur plan de croisement. Par exemple :<\/p>\n

\u00ab Une analyse de variance (ANOVA) factorielle 2 (Type d’intervention : Th\u00e9rapie br\u00e8ve vs Liste d’attente) $\\times$<\/span> 3 (Niveau de s\u00e9v\u00e9rit\u00e9 du trouble : L\u00e9ger, Mod\u00e9r\u00e9, S\u00e9v\u00e8re) inter-sujets a \u00e9t\u00e9 r\u00e9alis\u00e9e sur les scores d’incapacit\u00e9 fonctionnelle mesur\u00e9s \u00e0 l’issue du protocole exp\u00e9rimental. \u00bb<\/em><\/p>\n

Dans l’encha\u00eenement discursif, l’int\u00e9gration des r\u00e9sultats inf\u00e9rentiels doit s’op\u00e9rer au sein de la phrase sans interrompre la logique argumentative. Les blocs statistiques viennent corroborer une assertion th\u00e9orique affirmative plut\u00f4t que de faire de la statistique le sujet grammatical exclusif de la proposition. Les standards contemporains encouragent l’usage judicieux de la voix active pour dynamiser la communication des d\u00e9couvertes scientifiques (\u00ab L’analyse r\u00e9v\u00e8le un effet principal… \u00bb ou \u00ab Les r\u00e9sultats mettent en \u00e9vidence… \u00bb), tout en conservant la voix passive pour d\u00e9crire les protocoles proc\u00e9duraux normalis\u00e9s.<\/p>\n

Voici un mod\u00e8le exemplaire de concision et de respect des normes APA :<\/p>\n

\u00ab L’effet principal du type d’intervention s’est r\u00e9v\u00e9l\u00e9 statistiquement significatif, F<\/em>(1, 114) = 18,65, p<\/em> < ,001, $\\eta_p^2$<\/span> = ,14, traduisant une r\u00e9duction substantiellement plus marqu\u00e9e de l'incapacit\u00e9 fonctionnelle chez les patients ayant b\u00e9n\u00e9fici\u00e9 de la th\u00e9rapie br\u00e8ve (M<\/em> = 22,41, SD<\/em> = 5,12) comparativement aux individus assign\u00e9s \u00e0 la liste d’attente (M<\/em> = 31,08, SD<\/em> = 6,45). \u00bb<\/em><\/p>\n

4.3 Coh\u00e9rence globale entre le texte et les \u00e9l\u00e9ments visuels<\/h3>\n

Un \u00e9cueil r\u00e9current lors de la r\u00e9daction de la section R\u00e9sultats consiste \u00e0 dupliquer st\u00e9rilement dans le corps du texte des cohortes enti\u00e8res de donn\u00e9es descriptives ou de matrices inf\u00e9rentielles d\u00e9j\u00e0 consign\u00e9es de mani\u00e8re exhaustive au sein de tableaux r\u00e9capitulatifs ou de graphiques d’interaction. Les directives de l’APA imposent une stricte compl\u00e9mentarit\u00e9 s\u00e9miotique : le texte a pour mission de guider le regard du lecteur, de hi\u00e9rarchiser l’importance scientifique des constats et d’\u00e9lucider le sens substantiel des donn\u00e9es, tandis que les tables et figures fournissent l’ancrage archivistique d\u00e9taill\u00e9 des m\u00e9triques num\u00e9riques.<\/p>\n

Pour concr\u00e9tiser cette synergie sans redondance verbeuse, l’auteur doit recourir \u00e0 des renvois m\u00e9thodologiques sobres et standardis\u00e9s positionn\u00e9s entre parenth\u00e8ses au terme des assertions cl\u00e9s (e.g., \u00ab (voir Tableau 2) \u00bb ou \u00ab (voir Figure 1) \u00bb). Lorsque le lecteur est orient\u00e9 vers un tableau matriciel complet des effets de l’ANOVA, il devient superflu de r\u00e9p\u00e9ter dans le paragraphe chaque somme des carr\u00e9s ou chaque carr\u00e9 moyen ; seuls les ratios F<\/em> pivots, leurs probabilit\u00e9s associ\u00e9es et les m\u00e9triques de taille d’effet directement articul\u00e9es \u00e0 la d\u00e9monstration th\u00e9orique doivent \u00eatre mis en lumi\u00e8re dans le texte suivi.<\/p>\n

De surcro\u00eet, le r\u00e9dacteur veillera \u00e0 purifier son discours de tout jargon computationnel superf\u00e9tatoire. \u00c9noncer qu’un \u00ab effet a \u00e9t\u00e9 test\u00e9 sous la commande GLM de SPSS \u00bb ou que \u00ab la significativit\u00e9 bilat\u00e9rale a \u00e9t\u00e9 calcul\u00e9e par le logiciel \u00bb constitue une pollution stylistique qui affaiblit la port\u00e9e scientifique de l’\u00e9crit. L’exposition doit demeurer ancr\u00e9e dans l’univers conceptuel de la discipline psychologique et de la statistique math\u00e9matique universelle.<\/p>\n

5. L’effet d’interaction : C\u0153ur analytique de l’ANOVA bidirectionnelle<\/h2>\n

5.1 Conceptualisation de l’effet mod\u00e9rateur\/d’interaction<\/h3>\n

L’effet d’interaction constitue incontestablement la justification m\u00e9thodologique et l’acm\u00e9 conceptuelle de l’analyse de variance bidirectionnelle. D’un point de vue g\u00e9om\u00e9trique et math\u00e9matique, il se d\u00e9finit comme une rupture de parall\u00e9lisme entre les profils de r\u00e9ponses \u00e0 travers les strates exp\u00e9rimentales : l’impact de la variable ind\u00e9pendante $A$<\/span> sur la variable d\u00e9pendante varie en direction ou en magnitude selon le niveau sp\u00e9cifique assign\u00e9 \u00e0 la variable ind\u00e9pendante $B$<\/span>. Sur le plan th\u00e9orique, l’interaction traduit l’existence d’une mod\u00e9ration statistique, signifiant que la causalit\u00e9 liant un facteur \u00e0 une conduite psychologique n’est pas absolue, mais conditionnelle et contextuelle.<\/p>\n

\"\"<\/figure>\n

Il est fondamental de classifier la nature fonctionnelle de l’interaction observ\u00e9e en distinguant les interactions ordinales des interactions d\u00e9sordinales (souvent qualifi\u00e9es de crois\u00e9es). Une interaction est dite ordinale lorsque la hi\u00e9rarchie des moyennes associ\u00e9es aux modalit\u00e9s du facteur $A$<\/span> conserve la m\u00eame orientation \u00e0 chaque niveau du facteur $B$<\/span>, bien que l’\u00e9cart diff\u00e9rentiel entre ces moyennes varie en amplitude (les lignes graphiques convergent ou divergent sans jamais s’entrecouper). \u00c0 l’oppos\u00e9, une interaction est dite d\u00e9sordinalis\u00e9e lorsque les lignes de profil se croisent formellement : l’effet du facteur $A$<\/span> s’inverse purement et simplement selon le niveau du facteur $B$<\/span> (par exemple, un traitement qui s’av\u00e8re hautement b\u00e9n\u00e9fique pour les individus \u00e0 anxi\u00e9t\u00e9 mod\u00e9r\u00e9e devient d\u00e9l\u00e9t\u00e8re pour les sujets \u00e0 anxi\u00e9t\u00e9 s\u00e9v\u00e8re).<\/p>\n

Cette distinction engendre une r\u00e8gle analytique imp\u00e9rative : la priorit\u00e9 interpr\u00e9tative absolue doit \u00eatre accord\u00e9e au terme d’interaction sur les effets principaux omnibus. Lorsqu’une interaction significative \u2014 tout particuli\u00e8rement d\u00e9sordinalis\u00e9e \u2014 \u00e9merge du mod\u00e8le factoriel, les effets principaux des deux facteurs pris isol\u00e9ment perdent tr\u00e8s souvent leur pertinence th\u00e9orique et peuvent s’av\u00e9rer profond\u00e9ment trompeurs, voire artificiels, car ils masquent la r\u00e9alit\u00e9 h\u00e9t\u00e9rog\u00e8ne des sous-populations sous un agr\u00e9gat marginal illusoire.<\/p>\n

5.2 Rapport statistique d’une interaction statistiquement significative<\/h3>\n

D\u00e8s lors que l’ANOVA r\u00e9v\u00e8le un terme d’interaction dont la probabilit\u00e9 critique franchit le seuil alpha conventionnel ($p < ,05$<\/span>), le protocole de r\u00e9daction doit scrupuleusement acter cette d\u00e9couverte avant toute autre consid\u00e9ration inf\u00e9rentielle. Le canevas textuel doit formuler explicitement la pr\u00e9sence de l'interaction, sp\u00e9cifier les deux facteurs conjoints, et consigner le bloc m\u00e9trique complet int\u00e9grant le ratio F<\/em>, les degr\u00e9s de libert\u00e9 ad\u00e9quats, la valeur p<\/em> pr\u00e9cise et l’estimation de la taille d’effet locale ($\\eta_p^2$<\/span>).<\/p>\n

L’affirmation statistique de l’interaction doit \u00eatre imm\u00e9diatement suivie d’une clause m\u00e9thodologique \u00e9non\u00e7ant la cons\u00e9quence directe de cette d\u00e9couverte : la suspension de l’interpr\u00e9tation des effets principaux globaux et le basculement obligatoire vers des analyses d’effets simples (ou simple main effects<\/em>) afin de d\u00e9composer la structure intime de l’effet mod\u00e9rateur. Cette transition doit s’articuler avec clart\u00e9 au sein du manuscrit :<\/p>\n

\u00ab L’analyse de variance factorielle r\u00e9v\u00e8le un effet d’interaction statistiquement significatif et d’ampleur mod\u00e9r\u00e9e entre le Type d’encadrement p\u00e9dagogique et le Niveau de stress contextuel sur la performance au test de raisonnement logique, F<\/em>(2, 174) = 6,84, p<\/em> = ,001, $\\eta_p^2$<\/span> = ,073. En raison de cette modulation significative de l’effet d’un facteur par le second, l’interpr\u00e9tation des effets principaux omnibus a \u00e9t\u00e9 suspendue au profit d’une analyse d\u00e9compos\u00e9e des effets principaux simples du type d’encadrement \u00e0 chaque niveau de stress. \u00bb<\/em><\/p>\n

Cette structure argumentative d\u00e9montre la ma\u00eetrise conceptuelle des mod\u00e8les lin\u00e9aires par l’analyste, garantissant aux examinateurs que les donn\u00e9es ne feront pas l’objet de g\u00e9n\u00e9ralisations abusives non fond\u00e9es sur les marges du plan.<\/p>\n

5.3 Rapport statistique de l’absence d’interaction<\/h3>\n

\u00c0 l’inverse, lorsque l’ANOVA produit un test d’interaction non significatif ($p ge ,05$<\/span>), le cadre inf\u00e9rentiel s’en trouve radicalement simplifi\u00e9. Cette absence de significativit\u00e9 atteste que le postulat de parall\u00e9lisme des effets \u00e0 travers les conditions ne peut \u00eatre r\u00e9fut\u00e9 \u00e0 la lumi\u00e8re des donn\u00e9es collect\u00e9es : l’influence exerc\u00e9e par le premier facteur ind\u00e9pendant ne diff\u00e8re pas de mani\u00e8re statistiquement d\u00e9celable \u00e0 travers les modalit\u00e9s prises par le second facteur.<\/p>\n

Dans ce contexte pr\u00e9cis, le compte rendu statistique doit valider cette invariance en fournissant les m\u00e9triques formelles associ\u00e9es au croisement des facteurs, attestant ainsi de leur ind\u00e9pendance mutuelle. Cette notification constitue le blanc-seing m\u00e9thodologique autorisant l’auteur \u00e0 se focaliser sans r\u00e9serve sur l’explication et l’interpr\u00e9tation substantielle des deux effets principaux globaux marginalis\u00e9s. La prose scientifique traduira ce constat selon le mod\u00e8le suivant :<\/p>\n

\u00ab Le terme d’interaction entre le Profil chronotypique (Matinal vs Vesp\u00e9ral) et la Modalit\u00e9 de privation de sommeil (Sommeil normal vs Privation partielle) ne s’est pas r\u00e9v\u00e9l\u00e9 statistiquement significatif, F<\/em>(1, 96) = 0,38, p<\/em> = ,539, $\\eta_p^2$<\/span> = ,004. Ce parall\u00e9lisme empirique confirme que l’impact de la privation de sommeil sur le temps de vigilance psychomotrice s’exerce de mani\u00e8re homog\u00e8ne quel que soit le chronotype des participants, autorisant l’examen direct des effets principaux des deux pr\u00e9dicteurs. \u00bb<\/em><\/p>\n

6. D\u00e9composition des interactions : Les effets principaux simples<\/h2>\n

6.1 Justification th\u00e9orique et logique du d\u00e9coupage<\/h3>\n

L’\u00e9mergence d’une interaction statistiquement significative pose un d\u00e9fi interpr\u00e9tatif imm\u00e9diat : la variance de la variable d\u00e9pendante ne peut plus \u00eatre attribu\u00e9e de mani\u00e8re univoque \u00e0 l’un ou l’autre des facteurs. Tenter de d\u00e9crire l’effet omnibus moyen du facteur $A$<\/span> \u00e9quivaudrait \u00e0 moyenner des comportements possiblement antagonistes, produisant une moyenne marginale d\u00e9nu\u00e9e de r\u00e9f\u00e9rent \u00e9cologique r\u00e9el. La logique scientifique impose d\u00e8s lors de proc\u00e9der au d\u00e9coupage du plan factoriel global en une s\u00e9rie de sous-analyses univari\u00e9es conditionnelles, d\u00e9sign\u00e9es sous le terme d’effets principaux simples (simple main effects<\/em>).<\/p>\n

La s\u00e9lection strat\u00e9gique de l’axe de d\u00e9coupage \u2014 \u00e0 savoir d\u00e9cider si l’on examine l’effet du facteur $A$<\/span> \u00e0 chaque modalit\u00e9 du facteur $B$<\/span>, ou l’effet du facteur $B$<\/span> \u00e0 chaque modalit\u00e9 du facteur $A$<\/span> \u2014 ne rel\u00e8ve pas d’un hasard calculatoire mais de la pertinence des hypoth\u00e8ses th\u00e9oriques sous-jacentes. Si une \u00e9tude porte sur l’efficacit\u00e9 d’un traitement th\u00e9rapeutique ($A$<\/span>, variable focale) modul\u00e9e par le genre des patients ($B$<\/span>, variable mod\u00e9ratrice), il est conceptuellement logique de diss\u00e9quer l’effet du traitement chez les femmes d’une part, et chez les hommes d’autre part, plut\u00f4t que l’inverse.<\/p>\n

Sur le plan computationnel, chaque effet simple s’\u00e9value en calculant la somme des carr\u00e9s du facteur focal restreinte \u00e0 une strate unique du facteur mod\u00e9rateur ($SC_{A \\text{ pour } B_k}$<\/span>). Cette variance conditionnelle est alors confront\u00e9e au carr\u00e9 moyen de l’erreur globale ($CM_{Erreur}$<\/span>) issu du mod\u00e8le factoriel complet initial \u2014 et non \u00e0 la variance d’erreur d’un sous-mod\u00e8le isol\u00e9 \u2014, ce qui permet de conserver le b\u00e9n\u00e9fice d’une estimation de l’erreur r\u00e9siduelle fond\u00e9e sur l’ensemble des degr\u00e9s de libert\u00e9 de l’\u00e9chantillon global.<\/p>\n

6.2 Compte rendu \u00e9crit des analyses d’effets simples<\/h3>\n

La r\u00e9daction de cette d\u00e9composition doit faire preuve d’une clart\u00e9 exemplaire. Le paragraphe d’analyse doit \u00e9grener successivement chaque sous-condition du facteur de stratification, en fournissant pour chacune la valeur de la statistique $F$<\/span> simple, ses degr\u00e9s de libert\u00e9 propres, la valeur de probabilit\u00e9 exacte ainsi que les moyennes conditionnelles associ\u00e9es. Il est indispensable d’indiquer si une proc\u00e9dure d’ajustement du seuil alpha (telle que la correction de Bonferroni ou de Sidak) a \u00e9t\u00e9 appliqu\u00e9e lors de ces tests multiples conditionnels, afin d’immuniser l’analyse contre l’inflation du risque de fausse d\u00e9couverte.<\/p>\n

Voici un canevas r\u00e9dactionnel rigoureusement conforme aux normes internationales :<\/p>\n

\u00ab Afin d’\u00e9lucider la nature de l’effet d’interaction significatif, une d\u00e9composition en effets principaux simples a \u00e9t\u00e9 men\u00e9e pour \u00e9valuer l’effet du Type d’entra\u00eenement (Cognitif vs A\u00e9robie) \u00e0 chaque niveau de la Tranche d’\u00e2ge, en appliquant un ajustement de Bonferroni pour contr\u00f4ler le taux d’erreur familial ($\\alpha_{ajust\u00e9} = ,025$<\/span>). L’analyse r\u00e9v\u00e8le que chez les adultes \u00e2g\u00e9s, le type d’entra\u00eenement exerce un effet simple hautement significatif sur la m\u00e9moire \u00e9pisodique, F<\/em>(1, 116) = 17,45, p<\/em> < ,001, $\\eta_p^2$<\/span> = ,131, les participants assign\u00e9s au protocole cognitif affichant des performances substantiellement sup\u00e9rieures (M<\/em> = 78,40, SD<\/em> = 8,15) \u00e0 ceux du groupe a\u00e9robie (M<\/em> = 68,10, SD<\/em> = 7,90). \u00c0 l’inverse, chez les adultes jeunes, aucune diff\u00e9rence statistiquement significative n’a \u00e9t\u00e9 mise en \u00e9vidence entre les deux modalit\u00e9s d’entra\u00eenement, F<\/em>(1, 116) = 0,82, p<\/em> = ,367, $\\eta_p^2$<\/span> = ,007 (M<\/em> = 84,20 vs M<\/em> = 82,60). \u00bb<\/em><\/p>\n

6.3 Comparaisons par paires au sein des effets simples<\/h3>\n

Lorsque le facteur focal soumis \u00e0 la d\u00e9composition comporte plus de deux modalit\u00e9s discr\u00e8tes (par exemple, trois strat\u00e9gies p\u00e9dagogiques d\u00e9compos\u00e9es selon deux niveaux de motivation), le constat d’un effet principal simple significatif demeure insuffisant : il constitue un test omnibus conditionnel qui atteste de l’existence d’au moins une divergence entre les trois moyennes, sans localiser pr\u00e9cis\u00e9ment laquelle. Il devient alors imp\u00e9ratif de pousser l’investigation m\u00e9thodologique d’un cran suppl\u00e9mentaire en r\u00e9alisant des comparaisons multiples par paires (tests t<\/em> de Student pour \u00e9chantillons ind\u00e9pendants ou contrastes polynomiaux) au sein de la tranche conditionnelle consid\u00e9r\u00e9e.<\/p>\n

Cette \u00e9tape subs\u00e9quente expose l’analyste \u00e0 un risque accru de commettre une erreur de premi\u00e8re esp\u00e8ce en raison de la d\u00e9multiplication des tests statistiques. Le compte rendu se doit d’expliciter sans ambigu\u00eft\u00e9 l’algorithme de contr\u00f4le du taux alpha mis en \u0153uvre. La correction de Bonferroni (consistant \u00e0 diviser le seuil critique nominal par le nombre total de comparaisons univari\u00e9es effectu\u00e9es) ou la proc\u00e9dure de Tukey-Kramer repr\u00e9sentent les standards d’excellence \u00e0 consigner dans le texte.<\/p>\n

Un mod\u00e8le de restitution de contrastes post-d\u00e9composition s’articulera ainsi :<\/p>\n

\u00ab L’effet principal simple de la Strat\u00e9gie d’apprentissage s’\u00e9tant av\u00e9r\u00e9 significatif au sein du groupe \u00e0 faible motivation, F<\/em>(2, 114) = 8,92, p<\/em> < ,001, $\\eta_p^2$<\/span> = ,135, des comparaisons par paires ajust\u00e9es selon la m\u00e9thode de Bonferroni ont \u00e9t\u00e9 entreprises. Celles-ci d\u00e9montrent que la condition Apprentissage par le jeu engendre des scores de r\u00e9tention significativement sup\u00e9rieurs \u00e0 la condition Magistrale classique ($M_{diff} = 14,20$<\/span>, $SE = 3,41$<\/span>, p<\/em> < ,001, IC \u00e0 95 % [5,85, 22,55]) ainsi qu'\u00e0 la condition Autoformation ($M_{diff} = 10,15$<\/span>, $SE = 3,38$<\/span>, p<\/em> = ,010, IC \u00e0 95 % [1,88, 18,42]). En revanche, aucune divergence statistique n’a \u00e9t\u00e9 d\u00e9cel\u00e9e entre les conditions Magistrale et Autoformation ($M_{diff} = 4,05$<\/span>, $SE = 3,35$<\/span>, p<\/em> = ,689). \u00bb<\/em><\/p>\n

7. Interpr\u00e9tation et rapport des effets principaux en l’absence d’interaction<\/h2>\n

7.1 Analyse de l’effet principal du premier facteur<\/h3>\n

Lorsque l’analyse factorielle atteste formellement l’absence d’interaction statistically significative entre les variables explicatives, l’exp\u00e9rimentateur b\u00e9n\u00e9ficie d’une opportunit\u00e9 th\u00e9orique d’une grande valeur : le droit d’inf\u00e9rer des conclusions g\u00e9n\u00e9ralisables sur l’impact de chaque pr\u00e9dicteur pris isol\u00e9ment. L’effet principal du premier facteur capture l’influence exerc\u00e9e par cette variable sur la variable d\u00e9pendante en moyennant ou en marginalisant l’ensemble des conditions d\u00e9finies par le second facteur.<\/p>\n

Le compte rendu doit exposer l’effet omnibus de ce premier facteur \u00e0 travers un mod\u00e8le narratif affirm\u00e9. Il est essentiel de documenter les moyennes marginales estim\u00e9es \u2014 accompagn\u00e9es de leurs erreurs-types ou \u00e9carts-types agr\u00e9g\u00e9s \u2014 pour chacune des modalit\u00e9s du facteur, et non pas simplement les moyennes cellulaires disjointes. L’auteur doit souligner la constance de cet effet, signifiant au lecteur que le ph\u00e9nom\u00e8ne observ\u00e9 s’applique uniform\u00e9ment \u00e0 travers toutes les strates repr\u00e9sent\u00e9es par le second pr\u00e9dicteur.<\/p>\n

La formulation type r\u00e9pondra au sch\u00e9ma suivant :<\/p>\n

\u00ab L’effet principal de l’Intensit\u00e9 lumineuse ambiante s’est av\u00e9r\u00e9 statistiquement significatif et de forte amplitude, F<\/em>(1, 88) = 24,18, p<\/em> < ,001, $\\eta_p^2$<\/span> = ,216. Ind\u00e9pendamment de la condition sonore environnante, les participants expos\u00e9s \u00e0 un \u00e9clairage spectralement enrichi ont fait preuve d'une vitesse de traitement perceptif significativement sup\u00e9rieure (M<\/em> = 412 ms, $SD = 38$<\/span>) comparativement \u00e0 ceux soumis \u00e0 un \u00e9clairage incandescent conventionnel (M<\/em> = 458 ms, $SD = 45$<\/span>). \u00bb<\/em><\/p>\n

7.2 Analyse de l’effet principal du second facteur<\/h3>\n

L’exposition de l’effet principal assign\u00e9 au second facteur ind\u00e9pendant ob\u00e9it \u00e0 une rigueur d’alignement syntaxique et m\u00e9thodologique strictement sym\u00e9trique \u00e0 celle adopt\u00e9e pour le premier facteur. L’analyste se garde de toute asym\u00e9trie de rigueur m\u00e9trique en consignant scrupuleusement la totalit\u00e9 des indicateurs inf\u00e9rentiels ($F$<\/span>, degr\u00e9s de libert\u00e9, probabilit\u00e9 $p$<\/span> exacte et fraction de variance expliqu\u00e9e $\\eta_p^2$<\/span>) et descriptifs correspondants.<\/p>\n

Au-del\u00e0 de la simple juxtaposition des r\u00e9sultats num\u00e9riques, le paragraphe doit th\u00e9oriser l’apport incr\u00e9mentiel de ce second facteur au sein de l’architecture du mod\u00e8le. Il convient de clarifier si ce second pr\u00e9dicteur exerce une action ind\u00e9pendante, additive ou concurrente vis-\u00e0-vis du premier pr\u00e9dicteur, consolidant ainsi la validit\u00e9 th\u00e9orique du protocole exp\u00e9rimental :<\/p>\n

\u00ab De mani\u00e8re concurrente et autonome, l’effet principal du Niveau de bruit de fond s’est r\u00e9v\u00e9l\u00e9 statistiquement significatif, F<\/em>(1, 88) = 11,54, p<\/em> = ,001, $\\eta_p^2$<\/span> = ,116. Conform\u00e9ment aux hypoth\u00e8ses initiales, la pr\u00e9sence d’un bruit blanc continu a d\u00e9t\u00e9rior\u00e9 globalement les performances de d\u00e9tection de cibles (M<\/em> = 447 ms, $SD = 44$<\/span>) par rapport \u00e0 l’environnement silencieux (M<\/em> = 423 ms, $SD = 41$<\/span>). Ce r\u00e9sultat atteste de l’impact d\u00e9l\u00e9t\u00e8re de la charge auditive sur la vitesse motrice, ind\u00e9pendamment de la qualit\u00e9 de l’ambiance lumineuse. \u00bb<\/em><\/p>\n

7.3 Proc\u00e9dure lorsque les facteurs comptent plus de deux modalit\u00e9s<\/h3>\n

Une complexit\u00e9 proc\u00e9durale surgit d\u00e8s lors qu’un effet principal significatif est d\u00e9tect\u00e9 sur une variable ind\u00e9pendante structur\u00e9e en trois modalit\u00e9s ordinales ou nominales ou davantage (e.g., Faible, Moyen, \u00c9lev\u00e9). Le ratio de Fisher omnibus valide formellement le fait que les trois moyennes marginales ne sont pas universellement superposables dans la population g\u00e9n\u00e9rale, mais ne renseigne en aucune fa\u00e7on sur les contrastes dyadiques sp\u00e9cifiques \u00e0 l’origine du rejet de l’hypoth\u00e8se nulle. Il est alors rigoureusement impossible de conclure dans le texte qu’une modalit\u00e9 surpasse une autre sans engager formellement des analyses comparatives compl\u00e9mentaires.<\/p>\n

Deux trajectoires m\u00e9thodologiques s’offrent alors au chercheur, lesquelles doivent \u00eatre clairement nomm\u00e9es dans le rapport : les contrastes planifi\u00e9s a priori<\/em> (d\u00e9termin\u00e9s avant la collecte en accord avec des hypoth\u00e8ses th\u00e9oriques d\u00e9ductives cibl\u00e9es) ou les tests de comparaisons multiples post-hoc<\/em> (explorant a posteriori<\/em> l’int\u00e9gralit\u00e9 des combinaisons binaires possibles). Le compte rendu doit pr\u00e9senter les \u00e9carts de moyennes ajust\u00e9s, les erreurs-types et les intervalles de confiance \u00e0 95 % des diff\u00e9rences :<\/p>\n

\u00ab L’effet principal de la Dur\u00e9e d’immersion (Court vs Mod\u00e9r\u00e9 vs Prolong\u00e9) s’est av\u00e9r\u00e9 significatif, F<\/em>(2, 144) = 7,35, p<\/em> = ,001, $\\eta_p^2$<\/span> = ,093. Les analyses post-hoc appliqu\u00e9es sur les moyennes marginales avec correction de Tukey HSD d\u00e9montrent que l’immersion prolong\u00e9e produit un taux de m\u00e9morisation significativement moindre (M<\/em> = 54,2 %, $SE = 2,1$<\/span>) que l’immersion courte (M<\/em> = 65,8 %, $SE = 2,0$<\/span>, $p = ,001$<\/span>, IC \u00e0 95 % de la diff\u00e9rence [\u221218,4, \u22124,8]) et que l’immersion mod\u00e9r\u00e9e (M<\/em> = 62,4 %, $SE = 2,1$<\/span>, $p = ,018$<\/span>, IC \u00e0 95 % [\u221215,1, \u22121,3]). En revanche, les dur\u00e9es courte et mod\u00e9r\u00e9e ne se distinguent pas de fa\u00e7on statistiquement significative ($p = ,442$<\/span>). \u00bb<\/em><\/p>\n

8. La taille de l’effet : Calcul, interpr\u00e9tation et pr\u00e9sentation<\/h2>\n

8.1 \u00cata-carr\u00e9 partiel (\u03b7\u00b2p) : La m\u00e9trique de r\u00e9f\u00e9rence<\/h3>\n

L’inf\u00e9rence statistique fond\u00e9e sur la seule dichotomie du seuil de d\u00e9cision alpha subit des critiques m\u00e9thodologiques justifi\u00e9es depuis plusieurs d\u00e9cennies. La valeur p<\/em> \u00e9tant une fonction conjointe de la magnitude du ph\u00e9nom\u00e8ne et de la taille de l’\u00e9chantillon analys\u00e9, une probabilit\u00e9 infinit\u00e9simale ($p < ,001$<\/span>) peut r\u00e9sulter d'un effet infime capt\u00e9 au sein d'une cohorte gargantuesque. L'exigence fondamentale de la publication scientifique consiste d\u00e9sormais \u00e0 renseigner syst\u00e9matiquement une estimation standardis\u00e9e de la magnitude de l'effet, au premier rang desquelles tr\u00f4ne l'\u00eata-carr\u00e9 partiel ($\\eta_p^2$<\/span>).<\/p>\n

Sur le plan computationnel, l’\u00eata-carr\u00e9 partiel quantifie la proportion de variance de la variable d\u00e9pendante qui est sp\u00e9cifiquement attribuable au facteur consid\u00e9r\u00e9, apr\u00e8s avoir arithm\u00e9tiquement extrait (ou \u00ab partialis\u00e9 \u00bb) du d\u00e9nominateur la variance expliqu\u00e9e par les autres termes du mod\u00e8le factoriel :<\/p>\n

$$\\eta_p^2 = \\frac{SC_{Effet}}{SC_{Effet} + SC_{Erreur}}$$<\/span><\/p>\n

Il se distingue conceptuellement de l’\u00eata-carr\u00e9 classique ($\\eta^2$<\/span>), lequel rapporte la variation de l’effet \u00e0 la somme des carr\u00e9s totale absolue ($SC_{Total}$<\/span>). L’avantage m\u00e9thodologique de $\\eta_p^2$<\/span> dans les plans factoriels r\u00e9side dans sa comparabilit\u00e9 \u00e0 travers diff\u00e9rents devis exp\u00e9rimentaux, car sa valeur n’est pas amoindrie artificiellement par l’adjonction d’autres pr\u00e9dicteurs au sein de l’\u00e9quation g\u00e9n\u00e9rale.<\/p>\n

Pour guider l’interpr\u00e9tation qualitative de cette m\u00e9trique, les sciences comportementales s’appuient historiquement sur les conventions heuristiques d\u00e9finies par Jacob Cohen (1988) :
\nun $\\eta_p^2 \\approx ,01$<\/span> correspond \u00e0 un effet de faible amplitude (repr\u00e9sentant 1 % de la variance r\u00e9siduelle expliqu\u00e9e),
\nun $\\eta_p^2 \\approx ,06$<\/span> traduit un effet d’ampleur mod\u00e9r\u00e9e (6 % de variance),
\net un $\\eta_p^2 ge ,14$<\/span> signale un effet de forte amplitude (14 % ou plus de variance capt\u00e9e). L’analyste se doit d’int\u00e9grer cet \u00e9talonnage critique lors de la discussion de l’impact concret de ses r\u00e9sultats.<\/p>\n

8.2 Alternatives et compl\u00e9ments : Om\u00e9ga-carr\u00e9 (\u03c9\u00b2) et Epsilon-carr\u00e9 (\u03b5\u00b2)<\/h3>\n

En d\u00e9pit de son omnipr\u00e9sence dans les logiciels commerciaux d’analyse statistique, l’\u00eata-carr\u00e9 partiel souffre d’un vice m\u00e9trologique structurel bien document\u00e9 : il s’agit d’un estimateur descriptif bas\u00e9 sur l’\u00e9chantillon, affect\u00e9 d’un biais syst\u00e9matique positif. En d’autres termes, $\\eta_p^2$<\/span> tend \u00e0 surestimer l’ampleur v\u00e9ritable de la force de l’association au sein de la population parente, un \u00e9cueil qui devient particuli\u00e8rement prononc\u00e9 et dommageable d\u00e8s lors que les effectifs cellulaires s’av\u00e8rent r\u00e9duits ($n < 20$<\/span> par cellule).<\/p>\n

Afin de pallier ce biais d’\u00e9chantillonnage, la litt\u00e9rature m\u00e9thodologique de pointe recommande de rapporter ou d’adjoindre l’om\u00e9ga-carr\u00e9 partiel ($\\omega_p^2$<\/span>) ou l’epsilon-carr\u00e9 ($\\epsilon^2$<\/span>). L’om\u00e9ga-carr\u00e9 partiel ajuste l’estimation de la variance en introduisant explicitement au sein de la formule le carr\u00e9 moyen de l’erreur r\u00e9siduelle, corrigeant ainsi la tendance \u00e0 l’inflation spontan\u00e9e :<\/p>\n

$$\\omega_p^2 = \\frac{ddl_{Effet} \\times (F – 1)}{ddl_{Effet} \\times (F – 1) + N}$$<\/span><\/p>\n

Dans les \u00e9chantillons de dimensions modestes, la divergence entre les deux indices peut se r\u00e9v\u00e9ler saisissante : l\u00e0 o\u00f9 un mod\u00e8le affichera un $\\eta_p^2 = ,12$<\/span>, son homologue non biais\u00e9 $\\omega_p^2$<\/span> pourra s’\u00e9tablir \u00e0 un modeste ,07. Rendre compte de l’om\u00e9ga-carr\u00e9 t\u00e9moigne d’une probit\u00e9 m\u00e9trologique sup\u00e9rieure et d’une lucidit\u00e9 \u00e9pist\u00e9mologique quant \u00e0 la port\u00e9e r\u00e9elle des donn\u00e9es collect\u00e9es :<\/p>\n

\u00ab L’effet d’interaction s’est av\u00e9r\u00e9 significatif, F<\/em>(1, 36) = 4,82, p<\/em> = ,035. Bien que l’\u00eata-carr\u00e9 partiel affiche une valeur apparente de $\\eta_p^2 = ,118$<\/span>, le calcul de l’estimateur non biais\u00e9 de population confirme un impact r\u00e9el plus conservateur, $\\omega_p^2 = ,089$<\/span>. \u00bb<\/em><\/p>\n

8.3 Intervalles de confiance pour la taille de l’effet<\/h3>\n

L’estimation ponctuelle d’une taille d’effet \u2014 qu’il s’agisse de $\\eta_p^2$<\/span> ou de $\\omega_p^2$<\/span> \u2014 demeure incompl\u00e8te si elle n’est pas assortie d’une mesure de son incertitude stochastique d’\u00e9chantillonnage. Le manuel de l’APA (7e<\/sup> \u00e9d.) stipule explicitement que la pr\u00e9sentation d’intervalles de confiance pour les tailles d’effet constitue la meilleure pratique d’\u00e9valuation quantitative contemporaine. La d\u00e9termination de ces intervalles pour des statistiques factorielles ne repose pas sur les distributions sym\u00e9triques habituelles de Student ou de Gauss, mais sollicite des distributions de Fisher non centrales, n\u00e9cessitant le recours \u00e0 des algorithmes it\u00e9ratifs disponibles sous R (packages MBESS<\/code> ou effectsize<\/code>).<\/p>\n

Une particularit\u00e9 m\u00e9trologique essentielle doit \u00eatre soulign\u00e9e : alors qu’il est d’usage d’adopter des intervalles de confiance \u00e0 95 % pour les param\u00e8tres moyens univari\u00e9s, les intervalles de confiance encadrant $\\eta_p^2$<\/span> sont pr\u00e9f\u00e9rentiellement \u00e9tablis au seuil de 90 %. Cette recommandation d\u00e9coule du fait que le test F<\/em> de l’ANOVA est un test unilat\u00e9ral par construction (le carr\u00e9 moyen \u00e9tant strictement positif, les d\u00e9viations s’accumulent exclusivement dans la queue de distribution droite) : un intervalle de confiance \u00e0 90 % unilat\u00e9ral correspond ainsi rigoureusement au seuil de rejet bilat\u00e9ral conventionnel de $\\alpha = ,05$<\/span>.<\/p>\n

La transcription formelle de l’intervalle dans la prose statistique se mat\u00e9rialisera sous la forme suivante :<\/p>\n

\u00ab L’analyse r\u00e9v\u00e8le un effet principal pr\u00e9pond\u00e9rant de l’\u00c2ge sur la latence de capture visuelle, F<\/em>(1, 96) = 15,31, p<\/em> < ,001, $\\eta_p^2$<\/span> = ,137, IC \u00e0 90 % [,048, ,242]. L'amplitude de cet intervalle de confiance atteste que dans la population parente, la part de variance expliqu\u00e9e par le facteur chronologique est comprise avec une certitude statistique de 90 % entre 4,8 % et 24,2 %. \u00bb<\/em><\/p>\n

9. Tests post-hoc et ajustements des comparaisons multiples<\/h2>\n

9.1 S\u00e9lection de la proc\u00e9dure de correction ad\u00e9quate<\/h3>\n

L’\u00e9tape des comparaisons multiples impose un arbitrage m\u00e9thodique entre deux \u00e9cueils probabilistes antinomiques : le risque de type I (l’inflation incontr\u00f4l\u00e9e du taux d’erreur familial conduisant \u00e0 d\u00e9clarer des d\u00e9couvertes chim\u00e9riques) et le risque de type II (un sur-ajustement excessivement conservateur privant l’investigateur de la d\u00e9tection d’effets exp\u00e9rimentaux r\u00e9els). L’analyste se doit de justifier explicitement la technique d’ajustement mobilis\u00e9e en fonction de la structure de ses donn\u00e9es et des conditions de son \u00e9chantillonnage.<\/p>\n

Lorsque le postulat d’homog\u00e9n\u00e9it\u00e9 des variances est rigoureusement respect\u00e9 et que l’ensemble des comparaisons par paires entre toutes les modalit\u00e9s factorielles est envisag\u00e9, le test de Tukey (Honestly Significant Difference<\/em>, Tukey HSD) s’impose comme la r\u00e9f\u00e9rence d’excellence pour sa balance optimale entre puissance et contr\u00f4le strict de l’erreur globale. Si l’exp\u00e9rimentateur ne cible qu’un contingent restreint de comparaisons orthogonales d\u00e9duites formellement des hypoth\u00e8ses pr\u00e9-enregistr\u00e9es, la proc\u00e9dure de Bonferroni ou la m\u00e9thode s\u00e9quentielle de Holm-Bonferroni offrent une flexibilit\u00e9 et une puissance sup\u00e9rieures.<\/p>\n

En revanche, d\u00e8s lors que le diagnostic de Levene a r\u00e9v\u00e9l\u00e9 une h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 patente \u00e0 travers les cellules factorielles, les tests de Tukey ou de Bonferroni standards sont m\u00e9thodologiquement invalid\u00e9s et conduisent \u00e0 des taux d’erreur de premi\u00e8re esp\u00e8ce prohibitifs. L’auteur doit alors sp\u00e9cifier le recours imp\u00e9ratif au test de Games-Howell (ou \u00e0 la correction de Dunnett T3), proc\u00e9dures robustes fond\u00e9es sur une approximation des degr\u00e9s de libert\u00e9 de type Welch-Satterthwaite ne requ\u00e9rant aucune \u00e9galit\u00e9 des variances populationnelles.<\/p>\n

9.2 Syntaxe r\u00e9dactionnelle des contrastes multiples<\/h3>\n

La restitution \u00e9crite des analyses post-hoc<\/em> doit ob\u00e9ir \u00e0 une g\u00e9om\u00e9trie formelle stricte. Pour chaque dyade de modalit\u00e9s confront\u00e9e, le texte scientifique doit obligatoirement expliciter :
\nla diff\u00e9rence brute moyenne estim\u00e9e entre les conditions ($M_{diff}$<\/span>),
\nl’erreur-type de cette diff\u00e9rence ($SE$<\/span>),
\nla valeur de probabilit\u00e9 critique ajust\u00e9e ($p_{adj}$<\/span>),
\nainsi que l’intervalle de confiance \u00e0 95 % encadrant la diff\u00e9rence de moyenne.<\/p>\n

L’\u00e9nonc\u00e9 doit guider la lecture en hi\u00e9rarchisant les contrastes significatifs et non significatifs sans masquer les amplitudes physiques des grandeurs \u00e9valu\u00e9es :<\/p>\n

\u00ab L’examen approfondi des comparaisons multiples via la proc\u00e9dure post-hoc de Tukey HSD d\u00e9montre que la posologie Haute engendre une baisse significative du score symptomatique par rapport \u00e0 la posologie Basse ($M_{diff} = -8,45$<\/span>, $SE = 1,72$<\/span>, $p_{adj} < ,001$<\/span>, IC \u00e0 95 % [\u221212,56, \u22124,34]) ainsi qu'au Placebo ($M_{diff} = -12,80$<\/span>, $SE = 1,70$<\/span>, $p_{adj} < ,001$<\/span>, IC \u00e0 95 % [\u221216,88, \u22128,72]). Toutefois, la divergence observ\u00e9e entre la posologie Basse et le Placebo ne franchit pas le seuil de significativit\u00e9 apr\u00e8s ajustement ($M_{diff} = -4,35$<\/span>, $SE = 1,71$<\/span>, $p_{adj} = ,068$<\/span>, IC \u00e0 95 % [\u22128,44, 0,26]). \u00bb<\/em><\/p>\n

9.3 Pr\u00e9vention de l’inflation du risque de premi\u00e8re esp\u00e8ce (alpha)<\/h3>\n

La d\u00e9multiplication des tests statistiques constitue le terreau privil\u00e9gi\u00e9 du \u00ab p-hacking \u00bb et de l’inflation stochastique du risque alpha. Si un mod\u00e8le factoriel int\u00e8gre par exemple un facteur \u00e0 4 modalit\u00e9s et un second \u00e0 3 modalit\u00e9s, l’exploration int\u00e9grale non r\u00e9gul\u00e9e de l’ensemble des contrastes cellulaires simples et crois\u00e9s peut engendrer plusieurs dizaines de tests univari\u00e9s : sans correction, le taux de fausse alerte global d\u00e9passe rapidement 40 % \u00e0 50 %, d\u00e9truisant toute cr\u00e9dibilit\u00e9 inf\u00e9rentielle.<\/p>\n

Le compte rendu scientifique doit t\u00e9moigner d’une \u00e9tanch\u00e9it\u00e9 m\u00e9thodologique absolue face \u00e0 ce risque. L’auteur doit exposer sans fard la politique de contr\u00f4le adopt\u00e9e :<\/p>\n

\u00ab Afin de pr\u00e9venir l’inflation du risque de premi\u00e8re esp\u00e8ce induite par la multiplication des tests d’hypoth\u00e8ses, l’ensemble des analyses a posteriori a fait l’objet d’un contr\u00f4le strict du taux d’erreur par famille via la m\u00e9thode de Holm-Bonferroni. Le lecteur est avis\u00e9 que seules les valeurs de probabilit\u00e9 exc\u00e9dant le seuil alpha r\u00e9ajust\u00e9 ont \u00e9t\u00e9 qualifi\u00e9es de significatives. Par ailleurs, une distinction formelle est op\u00e9r\u00e9e entre les deux contrastes primaires planifi\u00e9s a priori \u2014 motiv\u00e9s par nos hypoth\u00e8ses confirmatoires \u2014 et les comparaisons exploratoires post-hoc men\u00e9es subsidiairement. \u00bb<\/em><\/p>\n

10. Pr\u00e9sentation visuelle : Tableaux et graphiques de haute qualit\u00e9<\/h2>\n

10.1 Conception d’un tableau r\u00e9capitulatif d’ANOVA conforme \u00e0 l’APA<\/h3>\n

La mise en page des matrices statistiques sous forme tabulaire ob\u00e9it \u00e0 des conventions typographiques immuables standardis\u00e9es par l’APA. Un tableau de r\u00e9sultats d’ANOVA doit se distinguer par un d\u00e9pouillement graphique absolu : l’usage des bordures verticales est formellement banni, et seules trois lignes horizontales principales doivent structurer l’espace (une ligne sup\u00e9rieure d\u00e9limitant le haut de l’en-t\u00eate, une ligne inf\u00e9rieure s\u00e9parant les intitul\u00e9s de colonnes des donn\u00e9es chiffr\u00e9es, et une ligne terminale fermant le tableau avant les notes de bas de page).<\/p>\n

Les colonnes indispensables d’un tableau r\u00e9capitulatif complet d’ANOVA factorielle s’ordonnent imp\u00e9rativement de gauche \u00e0 droite selon la s\u00e9quence canonique :
\nSource<\/strong> (identifiant les facteurs, l’interaction, l’erreur et le total),
\nSomme des carr\u00e9s<\/strong> (not\u00e9e SS<\/em> ou SC<\/em>),
\nDegr\u00e9s de libert\u00e9<\/strong> (not\u00e9s df<\/em> ou ddl<\/em>),
\nCarr\u00e9 moyen<\/strong> (not\u00e9 MS<\/em> ou CM<\/em>),
\nStatistique F<\/em><\/strong>,
\nProbabilit\u00e9 critique<\/strong> (not\u00e9e p<\/em>),
\net enfin Taille de l’effet<\/strong> ($\\eta_p^2$<\/span>).<\/p>\n

Sous le tableau, des notes de bas de page obligatoires d\u00e9finissent l’ensemble des abr\u00e9viations m\u00e9trologiques mobilis\u00e9es et pr\u00e9cisent, le cas \u00e9ch\u00e9ant, les seuils conventionnels de significativit\u00e9 via un syst\u00e8me d’ast\u00e9risques standardis\u00e9 ($^*p < ,05$<\/span>, $^{**}p < ,01$<\/span>, $^{***}p < ,001$<\/span>). Ce dispositif visuel doit permettre une compr\u00e9hension autonome de l'int\u00e9gralit\u00e9 du mod\u00e8le factoriel sans qu'il soit n\u00e9cessaire pour le lecteur de se r\u00e9f\u00e9rer au corps du texte principal.<\/p>\n

10.2 Graphiques d’interaction : Diagrammes en barres et graphiques lin\u00e9aires<\/h3>\n

La restitution visuelle d’un plan factoriel \u00e0 deux facteurs cristallise l’interpr\u00e9tation de la mod\u00e9ration. Le choix de l’artefact graphique d\u00e9pend intimement de la nature ontologique des variables ind\u00e9pendantes. Lorsque les deux facteurs sont rigoureusement cat\u00e9goriels ou nominaux (e.g., Genre $\\times$<\/span> Type d’intervention clinique), le diagramme en barres group\u00e9es constitue un m\u00e9dium visuel adapt\u00e9. En revanche, d\u00e8s lors qu’au moins l’un des deux facteurs pr\u00e9sente une nature ordinale, temporelle ou quasi-continue (e.g., Doses de traitement, Paliers chronologiques d’apprentissage), le graphique lin\u00e9aire \u2014 ou trac\u00e9 des profils de moyennes \u2014 s’av\u00e8re nettement sup\u00e9rieur pour donner \u00e0 voir le croisement ou le parall\u00e9lisme des fonctions empiriques.<\/p>\n

Une figure scientifique d’ANOVA est m\u00e9thodologiquement invalide si elle omet la mat\u00e9rialisation de l’incertitude m\u00e9trique. Chaque moyenne figur\u00e9e sur le graphique doit obligatoirement \u00eatre flanqu\u00e9e de ses barres d’erreur directionnelles. L’auteur doit sp\u00e9cifier dans la l\u00e9gende de la figure la nature exacte de ces indices de variabilit\u00e9 : \u00e9carts-types ($SD$<\/span>), erreurs-types de la moyenne ($SE$<\/span>) ou, id\u00e9alement, intervalles de confiance \u00e0 95 % de la moyenne cellulaire ($IC_{95%}$<\/span>).<\/p>\n

Sur le plan ergonomique, la figure doit r\u00e9pondre aux pr\u00e9ceptes contemporains d’accessibilit\u00e9 visuelle : proscription des palettes colorim\u00e9triques ambigu\u00ebs au profit de nuanciers compatibles avec le daltonisme (tels que la palette Viridis<\/em>), diff\u00e9rentiation des lignes d’interaction par des textures contrast\u00e9es (traits pleins, pointill\u00e9s, tiret\u00e9s) coupl\u00e9es \u00e0 des symboles de points distincts (cercles pleins, carr\u00e9s vides, triangles), et int\u00e9gration directe d’une l\u00e9gende auto-explicative exempte de sigles abscons.<\/p>\n

10.3 Articulation narrative et renvoi aux \u00e9l\u00e9ments visuels<\/h3>\n

L’int\u00e9gration textuelle des figures et tableaux ne doit pas se r\u00e9duire \u00e0 un simple collage illustrationniste. L’articulation narrative doit valoriser le support visuel pour corroborer et fluidifier l’argumentaire th\u00e9orique sans jamais r\u00e9capituler servilement les coordonn\u00e9es num\u00e9riques d\u00e9j\u00e0 accessibles sur l’image. Le renvoi vers le support visuel s’ins\u00e8re au point n\u00e9vralgique de la d\u00e9duction clinique ou fondamentale :<\/p>\n

\u00ab L’inversion radicale du profil de r\u00e9ponse comportementale sous condition de haute interf\u00e9rence cognitive est illustr\u00e9e \u00e0 la Figure 2. Comme le donne \u00e0 voir l’entrecroisement des pentes, l’effet b\u00e9n\u00e9fique du r\u00e9trocontr\u00f4le visuel continu s’annule purement et simplement lorsque la t\u00e2che sollicite simultan\u00e9ment la boucle phonologique, confirmant visuellement la dynamique d\u00e9sordinalis\u00e9e de l’interaction factorielle isol\u00e9e par le mod\u00e8le. \u00bb<\/em><\/p>\n

Cette technique permet d’utiliser le support visuel comme un levier heuristique puissant, soutenant la transmission imm\u00e9diate de configurations multidimensionnelles d’une haute complexit\u00e9 analytique.<\/p>\n

11. Mod\u00e8les de r\u00e9daction et cas d’application concrets en psychologie<\/h2>\n

11.1 Cas 1 : \u00c9tude exp\u00e9rimentale avec interaction significative<\/h3>\n

Contexte exp\u00e9rimental :<\/strong> Une recherche en psychologie clinique \u00e9value l’efficacit\u00e9 relative de deux approches psychoth\u00e9rapeutiques (Facteur A : Th\u00e9rapie Cognitive-Comportementale [TCC] vs Th\u00e9rapie Humaniste) modul\u00e9e par le niveau d’Anxi\u00e9t\u00e9-Trait initial des participants (Facteur B : Faible vs \u00c9lev\u00e9) sur le score global de r\u00e9tablissement fonctionnel ($N = 120$<\/span> adultes, r\u00e9partis \u00e9quitablement dans un plan factoriel $2 \\times 2$<\/span> inter-sujets).<\/p>\n

Mod\u00e8le de r\u00e9daction int\u00e9grale :<\/strong><\/p>\n

\u00ab Une analyse de variance (ANOVA) factorielle 2 (Type de psychoth\u00e9rapie : TCC vs Humaniste) $\\times$<\/span> 2 (Niveau d’anxi\u00e9t\u00e9 initial : Faible vs \u00c9lev\u00e9) inter-sujets a \u00e9t\u00e9 r\u00e9alis\u00e9e sur les scores de r\u00e9tablissement fonctionnel mesur\u00e9s au terme des 12 semaines d’intervention. Les postulats de normalit\u00e9 des r\u00e9sidus (test de Shapiro-Wilk, $p ge ,210$<\/span>) et d’homog\u00e9n\u00e9it\u00e9 des variances (test de Levene bas\u00e9 sur la m\u00e9diane, $F(3, 116) = 1,18$<\/span>, $p = ,320$<\/span>) ont \u00e9t\u00e9 pleinement satisfaits. \u00bb<\/em><\/p>\n

\u00ab L’analyse met en \u00e9vidence un effet d’interaction statistiquement significatif et de forte amplitude entre le Type de psychoth\u00e9rapie et le Niveau d’anxi\u00e9t\u00e9 initial, F<\/em>(1, 116) = 14,82, p<\/em> < ,001, $\\eta_p^2$<\/span> = ,113, IC \u00e0 90 % [,038, ,207]. Conform\u00e9ment aux pr\u00e9conisations m\u00e9thodologiques, l'interpr\u00e9tation des effets principaux omnibus a \u00e9t\u00e9 suspendue afin de proc\u00e9der \u00e0 la d\u00e9composition de cette interaction en effets principaux simples du type de psychoth\u00e9rapie au sein de chaque strate d'anxi\u00e9t\u00e9, en appliquant un seuil alpha ajust\u00e9 par la m\u00e9thode de Bonferroni ($\\alpha = ,025$<\/span>). \u00bb<\/em><\/p>\n

\u00ab Chez les patients pr\u00e9sentant un niveau d’anxi\u00e9t\u00e9 initial \u00e9lev\u00e9, le type de psychoth\u00e9rapie exerce un effet simple hautement significatif sur le r\u00e9tablissement fonctionnel, F<\/em>(1, 116) = 22,64, p<\/em> < ,001, $\\eta_p^2$<\/span> = ,163. Les participants assign\u00e9s \u00e0 la TCC rapportent des scores de r\u00e9tablissement substantiellement plus \u00e9lev\u00e9s (M<\/em> = 72,40, $SD = 8,10$<\/span>) que ceux ayant b\u00e9n\u00e9fici\u00e9 de la th\u00e9rapie humaniste (M<\/em> = 60,15, $SD = 7,95$<\/span>), soit un gain clinique moyen de 12,25 points (IC \u00e0 95 % [7,15, 17,35]). En revanche, chez les individus manifestant une anxi\u00e9t\u00e9 initiale faible, aucune divergence statistiquement significative n’a \u00e9t\u00e9 d\u00e9cel\u00e9e entre les deux modalit\u00e9s th\u00e9rapeutiques, F<\/em>(1, 116) = 0,28, p<\/em> = ,598, $\\eta_p^2$<\/span> = ,002 (TCC : M<\/em> = 65,30, $SD = 8,05$<\/span> ; Humaniste : M<\/em> = 66,20, $SD = 8,20$<\/span>). Ce profil interactif d\u00e9sordinalis\u00e9 est repr\u00e9sent\u00e9 \u00e0 la Figure 1. \u00bb<\/em><\/p>\n

11.2 Cas 2 : \u00c9tude avec deux effets principaux significatifs sans interaction<\/h3>\n

Contexte exp\u00e9rimental :<\/strong> Une \u00e9tude en ergonomie cognitive examine l’impact de la Privation de sommeil (Facteur A : Sommeil normal [8 h] vs Privation totale [24 h]) et de la Complexit\u00e9 cognitive d’une t\u00e2che de monitorage (Facteur B : T\u00e2che univari\u00e9e vs T\u00e2che bivari\u00e9e vs T\u00e2che multivari\u00e9e) sur le nombre d’erreurs d’omission ($N = 180$<\/span> op\u00e9rateurs, plan factoriel $2 \\times 3$<\/span> inter-sujets \u00e9quilibr\u00e9, $n = 30$<\/span> par cellule).<\/p>\n

Mod\u00e8le de r\u00e9daction int\u00e9grale :<\/strong><\/p>\n

\u00ab Une ANOVA factorielle 2 (Privation de sommeil : T\u00e9moin vs Privation) $\\times$<\/span> 3 (Complexit\u00e9 de la t\u00e2che : Univari\u00e9e vs Bivari\u00e9e vs Multivari\u00e9e) inter-sujets a \u00e9t\u00e9 conduite sur le nombre d’erreurs d’omission enregistr\u00e9es. Les v\u00e9rifications pr\u00e9liminaires n’ont r\u00e9v\u00e9l\u00e9 aucune entorse substantielle \u00e0 la normalit\u00e9 des r\u00e9sidus ni \u00e0 l’homosc\u00e9dasticit\u00e9 du mod\u00e8le (Levene : F<\/em>(5, 174) = 1,05, p<\/em> = ,390). \u00bb<\/em><\/p>\n

\u00ab L’interaction entre la Privation de sommeil et la Complexit\u00e9 de la t\u00e2che ne s’est pas r\u00e9v\u00e9l\u00e9e statistiquement significative, F<\/em>(2, 174) = 0,54, p<\/em> = ,584, $\\eta_p^2$<\/span> = ,006. Ce r\u00e9sultat autorise l’interpr\u00e9tation directe des deux effets principaux du mod\u00e8le factoriel. \u00bb<\/em><\/p>\n

\u00ab En premier lieu, l’effet principal de la Privation de sommeil s’av\u00e8re hautement significatif, F<\/em>(1, 174) = 38,42, p<\/em> < ,001, $\\eta_p^2$<\/span> = ,181, IC \u00e0 90 % [,102, ,263]. Ind\u00e9pendamment de la complexit\u00e9 du protocole, les op\u00e9rateurs soumis \u00e0 24 heures de veille continue ont commis significativement plus d'omissions (M<\/em> = 14,80, $SE = 0,62$<\/span>) que les participants ayant b\u00e9n\u00e9fici\u00e9 d’une nuit de sommeil normale (M<\/em> = 9,35, $SE = 0,62$<\/span>). \u00bb<\/em><\/p>\n

\u00ab En second lieu, l’effet principal de la Complexit\u00e9 de la t\u00e2che est \u00e9galement hautement significatif, F<\/em>(2, 174) = 16,78, p<\/em> < ,001, $\\eta_p^2$<\/span> = ,162, IC \u00e0 90 % [,083, ,239]. Des comparaisons post-hoc men\u00e9es via la proc\u00e9dure de Tukey HSD indiquent que la t\u00e2che multivari\u00e9e induit un taux d'erreur significativement sup\u00e9rieur (M<\/em> = 15,20, $SE = 0,76$<\/span>) comparativement \u00e0 la condition bivari\u00e9e ($M = 11,85$<\/span>, $SE = 0,76$<\/span>, $p_{adj} = ,007$<\/span>, IC \u00e0 95 % [0,82, 5,88]) ainsi qu’\u00e0 la condition univari\u00e9e ($M = 9,18$<\/span>, $SE = 0,76$<\/span>, $p_{adj} < ,001$<\/span>, IC \u00e0 95 % [3,49, 8,55]). La diff\u00e9rence entre les t\u00e2ches bivari\u00e9e et univari\u00e9e franchit \u00e9galement le seuil de significativit\u00e9 ($p_{adj} = ,038$<\/span>, IC \u00e0 95 % [0,12, 5,22]). Ces donn\u00e9es descriptives et inf\u00e9rentielles sont r\u00e9capitul\u00e9es au Tableau 1. \u00bb<\/em><\/p>\n

11.3 Cas 3 : Mod\u00e8le enti\u00e8rement non significatif<\/h3>\n

Contexte exp\u00e9rimental :<\/strong> Une \u00e9tude randomis\u00e9e en psychologie de la sant\u00e9 \u00e9value l’impact d’une Br\u00e8ve campagne de psycho\u00e9ducation digitale (Facteur A : Vid\u00e9o narrative vs Infographie interactive vs Contr\u00f4le neutre) et du Lieu de consultation (Facteur B : Milieu hospitalier vs Cabinet lib\u00e9ral) sur l’adh\u00e9sion vaccinale ($N = 150$<\/span>, plan $3 \\times 2$<\/span> inter-sujets).<\/p>\n

Mod\u00e8le de r\u00e9daction int\u00e9grale :<\/strong><\/p>\n

\u00ab Les scores d’intention d’adh\u00e9sion vaccinale ont \u00e9t\u00e9 soumis \u00e0 une ANOVA factorielle 3 (Format psycho\u00e9ducatif : Vid\u00e9o vs Infographie vs Contr\u00f4le) $\\times$<\/span> 2 (Lieu d’exercice : Hospitalier vs Lib\u00e9ral) inter-sujets. L’homog\u00e9n\u00e9it\u00e9 des variances a \u00e9t\u00e9 valid\u00e9e par le test de Levene, F<\/em>(5, 144) = 0,89, p<\/em> = ,489. L’analyse de puissance calcul\u00e9e a priori indiquait qu’un effectif de $N = 150$<\/span> offrait une puissance statistique ad\u00e9quate ($1 – \\beta = ,82$<\/span>) pour d\u00e9tecter un effet d’ampleur moyenne ($\\eta_p^2 = ,06$<\/span>) au seuil $\\alpha = ,05$<\/span>. \u00bb<\/em><\/p>\n

\u00ab L’analyse factorielle n’a mis en \u00e9vidence aucun effet statistiquement significatif au sein du mod\u00e8le global. Le terme d’interaction entre le Format psycho\u00e9ducatif et le Lieu d’exercice s’est r\u00e9v\u00e9l\u00e9 non significatif, F<\/em>(2, 144) = 0,15, p<\/em> = ,861, $\\eta_p^2$<\/span> = ,002, IC \u00e0 90 % [,000, ,021]. De m\u00eame, l’effet principal du Format psycho\u00e9ducatif n’a pas atteint le seuil de significativit\u00e9, F<\/em>(2, 144) = 1,12, p<\/em> = ,329, $\\eta_p^2$<\/span> = ,015, IC \u00e0 90 % [,000, ,053] (Vid\u00e9o : M<\/em> = 5,12, $SD = 1,32$<\/span> ; Infographie : M<\/em> = 4,85, $SD = 1,28$<\/span> ; Contr\u00f4le : M<\/em> = 4,74, $SD = 1,35$<\/span>). Enfin, l’effet principal du Lieu de consultation ne s’est pas montr\u00e9 significatif, F<\/em>(1, 144) = 0,42, p<\/em> = ,518, $\\eta_p^2$<\/span> = ,003, IC \u00e0 90 % [,000, ,035] (Hospitalier : M<\/em> = 4,84, $SD = 1,31$<\/span> ; Lib\u00e9ral : M<\/em> = 4,97, $SD = 1,33$<\/span>). \u00bb<\/em><\/p>\n

\u00ab Ces r\u00e9sultats conduisent \u00e0 ne pas rejeter l’hypoth\u00e8se nulle. La faiblesse des tailles d’effet observ\u00e9es ($\\eta_p^2 le ,015$<\/span>), conjugu\u00e9e \u00e0 l’\u00e9troitesse des intervalles de confiance born\u00e9s au voisinage imm\u00e9diat de z\u00e9ro, sugg\u00e8re que dans les conditions de l’\u00e9tude, ni le support informationnel ni l’environnement de d\u00e9livrance de l’information n’exercent d’influence d\u00e9terminante sur l’intention comportementale des usagers. \u00bb<\/em><\/p>\n

12. Erreurs courantes, pi\u00e8ges d’interpr\u00e9tation et recommandations finales<\/h2>\n

12.1 Les erreurs logiques et statistiques fr\u00e9quentes<\/h3>\n

L’erreur la plus d\u00e9vastatrice \u2014 et malheureusement encore ubiquitaire dans les manuscrits soumis aux revues de psychologie \u2014 r\u00e9side dans la tentative d’interpr\u00e9tation isol\u00e9e des effets principaux en pr\u00e9sence d’une interaction substantielle. Lorsqu’une mod\u00e9ration significative gouverne le syst\u00e8me de donn\u00e9es, affirmer par exemple que \u00ab le traitement $A$<\/span> surpasse globalement le contr\u00f4le \u00bb rel\u00e8ve d’une illusion d’agr\u00e9gation si cet avantage s’inverse ou s’annule chez les sujets masculins ou chez les personnes \u00e2g\u00e9es. L’effet d’interaction conditionne obligatoirement le statut s\u00e9mantique des facteurs principaux : il rend caduque toute affirmation universelle non contextualis\u00e9e.<\/p>\n

Un second pi\u00e8ge conceptuel majeur consiste \u00e0 assimiler fallacieusement l’absence de significativit\u00e9 statistique ($p ge ,05$<\/span>) \u00e0 la d\u00e9monstration de l’\u00e9quivalence parfaite ou de l’\u00e9galit\u00e9 absolue entre les groupes. La statistique fr\u00e9quentiste fisherienne ne teste que la plausibilit\u00e9 des donn\u00e9es sous l’hypoth\u00e8se nulle ; elle n’apporte jamais la preuve de la v\u00e9racit\u00e9 de cette hypoth\u00e8se nulle. Un r\u00e9sultat non significatif peut simplement d\u00e9couler d’un manque criant de puissance statistique (\u00e9chantillon sous-dimensionn\u00e9) ou d’une impr\u00e9cision de mesure colossale. L’auteur doit se limiter \u00e0 acter qu’aucune divergence n’a pu \u00eatre mise en \u00e9vidence, sans jamais affirmer que les conditions sont identiques, sauf \u00e0 recourir formellement \u00e0 des proc\u00e9dures de tests d’\u00e9quivalence (telles que le protocole TOST, Two One-Sided Tests<\/em>).<\/p>\n

Enfin, sur le plan computationnel pur, l’omission des deux degr\u00e9s de libert\u00e9 distincts lors du compte rendu de la statistique F<\/em> demeure une imperfection inadmissible. Rapporter un laconique \u00ab $F = 4,52$<\/span> \u00bb sans stipuler les degr\u00e9s de libert\u00e9 du num\u00e9rateur ($ddl_{Effet}$<\/span>) et du d\u00e9nominateur ($ddl_{Erreur}$<\/span>) prive le lecteur de la capacit\u00e9 \u00e9l\u00e9mentaire de restituer le design factoriel et de juger de la puissance de l’\u00e9preuve.<\/p>\n

12.2 Les d\u00e9fauts de r\u00e9daction et de rigueur formelle<\/h3>\n

Parmi les d\u00e9fauts stylistiques et formels r\u00e9currents, l’abandon des statistiques descriptives fondamentales au profit exclusif de la m\u00e9trique inf\u00e9rentielle repr\u00e9sente une carence majeure. R\u00e9diger une suite ininterrompue de valeurs F<\/em> et p<\/em> sans jamais sp\u00e9cifier la moyenne arithm\u00e9tique ($M$<\/span>) ni l’\u00e9cart-type ($SD$<\/span>) des cellules exp\u00e9rimentales interdit toute appr\u00e9ciation de la pertinence clinique des r\u00e9sultats et emp\u00eache l’int\u00e9gration future de l’\u00e9tude au sein de m\u00e9ta-analyses quantitatives.<\/p>\n

Une autre n\u00e9gligence commune concerne l’escamotage complet des indices d’amplitude d’effet ou leur assignation m\u00e9canique sans r\u00e9flexion critique. Se borner \u00e0 d\u00e9cr\u00e9ter qu’un traitement est \u00ab statistiquement tr\u00e8s signifiant \u00bb sur la base exclusive d’un $p < ,001$<\/span>, en omettant de mentionner que la variable n'explique qu'un d\u00e9risoire $\\eta_p^2 = ,008$<\/span> (moins de 1 % de la variance fonctionnelle), rel\u00e8ve d'une rh\u00e9torique trompeuse. La discussion acad\u00e9mique doit constamment confronter la significativit\u00e9 probabiliste \u00e0 la taille de l'effet r\u00e9elle et \u00e0 son co\u00fbt \u00e9cologique ou pratique.<\/p>\n

Enfin, l’incoh\u00e9rence interne entre le corps du manuscrit et les annexes tabulaires mine la cr\u00e9dibilit\u00e9 de l’analyste. Il est fr\u00e9quent que des relecteurs avis\u00e9s rel\u00e8vent des discordances grossi\u00e8res entre les moyennes consign\u00e9es dans le texte suivi et celles report\u00e9es sur les graphiques, ou entre les degr\u00e9s de libert\u00e9 d\u00e9clar\u00e9s dans l’\u00e9chantillonnage introductif et ceux assign\u00e9s au terme d’erreur de l’ANOVA : un audit m\u00e9ticuleux des chiffres s’impose avant tout envoi \u00e9ditorial.<\/p>\n

12.3 Liste de contr\u00f4le (Checklist) avant soumission acad\u00e9mique<\/h3>\n

Afin de s\u00e9curiser la conformit\u00e9 m\u00e9trologique et formelle d’un manuscrit avant sa soumission \u00e0 une revue savante internationale, l’analyste est invit\u00e9 \u00e0 v\u00e9rifier point par point la grille d’auto-\u00e9valuation en dix points synth\u00e9tis\u00e9e ci-dessous :<\/p>\n

    \n
  • 1. Identification explicite du mod\u00e8le :<\/strong> Le plan exp\u00e9rimental est-il formellement nomm\u00e9 avec exactitude (e.g., ANOVA factorielle $2 \\times 3$<\/span> inter-sujets), en pr\u00e9cisant sans \u00e9quivoque la variable d\u00e9pendante continue et les deux facteurs cat\u00e9goriels ?<\/li>\n
  • 2. V\u00e9rification des postulats :<\/strong> La normalit\u00e9 des r\u00e9sidus (par cellule) et l’homosc\u00e9dasticit\u00e9 (test de Levene) sont-elles formellement \u00e9valu\u00e9es, document\u00e9es et accompagn\u00e9es de leurs valeurs de test respectives ?<\/li>\n
  • 3. Donn\u00e9es aberrantes et attrition :<\/strong> Le sort r\u00e9serv\u00e9 aux valeurs aberrantes (d\u00e9tection, maintien ou exclusion) et la gestion des donn\u00e9es manquantes sont-ils d\u00e9crits avec une transparence absolue ?<\/li>\n
  • 4. Exhaustivit\u00e9 de la statistique de test :<\/strong> Chaque rapport du test de Fisher comporte-t-il obligatoirement la lettre F<\/em> en italique, les deux degr\u00e9s de libert\u00e9 entre parenth\u00e8ses, la valeur F<\/em> arrondie \u00e0 deux d\u00e9cimales, la valeur p<\/em> exacte et la taille de l’effet ?<\/li>\n
  • 5. Typographie rigoureuse des p-values :<\/strong> Les probabilit\u00e9s sont-elles \u00e9crites sans z\u00e9ro initial (e.g., p<\/em> = ,024), les probabilit\u00e9s nulles proscrites au profit de p<\/em> < ,001, et les tendances fallacieuses bannies ?<\/li>\n
  • 6. Tailles d’effet syst\u00e9matiques :<\/strong> L’\u00eata-carr\u00e9 partiel ($\\eta_p^2$<\/span>) ou l’om\u00e9ga-carr\u00e9 partiel ($\\omega_p^2$<\/span>) est-il consign\u00e9 sans z\u00e9ro initial pour chaque effet principal et interaction, id\u00e9alement assorti de son intervalle de confiance \u00e0 90 % ?<\/li>\n
  • 7. Richesse descriptive :<\/strong> Les moyennes empiriques ($M$<\/span>) et \u00e9carts-types ($SD$<\/span>) sont-ils syst\u00e9matiquement renseign\u00e9s pour l’ensemble des cellules ou sous forme de marges globales coh\u00e9rentes ?<\/li>\n
  • 8. Hi\u00e9rarchie analytique respect\u00e9e :<\/strong> L’effet d’interaction a-t-il \u00e9t\u00e9 examin\u00e9 prioritairement ? En cas de significativit\u00e9, les effets simples ont-ils \u00e9t\u00e9 d\u00e9compos\u00e9s avec ajustement rigoureux du seuil alpha (Bonferroni, Holm) ?<\/li>\n
  • 9. Qualit\u00e9 et conformit\u00e9 des visuels :<\/strong> Les tableaux respectent-ils les standards APA (trois lignes horizontales, z\u00e9ro bordure verticale), et les graphiques comportent-ils imp\u00e9rativement leurs barres d’erreur explicit\u00e9es ?<\/li>\n
  • 10. Reproductibilit\u00e9 et Open Science :<\/strong> Le manuscrit fournit-il l’acc\u00e8s transparent aux donn\u00e9es brutes anonymis\u00e9es et aux scripts d’analyse (R, syntaxe SPSS, fichiers JASP) via un d\u00e9p\u00f4t institutionnel p\u00e9renne (OSF, Zenodo) ?<\/li>\n<\/ul>\n

    Le respect scrupuleux de cette armature m\u00e9thodologique garantit non seulement l’acceptation fluide des manuscrits au sein des comit\u00e9s de lecture les plus exigeants, mais participe activement \u00e0 la restauration de la rigueur \u00e9pist\u00e9mique et de la reproductibilit\u00e9 des sciences comportementales \u00e0 l’\u00e9chelle plan\u00e9taire.<\/p>\n

    R\u00e9f\u00e9rences<\/h2>\n
      \n
    • American Psychological Association. (2020). Publication manual of the American Psychological Association<\/em> (7th ed.). https:\/\/doi.org\/10.1037\/0000165-000<\/li>\n
    • Cohen, J. (1988). Statistical power analysis for the behavioral sciences<\/em> (2nd ed.). Lawrence Erlbaum Associates.<\/li>\n
    • Field, A. (2018). Discovering statistics using IBM SPSS statistics<\/em> (5th ed.). SAGE Publications.<\/li>\n
    • Howell, D. C. (2013). Statistical methods for psychology<\/em> (8th ed.). Cengage Learning.<\/li>\n
    • Keppel, G., & Wickens, T. D. (2004). Design and analysis: A researcher’s handbook<\/em> (4th ed.). Pearson Prentice Hall.<\/li>\n
    • Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology<\/em>, 4, Article 863. https:\/\/doi.org\/10.3389\/fpsyg.2013.00863<\/li>\n
    • Maxwell, S. E., Delaney, H. D., & Kelley, K. (2018). Designing experiments and analyzing data: A model comparison perspective<\/em> (3rd ed.). Routledge. https:\/\/doi.org\/10.4324\/9781315642956<\/li>\n
    • Olejnik, S., & Algina, J. (2003). Generalized eta and omega squared statistics: Measures of effect size for some common research designs. Psychological Methods<\/em>, 8(4), 434\u2013447. https:\/\/doi.org\/10.1037\/1082-989X.8.4.434<\/li>\n
    • Steiger, J. H. (2004). Beyond the F test: Effect size confidence intervals and tests of close fit in the analysis of variance and contrast analysis. Psychological Methods<\/em>, 9(2), 164\u2013182. https:\/\/doi.org\/10.1037\/1082-989X.9.2.164<\/li>\n
    • Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics<\/em> (7th ed.). Pearson.<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"

      Guide acad\u00e9mique complet pour rapporter les r\u00e9sultats d’une ANOVA \u00e0 deux facteurs selon les normes APA en psychologie : postulats, interactions et r\u00e9daction.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[1881,1835],"tags":[4814,6419,2304,2067,9916],"class_list":["post-9040","psych_stat","type-psych_stat","status-publish","hentry","category-methodologie-de-la-recherche","category-statistiques-en-psychologie","tag-anova-a-deux-facteurs","tag-effet-dinteraction","tag-normes-apa","tag-psychologie-experimentale","tag-rapport-statistique"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat\/9040","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_stat"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=9040"}],"version-history":[{"count":1,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat\/9040\/revisions"}],"predecessor-version":[{"id":9042,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat\/9040\/revisions\/9042"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=9040"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=9040"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=9040"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}