MANOVA générale (General MANOVA)
La MANOVA générale teste conjointement deux réponses continues ou plus par rapport à un ou plusieurs facteurs catégoriels, avec covariables et interactions d'ordre 2 en option. Un seul test conjoint maintient le taux global de fausses alertes au niveau choisi et tient compte de la corrélation entre les réponses. Elle suppose des observations indépendantes et des erreurs normales multivariées de matrices de covariance égales. Les résultats incluent les statistiques de Wilks, Pillai, Hotelling-Lawley et Roy, des ANOVA univariées et une analyse des valeurs propres en option.
Dernière révision
Point clé
La MANOVA générale (analyse de la variance multivariée) teste si un ou plusieurs facteurs modifient conjointement plusieurs réponses liées, comme la résistance à la traction et l'allongement mesurés sur les mêmes éprouvettes.
Sur cette page
Objectif
La MANOVA générale (analyse de la variance multivariée) teste si un ou plusieurs facteurs modifient conjointement plusieurs réponses liées, par exemple la résistance à la traction et l'allongement des mêmes éprouvettes. Utilisez-la lorsque vous mesurez deux propriétés ou plus sur chaque unité : un seul test conjoint maintient le taux global de fausses alertes au niveau choisi, tient compte de la corrélation entre les réponses et peut détecter une modification de la combinaison des propriétés que des ANOVA séparées ne voient pas.
Principales fonctionnalités
- Deux réponses continues ou plus testées conjointement par rapport à un ou plusieurs facteurs catégoriels.
- Covariables continues facultatives et toutes les interactions d'ordre 2 entre facteurs.
- Lambda de Wilks, trace de Pillai, trace de Hotelling-Lawley et plus grande racine de Roy pour chaque terme.
- ANOVA univariée pour chaque réponse (sommes des carrés de type III).
- Matrices SSCP des hypothèses et de l'erreur avec corrélations partielles, et analyse des valeurs propres, sur demande.
- Data Options : sélectionnez un sous-ensemble de lignes avant l'analyse.
Méthodes statistiques
Le modèle est le même que dans le modèle linéaire général, ajusté à toutes les réponses à la fois : facteurs avec codage à somme nulle (−1, 0, +1), covariables comme effets principaux et interactions d'ordre 2 entre facteurs lorsque l'option est cochée (uniquement avec deux facteurs ou plus). Les lignes comportant une valeur manquante dans une colonne sélectionnée sont écartées. Pour chaque terme, l'outil forme la matrice d'hypothèse H (sommes des carrés et des produits croisés expliquées par le terme) et la matrice d'erreur E, puis teste le terme à partir des valeurs propres λ de E⁻¹H.
Lambda de Wilks = det(E) / det(H + E) = Π 1/(1 + λ), petit lorsque le terme compte ; trace de Pillai = Σ λ/(1 + λ) ; trace de Hotelling-Lawley = Σ λ ; plus grande racine de Roy = le plus grand λ. Chacune est convertie en une statistique F approchée, avec les degrés de liberté du numérateur et du dénominateur affichés. La trace de Pillai est la plus tolérante envers des tailles de groupes inégales et des matrices de covariance inégales ; la racine de Roy est la plus sensible lorsque les groupes diffèrent selon une seule direction, mais son F est une borne supérieure, de sorte que sa valeur p est optimiste.
L'analyse des valeurs propres liste les valeurs propres de E⁻¹H avec leurs proportions, et les vecteurs propres normalisés de sorte que v'(E / DF error)v = 1. Le premier vecteur propre donne la combinaison pondérée de réponses qui sépare le mieux les niveaux du facteur. Les tableaux univariés sont des ANOVA de type III de chaque réponse prise isolément. La MANOVA suppose des observations indépendantes et des erreurs normales multivariées avec la même matrice de covariance dans chaque groupe.
Champs de saisie et options
Champ | Description |
Responses (Y) | Deux colonnes continues ou plus, testées conjointement. Obligatoire. |
Factors (categorical) | Une ou plusieurs colonnes de prédicteurs catégoriels. Obligatoire. |
Covariates (continuous) | Colonnes numériques facultatives, saisies uniquement comme effets principaux. |
Include all 2-way factor interactions | Cochée par défaut ; activée uniquement lorsque deux facteurs ou plus sont sélectionnés. |
Show univariate ANOVA per response | Cochée par défaut. |
Matrices (hypothesis, error, partial correlations) | Désactivée par défaut : ajoute les matrices SSCP et les corrélations partielles des réponses. |
Eigen analysis | Désactivée par défaut : valeurs propres et vecteurs propres de E⁻¹H pour chaque terme. |
Data Options: Subset (optional) | Exclure les lignes correspondantes (par défaut) ou n'inclure que les lignes correspondantes (Include only matching rows), par numéros de lignes et/ou selon une condition. |

Figure 1 — Options de l'exemple sur les matériaux : résistance à la traction et allongement comme réponses, Treatment comme facteur, ANOVA univariée et analyse des valeurs propres cochées.
Description des résultats
- MANOVA : Value, Num DF, Den DF, F Value et P-Value des quatre statistiques multivariées pour chaque terme.
- Univariate Analysis of Variance : un tableau d'ANOVA par réponse.
- Matrices SSCP et corrélations partielles : lorsque Matrices est coché.
- Eigen Analysis : valeurs propres, proportions, proportions cumulées et vecteurs propres pour chaque terme, lorsque l'option est cochée.
- Export PDF via Download.

Figure 2 — MANOVA des deux propriétés : les quatre statistiques rejettent l'égalité des moyennes des traitements (lambda de Wilks 0.11217, F = 19.86, p < 0.001).
Exemple résolu
Un ingénieur matériaux compare un témoin à deux traitements, A et B, en testant 8 éprouvettes de chaque pour la résistance à la traction (MPa) et l'allongement à la rupture (%). Effectuer deux ANOVA séparées augmenterait le risque de fausse alerte ; l'ingénieur teste donc les deux propriétés ensemble, avec Treatment comme facteur, et coche l'ANOVA univariée et l'analyse des valeurs propres.
Les traitements modifient nettement le couple de propriétés : le lambda de Wilks est de 0.11217 (F = 19.86 à 4 et 40 DF), la trace de Pillai de 1.28404 (F = 18.83) et les quatre tests donnent p < 0.001. Les tableaux univariés montrent que chaque propriété change aussi isolément : résistance F = 25.75 et allongement F = 18.60, tous deux p < 0.001. La résistance moyenne passe de 211.9 MPa (témoin) à 225.7 (A) et 238.1 (B) ; l'allongement moyen est de 12.6 %, 14.6 % et 10.9 %.
L'analyse des valeurs propres explique le schéma. La première direction (75.7 % de la séparation) pondère positivement la résistance (0.114) et négativement l'allongement (−0.518) : c'est le compromis qui distingue le traitement B, avec la plus grande résistance mais la moindre ductilité. La seconde direction (24.3 %) a des poids positifs pour les deux, ce qui distingue le traitement A : il augmente la résistance et l'allongement ensemble. Si la pièce nécessite les deux propriétés, le traitement A est le choix le plus sûr.
Questions fréquentes
Quand utiliser la MANOVA plutôt que des ANOVA séparées ?
Utilisez la MANOVA lorsque vous mesurez deux propriétés ou plus sur chaque unité. Un seul test conjoint maintient le taux global de fausses alertes au niveau choisi, tient compte de la corrélation entre les réponses et peut détecter une modification de la combinaison des propriétés que des ANOVA séparées ne voient pas. Effectuer des ANOVA séparées augmente le risque de fausse alerte.
Quelle est la différence entre le lambda de Wilks, la trace de Pillai, la trace de Hotelling-Lawley et la racine de Roy ?
Les quatre testent chaque terme à partir des valeurs propres du produit de l'inverse de la matrice d'erreur par la matrice d'hypothèse, et chacune est convertie en un F approché. Le lambda de Wilks est petit lorsque le terme compte. La trace de Pillai est la plus tolérante envers des tailles de groupes et des matrices de covariance inégales. La racine de Roy est la plus sensible aux différences selon une direction, mais sa valeur p est optimiste.
Quelles sont les hypothèses de la MANOVA ?
La MANOVA suppose des observations indépendantes et des erreurs normales multivariées avec la même matrice de covariance dans chaque groupe. Les lignes comportant une valeur manquante dans une colonne sélectionnée sont écartées. Si les tailles de groupes ou les matrices de covariance sont inégales, la trace de Pillai est la plus tolérante des quatre statistiques multivariées.
Que vous apprend l'analyse des valeurs propres dans la MANOVA ?
L'analyse des valeurs propres liste les valeurs propres avec leurs proportions ainsi que les vecteurs propres. Le premier vecteur propre donne la combinaison pondérée de réponses qui sépare le mieux les niveaux du facteur. Dans l'exemple sur les matériaux, la première direction pondérait positivement la résistance et négativement l'allongement, ce qui montre le compromis résistance-ductilité qui distingue le traitement B.
