Skip to content
Omnikalc

ANOVA à un facteur : les moyennes des groupes diffèrent-elles ?

Réalisez une analyse de variance à un facteur pour 3 ou 4 groupes indépendants à partir de leurs moyennes, écarts-types et effectifs : statistique F, valeur p, sommes des carrés et êta carré.

Mis à jour le
Vos paramètres

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Valeur hors limites

Résultats

Valeur p

0,06128

Non significatif : les données ne montrent pas de différence entre les moyennes
Statistique F
3,102
F critique au seuil α
3,354
Degrés de liberté inter-groupes
2
Degrés de liberté intra-groupe
27
Somme des carrés inter-groupes
126,67
Somme des carrés intra-groupe
551,25
Moyenne générale
22,667
Taille d'effet η² (part de variance expliquée)
0,187

À quoi sert l’ANOVA à un facteur

L’analyse de la variance (ANOVA) à un facteur teste si les moyennes de trois groupes ou plus sont toutes égales. Elle évite de multiplier les tests t deux à deux, ce qui gonflerait le risque de faux positif : avec quatre groupes, six comparaisons au seuil de 5 % donnent près de 26 % de chances de trouver au moins une différence « significative » par hasard. Ce calculateur part des moyennes, écarts-types et effectifs de chaque groupe, sans les données brutes.

Les formules

  • Moyenne générale : x̄ = Σ nᵢ x̄ᵢ ÷ N.
  • Somme des carrés inter-groupes : SCE_inter = Σ nᵢ (x̄ᵢ − x̄)², avec k − 1 degrés de liberté.
  • Somme des carrés intra-groupe : SCE_intra = Σ (nᵢ − 1) sᵢ², avec N − k degrés de liberté.
  • F = (SCE_inter ÷ (k − 1)) ÷ (SCE_intra ÷ (N − k)).

La valeur p est la probabilité de dépasser F sous la loi de Fisher-Snedecor. L’êta carré η² = SCE_inter ÷ (SCE_inter + SCE_intra) mesure la part de variance expliquée par le facteur.

Exemple

Trois groupes de 10 sujets, de moyennes 20, 23 et 25 et d’écarts-types 4, 5 et 4,5 :

  • moyenne générale : 22,67 ;
  • SCE_inter = 126,7 avec 2 degrés de liberté ;
  • SCE_intra = 551,25 avec 27 degrés de liberté ;
  • F = 63,3 ÷ 20,4 ≈ 3,10, p ≈ 0,061 : non significatif au seuil de 5 % ;
  • η² ≈ 0,19 : le facteur explique environ 19 % de la variance.

Lire le résultat

Un F significatif indique qu’au moins une moyenne diffère des autres, sans dire laquelle. Il faut ensuite des comparaisons post hoc (Tukey, Bonferroni) pour localiser les écarts. Un F non significatif, comme dans l’exemple, ne prouve pas l’égalité des moyennes : avec dix sujets par groupe, la puissance est limitée.

Conditions d’application

  • Groupes indépendants, observations indépendantes.
  • Distribution à peu près normale dans chaque groupe.
  • Variances homogènes : en règle pratique, le plus grand écart-type ne dépasse pas deux fois le plus petit. Sinon, l’ANOVA de Welch ou le test non paramétrique de Kruskal-Wallis sont plus sûrs.

Pour seulement deux groupes, l’ANOVA donne exactement le même résultat que le test t de Student : F = t².

Questions fréquentes

Pourquoi ne pas faire plusieurs tests t au lieu d'une ANOVA ?

Chaque test ajoute un risque de faux positif : avec quatre groupes, six tests t à 5 % donnent environ 26 % de risque de fausse alerte.

Que conclure d'un F significatif ?

Qu'au moins une moyenne diffère des autres. Un test post hoc, comme celui de Tukey, indique lesquelles.

Qu'est-ce que l'êta carré ?

La part de variance expliquée par le facteur : SCE inter ÷ (SCE inter + SCE intra). Environ 0,01 est faible, 0,06 moyen et 0,14 fort.

Que faire si les variances sont très différentes ?

Si le plus grand écart-type dépasse environ deux fois le plus petit, utilisez l'ANOVA de Welch ou le test de Kruskal-Wallis.

Ce calculateur vous a-t-il été utile ?

Merci pour votre avis !

Résultats indicatifs fournis à titre d'information. Ils ne remplacent pas l'avis d'un professionnel.