ANOVA à un facteur (One-way ANOVA)
L'analyse de la variance à un facteur (ANOVA) est une technique statistique qui sert à déterminer s'il existe des différences significatives entre les moyennes de trois groupes indépendants ou plus. Elle met en jeu une variable indépendante et compare les moyennes des groupes pour évaluer l'effet du facteur.
Dernière révision
Point clé
L'analyse de la variance à un facteur (ANOVA) est une technique statistique qui sert à déterminer s'il existe des différences significatives entre les moyennes de trois groupes indépendants ou plus.
Sur cette page
Qu'est-ce que l'ANOVA à un facteur ?
L'analyse de la variance (ANOVA) à un facteur est une technique statistique qui sert à déterminer s'il existe des différences significatives entre les moyennes de trois groupes indépendants ou plus. Elle met en jeu une variable indépendante et compare les moyennes des groupes pour évaluer l'effet du facteur. Le test vérifie l'hypothèse nulle selon laquelle toutes les moyennes des groupes sont égales, contre l'hypothèse alternative selon laquelle au moins une est différente. L'ANOVA à un facteur est très utilisée dans des domaines comme la psychologie, l'éducation et la médecine, et ses résultats sont présentés dans un tableau d'ANOVA.
Quand utiliser l'ANOVA à un facteur ?
Ce test convient lorsque vous avez une variable dépendante continue et une variable indépendante qualitative à trois niveaux ou plus.
- Comparer plusieurs groupes: lorsque vous devez comparer les moyennes de trois groupes indépendants ou plus pour déterminer s'il existe une différence significative entre eux.
- Influence d'un seul facteur: lorsque l'étude porte sur l'effet d'un seul facteur (variable indépendante) sur une variable dépendante.
- Plan d'expériences: lorsque vous avez un plan d'expériences dans lequel les sujets sont affectés au hasard à différents groupes représentant les différents niveaux de la variable indépendante.
- Distribution normale: lorsque les données de la variable dépendante de chaque groupe suivent approximativement une distribution normale.
- Homogénéité des variances: lorsque les variances des populations sont supposées égales (homoscédasticité).
- Observations indépendantes: lorsque les observations de chaque groupe sont indépendantes les unes des autres.
Voici quelques exemples courants d'utilisation de l'ANOVA à un facteur :
- Comparer les notes moyennes d'étudiants ayant suivi différents types de cours (par ex. en ligne, en présentiel ou hybride).
- Analyser l'efficacité de trois médicaments différents ou plus dans le traitement d'une maladie.
- Comparer les salaires moyens des employés de trois services différents ou plus d'une entreprise.
Recommandations pour bien utiliser l'ANOVA à un facteur
Recommandations pour la collecte des données, l'analyse et l'interprétation des résultats :
- N'incluez qu'une seule variable qualitative comme facteur fixe ; utilisez des modèles appropriés en présence de plusieurs facteurs fixes ou aléatoires.
- Veillez à ce que la variable de réponse soit continue ; pour des réponses qualitatives, utilisez des modèles logistiques spécifiques.
- Les échantillons doivent provenir d'une population normale ou être de taille suffisante (>15 ou 20) pour une analyse exacte.
- Chaque observation doit être indépendante pour garantir des résultats valides.
- Recueillez des données représentatives de la population, avec précision et exactitude, et enregistrez-les dans l'ordre de collecte.
- Vérifiez que le modèle s'ajuste bien aux données, à l'aide de diagnostics et de statistiques de synthèse.
Alternatives : quand ne pas utiliser l'ANOVA à un facteur
- Si vous avez plusieurs facteurs qualitatifs fixes, utilisez Fit General Linear Model lorsque tous sont des facteurs fixes.
- S'il existe des facteurs aléatoires, utilisez plutôt Fit Mixed Effects Model.
- Si vous souhaitez visualiser le lien entre un prédicteur continu et la réponse, utilisez le Fitted Line Plot.
- Lorsque vous avez plus d'un prédicteur, utilisez Fit Regression Model.
Exemple d'ANOVA à un facteur
Un ingénieur chimiste veut évaluer la dureté de quatre mélanges de peinture différents en appliquant six échantillons de chaque mélange sur une pièce métallique, en les faisant durcir puis en mesurant leur dureté. Pour tester l'égalité des moyennes et examiner les écarts entre paires de moyennes, l'analyste emploie l'ANOVA à un facteur avec comparaisons multiples. Les étapes sont les suivantes :
- Rassemblez les données nécessaires.

- Analysez maintenant les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
- Pour trouver One way anova, choisissez Statistical module> Anova>One way anova.
- Dans l'outil, saisissez les données ainsi que les autres entrées comme suit :

5. Après avoir utilisé l'outil ci-dessus, vous obtenez les résultats suivants :





Comment effectuer une ANOVA à un facteur
La marche à suivre est la suivante :
- Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
- Sur la page d'accueil, choisissez Statistical Tool> Anova >one way ANOVA.
- Cliquez sur one way ANOVA pour accéder au tableau de bord.
- Ensuite, saisissez les données manuellement ou copiez-les (Ctrl+C) depuis une feuille Excel et collez-les (Ctrl+V) ici.
- Ensuite, vous devez saisir la valeur du niveau de confiance.
- Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.
Sur le tableau de bord de one way ANOVA, la fenêtre est divisée en deux parties.

Dans la partie gauche se trouve le Data Pane (volet de données). Dans le Data Pane, chaque ligne constitue un sous-groupe. Les données peuvent être saisies manuellement ou copiées (Ctrl+C) depuis une feuille Excel puis collées (Ctrl+V) ici.
Load example : des données d'exemple sont chargées.
Load File : sert à charger directement les données Excel.
Dans la partie droite se trouvent de nombreuses options, comme suit :
- Confidence level : dans l'ANOVA à un facteur (analyse de la variance), le niveau de confiance désigne le degré de certitude que fournit une analyse statistique. C'est la probabilité que la différence observée entre les groupes de l'étude ne soit pas due au hasard. Le niveau de confiance s'exprime généralement en pourcentage et représente le degré de certitude que les résultats obtenus à partir des données de l'échantillon seront représentatifs de la population plus large. Un niveau de confiance couramment utilisé en analyse statistique est 95%.
- Two sided confidence level : utilisez un intervalle de confiance bilatéral dans l'ANOVA à un facteur pour estimer à la fois les bornes inférieure et supérieure de la réponse moyenne, ce qui donne une plage de valeurs contenant vraisemblablement la vraie moyenne de la population. Cet intervalle reflète la différence de moyennes entre les groupes dans les deux sens, au-dessus et au-dessous de la moyenne de l'échantillon, avec un niveau de confiance donné.
- Individual value plot : le graphique des valeurs individuelles (Individual Value Plot, IVP) est un outil graphique qui convient surtout aux petits effectifs d'échantillon (moins de 50 observations) ; il affiche les points de données individuels pour faciliter l'examen détaillé de la distribution, de la tendance centrale, de la variabilité et des valeurs aberrantes, et il est aussi efficace pour comparer des distributions entre plusieurs petits groupes.
- Interval plot : utilisez un graphique d'intervalles, aussi appelé graphique des moyennes ou graphique des intervalles de confiance, pour évaluer et comparer les intervalles de confiance à 95% des moyennes des groupes dans une ANOVA à un facteur. Cette représentation graphique affiche la moyenne de chaque groupe sous forme de point ou de symbole sur l'axe horizontal, l'axe vertical représentant la variable mesurée. Des lignes horizontales ou des barres verticales au-dessus et au-dessous de chaque moyenne indiquent les intervalles de confiance. Cette méthode fonctionne mieux avec des effectifs d'échantillon d'au moins 20 par groupe, car des échantillons plus grands donnent des intervalles de confiance plus étroits et plus précis. Dans l'ANOVA à un facteur, les graphiques d'intervalles aident à déterminer s'il existe des différences significatives entre les moyennes de trois groupes ou plus.
- Box plot : une boîte à moustaches (box plot) est une représentation graphique des données qui montre la distribution d'une variable dans différents groupes lors d'une ANOVA à un facteur. Dans une ANOVA à un facteur, on compare les moyennes d'une variable continue entre les différents niveaux d'une variable qualitative. La boîte à moustaches affiche la distribution de la variable continue pour chaque groupe, avec la médiane, l'écart interquartile (IQR) et d'éventuelles valeurs aberrantes.
- Residual versus fit graph: un graphique des résidus en fonction des valeurs ajustées, aussi appelé graphique des résidus, est un outil graphique utilisé dans l'ANOVA à un facteur pour évaluer la qualité d'ajustement du modèle. Le graphique affiche les résidus, c'est-à-dire les écarts entre les valeurs observées et les valeurs prédites, sur l'axe des ordonnées et les valeurs prédites sur l'axe des abscisses.
- Residual versus order graph : dans l'ANOVA à un facteur, le graphique des résidus en fonction de l'ordre est un outil graphique utilisé pour évaluer l'hypothèse d'égalité des variances des résidus entre les différents niveaux du facteur ou de la variable indépendante. Dans ce graphique, les résidus (c'est-à-dire les écarts entre les valeurs observées et les valeurs prédites) sont tracés en fonction de l'ordre des observations, qui peut être simplement la séquence des points de données ou le niveau du facteur. Les résidus doivent être répartis aléatoirement autour de zéro et ne montrer aucune structure ni tendance systématique lorsque l'ordre ou le niveau du facteur change.
- Histogram : un histogramme est une représentation graphique de la distribution d'un ensemble de données. Dans le contexte de l'ANOVA à un facteur (analyse de la variance), un histogramme sert souvent à visualiser la distribution de la variable dépendante (c'est-à-dire la variable analysée) pour chaque groupe de l'étude.
- Probability plot : une droite de probabilité, aussi appelée graphique quantile-quantile (Q-Q), est un outil graphique souvent utilisé en analyse statistique pour évaluer si un ensemble de données suit une distribution donnée. Dans le contexte de l'ANOVA à un facteur (analyse de la variance), une droite de probabilité peut servir à évaluer si l'hypothèse de normalité est vérifiée pour les résidus (les écarts entre les données observées et les prédictions du modèle) du modèle d'ANOVA.
- Download as Excel: affiche le résultat au format Excel ; il peut être facilement modifié puis rechargé pour de nouveaux calculs avec l'option Load File.
Questions fréquentes
Qu'est-ce que l'ANOVA à un facteur ?
L'analyse de la variance (ANOVA) à un facteur est une technique statistique qui détermine s'il existe des différences significatives entre les moyennes de trois groupes indépendants ou plus. Elle met en jeu une variable indépendante qualitative et teste l'hypothèse nulle selon laquelle toutes les moyennes des groupes sont égales, contre l'hypothèse alternative selon laquelle au moins une est différente. Les résultats sont présentés dans un tableau d'ANOVA.
Quelles sont les hypothèses de l'ANOVA à un facteur ?
La réponse doit être continue, avec un seul facteur qualitatif à trois niveaux ou plus. Les données de chaque groupe doivent suivre approximativement une distribution normale, ou les échantillons doivent être suffisamment grands (plus de 15 ou 20). Les variances des groupes sont supposées égales et les observations doivent être indépendantes. Vérifiez l'ajustement du modèle avec des graphiques de diagnostic tels que les résidus en fonction des valeurs ajustées et une droite de probabilité.
Quand ne pas utiliser l'ANOVA à un facteur ?
Si vous avez plusieurs facteurs qualitatifs fixes, utilisez Fit General Linear Model ; s'il existe des facteurs aléatoires, utilisez Fit Mixed Effects Model. Avec plus d'un prédicteur, utilisez Fit Regression Model, et pour visualiser un prédicteur continu en fonction d'une réponse, utilisez le Fitted Line Plot. Pour une réponse qualitative, utilisez un modèle logistique.
Quels graphiques aident à interpréter une ANOVA à un facteur ?
Un graphique d'intervalles compare les intervalles de confiance des moyennes des groupes, un graphique des valeurs individuelles montre chaque point de données pour les petits échantillons, et une boîte à moustaches montre la médiane, l'écart interquartile et les valeurs aberrantes de chaque groupe. Les graphiques des résidus, notamment résidus en fonction des valeurs ajustées, résidus en fonction de l'ordre, histogramme et droite de probabilité, vérifient les hypothèses du modèle.
