Sur le plan structurel, le test de Friedman est un test statistique non param\u00e9trique fond\u00e9 sur le classement par rangs intra-sujets. Il s’applique \u00e0 un dispositif exp\u00e9rimental comportant un facteur contr\u00f4l\u00e9 \u00e0 plusieurs modalit\u00e9s (au minimum trois niveaux) administr\u00e9es \u00e0 un ensemble identique de sujets ou au sein d’unit\u00e9s d’observation appari\u00e9es, appel\u00e9es blocs. L’objectif fondamental de ce test r\u00e9side dans l’identification de divergences statistiquement significatives entre les distributions de r\u00e9ponses observ\u00e9es \u00e0 travers les conditions exp\u00e9rimentales, en \u00e9valuant si le positionnement relatif m\u00e9dian des modalit\u00e9s diff\u00e8re au-del\u00e0 des simples fluctuations al\u00e9atoires de l’\u00e9chantillonnage.<\/p>\n
Dans le paysage des sciences comportementales, cognitives et biom\u00e9dicales, cette approche jouit d’une pertinence m\u00e9thodologique majeure. Lorsque les instruments d’\u00e9valuation produisent des donn\u00e9es bas\u00e9es sur des scores de performance subjectifs, des classements de pr\u00e9f\u00e9rence ou des inventaires psychom\u00e9triques discontinus, les estimateurs lin\u00e9aires classiques perdent leur efficacit\u00e9. Le test de Friedman garantit une inf\u00e9rence valide en mod\u00e9lisant les variations intra-individuelles sous la forme d’un ordonnancement stochastique, prot\u00e9geant le chercheur contre les biais d’art\u00e9fact induits par l’espacement non uniforme des \u00e9chelons de mesure.<\/p>\n
1.2 Comparaison structurelle avec l’ANOVA \u00e0 mesures r\u00e9p\u00e9t\u00e9es<\/h3>\n
La distinction la plus nette entre le test de Friedman et l’ANOVA param\u00e9trique \u00e0 mesures r\u00e9p\u00e9t\u00e9es r\u00e9side dans l’absence compl\u00e8te de postulats relatifs \u00e0 la normalit\u00e9 des erreurs r\u00e9siduelles. Alors que le mod\u00e8le lin\u00e9aire g\u00e9n\u00e9ral suppose que les r\u00e9sidus suivent une distribution gaussienne multivari\u00e9e, le test de Friedman op\u00e8re sur des permutations discr\u00e8tes au sein de chaque bloc. Cette caract\u00e9ristique fondamentale lui conf\u00e8re une robustesse absolue face aux valeurs aberrantes extr\u00eames (outliers<\/em>) et aux asym\u00e9tries prononc\u00e9es de distribution qui faussent habituellement le calcul des sommes de carr\u00e9s param\u00e9triques.<\/p>\n Un autre avantage d\u00e9terminant r\u00e9side dans l’affranchissement vis-\u00e0-vis de l’hypoth\u00e8se de sph\u00e9ricit\u00e9, traditionnellement \u00e9valu\u00e9e \u00e0 l’aide du test de sph\u00e9ricit\u00e9 de Mauchly<\/a>. La sph\u00e9ricit\u00e9 exige que les variances de l’ensemble des diff\u00e9rences possibles entre chaque paire de conditions r\u00e9p\u00e9t\u00e9es soient rigoureusement identiques. Dans les protocoles longitudinaux ou exp\u00e9rimentaux r\u00e9els, cette condition est quasi syst\u00e9matiquement viol\u00e9e du fait des corr\u00e9lations s\u00e9rielles inh\u00e9rentes aux mesures rapproch\u00e9es dans le temps. Si l’ANOVA n\u00e9cessite des ajustements correctifs complexes (tels que les facteurs d’\u00e9psilon de Greenhouse-Geisser ou de Huynh-Feldt), le test de Friedman \u00e9limine ce probl\u00e8me en r\u00e9duisant les variations d’amplitude \u00e0 des rangs relatifs ind\u00e9pendants de l’\u00e9chelle des variances.<\/p>\n Toutefois, cette immunit\u00e9 m\u00e9thodologique s’accompagne d’une perte relative de puissance statistique lorsque les postulats de l’ANOVA param\u00e9trique sont rigoureusement respect\u00e9s. Dans des conditions d’id\u00e9alit\u00e9 normale parfaite, le test de Friedman pr\u00e9sente une efficacit\u00e9 asymptotique relative l\u00e9g\u00e8rement inf\u00e9rieure \u00e0 celle de l’\u00e9preuve de Fisher. N\u00e9anmoins, d\u00e8s lors que les donn\u00e9es s’\u00e9cartent mod\u00e9r\u00e9ment de la sym\u00e9trie ou contiennent des artefacts de mesure, cette perte th\u00e9orique de puissance s’inverse au profit d’une validit\u00e9 substantiellement sup\u00e9rieure des inf\u00e9rences ordinales, rendant le test de Friedman particuli\u00e8rement avantageux pour les \u00e9tudes empiriques appliqu\u00e9es.<\/p>\n Le fonctionnement alg\u00e9brique du test de Friedman s’articule autour d’une transformation rigoureuse des donn\u00e9es brutes en une matrice ordinale. Soit un plan exp\u00e9rimental comportant n<\/em> blocs (ou sujets ind\u00e9pendants) \u00e9valu\u00e9s sous k<\/em> conditions exp\u00e9rimentales distinctes. Pour chaque bloc i<\/em> (o\u00f9 i<\/em> varie de 1 \u00e0 n<\/em>), les k<\/em> observations quantitatives ou ordinales sont class\u00e9es par ordre croissant. La plus petite observation re\u00e7oit le rang 1, et la plus grande re\u00e7oit le rang k<\/em>. En pr\u00e9sence d’observations identiques (ex-aequo) au sein d’un m\u00eame bloc, chaque score ex-aequo se voit attribuer la moyenne arithm\u00e9tique des rangs qu’il aurait occup\u00e9s sans cette \u00e9galit\u00e9.<\/p>\n Une fois les assignations individuelles effectu\u00e9es, la proc\u00e9dure agr\u00e8ge les scores en calculant la somme des rangs pour chaque condition exp\u00e9rimentale j<\/em> (allant de 1 \u00e0 k<\/em>), not\u00e9e Rj<\/sub><\/em>. Si l’hypoth\u00e8se nulle d’indiff\u00e9renciation des traitements est v\u00e9rifi\u00e9e, les rangs devraient \u00eatre assign\u00e9s de mani\u00e8re purement al\u00e9atoire au sein de chaque ligne, de sorte que l’esp\u00e9rance math\u00e9matique de la somme des rangs pour n’importe quelle condition s’\u00e9tablit pr\u00e9cis\u00e9ment \u00e0 E(Rj<\/sub>) = n(k + 1) \/ 2<\/em>. Toute divergence substantielle observ\u00e9e entre les Rj<\/sub><\/em> empiriques et cette valeur moyenne th\u00e9orique traduit l’impact diff\u00e9rentiel du facteur exp\u00e9rimental.<\/p>\n Pour quantifier cet \u00e9cart, Friedman a formul\u00e9 une statistique de test sp\u00e9cifique, g\u00e9n\u00e9ralement not\u00e9e Q<\/em> ou \u03c7\u00b2r<\/sub><\/em>. Dans sa forme standard non corrig\u00e9e des ex-aequo, l’\u00e9quation s’\u00e9nonce ainsi :<\/p>\n Q = [12 \/ (n * k * (k + 1))] * \u03a3 (Rj<\/sub>\u00b2) – 3 * n * (k + 1)<\/strong><\/p>\n Lorsque le nombre de blocs n<\/em> ou le nombre de modalit\u00e9s k<\/em> atteint des dimensions raisonnables (couramment n > 10<\/em> ou k > 4<\/em>), la distribution d’\u00e9chantillonnage de la statistique Q<\/em> converge asymptotiquement vers une loi du Chi-deux avec k – 1<\/em> degr\u00e9s de libert\u00e9. Pour des \u00e9chantillons restreints, des distributions exactes de permutations tabul\u00e9es peuvent \u00eatre sollicit\u00e9es afin de pr\u00e9venir une inflation du taux d’erreur de premi\u00e8re esp\u00e8ce induite par l’approximation asymptotique continue.<\/p>\n L’application l\u00e9gitime du test de Friedman requiert une ad\u00e9quation stricte entre la structure architecturale des donn\u00e9es empiriques et le mod\u00e8le th\u00e9orique sous-jacent. Le protocole d’acquisition doit obligatoirement reposer sur un devis factoriel intra-sujets \u00e0 mesures r\u00e9p\u00e9t\u00e9es ou sur un plan en blocs randomis\u00e9s complets (RCBD). Cela implique qu’une m\u00eame unit\u00e9 statistique (un participant, un groupe d’individus appari\u00e9s selon des crit\u00e8res de covariation stricts, ou un lot homog\u00e8ne) traverse l’int\u00e9gralit\u00e9 des k<\/em> modalit\u00e9s du facteur principal sous investigation, garantissant ainsi l’appariement complet des donn\u00e9es collect\u00e9es.<\/p>\n Cette structure impose une dichotomie fondamentale au sein du mod\u00e8le : une d\u00e9pendance statistique totale et contr\u00f4l\u00e9e \u00e0 l’int\u00e9rieur de chaque bloc, juxtapos\u00e9e \u00e0 une ind\u00e9pendance statistique absolue entre les diff\u00e9rents blocs. En d’autres termes, les r\u00e9ponses fournies par le sujet A<\/em> \u00e0 travers les conditions 1, 2 et 3 sont intrins\u00e8quement corr\u00e9l\u00e9es et doivent \u00eatre trait\u00e9es comme telles, tandis que le vecteur de r\u00e9ponses du sujet A<\/em> ne doit pr\u00e9senter aucune relation de causalit\u00e9, de contagion ou de corr\u00e9lation avec le vecteur de r\u00e9ponses du sujet B<\/em>. Toute violation de cette ind\u00e9pendance inter-blocs invaliderait les fondements de la statistique inf\u00e9rentielle.<\/p>\n En outre, l’organisation s\u00e9quentielle des passages \u00e0 travers les conditions exp\u00e9rimentales doit \u00eatre prot\u00e9g\u00e9e contre les biais d’apprentissage, de fatigue ou de sensibilisation progressive. Le recours \u00e0 des protocoles de contrebalancement \u00e9quilibr\u00e9 ou de randomisation de l’ordre d’administration (par exemple via des carr\u00e9s latins d’ordre sup\u00e9rieur) est hautement recommand\u00e9. L’absence de contr\u00f4le de ces effets d’ordre risquerait d’induire une corr\u00e9lation spurieuse entre la position chronologique et l’assignation des rangs, brouillant irr\u00e9m\u00e9diablement l’effet r\u00e9el de la condition \u00e9tudi\u00e9e.<\/p>\n D’un point de vue m\u00e9trologique, le test de Friedman se distingue par une remarquable souplesse quant \u00e0 la nature de la variable d\u00e9pendante. Celle-ci peut \u00eatre mesur\u00e9e sur une \u00e9chelle purement ordinale, d’intervalles ou de rapports. Cette propri\u00e9t\u00e9 en fait le cadre analytique id\u00e9al pour traiter des variables issues d’\u00e9chelles de Likert cumul\u00e9es, d’\u00e9valuations cliniques semi-quantitatives, de classements psychophysiques ou d’indicateurs comportementaux continus mais fortement asym\u00e9triques, tels que les temps de r\u00e9action, les seuils perceptifs ou les concentrations biologiques de biomarqueurs de stress.<\/p>\n Le test d\u00e9montre une tol\u00e9rance math\u00e9matique absolue face \u00e0 la non-lin\u00e9arit\u00e9 des variations, \u00e0 l’aplatissement (kurtosis<\/em>) extr\u00eame et \u00e0 l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des variances entre les conditions. \u00c9tant donn\u00e9 que seules les relations d’ordre strictes sont conserv\u00e9es au d\u00e9triment des distances quantitatives brutes, les d\u00e9formations monotones de l’\u00e9chelle de mesure ne modifient en rien la valeur finale de la statistique de test calcul\u00e9e. Cette invariance d’\u00e9chelle conf\u00e8re \u00e0 l’exp\u00e9rimentateur une garantie de reproductibilit\u00e9 analytique ind\u00e9pendamment des transformations de coordonn\u00e9es.<\/p>\n Cependant, une r\u00e9serve m\u00e9thodologique d’envergure concerne la pr\u00e9sence excessive de rangs ex-aequo au sein des blocs. Bien que les impl\u00e9mentations modernes sous Stata appliquent syst\u00e9matiquement des facteurs de correction d’ajustement du d\u00e9nominateur pour compenser la variance tronqu\u00e9e par les \u00e9galit\u00e9s, un volume d\u00e9mesur\u00e9 d’ex-aequo (survenant par exemple lorsqu’une variable ordinale comporte trop peu d’\u00e9chelons de r\u00e9ponse discrets) r\u00e9duit dramatiquement la sensibilit\u00e9 du test. Lorsque l’information ordinale s’effondre dans une masse d’\u00e9galit\u00e9s indiscernables, la puissance statistique s’en trouve d\u00e9grad\u00e9e, et des mod\u00e8les multinomiaux longitudinaux ou des \u00e9quations d’estimation g\u00e9n\u00e9ralis\u00e9es (GEE) doivent \u00eatre envisag\u00e9s.<\/p>\n La formalisation rigoureuse des hypoth\u00e8ses statistiques constitue un pr\u00e9alable incontournable \u00e0 toute interpr\u00e9tation. L’hypoth\u00e8se nulle, not\u00e9e H0<\/sub><\/em>, stipule que l’ensemble des k<\/em> conditions exp\u00e9rimentales provient de populations dont les fonctions de r\u00e9partition continue sont identiques. Sous cette hypoth\u00e8se, aucune condition n’exerce d’influence directionnelle syst\u00e9matique sur le rang attribu\u00e9 au sein d’un bloc quelconque. L’assignation de chaque vecteur de rangs [1, …, k<\/em>] pour chaque sujet d\u00e9coule exclusivement d’un processus stochastique \u00e9quiprobable parmi les k!<\/em> permutations possibles.<\/p>\n \u00c0 l’oppos\u00e9, l’hypoth\u00e8se alternative, not\u00e9e H1<\/sub><\/em>, ne postule pas une simple diff\u00e9rence de moyennes math\u00e9matiques (ce qui rel\u00e8verait du paradigme param\u00e9trique), mais une pr\u00e9dominance stochastique d’au moins une condition exp\u00e9rimentale sur les autres. Concr\u00e8tement, H1<\/sub><\/em> affirme qu’au moins une condition tend de fa\u00e7on constante \u00e0 g\u00e9n\u00e9rer des rangs significativement plus \u00e9lev\u00e9s ou plus bas que ses comparateurs, modifiant ainsi la m\u00e9diane ou la localisation centrale de la distribution des r\u00e9ponses au sein de la population cibl\u00e9e.<\/p>\n Cette nuance s\u00e9mantique et math\u00e9matique est fondamentale : le rejet de H0<\/sub><\/em> ne renseigne ni sur l’amplitude m\u00e9trique de la diff\u00e9rence en unit\u00e9s originales, ni sur la localisation pr\u00e9cise de la divergence par paires. Le rejet de l’hypoth\u00e8se nulle confirme simplement l’existence d’une h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 ordinale globale au sein du syst\u00e8me de mesures r\u00e9p\u00e9t\u00e9es. Cette conclusion valide la n\u00e9cessit\u00e9 de poursuivre le protocole d’exploration par l’entremise de proc\u00e9dures de comparaisons multiples post-hoc<\/em> d\u00fbment ajust\u00e9es.<\/p>\n L’ex\u00e9cution fluide de proc\u00e9dures statistiques avanc\u00e9es dans le logiciel Stata requiert une v\u00e9rification pr\u00e9alable de la configuration de l’infrastructure logicielle. Bien que les fondements math\u00e9matiques de l’analyse non param\u00e9trique soient stables depuis des d\u00e9cennies, la syntaxe des commandes, la gestion des matrices en m\u00e9moire et les options graphiques ont consid\u00e9rablement \u00e9volu\u00e9 depuis les versions 14 jusqu’aux versions contemporaines de Stata (telles que Stata 17 et Stata 18). Il est imp\u00e9ratif de travailler sur un environnement maintenu \u00e0 jour afin d’\u00e9viter toute rupture de compatibilit\u00e9 lors de l’installation de macros sp\u00e9cialis\u00e9es.<\/p>\n Avant d’initier toute analyse, l’utilisateur doit contr\u00f4ler l’\u00e9tat de mise \u00e0 jour de son syst\u00e8me en saisissant dans la ligne de commande terminale l’instruction update query<\/strong>. Cette directive interroge directement le d\u00e9p\u00f4t central de StataCorp pour identifier d’\u00e9ventuels correctifs du binaire ex\u00e9cutable ou des composants officiels. Si des mises \u00e0 jour sont disponibles, l’ex\u00e9cution s\u00e9quentielle de update all<\/strong> garantira l’int\u00e9grit\u00e9 op\u00e9rationnelle du moteur de calcul statistique.<\/p>\n Parall\u00e8lement, la d\u00e9finition rigoureuse du r\u00e9pertoire de travail actif constitue une r\u00e8gle de bonne pratique essentielle en mati\u00e8re de recherche reproductible. \u00c0 l’aide de la commande pwd<\/strong>, le chercheur prend acte du r\u00e9pertoire courant, puis utilise la commande cd \u00ab\u00a0chemin\/vers\/repertoire\u00a0\u00bb<\/strong> pour cibler le dossier d\u00e9di\u00e9 au projet. Enfin, l’ouverture syst\u00e9matique d’un fichier journal d’enregistrement \u00e0 l’aide de l’instruction log using analyse_friedman.log, replace<\/strong> permet de consigner de fa\u00e7on inalt\u00e9rable l’ensemble des commandes invoqu\u00e9es et des sorties num\u00e9riques g\u00e9n\u00e9r\u00e9es au fil de la session.<\/p>\n Les utilisateurs d\u00e9butants de Stata sont souvent surpris de constater que le noyau officiel de base ne comprend pas de commande directe native baptis\u00e9e simplement pour le test omnibus standard de Friedman, contrairement au test de Kruskal-Wallis (accessible via la commande kwallis<\/strong> pour donn\u00e9es ind\u00e9pendantes). Pour surmonter cette absence, l’Acad\u00e9mie et les biostatisticiens utilisent fr\u00e9quemment le cadre th\u00e9orique unifi\u00e9 des statistiques d’association \u00e9tendue de Cochran-Mantel-Haenszel, impl\u00e9ment\u00e9 sous Stata via le module communautaire emh<\/strong>.<\/p>\n La statistique de Friedman correspond sur le plan matriciel au score d’alignement de Mantel-Haenszel lorsque l’\u00e9chelle est transform\u00e9e en rangs stratifi\u00e9s par sujet. Pour installer ce paquet externe de r\u00e9f\u00e9rence d\u00e9pos\u00e9 sur le Statistical Software Components (SSC) Archive maintenu par le Boston College, l’utilisateur doit ex\u00e9cuter dans la ligne de commande de Stata l’instruction suivante :<\/p>\n ssc install emh<\/strong><\/p>\n Une fois le t\u00e9l\u00e9chargement finalis\u00e9, il convient de v\u00e9rifier la bonne int\u00e9gration du programme dans les r\u00e9pertoires syst\u00e8me du logiciel en interrogeant son emplacement au moyen de la commande which emh<\/strong>. Stata doit alors afficher le chemin complet du fichier emh.ado<\/em> ainsi que sa version de r\u00e9vision. Si des restrictions d’acc\u00e8s r\u00e9seau ou des contraintes de droits administratifs en environnement institutionnel entravent l’installation, il est n\u00e9cessaire de solliciter l’attribution des privil\u00e8ges d’\u00e9criture sur le r\u00e9pertoire syst\u00e8me personnel de l’utilisateur (g\u00e9n\u00e9ralement configur\u00e9 sous le dossier PLUS<\/em> ou PERSONAL<\/em>).<\/p>\n Outre l’approche par Cochran-Mantel-Haenszel, il existe une macro-commande d\u00e9di\u00e9e con\u00e7ue sp\u00e9cifiquement pour encapsuler directement le calcul de Friedman selon une ergonomie hautement intuitive : le paquet friedman<\/strong>, d\u00e9velopp\u00e9 et publi\u00e9 dans le Stata Technical Bulletin<\/em> par Sheldon Bearman. Cette extension pr\u00e9sente l’avantage majeur de traiter directement les donn\u00e9es sans exiger une ma\u00eetrise approfondie de la formalisation des tableaux de contingence stratifi\u00e9s.<\/p>\n Pour localiser et installer ce composant alternatif, le chercheur peut formuler une recherche exhaustive dans le terminal via la syntaxe search friedman<\/strong>. Cette action g\u00e9n\u00e8re une liste d’hyperliens pointant vers les r\u00e9pertoires officiels de l’Institut Stata. L’installation directe s’effectue g\u00e9n\u00e9ralement au moyen de la syntaxe sp\u00e9cialis\u00e9e net install<\/strong> ou via l’utilitaire SSC en ex\u00e9cutant :<\/p>\n ssc install friedman<\/strong><\/p>\n Le tableau comparatif entre ces deux outils met en lumi\u00e8re des logiques distinctes. Alors que la routine emh<\/strong> s’adresse aux jeux de donn\u00e9es structur\u00e9s en format long et offre un cadre analytique g\u00e9n\u00e9ralisable \u00e0 d’autres m\u00e9triques de corr\u00e9lation partielle ordinale, la commande friedman<\/strong> requiert traditionnellement que les donn\u00e9es soient organis\u00e9es en colonnes juxtapos\u00e9es correspondant au format large. Disposer de ces deux extensions dans son environnement Stata offre une flexibilit\u00e9 op\u00e9ratoire indispensable pour auditer, comparer et trianguler les r\u00e9sultats computationnels avec un niveau maximal de rigueur.<\/p>\n Pour illustrer de fa\u00e7on tangible et didactique l’application du test de Friedman sous Stata, nous mobiliserons un jeu de donn\u00e9es classique et accessible dans la litt\u00e9rature de r\u00e9f\u00e9rence : le fichier exp\u00e9rimental t43<\/strong> h\u00e9berg\u00e9 publiquement sur les serveurs de Stata Press<\/a>. Ce jeu de donn\u00e9es, fr\u00e9quemment utilis\u00e9 dans les manuels de biostatistique appliqu\u00e9e, rend compte d’une \u00e9tude pharmacologique mesurant le temps de r\u00e9action neuromusculaire de patients soumis \u00e0 l’action de quatre drogues s\u00e9datives diff\u00e9rentes.<\/p>\n L’acc\u00e8s \u00e0 ce fichier s’effectue de mani\u00e8re directe et transparente via la syntaxe d’importation web de Stata. En saisissant la ligne d’instruction :<\/p>\n use http:\/\/www.stata-press.com\/data\/r14\/t43, clear<\/strong><\/p>\n le logiciel t\u00e9l\u00e9charge les enregistrements en m\u00e9moire vive en \u00e9crasant pr\u00e9alablement tout fichier r\u00e9siduel non sauvegard\u00e9. D\u00e8s le chargement accompli, l’int\u00e9grit\u00e9 de la structure tabulaire doit \u00eatre confirm\u00e9e au moyen de la commande describe<\/strong>. Cette instruction d\u00e9voile l’inventaire des variables en m\u00e9moire, leur format de stockage (entiers, flottants, cha\u00eenes de caract\u00e8res), ainsi que le nombre total d’observations recens\u00e9es. Afin de garantir l’autonomie et la reproductibilit\u00e9 du protocole hors connexion r\u00e9seau, il est fortement avis\u00e9 de sauvegarder imm\u00e9diatement une copie locale du fichier via l’instruction save \u00ab\u00a0t43_local.dta\u00a0\u00bb, replace<\/strong>.<\/p>\n L’exploration des donn\u00e9es ne doit jamais s’affranchir d’un examen visuel attentif de la matrice brute. L’invocation de la commande interactive browse<\/strong> (ou son \u00e9quivalent textuel list<\/strong> dans le terminal) affiche la structure interne du jeu de donn\u00e9es t43. L’exp\u00e9rimentateur y d\u00e9couvre un plan exp\u00e9rimental compact compos\u00e9 de cinq patients uniques (individualis\u00e9s par un identifiant ou une num\u00e9rotation implicite de ligne) test\u00e9s s\u00e9quentiellement sous quatre conditions th\u00e9rapeutiques libell\u00e9es classiquement de drug1<\/em> \u00e0 drug4<\/em>, ou identifi\u00e9es par une variable factorielle d\u00e9di\u00e9e.<\/p>\n L’inspection analytique vise d’abord \u00e0 traquer d’\u00e9ventuelles valeurs manquantes, cod\u00e9es par un point d’interrogation ou un point syst\u00e8me sous Stata. L’algorithme du test de Friedman est intol\u00e9rant aux blocs incomplets : tout patient pr\u00e9sentant une donn\u00e9e manquante sur l’un quelconque des quatre traitements se verrait automatiquement \u00e9limin\u00e9 de l’analyse globale (suppression par liste ou listwise deletion<\/em>), ce qui amputerait dangereusement la puissance statistique d’un si petit \u00e9chantillon. Dans le jeu de donn\u00e9es t43, l’int\u00e9grit\u00e9 est totale : les cinq sujets disposent de r\u00e9ponses compl\u00e8tes sur l’int\u00e9gralit\u00e9 des quatre modalit\u00e9s.<\/p>\n De surcro\u00eet, le clinicien ou le biostatisticien v\u00e9rifie l’ad\u00e9quation conceptuelle des valeurs enregistr\u00e9es. La variable d\u00e9pendante repr\u00e9sente des temps de r\u00e9action exprim\u00e9s en fractions de secondes ou en millisecondes. Ces mesures physiologiques sont par essence contraintes par une limite inf\u00e9rieure absolue (le z\u00e9ro biologique) et sont notoirement sujettes \u00e0 des asym\u00e9tries de distribution prononc\u00e9es. Cette inspection qualitative renforce le diagnostic m\u00e9thodologique : le recours \u00e0 des estimateurs lin\u00e9aires gaussiens appara\u00eet hautement pr\u00e9caire sur un effectif de seulement cinq unit\u00e9s statistiques.<\/p>\n L’\u00e9tape diagnostique suivante requiert la caract\u00e9risation quantitative des distributions au moyen de statistiques descriptives cibl\u00e9es. La commande g\u00e9n\u00e9rique summarize<\/strong> compl\u00e9t\u00e9e par l’option detail<\/strong> fournit un \u00e9ventail d’indicateurs fondamentaux, mais il s’av\u00e8re bien plus judicieux d’utiliser la commande sp\u00e9cialis\u00e9e tabstat<\/strong> pour isoler les param\u00e8tres de tendance centrale et de dispersion pertinents pour le paradigme non param\u00e9trique.<\/p>\n En formulant la requ\u00eate suivante :<\/p>\n tabstat reaction_time, by(drug) statistics(n mean sd median p25 p75 skewness kurtosis)<\/strong><\/p>\n (ou sur les colonnes individuelles si le jeu de donn\u00e9es r\u00e9side en format large), Stata extrait un tableau comparatif pr\u00e9cis. L’observation des m\u00e9dianes et des intervalles interquartiles (distance entre le 25e et le 75e percentile) fournit une estimation fid\u00e8le du positionnement typique des sujets sous chaque mol\u00e9cule. L’\u00e9cart parfois substantiel entre la moyenne arithm\u00e9tique et la m\u00e9diane signale l’impact des variations individuelles et l’\u00e9tirement unilat\u00e9ral des distributions.<\/p>\n L’\u00e9valuation chiffr\u00e9e du coefficient d’asym\u00e9trie (skewness<\/em>) et du coefficient d’aplatissement (kurtosis<\/em>) parach\u00e8ve cette d\u00e9monstration. Des coefficients d’asym\u00e9trie s’\u00e9cartant sensiblement de z\u00e9ro attestent que les temps de r\u00e9action ne r\u00e9pondent pas aux exigences d’une loi normale univari\u00e9e. De surcro\u00eet, sur un \u00e9chantillon total de N = 5<\/em> participants, le test formel de normalit\u00e9 de Shapiro-Wilk (swilk<\/strong>) manquerait cruellement de puissance pour infirmer la normalit\u00e9 avec certitude, justifiant m\u00e9thodologiquement d’opter d’embl\u00e9e pour la protection non param\u00e9trique offerte par le test de Friedman.<\/p>\n Une \u00e9tape critique qui d\u00e9concerte fr\u00e9quemment les praticiens dans l’environnement Stata concerne l’organisation topologique de la table d’analyse. Les logiciels statistiques traitent les mesures r\u00e9p\u00e9t\u00e9es sous deux formats structurels mutuellement exclusifs : la configuration large (wide format<\/em>) et la configuration longue (long format<\/em>). Comprendre la distinction entre ces deux repr\u00e9sentations est un pr\u00e9requis indispensable, car le choix de la routine logicielle (entre emh<\/strong> et friedman<\/strong>) dicte imp\u00e9rativement la structure de matrice requise.<\/p>\n Dans le format large, chaque unit\u00e9 exp\u00e9rimentale (le patient ou sujet) correspond \u00e0 une seule et unique ligne dans la grille de donn\u00e9es. Les diff\u00e9rentes conditions exp\u00e9rimentales ou temps de mesure successifs sont d\u00e9ploy\u00e9s horizontalement le long de colonnes distinctes (par exemple score_t1<\/em>, score_t2<\/em>, score_t3<\/em>). \u00c0 l’inverse, dans le format long, chaque ligne repr\u00e9sente une mesure unitaire individuelle. Le participant voit donc son identifiant r\u00e9p\u00e9t\u00e9 sur autant de lignes qu’il existe de conditions exp\u00e9rimentales (quatre lignes par patient pour quatre traitements). Une colonne factorielle d’indexation d\u00e9signe la condition exp\u00e9rimentale administr\u00e9e, tandis qu’une colonne unique h\u00e9berge la valeur de la variable d\u00e9pendante observ\u00e9e.<\/p>\n Cette distinction topologique modifie fondamentalement la mani\u00e8re dont les algorithmes calculent l’assignation des rangs. La macro d\u00e9di\u00e9e friedman<\/strong> exige nativement une disposition en format large, consid\u00e9rant chaque argument de variable comme une modalit\u00e9 \u00e0 classer transversalement. En revanche, le mod\u00e8le de Cochran-Mantel-Haenszel mobilis\u00e9 par emh<\/strong> op\u00e8re exclusivement sur une structure en format long, au sein de laquelle l’identifiant du patient fait office de variable de stratification et la modalit\u00e9 th\u00e9rapeutique agit comme facteur d’exposition cat\u00e9goriel.<\/p>\n Pour naviguer avec aisance entre ces deux architectures au gr\u00e9 des imp\u00e9ratifs analytiques, Stata dispose d’un outil de transformation particuli\u00e8rement robuste : la commande reshape<\/strong>. Si le jeu de donn\u00e9es t43 import\u00e9 depuis le serveur se pr\u00e9sente dans une structure tabulaire o\u00f9 les colonnes correspondent aux diff\u00e9rents traitements, l’exp\u00e9rimentateur doit d’abord s’assurer de l’existence d’une variable d’identification univoque pour chaque participant, souvent d\u00e9sign\u00e9e par le vecteur person<\/em> ou subject<\/em>.<\/p>\n Pour convertir des donn\u00e9es du format large vers le format long afin d’exploiter la puissance du module emh<\/strong>, la syntaxe Stata s’articule comme suit :<\/p>\n reshape long response, i(person) j(drug)<\/strong><\/p>\n Dans cette commande, response<\/em> d\u00e9signe le pr\u00e9fixe de la variable quantitative mesur\u00e9e, i(person)<\/em> sp\u00e9cifie l’identifiant invariant de l’unit\u00e9 exp\u00e9rimentale (le bloc), et j(drug)<\/em> cr\u00e9e une nouvelle variable contenant l’indice num\u00e9rique ou textuel de la condition associ\u00e9e. L’ex\u00e9cution de cette directive d\u00e9clenche un traitement interne instantan\u00e9 : Stata r\u00e9organise les pointeurs de m\u00e9moire, restructure les lignes et valide l’alignement exact des indices. L’affichage terminal r\u00e9capitule la transition dimensionnelle en indiquant le nombre de lignes initiales et finales cr\u00e9\u00e9es.<\/p>\n R\u00e9ciproquement, si une analyse requiert un retour imm\u00e9diat vers l’architecture initiale, l’instruction sym\u00e9trique s’ex\u00e9cute avec une extr\u00eame simplicit\u00e9 :<\/p>\n reshape wide response, i(person) j(drug)<\/strong><\/p>\n La validation de ces \u00e9tapes de manipulation de donn\u00e9es garantit que les rangs intra-blocs seront calcul\u00e9s avec une int\u00e9grit\u00e9 algorithmique parfaite, sans distorsion ni inversion fortuite des donn\u00e9es de panel.<\/p>\n L’utilisation de l’extension emh<\/strong> pour mod\u00e9liser le test de Friedman constitue une d\u00e9monstration \u00e9l\u00e9gante de l’int\u00e9gration th\u00e9orique de la statistique non param\u00e9trique au sein des mod\u00e8les d’association stratifi\u00e9s. Dans le cadre de cette commande, le test de Friedman est g\u00e9n\u00e9r\u00e9 en tant que statistique de corr\u00e9lation \u00e9tendue de Mantel-Haenszel sous transformation en rangs moyens. La structure g\u00e9n\u00e9rique de la syntaxe s’\u00e9nonce comme suit :<\/p>\n emh response drug, strata(person) trans(rank)<\/strong><\/p>\n L’analyse d\u00e9taill\u00e9e des param\u00e8tres de cette instruction clarifie son fonctionnement sous-jacent. Le premier argument, response<\/em>, d\u00e9signe la variable d\u00e9pendante continue ou ordinale (les temps de r\u00e9action). Le second argument, drug<\/em>, repr\u00e9sente la variable de traitement factorielle dont on cherche \u00e0 comparer l’efficacit\u00e9. L’option obligatoire strata(person)<\/strong> indique formellement \u00e0 Stata que l’analyse doit imp\u00e9rativement \u00eatre stratifi\u00e9e selon l’identifiant du patient, chaque patient agissant comme un bloc \u00e9tanche au sein duquel s’ex\u00e9cute la d\u00e9pendance intra-individuelle.<\/p>\n Le param\u00e8tre d\u00e9cisif r\u00e9side dans l’option trans(rank)<\/strong>. Cette directive intime au moteur computationnel de substituer aux valeurs quantitatives de la r\u00e9ponse leurs rangs relatifs assign\u00e9s \u00e0 l’int\u00e9rieur de chaque strate individuelle. C’est pr\u00e9cis\u00e9ment cette transformation dynamique intra-bloc qui convertit le formalisme g\u00e9n\u00e9ral de Mantel-Haenszel en l’\u00e9quivalent alg\u00e9brique rigoureusement identique \u00e0 la statistique Q<\/em> de Friedman, conf\u00e9rant au r\u00e9sultat une validit\u00e9 non param\u00e9trique absolue.<\/p>\n Apr\u00e8s avoir converti le jeu de donn\u00e9es t43 au format long conform\u00e9ment aux exigences structurelles, l’exp\u00e9rimentateur proc\u00e8de au lancement effectif de la commande dans la console Stata. L’ex\u00e9cution s’av\u00e8re quasi instantan\u00e9e compte tenu de la compacit\u00e9 de l’\u00e9chantillon. Toutefois, il convient d’observer attentivement le flux d’informations retourn\u00e9 par le syst\u00e8me.<\/p>\n Le terminal de Stata compile le tableau r\u00e9capitulatif des statistiques d’Extended Mantel-Haenszel. L’algorithme d\u00e9ploie une s\u00e9rie de m\u00e9triques correspondant aux hypoth\u00e8ses d’association g\u00e9n\u00e9rale, de corr\u00e9lation et de scores moyens. C’est pr\u00e9cis\u00e9ment la ligne d’estimation relative au test de scores moyens intra-strates (Mean Score Statistic<\/em> avec scores de rangs) qui correspond point par point \u00e0 la statistique de Friedman. L’utilisateur constate que Stata indique le nombre total d’observations prises en compte (20 observations, issues de 5 patients multipli\u00e9s par 4 conditions), ainsi que le nombre exact de strates valid\u00e9es (5 strates de blocs).<\/p>\n Le syst\u00e8me extrait simultan\u00e9ment la valeur de dispersion observ\u00e9e sous forme d’une statistique du Chi-deux. Le suivi des degr\u00e9s de libert\u00e9 associ\u00e9s confirme que le calcul retient la formule k – 1<\/em>, soit 4 – 1 = 3<\/em> degr\u00e9s de libert\u00e9 pour l’analyse des quatre modalit\u00e9s de drogues. Les contr\u00f4les de coh\u00e9rence matricielle confirment que le mod\u00e8le ne souffre d’aucune d\u00e9g\u00e9n\u00e9rescence de covariance et que l’ensemble des scores a \u00e9t\u00e9 trait\u00e9 avec succ\u00e8s.<\/p>\n Lors de l’impl\u00e9mentation pratique de la commande emh<\/strong>, plusieurs sources d’erreurs r\u00e9currentes peuvent interrompre l’ex\u00e9cution de l’analyse ou engendrer des estimations erron\u00e9es. La m\u00e9prise la plus fr\u00e9quente consiste \u00e0 inverser l’ordre conceptuel des variables au sein de la ligne de syntaxe, en d\u00e9clarant par exemple emh drug response<\/strong> au lieu de l’ordre attendu. Une telle inversion traite le facteur th\u00e9rapeutique comme une r\u00e9ponse et corrompt le processus de classement en rangs intra-sujets.<\/p>\n Une autre anomalie classique survient lorsque la variable d\u00e9signant le traitement ou la stratification n’est pas convenablement encod\u00e9e sous forme num\u00e9rique enti\u00e8re. Si la variable drug<\/em> ou person<\/em> contient des libell\u00e9s textuels alphanum\u00e9riques (string<\/em>), le module emh<\/strong> refusera de compiler les matrices d’association et renverra le message d’erreur d’incompatibilit\u00e9 de type : type mismatch<\/em> ou varlist not allowed<\/em>. Pour y rem\u00e9dier, il est indispensable de factoriser la variable textuelle \u00e0 l’aide de la commande native encode nom_variable, gen(nouvelle_var_num)<\/strong> pr\u00e9alablement au lancement du mod\u00e8le.<\/p>\n Enfin, la pr\u00e9sence de blocs asym\u00e9triques cons\u00e9cutive \u00e0 des observations manquantes al\u00e9atoires (unbalanced designs<\/em>) d\u00e9clenche g\u00e9n\u00e9ralement une mise en garde ou l’\u00e9viction pure et simple des strates incompl\u00e8tes par le paquet emh<\/strong>. L’exp\u00e9rimentateur doit imp\u00e9rativement auditer l’\u00e9quilibre de sa matrice \u00e0 l’aide de la commande crois\u00e9e tabulate person drug<\/strong> avant d’ex\u00e9cuter la statistique, s’assurant ainsi que chaque cellule du tableau crois\u00e9 comporte exactement une observation unitaire.<\/p>\n Pour les praticiens d\u00e9sireux d’\u00e9viter les manipulations structurelles inh\u00e9rentes \u00e0 la commande reshape<\/strong>, le recours \u00e0 la macro sp\u00e9cialis\u00e9e friedman<\/strong> d\u00e9velopp\u00e9e par Sheldon Bearman constitue une alternative remarquable par sa simplicit\u00e9 ergonomique. Travaillant nativement sur les matrices dispos\u00e9es en colonnes juxtapos\u00e9es (format large), cette proc\u00e9dure \u00e9vite toute red\u00e9finition topologique des donn\u00e9es.<\/p>\n En admettant que le jeu de donn\u00e9es t43 soit charg\u00e9 dans sa structure originale comportant les variables continues distinctes drug1<\/em>, drug2<\/em>, drug3<\/em> et drug4<\/em>, la syntaxe d’ex\u00e9cution se r\u00e9sume \u00e0 une formulation d’une grande concision :<\/p>\n friedman drug1 drug2 drug3 drug4<\/strong><\/p>\n Sans requ\u00e9rir la moindre option additionnelle, la macro prend automatiquement le contr\u00f4le de la session de calcul. Elle lit chaque ligne du fichier comme un sujet ou bloc unique, ordonne de mani\u00e8re s\u00e9quentielle les valeurs mesur\u00e9es au sein de chaque ligne, calcule les rangs relatifs correspondants, int\u00e8gre le terme d’ajustement correctif pour les ex-aequo \u00e9ventuels, puis d\u00e9rive la somme globale des rangs et la statistique Q<\/em> finale. L’un des atouts visuels de cette macro est qu’elle imprime directement sur la sortie Stata un r\u00e9capitulatif extr\u00eamement didactique indiquant la somme des rangs et la moyenne des rangs pour chaque condition exp\u00e9rimentale \u00e9valu\u00e9e.<\/p>\n Toutefois, cette commodit\u00e9 d’usage s’accompagne d’une limitation quant \u00e0 la flexibilit\u00e9 d’int\u00e9gration dans des cha\u00eenes de traitement automatis\u00e9es plus vastes. La commande friedman<\/strong> ne stocke pas syst\u00e9matiquement une gamme exhaustive de scalaires dans les objets de r\u00e9sultats r()<\/em>, ce qui restreint l\u00e9g\u00e8rement son couplage avec des routines de programmation it\u00e9rative personnalis\u00e9es comparativement aux macros plus formelles.<\/p>\n La validation scientifique des r\u00e9sultats statistiques repose sur le principe de convergence et de triangulation num\u00e9rique. Afin de certifier l’absence d’artefacts algorithmiques, il est particuli\u00e8rement instructif de confronter scrupuleusement les sorties g\u00e9n\u00e9r\u00e9es par la commande emh<\/strong> appliqu\u00e9e sur les donn\u00e9es au format long, et celles produites par la commande friedman<\/strong> sur les donn\u00e9es au format large.<\/p>\n L’examen comparatif des donn\u00e9es issues du fichier t43 r\u00e9v\u00e8le une identit\u00e9 math\u00e9matique parfaite entre les deux approches. La valeur de la statistique du Chi-deux calcul\u00e9e s’\u00e9tablit rigoureusement au m\u00eame chiffre sous les deux environnements, soit une statistique Q<\/em> oscillant typiquement autour de 11.16 pour ce jeu d’essai sp\u00e9cifique (la valeur exacte d\u00e9pendant des corrections d’ex-aequo appliqu\u00e9es). Les degr\u00e9s de libert\u00e9 associ\u00e9s demeurent immuablement fix\u00e9s \u00e0 3, refl\u00e9tant le calcul math\u00e9matique 4 – 1<\/em>.<\/p>\n Corr\u00e9lativement, la valeur de probabilit\u00e9 critique (p-value<\/em>) affich\u00e9e par les deux routines s’av\u00e8re rigoureusement superposable. Cette identit\u00e9 absolue atteste que, nonobstant des logiques de manipulation de donn\u00e9es divergentes au niveau de l’interface utilisateur, les moteurs matriciels convergent vers l’\u00e9valuation de la m\u00eame fonction de r\u00e9partition empirique. L’analyste peut ainsi choisir indiff\u00e9remment l’une ou l’autre de ces syntaxes, en adaptant son choix aux contraintes ergonomiques et structurelles de son flux de travail global sous Stata.<\/p>\n L’aboutissement de la mod\u00e9lisation sous Stata produit une s\u00e9rie d’indicateurs num\u00e9riques dont la lecture requiert une solide armature m\u00e9thodologique. La statistique de test r\u00e9sultante s’interpr\u00e8te sous l’angle de la th\u00e9orie des distributions d’\u00e9chantillonnage asymptotiques. Sur les donn\u00e9es du jeu exp\u00e9rimental t43, l’obtention d’une statistique du Chi-deux observ\u00e9e de \u03c7\u00b2 = 11,16<\/strong> (avec ddl = 3<\/strong>) constitue la m\u00e9trique centrale de d\u00e9cision.<\/p>\n Le nombre de degr\u00e9s de libert\u00e9 d\u00e9coule directement du param\u00e8tre dimensionnel k – 1<\/em>, o\u00f9 k<\/em> repr\u00e9sente le nombre de conditions th\u00e9rapeutiques r\u00e9p\u00e9t\u00e9es. Avec quatre modalit\u00e9s de drogues soumises \u00e0 investigation, le syst\u00e8me conserve trois degr\u00e9s de libert\u00e9 d’oscillation stochastique libre. Pour appr\u00e9hender l’amplitude de cette valeur empirique de 11,16, le chercheur peut la confronter aux valeurs critiques th\u00e9oriques de la loi du Chi-deux \u00e0 3 degr\u00e9s de libert\u00e9 pour un seuil conventionnel de significativit\u00e9 \u03b1 = 0,05<\/em>. La valeur critique th\u00e9orique tabul\u00e9e s’\u00e9tablissant \u00e0 7,815<\/strong>, la statistique empirique observ\u00e9e d\u00e9passe tr\u00e8s largement ce seuil d’admissibilit\u00e9.<\/p>\n Cette divergence substantielle d\u00e9montre que les \u00e9carts constat\u00e9s entre les sommes des rangs attribu\u00e9s \u00e0 chaque modalit\u00e9 et les valeurs moyennes th\u00e9oriques attendues sous l’hypoth\u00e8se d’\u00e9quiprobabilit\u00e9 ne peuvent \u00eatre raisonnablement imput\u00e9s aux simples fluctuations al\u00e9atoires de l’\u00e9chantillonnage. La variance inter-traitements pr\u00e9vaut largement sur la variance r\u00e9siduelle intra-blocs, signalant une rupture nette de la sym\u00e9trie ordinale initiale.<\/p>\n La probabilit\u00e9 associ\u00e9e \u00e0 la statistique observ\u00e9e, traditionnellement d\u00e9sign\u00e9e par la p-value<\/em>, fournit la quantification probabiliste directe pour \u00e9tayer la d\u00e9cision statistique formelle. Dans le cadre de l’analyse du jeu de donn\u00e9es t43, Stata retourne une valeur de significativit\u00e9 p = 0,0109<\/strong> (ou valeur \u00e9quivalente selon la correction exacte retenue). Confront\u00e9e au seuil de risque d’erreur de premi\u00e8re esp\u00e8ce usuel fix\u00e9 \u00e0 \u03b1 = 0,05<\/em>, cette valeur satisfait sans ambigu\u00eft\u00e9 au crit\u00e8re d’invalidation : p < 0,05<\/em>.<\/p>\n En cons\u00e9quence, l’exp\u00e9rimentateur rejette sans \u00e9quivoque l’hypoth\u00e8se nulle H0<\/sub><\/em> d’\u00e9quivalence stochastique des distributions de rangs entre les diff\u00e9rentes conditions th\u00e9rapeutiques. Ce rejet formel autorise \u00e0 conclure avec un niveau de confiance statistique sup\u00e9rieur \u00e0 95 % (et m\u00eame sup\u00e9rieur \u00e0 98 % au regard du seuil de 0,02) que les quatre drogues administr\u00e9es n’induisent pas des profils de temps de r\u00e9action physiologiques comparables.<\/p>\n N\u00e9anmoins, il convient de tracer une ligne de d\u00e9marcation \u00e9pist\u00e9mologique stricte entre la significativit\u00e9 statistique et la pertinence biologique ou clinique. La significativit\u00e9 atteste uniquement de la non-concordance des donn\u00e9es avec un mod\u00e8le de bruit al\u00e9atoire pur. Elle ne permet en aucun cas de pr\u00e9sumer de l’intensit\u00e9 op\u00e9rationnelle de l’effet dans la pratique m\u00e9dicale, ce qui impose d’adosser syst\u00e9matiquement ce constat omnibus au calcul norm\u00e9 d’une taille d’effet standardis\u00e9e.<\/p>\n Le rejet de l’hypoth\u00e8se nulle confirme l’existence d’une h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 d’ensemble, mais ne livre aucune information imm\u00e9diate quant \u00e0 la direction de cette divergence. Pour appr\u00e9hender l’ordonnancement concret des performances physiologiques, l’analyste doit imp\u00e9rativement examiner la distribution des rangs moyens g\u00e9n\u00e9r\u00e9e par la routine Stata pour chaque modalit\u00e9 exp\u00e9rimentale.<\/p>\n Dans l’exp\u00e9rience t43, l’inspection des rangs cumul\u00e9s met en relief une hi\u00e9rarchie tr\u00e8s tranch\u00e9e entre les quatre agents pharmacologiques. Si les calculs indiquent par exemple pour la condition drug1<\/em> un rang moyen proche de 1,20, tandis que drug4<\/em> enregistre un rang moyen avoisinant 3,80, cette divergence ordinale fournit la cl\u00e9 de vo\u00fbte de l’interpr\u00e9tation. Les sujets plac\u00e9s sous la drogue 1 obtiennent de fa\u00e7on quasi syst\u00e9matique les rangs les plus faibles (correspondant aux temps de r\u00e9action les plus rapides), tandis que l’administration de la drogue 4 propulse invariablement les individus vers les rangs les plus \u00e9lev\u00e9s (t\u00e9moignant d’un ralentissement psychomoteur substantiel).<\/p>\n Toutefois, le pi\u00e8ge interpr\u00e9tatif majeur consisterait \u00e0 inf\u00e9rer pr\u00e9cipitamment que drug1<\/em> diff\u00e8re significativement de drug2<\/em>, ou que drug3<\/em> se distingue formellement de drug4<\/em>, sur la seule base de l’inspection de ces rangs moyens globaux. Le test de Friedman op\u00e9rant comme une \u00e9preuve omnibus, il est math\u00e9matiquement aveugle \u00e0 la localisation fine des \u00e9carts par paires. Isoler les contrastes sp\u00e9cifiques n\u00e9cessitera imp\u00e9rativement la mise en \u0153uvre de proc\u00e9dures de comparaisons multiples post-hoc<\/em> d\u00fbment instrument\u00e9es.<\/p>\n Dans la pratique contemporaine de l’\u00e9valuation scientifique, l’\u00e9nonc\u00e9 d’une valeur p<\/em> isol\u00e9e est consid\u00e9r\u00e9 comme incomplet et m\u00e9thodologiquement insuffisant par les comit\u00e9s de lecture internationaux. Une inf\u00e9rence robuste exige la quantification objective de la magnitude de l’effet observ\u00e9, d\u00e9coupl\u00e9e de l’influence m\u00e9canique de la taille de l’\u00e9chantillon. Pour le test de Friedman, la m\u00e9trique standardis\u00e9e de r\u00e9f\u00e9rence est le coefficient de concordance W de Maurice Kendall<\/a>.<\/p>\n Le W<\/em> de Kendall s’interpr\u00e8te conceptuellement comme un indice mesurant le degr\u00e9 d’accord ou de consensus parfait existant entre les diff\u00e9rents \u00ab\u00a0juges\u00a0\u00bb ou blocs d’observation. Dans notre protocole exp\u00e9rimental, chaque patient joue le r\u00f4le d’un \u00e9valuateur qui classe les quatre drogues de la plus rapide \u00e0 la plus s\u00e9dative. Si les patients r\u00e9agissaient de fa\u00e7on totalement chaotique et discordante, l’accord serait nul. Si, en revanche, l’ensemble des patients s’accordait rigoureusement sur le m\u00eame ordre de classement d’un bout \u00e0 l’autre de l’exp\u00e9rience, le consensus serait absolu.<\/p>\n Sur le plan math\u00e9matique, le coefficient W<\/em> pr\u00e9sente des propri\u00e9t\u00e9s m\u00e9triques particuli\u00e8rement \u00e9l\u00e9gantes. Il est strictement born\u00e9 au sein d’un intervalle normalis\u00e9 ferm\u00e9 allant de 0 \u00e0 1. Une valeur de W = 0<\/strong> indique une absence totale de concordance ordinale entre les blocs (ce qui \u00e9quivaut \u00e0 la situation th\u00e9orique sous H0<\/sub><\/em>), tandis qu’une valeur de W = 1<\/strong> traduit une concordance unanime parfaite entre l’int\u00e9gralit\u00e9 des participants quant au classement relatif des modalit\u00e9s. Cette standardisation en fait un param\u00e8tre de choix pour l’int\u00e9gration ult\u00e9rieure dans des synth\u00e8ses m\u00e9ta-analytiques quantitatives.<\/p>\n L’estimation alg\u00e9brique du coefficient W<\/em> de Kendall s’obtient de fa\u00e7on directe par d\u00e9rivation lin\u00e9aire \u00e0 partir de la statistique Q<\/em> du Chi-deux de Friedman g\u00e9n\u00e9r\u00e9e lors de l’\u00e9tape pr\u00e9c\u00e9dente. L’\u00e9quation de conversion s’\u00e9nonce pr\u00e9cis\u00e9ment comme suit :<\/p>\n W = Q \/ [n * (k – 1)]<\/strong><\/p>\n Dans cette formulation, Q<\/em> repr\u00e9sente la statistique empirique calcul\u00e9e, n<\/em> correspond au nombre total de blocs (dans notre exemple, n = 5<\/em> patients), et k<\/em> symbolise le nombre de modalit\u00e9s r\u00e9p\u00e9t\u00e9es du facteur exp\u00e9rimental (ici, k = 4<\/em> drogues). En appliquant cette formule aux r\u00e9sultats empiriques issus du fichier t43, o\u00f9 la statistique Q<\/em> s’\u00e9tablit \u00e0 11,16, le calcul s’op\u00e8re ais\u00e9ment :<\/p>\n W = 11,16 \/ [5 * (4 – 1)] = 11,16 \/ 15 = 0,744<\/strong><\/p>\n Pour automatiser cette d\u00e9rivation au sein de l’environnement Stata et int\u00e9grer ce calcul directement dans les scripts d’analyse reproductibles (do-files<\/em>), il suffit de r\u00e9cup\u00e9rer les scalaires r\u00e9siduels laiss\u00e9s en m\u00e9moire syst\u00e8me. Si l’analyse a \u00e9t\u00e9 men\u00e9e via une commande stockant le Chi-deux sous r(chi2)<\/em>, l’utilisateur ex\u00e9cute simplement la s\u00e9quence de programmation suivante :<\/p>\n1.3 M\u00e9canisme math\u00e9matique sous-jacent : assignation des rangs et statistique Q<\/h3>\n
2. Conditions d’application et postulats m\u00e9thodologiques dans la recherche exp\u00e9rimentale<\/h2>\n
2.1 Structure du plan exp\u00e9rimental et d\u00e9pendance des observations<\/h3>\n
2.2 \u00c9chelles de mesure admissibles et distribution des variables<\/h3>\n
2.3 Formulation des hypoth\u00e8ses statistiques nulle et alternative<\/h3>\n
3. Configuration de l’environnement de travail dans Stata et gestion des paquets<\/h2>\n
3.1 V\u00e9rification de la version de Stata et maintenance du logiciel<\/h3>\n
3.2 Installation et configuration du paquet externe emh<\/h3>\n
3.3 Installation alternative du module friedman par Sheldon Bearman<\/h3>\n
4. Chargement et exploration diagnostique du jeu de donn\u00e9es t43<\/h2>\n
4.1 Importation du jeu de donn\u00e9es exp\u00e9rimental officiel<\/h3>\n
4.2 Inspection clinique des observations brutes<\/h3>\n
4.3 Statistiques descriptives par bloc et condition exp\u00e9rimentale<\/h3>\n
5. Restructuration et mise en forme des donn\u00e9es : formats large et long<\/h2>\n
5.1 Compr\u00e9hension des topologies de donn\u00e9es sous Stata<\/h3>\n
5.2 Conversion op\u00e9rationnelle via la commande reshape<\/h3>\n
6. Ex\u00e9cution pas \u00e0 pas du test de Friedman avec le paquet emh<\/h2>\n
6.1 D\u00e9composition syntaxique et param\u00e9trage de emh<\/h3>\n
![\"Friedman](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/oneWayRepeatedStata2.png\")
6.2 Lancement de la commande et suivi des it\u00e9rations de calcul<\/h3>\n
6.3 Erreurs courantes de sp\u00e9cification et m\u00e9thodes de r\u00e9solution<\/h3>\n
7. Impl\u00e9mentation alternative via la commande d\u00e9di\u00e9e friedman<\/h2>\n
7.1 Syntaxe directe pour variables en format large<\/h3>\n
7.2 Comparaison num\u00e9rique des r\u00e9sultats issus de emh et de friedman<\/h3>\n
8. Interpr\u00e9tation statistique exhaustive des r\u00e9sultats obtenus<\/h2>\n
8.1 Analyse de la statistique du Chi-deux et des degr\u00e9s de libert\u00e9<\/h3>\n
![\"Friedman](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/friedmanTestStata1.png\")
8.2 Interpr\u00e9tation de la valeur p (p-value) et prise de d\u00e9cision statistique<\/h3>\n
8.3 Lecture des rangs moyens et identification des tendances directionnelles<\/h3>\n
9. Mesure de la taille d’effet : calcul et interpr\u00e9tation du W de Kendall<\/h2>\n
9.1 Fondement conceptuel du coefficient de concordance W de Kendall<\/h3>\n
9.2 Formule math\u00e9matique et calcul pas \u00e0 pas dans Stata<\/h3>\n