Dans le domaine des sciences psychologiques et des neurosciences comportementales, la rigueur des conclusions statistiques repose fondamentalement sur le respect scrupuleux des postulats sous-jacents aux mod\u00e8les lin\u00e9aires g\u00e9n\u00e9raux. Le test de Brown-Forsythe constitue une proc\u00e9dure statistique d’inf\u00e9rence non param\u00e9trique ou semi-robuste con\u00e7ue pour v\u00e9rifier l’hypoth\u00e8se nulle d’\u00e9galit\u00e9 des variances entre plusieurs groupes d’\u00e9chantillons ind\u00e9pendants, palliant ainsi les vuln\u00e9rabilit\u00e9s majeures des tests traditionnels face aux \u00e9carts de normalit\u00e9 distributionnelle. Cette m\u00e9thode \u00e9pist\u00e9mologique garantit la validit\u00e9 interne des protocoles exp\u00e9rimentaux en psychologie lorsque les donn\u00e9es empiriques pr\u00e9sentent des asym\u00e9tries ou des kurtosis prononc\u00e9es.<\/p>\n
Le test de Brown-Forsythe<\/strong> est un test statistique d’homog\u00e9n\u00e9it\u00e9 des variances (ou homosc\u00e9dasticit\u00e9<\/a>) appliqu\u00e9 \u00e0 deux ou plusieurs groupes ind\u00e9pendants, repr\u00e9sentant une modification robuste du test classique de Levene en substituant la m\u00e9diane de l’\u00e9chantillon ou une moyenne tronqu\u00e9e \u00e0 la moyenne arithm\u00e9tique standard pour le calcul des \u00e9carts absolus individuels. Dans une acception compl\u00e9mentaire au sein de l’analyse de variance, ce terme d\u00e9signe \u00e9galement une proc\u00e9dure de correction de l’estimation du ratio de variance F<\/em> con\u00e7ue pour comparer des moyennes de populations dont les variances r\u00e9siduelles sont manifestement h\u00e9t\u00e9rog\u00e8nes.<\/p>\n Dans la litt\u00e9rature m\u00e9thodologique en psychologie cognitive, sociale et clinique, cette proc\u00e9dure sert principalement de filtre diagnostique pr\u00e9alable \u00e0 la conduite d’une analyse de variance univari\u00e9e (ANOVA) ou multivari\u00e9e (MANOVA). En mesurant les d\u00e9viations absolues de chaque score par rapport \u00e0 la m\u00e9diane du sous-groupe exp\u00e9rimental, le test \u00e9value si la dispersion intra-groupe demeure statistiquement \u00e9quivalente \u00e0 travers l’ensemble des conditions exp\u00e9rimentales observ\u00e9es.<\/p>\n Par cons\u00e9quent, lorsque l’hypoth\u00e8se nulle d’homog\u00e9n\u00e9it\u00e9 des variances est rejet\u00e9e \u00e0 la suite d’un test de Brown-Forsythe significatif, le chercheur en sciences du comportement est formellement alert\u00e9 de la violation d’un postulat param\u00e9trique fondamental. Cette alerte statistique impose d’abandonner le mod\u00e8le lin\u00e9aire classique au profit de mod\u00e9lisations adapt\u00e9es aux donn\u00e9es h\u00e9t\u00e9rosc\u00e9dastiques, telles que l’ANOVA de Welch, des r\u00e9gressions robustes ou des approches par r\u00e9\u00e9chantillonnage de type bootstrap.<\/p>\n Sur le plan morphologique et terminologique, l’expression \u00ab test de Brown-Forsythe \u00bb constitue un \u00e9ponyme scientifique issu de la tradition acad\u00e9mique anglo-saxonne, associant les patronymes des statisticiens et biostatisticiens am\u00e9ricains Morton B. Brown et Alan B. Forsythe. Le mot \u00ab test \u00bb d\u00e9rive de l’ancien fran\u00e7ais test<\/em> (lui-m\u00eame issu du latin testum<\/em>, d\u00e9signant une coupelle de terre cuite utilis\u00e9e par les orf\u00e8vres et alchimistes pour doser et \u00e9prouver la puret\u00e9 des m\u00e9taux pr\u00e9cieux), qui a \u00e9t\u00e9 emprunt\u00e9 par la langue anglaise avant de r\u00e9int\u00e9grer l’usage scientifique francophone pour qualifier une \u00e9preuve quantitative syst\u00e9matique.<\/p>\n Le patronyme Brown provient du vieil anglais br\u016bn<\/em>, faisant r\u00e9f\u00e9rence \u00e0 une nuance chromatique sombre, tandis que Forsythe puise ses racines \u00e9tymologiques dans le ga\u00e9lique \u00e9cossais Fearsithe<\/em>, signifiant litt\u00e9ralement \u00ab homme de paix \u00bb (compos\u00e9 de fear<\/em> signifiant homme et s\u00ecth<\/em> signifiant paix). L’accolement des deux noms propres par un trait d’union refl\u00e8te la collaboration fondatrice \u00e9tablie \u00e0 l’Universit\u00e9 de Californie \u00e0 Los Angeles (UCLA) au d\u00e9but des ann\u00e9es 1970 au sein des d\u00e9partements de biomath\u00e9matiques et de psychiatrie biom\u00e9trique.<\/p>\n L’introduction formelle du terme dans l’arsenal terminologique de la psychom\u00e9trie s’est op\u00e9r\u00e9e lors de la publication de leur article s\u00e9minal dans le Journal of the American Statistical Association<\/em> en 1974. Depuis lors, l’expression a \u00e9t\u00e9 int\u00e9gr\u00e9e telle quelle dans les principaux logiciels de traitement statistique francophones et internationaux (SPSS, SAS, R, JASP), s’imposant comme une r\u00e9f\u00e9rence m\u00e9thodologique incontournable pour la v\u00e9rification des hypoth\u00e8ses de mod\u00e9lisation.<\/p>\n En fran\u00e7ais acad\u00e9mique, l’expression est de nature nominale masculine singuli\u00e8re et s’\u00e9nonce phon\u00e9tiquement sous la transcription suivante : \/t\u025bst d\u0259 b\u0281awn f\u0254\u0281.sajt\/ (avec une francisation usuelle de la diphtongue anglaise ou, alternativement, dans une restitution phon\u00e9tique originale anglo-am\u00e9ricaine : \/t\u025bst d\u0259 b\u0279a\u028an f\u0254\u02d0\u0279sa\u026a\u03b8\/). Au pluriel, la d\u00e9signation prend la forme graphique de \u00ab tests de Brown-Forsythe \u00bb, les noms propres demeurant invariables conform\u00e9ment aux r\u00e8gles grammaticales de la langue fran\u00e7aise.<\/p>\n Sur le plan syntaxique, le syntagme s’emploie principalement comme compl\u00e9ment d’objet direct ou indirect de verbes m\u00e9thodologiques standard, tels que \u00ab calculer le test de Brown-Forsythe \u00bb, \u00ab ex\u00e9cuter un test de Brown-Forsythe \u00bb ou \u00ab rejeter l’hypoth\u00e8se d’homog\u00e9n\u00e9it\u00e9 selon le test de Brown-Forsythe \u00bb. Il est couramment employ\u00e9 avec la pr\u00e9position \u00ab de \u00bb et s’associe fr\u00e9quemment aux adjectifs \u00ab robuste \u00bb, \u00ab statistique \u00bb, \u00ab univari\u00e9 \u00bb ou \u00ab non param\u00e9trique \u00bb.<\/p>\n Il convient de distinguer dans l’\u00e9criture typographique les variantes : l’utilisation d’un tiret cadratin ou demi-cadratin sans espace entre les patronymes (Brown\u2013Forsythe) constitue la graphie normalis\u00e9e recommand\u00e9e dans les publications de l’Association Am\u00e9ricaine de Psychologie (APA), marquant l’apport conjoint de deux chercheurs distincts, contrairement \u00e0 un nom compos\u00e9 individuel.<\/p>\n Pour appr\u00e9hender l’architecture conceptuelle du test de Brown-Forsythe, il est indispensable de replacer l’analyse statistique dans le cadre de la psychologie diff\u00e9rentielle et exp\u00e9rimentale. Lorsque des psychologues comparent l’effet de plusieurs th\u00e9rapies comportementales ou conditions de charge cognitive sur le temps de r\u00e9action, ils collectent des distributions num\u00e9riques au sein de diff\u00e9rents groupes de sujets. L’analyse de variance<\/a> univari\u00e9e \u00e0 effets fixes repose sur l’hypoth\u00e8se stricte que la variance de l’erreur r\u00e9siduelle est identique dans chaque cellule du plan exp\u00e9rimental. Cette propri\u00e9t\u00e9 d’invariance est d\u00e9sign\u00e9e sous le terme d’homosc\u00e9dasticit\u00e9.<\/p>\n Historiquement, le test de Levene proposait d’analyser la variance des \u00e9carts absolus des observations individuelles par rapport \u00e0 la moyenne de leur groupe respectif. Toutefois, la moyenne arithm\u00e9tique est une statistique d’emplacement extr\u00eamement sensible aux observations atypiques (valeurs aberrantes ou outliers<\/em>) et aux asym\u00e9tries de r\u00e9partition. Dans les \u00e9chantillons psychologiques r\u00e9els \u2014 souvent caract\u00e9ris\u00e9s par des distributions asym\u00e9triques positives, comme les temps de latence cognitive, les scores d’anxi\u00e9t\u00e9 ou les dur\u00e9es de sommeil \u2014, le test de Levene conventionnel rejette trop fr\u00e9quemment l’hypoth\u00e8se nulle \u00e0 tort, gonflant le taux d’erreur de premi\u00e8re esp\u00e8ce (taux alpha).<\/p>\n L’innovation conceptuelle fondamentale de Morton Brown et Alan Forsythe a consist\u00e9 \u00e0 remplacer le centreur moyen par la m\u00e9diane d’\u00e9chantillon. La m\u00e9diane \u00e9tant le point de bascule s\u00e9parant la moiti\u00e9 inf\u00e9rieure de la moiti\u00e9 sup\u00e9rieure des observations ordonn\u00e9es, elle poss\u00e8de un point de rupture statistique infiniment plus robuste face aux valeurs extr\u00eames. Les d\u00e9viations absolues calcul\u00e9es par rapport \u00e0 la m\u00e9diane constituent une m\u00e9trique de variabilit\u00e9 intrins\u00e8que non contamin\u00e9e par les queues de distribution \u00e9paisses ou asym\u00e9triques. L’\u00e9quation de transformation de chaque score individuel $Y_{ij}$<\/span> (pour le sujet $i$<\/span> dans le groupe $j$<\/span>) s’exprime par la valeur absolue de l’\u00e9cart \u00e0 la m\u00e9diane du groupe $M_j$<\/span> :<\/p>\n $$Z_{ij} = |Y_{ij} – M_j|$$<\/span><\/p>\n Une fois cette transformation lin\u00e9aire par morceaux r\u00e9alis\u00e9e sur l’ensemble du jeu de donn\u00e9es, une analyse de variance unidirectionnelle standard est men\u00e9e directement sur les scores d\u00e9riv\u00e9s $Z_{ij}$<\/span>. Si le test F<\/em> qui en r\u00e9sulte s’av\u00e8re non significatif (valeur de p<\/em> sup\u00e9rieure au seuil critique pr\u00e9alablement d\u00e9termin\u00e9, souvent fix\u00e9 \u00e0 0,05 ou 0,01), les donn\u00e9es empiriques ne fournissent pas d’\u00e9vidence suffisante pour contredire l’hypoth\u00e8se d’homog\u00e9n\u00e9it\u00e9 des variances. \u00c0 l’inverse, une statistique significative indique que les dispersions intra-groupes diff\u00e8rent substantiellement, compromettant la validit\u00e9 d’une ANOVA conventionnelle.<\/p>\n Parall\u00e8lement \u00e0 cette proc\u00e9dure de test d’homosc\u00e9dasticit\u00e9, Brown et Forsythe ont d\u00e9velopp\u00e9 une formulation alternative de l’ANOVA elle-m\u00eame, con\u00e7ue pour comparer directement les moyennes de groupes lorsque les variances sont notoirement h\u00e9t\u00e9rog\u00e8nes. Cette variante utilise les poids r\u00e9ciproques des variances d’\u00e9chantillon et ajuste les degr\u00e9s de libert\u00e9 du d\u00e9nominateur selon une approximation de Satterthwaite, offrant ainsi une alternative compl\u00e9mentaire \u00e0 l’ANOVA de Welch.<\/p>\n La gen\u00e8se de cette technique s’inscrit dans la crise de robustesse qui a travers\u00e9 la statistique appliqu\u00e9e durant les d\u00e9cennies 1960 et 1970. Jusqu’alors, les chercheurs en psychologie exp\u00e9rimentale utilisaient principalement le test de Bartlett ou le test de Hartley pour \u00e9valuer l’\u00e9galit\u00e9 des variances. Ces m\u00e9thodes classiques souffraient toutefois d’une hypersensibilit\u00e9 r\u00e9dhibitoire \u00e0 la non-normalit\u00e9 : comme l’avait brillamment d\u00e9montr\u00e9 George Box en 1953, ces tests r\u00e9agissaient davantage au caract\u00e8re non gaussien des donn\u00e9es qu’aux v\u00e9ritables \u00e9carts de variance, les rendant inexploitables en pratique.<\/p>\n En 1960, Howard Levene avait introduit une avanc\u00e9e majeure en proposant d’ex\u00e9cuter une ANOVA sur les \u00e9carts absolus \u00e0 la moyenne arithm\u00e9tique. Bien que th\u00e9oriquement attrayante, cette approche conservait une distorsion notable lorsque les distributions r\u00e9elles sous-jacentes s’\u00e9cartaient de la courbe en cloche de Gauss. Face \u00e0 cette lacune pr\u00e9judiciable aux recherches en sant\u00e9 mentale et en psychiatrie, Morton B. Brown et Alan B. Forsythe entreprirent \u00e0 l’UCLA des simulations massives par la m\u00e9thode de Monte-Carlo.<\/p>\n Leur article s\u00e9minal publi\u00e9 en 1974, intitul\u00e9 \u00ab Robust Tests for the Equality of Variances \u00bb<\/em>, \u00e9valua syst\u00e9matiquement diverses variantes de centrage : la moyenne arithm\u00e9tique, la m\u00e9diane et une moyenne tronqu\u00e9e \u00e0 10 %. Les conclusions d\u00e9montr\u00e8rent sans \u00e9quivoque que la version bas\u00e9e sur la m\u00e9diane offrait un contr\u00f4le rigoureux du taux d’erreur de premi\u00e8re esp\u00e8ce, y compris lorsque la distribution g\u00e9n\u00e9ratrice pr\u00e9sentait une forte asym\u00e9trie unilat\u00e9rale (distribution log-normale ou chi-carr\u00e9) ou une kurtosis extr\u00eame (distribution de Cauchy ou de Student \u00e0 faibles degr\u00e9s de libert\u00e9).<\/p>\n Au cours des ann\u00e9es 1980 et 1990, avec l’informatisation des laboratoires de psychom\u00e9trie et la diffusion du logiciel d’analyse SPSS, le test de Brown-Forsythe s’est progressivement impos\u00e9 aux c\u00f4t\u00e9s du test de Levene modifi\u00e9 comme une option standardis\u00e9e. De nombreuses revues prestigieuses en psychologie exp\u00e9rimentale et en neurosciences cognitives ont explicitement int\u00e9gr\u00e9 l’exigence d’une telle v\u00e9rification de robustesse dans leurs chartes \u00e9ditoriales avant toute validation de r\u00e9sultats d\u00e9duits de plans factoriels complexes.<\/p>\n Les fondements math\u00e9matiques du test de Brown-Forsythe reposent sur la th\u00e9orie g\u00e9n\u00e9rale des estimateurs de position robustes et sur le comportement asymptotique des statistiques de rangs et de d\u00e9viations. Consid\u00e9rons $k$<\/span> populations ind\u00e9pendantes d’o\u00f9 sont extraits des \u00e9chantillons al\u00e9atoires de taille respective $n_j$<\/span>, avec $j = 1, dots, k$<\/span>, et un effectif total $N = \\sum n_j$<\/span>. Soit $Y_{ij}$<\/span> la $i$<\/span>-\u00e8me observation au sein du $j$<\/span>-\u00e8me groupe exp\u00e9rimental.<\/p>\n La formulation commence par l’estimation de la m\u00e9diane empirique de chaque \u00e9chantillon, not\u00e9e $\tilde{Y}_j$ ou $M_j$<\/span>, d\u00e9finie comme la valeur centrale telle que :<\/p>\n $$P(Y_{ij} le M_j) ge 0{,}5 \\quad \text{et} \\quad P(Y_{ij} ge M_j) ge 0{,}5$$<\/span><\/p>\n Les d\u00e9viations absolues sont alors calcul\u00e9es sous la forme $z_{ij} = |Y_{ij} – M_j|$<\/span>. La statistique du test, not\u00e9e $W$<\/span> ou $F_{BF}$<\/span>, prend rigoureusement la forme du ratio de Fisher appliqu\u00e9 aux grandeurs transform\u00e9es $z_{ij}$<\/span> :<\/p>\n $$W = \frac{\\sum_{j=1}^k n_j (\bar{z}_{\\cdot j} – \bar{z}_{\\cdot\\cdot})^2 \/ (k – 1)}{\\sum_{j=1}^k \\sum_{i=1}^{n_j} (z_{ij} – \bar{z}_{\\cdot j})^2 \/ (N – k)}$$<\/span><\/p>\n o\u00f9 $\bar{z}_{\\cdot j}$<\/span> repr\u00e9sente la moyenne empirique des valeurs transform\u00e9es du groupe $j$<\/span> :<\/p>\n $$\bar{z}_{\\cdot j} = \frac{1}{n_j} \\sum_{i=1}^{n_j} z_{ij}$$<\/span><\/p>\n et $\bar{z}_{\\cdot\\cdot}$<\/span> repr\u00e9sente la moyenne g\u00e9n\u00e9rale de l’ensemble des transformations pour la totalit\u00e9 de l’\u00e9chantillon global de taille $N$<\/span> :<\/p>\n $$\bar{z}_{\\cdot\\cdot} = \frac{1}{N} \\sum_{j=1}^k \\sum_{i=1}^{n_j} z_{ij}$$<\/span><\/p>\n Sous l’hypoth\u00e8se nulle $H_0 : \\sigma_1^2 = \\sigma_2^2 = dots = \\sigma_k^2$<\/span>, la statistique $W$<\/span> suit approximativement une loi de Fisher-Snedecor param\u00e9tr\u00e9e par $k – 1$<\/span> degr\u00e9s de libert\u00e9 au num\u00e9rateur et $N – k$<\/span> degr\u00e9s de libert\u00e9 au d\u00e9nominateur :<\/p>\n $$W \\sim \\mathcal{F}(k – 1, N – k)$$<\/span><\/p>\n La solidit\u00e9 asymptotique de cette distribution d\u00e9coule du fait que la distribution d’\u00e9chantillonnage de la m\u00e9diane poss\u00e8de une variance asymptotique qui amortit les d\u00e9rives induites par les valeurs aberrantes. La moyenne des d\u00e9viations absolues par rapport \u00e0 la m\u00e9diane (MAD) converge ainsi avec une efficacit\u00e9 relative \u00e9lev\u00e9e vers la variabilit\u00e9 d’\u00e9chelle intrins\u00e8que du groupe, assurant que le num\u00e9rateur refl\u00e8te uniquement les divergences d’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 d’\u00e9chelle sans \u00eatre alt\u00e9r\u00e9 par des diff\u00e9rences de centro\u00efdes ou des tra\u00eenes distributionnelles \u00e9paisses.<\/p>\n La mise en \u0153uvre et l’interpr\u00e9tation du test de Brown-Forsythe s’articulent autour de plusieurs composantes techniques, param\u00e8tres structurels et variantes m\u00e9thodologiques :<\/p>\n Pour concr\u00e9tiser le fonctionnement empirique de ce test, consid\u00e9rons une \u00e9tude en neuropsychologie<\/a> clinique comparant trois groupes de patients : un groupe t\u00e9moin sain ($n_1 = 25$<\/span>), un groupe pr\u00e9sentant un trouble d\u00e9pressif majeur ($n_2 = 25$<\/span>) et un groupe souffrant de trouble bipolaire en phase d\u00e9pressive ($n_3 = 25$<\/span>). La variable d\u00e9pendante mesur\u00e9e est le temps de r\u00e9action (en millisecondes) lors d’une t\u00e2che d’inhibition cognitive de type Stroop. Les donn\u00e9es de temps de r\u00e9ponse affichent r\u00e9guli\u00e8rement une forte asym\u00e9trie vers la droite, car quelques essais comportent des temps d’h\u00e9sitation consid\u00e9rables.<\/p>\n Si le statisticien applique le test standard de Levene fond\u00e9 sur la moyenne, les valeurs aberrantes observ\u00e9es chez certains patients d\u00e9pressifs tirent artificiellement la moyenne vers le haut. Il en r\u00e9sulte des d\u00e9viations moyennes gonfl\u00e9es dans ce groupe, conduisant le test de Levene \u00e0 rejeter \u00e0 tort l’hypoth\u00e8se d’homog\u00e9n\u00e9it\u00e9 des variances ($p = 0{,}02$<\/span>). En appliquant en revanche le test de Brown-Forsythe, les \u00e9carts sont calcul\u00e9s par rapport \u00e0 la m\u00e9diane du groupe. L’influence des scores isol\u00e9s s’estompe, et le test conclut \u00e0 l’absence de diff\u00e9rence significative de dispersion intra-groupe ($p = 0{,}18$<\/span>). L’exp\u00e9rimentateur peut d\u00e8s lors poursuivre son analyse comparative sans recourir inutilement \u00e0 des transformations de donn\u00e9es qui alt\u00e9reraient l’interpr\u00e9tabilit\u00e9 des \u00e9chelles psychom\u00e9triques.<\/p>\n Consid\u00e9rons un deuxi\u00e8me cas en psychologie des organisations : un chercheur \u00e9tudie le bien-\u00eatre subjectif au travail au sein de quatre d\u00e9partements d’une grande entreprise (ventes, informatique, ressources humaines, direction). Les effectifs sont in\u00e9gaux ($n = 60, 45, 20, 15$<\/span>). Le d\u00e9partement des ventes affiche une variance d’\u00e9panouissement nettement plus faible en raison de proc\u00e9dures de travail tr\u00e8s standardis\u00e9es, tandis que la direction montre une h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 majeure. Le test de Brown-Forsythe est calcul\u00e9, renvoyant une valeur $W = 5{,}84$<\/span> avec des degr\u00e9s de libert\u00e9 de $(3, 136)$<\/span>, produisant une valeur de $p < 0{,}001$. Face \u00e0 cette violation incontestable, le psychologue d\u00e9cide de ne pas effectuer une ANOVA standard, qui biaiserait l'erreur de type I en raison de la combinaison d'\u00e9chantillons in\u00e9gaux et de variances h\u00e9t\u00e9rog\u00e8nes, et opte directement pour une mod\u00e9lisation par \u00e9quations structurelles robustes.<\/p>\n Dans un troisi\u00e8me sc\u00e9nario issu de la psychom\u00e9trie appliqu\u00e9e, un investigateur valide une nouvelle \u00e9chelle \u00e9valuant les sympt\u00f4mes d’anxi\u00e9t\u00e9 sociale. Il souhaite v\u00e9rifier si la dispersion des r\u00e9ponses est comparable entre les participants adolescents et les adultes \u00e9mergents. L’\u00e9chantillon adolescent comprend plusieurs profils phobiques s\u00e9v\u00e8res g\u00e9n\u00e9rant un \u00e9talement de l’extr\u00e9mit\u00e9 haute de l’\u00e9chelle. L’emploi du test de Brown-Forsythe permet d’\u00e9tablir objectivement si la fid\u00e9lit\u00e9 de mesure (refl\u00e9t\u00e9e indirectement par la variance d’erreur) est \u00e9quivalente entre les cohortes d\u00e9veloppementales sans \u00eatre distordue par ces cas cliniques extr\u00eames.<\/p>\n Le calcul s\u00e9quentiel du test de Brown-Forsythe s’effectue selon un algorithme syst\u00e9matique en plusieurs phases math\u00e9matiques distinctes :<\/p>\n Dans un premier temps, l’exp\u00e9rimentateur isole les sous-\u00e9chantillons correspondant \u00e0 chaque modalit\u00e9 du facteur inter-sujets. Pour chaque groupe $j$<\/span>, les donn\u00e9es sont ordonn\u00e9es par ordre croissant afin d’extraire la m\u00e9diane empirique $M_j$<\/span>. Si l’effectif du groupe $n_j$<\/span> est impair, la m\u00e9diane correspond \u00e0 la valeur centrale au rang $(n_j + 1) \/ 2$<\/span>. Si $n_j$<\/span> est pair, elle est calcul\u00e9e comme la demi-somme arithm\u00e9tique des deux valeurs occupant les rangs m\u00e9dians $n_j \/ 2$<\/span> et $(n_j \/ 2) + 1$<\/span>.<\/p>\n Dans une deuxi\u00e8me phase, les donn\u00e9es initiales subissent une transformation alg\u00e9brique absolue non lin\u00e9aire :<\/p>\n $$z_{ij} = |Y_{ij} – M_j|$$<\/span><\/p>\n Chaque observation originale est ainsi convertie en un score de d\u00e9viation unilat\u00e9rale positive. Cette variable auxiliaire repr\u00e9sente l’erreur individuelle brute de dispersion par rapport \u00e0 l’indice d’ancrage robuste du groupe.<\/p>\n La troisi\u00e8me \u00e9tape consiste \u00e0 construire la table d’analyse de variance unidirectionnelle classique appliqu\u00e9e \u00e0 ces nouvelles valeurs $z_{ij}$<\/span>. On calcule d’abord la somme des carr\u00e9s inter-groupes (d\u00e9sign\u00e9e par $SS_{inter}$<\/span>) :<\/p>\n $$SS_{inter} = \\sum_{j=1}^k n_j (\bar{z}_{\\cdot j} – \bar{z}_{\\cdot\\cdot})^2$$<\/span><\/p>\n Puis la somme des carr\u00e9s intra-groupes r\u00e9siduelle ($SS_{intra}$<\/span>) :<\/p>\n $$SS_{intra} = \\sum_{j=1}^k \\sum_{i=1}^{n_j} (z_{ij} – \bar{z}_{\\cdot j})^2$$<\/span><\/p>\n On en d\u00e9duit les carr\u00e9s moyens correspondants en divisant chaque somme par ses degr\u00e9s de libert\u00e9 respectifs :<\/p>\n $$MS_{inter} = \frac{SS_{inter}}{k – 1} \\quad \text{et} \\quad MS_{intra} = \frac{SS_{intra}}{N – k}$$<\/span><\/p>\n Le quotient $F_{BF} = MS_{inter} \/ MS_{intra}$<\/span> fournit la statistique de test finale. Cette valeur calcul\u00e9e est compar\u00e9e au quantile th\u00e9orique de la distribution $F$<\/span> de Snedecor pour le seuil $\u0007lpha$<\/span> choisi (usuellement 5 %). Si $F_{BF} ge F_{critique}(k – 1, N – k, 1 – \u0007lpha)$<\/span>, le chercheur conclut au rejet de l’hypoth\u00e8se nulle d’homosc\u00e9dasticit\u00e9 avec un niveau de confiance de $100(1 – \u0007lpha)%$.<\/p>\n La pertinence m\u00e9thodologique du test de Brown-Forsythe dans le paysage contemporain de la recherche comportementale se manifeste dans une pluralit\u00e9 de contextes exp\u00e9rimentaux et cliniques :<\/p>\n En premier lieu, il constitue le diagnostic standard d’admissibilit\u00e9 pour l’ANOVA univari\u00e9e, les plans factoriels \u00e9quilibr\u00e9s ou d\u00e9s\u00e9quilibr\u00e9s et les proc\u00e9dures de r\u00e9gression lin\u00e9aire hi\u00e9rarchique. Dans les essais contr\u00f4l\u00e9s randomis\u00e9s testant l’efficacit\u00e9 d’interventions psychoth\u00e9rapeutiques (telles que la th\u00e9rapie cognitive et comportementale versus th\u00e9rapie d’acceptation et d’engagement), les variances de fin de traitement diff\u00e8rent fr\u00e9quemment en raison de l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des patrons de r\u00e9mission. Le test de Brown-Forsythe alerte le chercheur sur la n\u00e9cessit\u00e9 d’ajuster l’estimation du mod\u00e8le afin de ne pas conclure faussement \u00e0 la sup\u00e9riorit\u00e9 d’une m\u00e9thode clinique.<\/p>\n En deuxi\u00e8me lieu, en psychom\u00e9trie<\/a> et dans la th\u00e9orie classique des tests, l’\u00e9valuation de l’invariance des instruments d’\u00e9valuation (inventaires de personnalit\u00e9, tests de quotient intellectuel) requiert de v\u00e9rifier l’homog\u00e9n\u00e9it\u00e9 de la variance des erreurs de mesure \u00e0 travers divers sous-groupes d\u00e9mographiques (sexe, \u00e2ge, niveau d’\u00e9ducation). Une h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 significative mise au jour par le test de Brown-Forsythe peut indiquer qu’un outil de mesure est moins pr\u00e9cis ou instable pour une frange sp\u00e9cifique de la population test\u00e9e, guidant des modifications de calibrage psychom\u00e9trique.<\/p>\n Enfin, en psychologie diff\u00e9rentielle, la variance n’est pas uniquement consid\u00e9r\u00e9e comme un terme r\u00e9siduel d’erreur, mais parfois comme un objet th\u00e9orique d’\u00e9tude \u00e0 part enti\u00e8re. Par exemple, l’hypoth\u00e8se de plus grande variabilit\u00e9 masculine (affirmant que les hommes pr\u00e9senteraient une dispersion plus large de leurs capacit\u00e9s cognitives aux deux extr\u00e9mit\u00e9s de la distribution) est directement testable en comparant les variances entre les sexes \u00e0 l’aide de l’outil de Brown-Forsythe, sans risquer d’\u00eatre abus\u00e9 par des scores aberrants isol\u00e9s.<\/p>\n De nombreux travaux de statistique computationnelle ont soumis le test de Brown-Forsythe \u00e0 des bancs d’essai comparatifs pour mesurer sa robustesse face aux alternatives concurrentes, notamment les tests de Levene original, de Bartlett, de Cochran, d’O’Brien et les proc\u00e9dures fond\u00e9es sur le r\u00e9\u00e9chantillonnage bootstrap.<\/p>\n Dans une m\u00e9ta-\u00e9valuation conduite par Conover, Johnson et Johnson (1981), regroupant plus de cinquante-six proc\u00e9dures d’\u00e9valuation de la variance sur des milliers d’\u00e9chantillons simul\u00e9s g\u00e9n\u00e9r\u00e9s sous des lois normales, exponentielles, uniformes et logistiques, le test de Brown-Forsythe (m\u00e9diane) s’est syst\u00e9matiquement class\u00e9 parmi les m\u00e9thodes les plus fiables quant au respect du taux d’erreur de type I nominal tout en conservant une excellente puissance empirique. Les auteurs soulignaient sa sup\u00e9riorit\u00e9 \u00e9clatante sur le test classique de Bartlett d\u00e8s que la kurtosis s’\u00e9cartait de la valeur 3.<\/p>\n Des recherches ult\u00e9rieures men\u00e9es par Algina, Olejnik et Wilcox dans les ann\u00e9es 1990 ont toutefois pr\u00e9cis\u00e9 certaines limites sp\u00e9cifiques. Lorsque les donn\u00e9es proviennent d’une distribution hautement asym\u00e9trique combin\u00e9e \u00e0 des tailles d’\u00e9chantillons tr\u00e8s r\u00e9duites ($n < 10$), le test de Brown-Forsythe bas\u00e9 sur la m\u00e9diane peut devenir l\u00e9g\u00e8rement conservateur, affichant un taux d’erreur de premi\u00e8re esp\u00e8ce effectif inf\u00e9rieur \u00e0 la valeur nominale$<\/span>\u0007lpha$ (par exemple 0,03 au lieu de 0,05), ce qui induit une perte marginale de puissance de d\u00e9tection. Dans ce cadre pr\u00e9cis, ces statisticiens recommandent des tests modifi\u00e9s bas\u00e9s sur des m\u00e9dianes d\u00e9cim\u00e9es ou des M-estimateurs de Huber.<\/p>\n Malgr\u00e9 ces nuances techniques, la litt\u00e9rature moderne en mod\u00e9lisation m\u00e9thodologique confirme que le test de Brown-Forsythe demeure le compromis optimal pour les praticiens non sp\u00e9cialis\u00e9s en biostatistique avanc\u00e9e, car il allie simplicit\u00e9 d’impl\u00e9mentation alg\u00e9brique, robustesse aux violations de la loi normale et disponibilit\u00e9 native dans l’ensemble des environnements informatiques standards.<\/p>\n Dans la pratique contemporaine de publication scientifique, l’usage des tests pr\u00e9liminaires de conformit\u00e9 aux postulats statistiques \u2014 dont fait partie le test de Brown-Forsythe \u2014 fait l’objet de recommandations \u00e9pist\u00e9mologiques pr\u00e9cises. Plusieurs m\u00e9thodologistes renomm\u00e9s en psychologie d\u00e9conseillent formellement d’adopter une r\u00e8gle de d\u00e9cision binaire rigide (\u00ab si $p > 0{,}05$<\/span>, faire une ANOVA classique ; sinon, faire une ANOVA de Welch \u00bb).<\/p>\n Cette approche m\u00e9canique dite en deux \u00e9tapes (\u00ab two-stage testing strategy \u00bb) peut paradoxalement d\u00e9t\u00e9riorer le taux global d’erreur de premi\u00e8re esp\u00e8ce de l’analyse finale, car la s\u00e9lection conditionnelle du test de comparaison de moyennes d\u00e9pend de la puissance statistique du test de variance pr\u00e9alable. Dans les \u00e9tudes b\u00e9n\u00e9ficiant d’effectifs modestes, le test de Brown-Forsythe risque de ne pas d\u00e9tecter une h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 substantielle par manque de puissance, incitant le chercheur \u00e0 lancer une ANOVA classique dont les r\u00e9sultats seront vici\u00e9s par l’in\u00e9galit\u00e9 des variances sous-jacentes.<\/p>\n Pour cette raison, les lignes directrices m\u00e9thodologiques actuelles, appuy\u00e9es par les recommandations de l’American Psychological Association (APA), incitent fr\u00e9quemment les analystes \u00e0 employer directement des tests robustes de comparaison de moyennes (comme le test de Welch-James ou le mod\u00e8le lin\u00e9aire g\u00e9n\u00e9ral avec erreurs-types corrig\u00e9es pour l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 de type HC3\/HC4), sans faire d\u00e9pendre ce choix de l’issue formelle du test de Brown-Forsythe. Ce dernier conserve n\u00e9anmoins un r\u00f4le pr\u00e9cieux de description diagnostique des patrons de variabilit\u00e9 exp\u00e9rimentale.<\/p>\n Bien que le test de Brown-Forsythe constitue une ind\u00e9niable avanc\u00e9e par rapport aux approches param\u00e9triques pr\u00e9curseures, la m\u00e9thode soul\u00e8ve plusieurs controverses th\u00e9oriques et pr\u00e9sente des limites inh\u00e9rentes qu’il convient de circonscrire avec rigueur :<\/p>\n Une premi\u00e8re critique concerne le ph\u00e9nom\u00e8ne d’interd\u00e9pendance des d\u00e9viations r\u00e9siduelles induit par le centrage sur la m\u00e9diane. En calculant les valeurs $z_{ij} = |Y_{ij} – M_j|$<\/span>, les r\u00e9sidus d’un m\u00eame groupe ne sont plus strictement ind\u00e9pendants entre eux, car la m\u00e9diane d\u00e9pend de la totalit\u00e9 des scores de la s\u00e9rie ordonn\u00e9e. Bien que cette corr\u00e9lation locale devienne asymptotiquement n\u00e9gligeable lorsque la taille de l’\u00e9chantillon tend vers l’infini, elle perturbe l\u00e9g\u00e8rement les propri\u00e9t\u00e9s exactes de la statistique $F$<\/span> dans les petits \u00e9chantillons, entra\u00eenant des distorsions mineures de la distribution d’\u00e9chantillonnage th\u00e9orique.<\/p>\n Une deuxi\u00e8me limite majeure touche \u00e0 la perte d’information cons\u00e9cutive \u00e0 l’usage de la valeur absolue. En condensant l’\u00e9cart d’une observation \u00e0 la m\u00e9diane en une grandeur scalaire positive, la directionnalit\u00e9 de l’asym\u00e9trie originale est occult\u00e9e. Si une distribution pr\u00e9sente une queue \u00e9tal\u00e9e exclusivement \u00e0 droite tandis qu’un groupe comparateur pr\u00e9sente une queue \u00e9tal\u00e9e \u00e0 gauche avec des amplitudes absolues similaires, le test de Brown-Forsythe ne discernera pas cette divergence morphologique fondamentale, concluant de fa\u00e7on erron\u00e9e \u00e0 une identit\u00e9 des patrons de dispersion.<\/p>\n Enfin, une controverse persiste quant \u00e0 son application dans les plans factoriels complexes \u00e0 mesures r\u00e9p\u00e9t\u00e9es ou mixtes. Le test de Brown-Forsythe est conceptuellement con\u00e7u pour des plans univari\u00e9s inter-sujets \u00e0 groupes ind\u00e9pendants. L’extension de cette proc\u00e9dure \u00e0 l’\u00e9valuation de la sph\u00e9ricit\u00e9 (l’\u00e9quivalent de l’homog\u00e9n\u00e9it\u00e9 des variances pour les conditions intra-sujets) n’est pas directement transposable sans des ajustements de covariance matricielle lourds, pour lesquels les tests de Mauchly ou les corrections de Greenhouse-Geisser demeurent pr\u00e9f\u00e9rentiels.<\/p>\n Une bonne compr\u00e9hension du test de Brown-Forsythe requiert de le distinguer avec clart\u00e9 de plusieurs notions statistiques et outils m\u00e9thodologiques voisins :<\/p>\n En synth\u00e8se, le test de Brown-Forsythe repr\u00e9sente un standard m\u00e9thodologique fondamental pour l’\u00e9valuation empirique de l’homog\u00e9n\u00e9it\u00e9 des variances dans les recherches exp\u00e9rimentales en psychologie et en sciences connexes :<\/p>\n Le test de Brown-Forsythe est une m\u00e9thode statistique robuste \u00e9valuant l’homog\u00e9n\u00e9it\u00e9 des variances entre groupes ind\u00e9pendants en utilisant les d\u00e9viations par rapport \u00e0 la m\u00e9diane.<\/p>\n","protected":false},"author":1,"featured_media":0,"template":"","categories":[1907,2],"tags":[2227,2224,2461,35850,1942,7621,2460],"class_list":["post-22541","psych_term","type-psych_term","status-publish","hentry","category-methodologie-et-statistiques","category-psychometrie","tag-analyse-de-variance","tag-anova","tag-homoscedasticite","tag-robustesse-statistique","tag-statistiques-en-psychologie","tag-test-de-brown-forsythe","tag-test-de-levene"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/22541","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_term"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/22541\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=22541"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=22541"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=22541"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}2. \u00c9tymologie et origine linguistique<\/h3>\n
3. Prononciation et forme grammaticale<\/h3>\n
4. Explication conceptuelle d\u00e9taill\u00e9e<\/h3>\n
5. \u00c9volution et d\u00e9veloppement historique<\/h3>\n
6. Fondements th\u00e9oriques et math\u00e9matiques<\/h3>\n
7. Composantes cl\u00e9s, variantes et dimensions<\/h3>\n
\n
\nu_1 = k – 1$ et<\/span> $
\nu_2 = N – k<\/span>$.<\/li>\n8. Exemples concrets et cas illustratifs<\/h3>\n
9. Proc\u00e9dure de calcul et \u00e9valuation empirique<\/h3>\n
10. Applications et pertinence m\u00e9thodologique<\/h3>\n
11. Recherches empiriques et \u00e9tudes comparatives<\/h3>\n
12. Consid\u00e9rations contextuelles et pratiques de recherche<\/h3>\n
13. Critiques, controverses et limites<\/h3>\n
14. Notions connexes et distinctions terminologiques<\/h3>\n
\n
15. R\u00e9sum\u00e9 et points cl\u00e9s<\/h3>\n
\n
R\u00e9f\u00e9rences<\/h2>\n
\n