Test de Kruskal-Wallis

Le test de Kruskal-Wallis est un test statistique non paramétrique servant à déterminer si trois groupes indépendants ou plus proviennent de la même distribution de population. Il classe ensemble toutes les valeurs et compare les rangs moyens entre les groupes — c'est une alternative sans hypothèse de distribution à l'ANOVA à un facteur, qui n'exige pas de données normalement distribuées.

Dernière révision

Point clé

Le test de Kruskal-Wallis est un test statistique non paramétrique servant à déterminer si trois groupes indépendants ou plus proviennent de la même distribution de population.

Sur cette page
  1. Qu'est-ce que le test de Kruskal-Wallis ?
  2. Quand utiliser le test de Kruskal-Wallis ?
  3. Recommandations pour bien utiliser le test de Kruskal-Wallis
  4. Alternatives : quand ne pas utiliser le test de Kruskal-Wallis
  5. Exemple de test de Kruskal-Wallis
  6. Comment réaliser un test de Kruskal-Wallis

Qu'est-ce que le test de Kruskal-Wallis ?

Le test de Kruskal-Wallis est un test statistique non paramétrique servant à déterminer si trois groupes indépendants ou plus proviennent de la même distribution de population. Il classe ensemble toutes les valeurs et compare les rangs moyens entre les groupes — c'est une alternative sans hypothèse de distribution à l'ANOVA à un facteur, qui n'exige pas de données normalement distribuées.

Il répond à la question : existe-t-il une différence statistiquement significative de tendance centrale entre les groupes ? Un résultat significatif signifie qu'au moins un groupe diffère — mais il n'indique pas quels groupes précis. Une comparaison post hoc est nécessaire pour cela.

Définition simple : un test qui compare trois groupes indépendants ou plus pour déterminer si au moins un a une médiane significativement différente, sans exiger de données normalement distribuées.

Quand utiliser le test de Kruskal-Wallis ?

  • À utiliser pour comparer trois groupes indépendants ou plus sur une variable de réponse continue ou ordinale.
  • À utiliser lorsque l'on ne peut pas supposer la normalité des données  — en particulier avec de petits échantillons ou des données fortement asymétriques.
  • À utiliser comme alternative non paramétrique à l'ANOVA à un facteur lorsque les hypothèses de l'ANOVA ne sont pas respectées.
  • À utiliser lorsque la variable de réponse est ordinale (par exemple des notes de satisfaction) plutôt que continue.

Recommandations pour bien utiliser le test de Kruskal-Wallis

  • Chaque groupe doit être indépendant — les observations d'un groupe ne doivent pas être liées à celles d'un autre.
  • Recueillez au moins 5 observations par groupe pour obtenir des résultats fiables.
  • Les groupes doivent avoir des formes et des dispersions de distribution similaires pour que l'interprétation en termes de médiane soit valide.
  • Un résultat significatif indique seulement qu' au moins un groupe diffère — utilisez des comparaisons par paires de Mann-Whitney avec correction de Bonferroni pour identifier lequel.
  • Assurez-vous que la réponse est continue ou au moins ordinale — le test n'est pas valide pour des réponses catégorielles nominales.

Alternatives : quand ne pas utiliser le test de Kruskal-Wallis

  • Si les données sont normalement distribuées, utilisez l' ANOVA à un facteur  — plus puissante lorsque les hypothèses sont respectées.
  • Si vous ne comparez que deux groupes indépendants, utilisez le test de Mann-Whitney
  • Si les groupes sont liés ou à mesures répétées, utilisez le test de Friedman
  • Si les valeurs aberrantes sont sévères, utilisez le test de la médiane de Mood pour une comparaison plus robuste.

Exemple de test de Kruskal-Wallis

Un groupe hospitalier veut comparer le nombre de lits inoccupés dans trois hôpitaux d'une même ville. 11 jours différents ont été sélectionnés dans les dossiers de chaque hôpital, et le nombre de lits inoccupés de chaque jour a été relevé. Pour déterminer si le nombre médian de lits inoccupés diffère, l'administrateur utilise le test de Kruskal-Wallis. Les étapes suivantes :

  1. Rassemblement des données nécessaires.
Kruskal-Wallis Test — figure 1
  1. Analyse des données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
  2.  Pour trouver Kruskal-Wallis Test, choisissez Statistical module> Nonparametric > Kruskal-Wallis Test.
  3.  Dans l'outil, saisie des données et des autres paramètres comme suit :
Kruskal-Wallis Test — figure 2

5. Après exécution de l'outil mentionné ci-dessus, les résultats obtenus sont les suivants :

Kruskal-Wallis Test — figure 3

Comment réaliser un test de Kruskal-Wallis

La marche à suivre est la suivante :

  1. Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
  2. Sur la page d'accueil, choisissez Statistical Tool> Nonparametric>Kruskal-Wallis Test.
  3. Ensuite, saisissez les données manuellement, ou copiez (Ctrl+C) l'ensemble des données d'une feuille Excel et collez-les (Ctrl+V) ici.
  4. Ensuite, renseignez les options requises.
  5. Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.

Dans le tableau de bord du test de Kruskal-Wallis, la fenêtre est divisée en deux parties.

Kruskal-Wallis Test — figure 4

La partie gauche contient le Data Pane (volet de données). Dans le Data Pane, chaque ligne constitue un sous-groupe. Les données peuvent être saisies manuellement, ou vous pouvez copier (Ctrl+C) l'ensemble des données d'une feuille Excel et les coller (Ctrl+V) ici.

Load example : des données d'exemple sont chargées.

La partie droite contient de nombreuses options, décrites ci-dessous :

  • Response : sélectionnez la colonne qui contient les valeurs de mesure à comparer entre les groupes — par exemple un temps de cycle, une résistance, un poids, ou toute variable de résultat continue ou ordinale. C'est la variable testée pour déterminer si sa distribution diffère significativement entre les groupes définis par la colonne Factor.
  • Factor : sélectionnez la colonne qui identifie le groupe auquel appartient chaque observation  — par exemple le type de machine, l'opérateur, l'équipe ou la condition de traitement. Chaque valeur unique de cette colonne représente un groupe distinct. Le test de Kruskal-Wallis compare les valeurs de réponse entre tous les groupes définis ici pour déterminer si au moins un groupe a une médiane significativement différente de celle des autres.

Questions fréquentes

Qu'est-ce que le test de Kruskal-Wallis ?

Le test de Kruskal-Wallis est un test non paramétrique qui détermine si trois groupes indépendants ou plus proviennent de la même distribution de population. Il classe ensemble toutes les valeurs et compare les rangs moyens entre les groupes, ce qui en fait une alternative sans hypothèse de distribution à l'ANOVA à un facteur, qui n'exige pas de données normalement distribuées.

Quand utiliser Kruskal-Wallis plutôt que l'ANOVA à un facteur ?

Utilisez Kruskal-Wallis pour comparer trois groupes indépendants ou plus lorsque l'on ne peut pas supposer la normalité des données, en particulier avec de petits échantillons ou des données fortement asymétriques, ou lorsque la réponse est ordinale, comme des notes de satisfaction. Si les données sont normalement distribuées, l'ANOVA à un facteur est plus puissante. Pour deux groupes, utilisez le test de Mann-Whitney ; pour des groupes liés, le test de Friedman.

Quelles sont les hypothèses du test de Kruskal-Wallis ?

Les observations de chaque groupe doivent être indépendantes de celles des autres groupes. Recueillez au moins 5 observations par groupe. Les groupes doivent avoir des formes et des dispersions de distribution similaires pour que l'interprétation en termes de médiane soit valide, et la réponse doit être continue ou au moins ordinale, et non catégorielle nominale.

Que faire après un résultat significatif au test de Kruskal-Wallis ?

Un résultat significatif montre seulement qu'au moins un groupe diffère ; il n'indique pas lequel. Utilisez des comparaisons par paires de Mann-Whitney avec une correction de Bonferroni pour trouver quels groupes diffèrent. Si les valeurs aberrantes sont sévères, le test de la médiane de Mood donne une comparaison plus robuste.