Test d'égalité des variances
Le test d'égalité des variances est un test d'hypothèse statistique qui sert à déterminer si deux groupes ou plus présentent la même variabilité dans leurs données. Plutôt que de comparer les moyennes des groupes, ce test porte sur la dispersion : il vérifie si la variation (écart-type ou variance) est statistiquement cohérente entre tous les groupes comparés.
Dernière révision
Point clé
Le test d'égalité des variances est un test d'hypothèse statistique qui sert à déterminer si deux groupes ou plus présentent la même variabilité dans leurs données.
Sur cette page
- Qu'est-ce que le test d'égalité des variances ?
- Quand utiliser le test d'égalité des variances ?
- Principaux tests disponibles
- Recommandations pour bien utiliser le test d'égalité des variances
- Alternatives : quand ne pas utiliser le test d'égalité des variances
- Exemple de test d'égalité des variances
- Comment effectuer un test d'égalité des variances
Qu'est-ce que le test d'égalité des variances ?
Le test d'égalité des variances est un test d'hypothèse statistique qui sert à déterminer si deux groupes ou plus présentent la même variabilité dans leurs données. Plutôt que de comparer les moyennes des groupes, ce test porte sur la dispersion : il vérifie si la variation (écart-type ou variance) est statistiquement cohérente entre tous les groupes comparés.
C'est un prérequis essentiel pour de nombreuses analyses. Plusieurs outils statistiques — comme l'ANOVA, les tests t à deux échantillons et la régression — supposent que tous les groupes ont la même variance. Utiliser ces outils sans avoir d'abord confirmé l'égalité des variances peut conduire à des conclusions erronées.
Définition simple : un test qui vérifie si différents groupes présentent la même dispersion ou variabilité dans leurs données — une vérification requise avant de lancer de nombreuses autres analyses statistiques.
Quand utiliser le test d'égalité des variances ?
- Utilisez-le avant d'exécuter une ANOVA ou des tests t pour vérifier que l'hypothèse d'égalité des variances est satisfaite.
- Utilisez-le lorsque vous comparez deux groupes ou conditions de procédé, ou plus, et que vous voulez savoir s'ils diffèrent par leur variabilité, et pas seulement par leur moyenne.
- Utilisez-le dans des études d'amélioration des procédés pour vérifier si un changement de méthode, de machine ou de matière a affecté la régularité du procédé.
- Utilisez-le pour évaluer des systèmes de mesure afin de déterminer si différents opérateurs, instruments ou laboratoires produisent des données de dispersion similaire.
Principaux tests disponibles
L'outil propose plusieurs tests adaptés à différents types de données et d'hypothèses :
Test
Utilisation recommandée quand
Test de Bartlett
Les données suivent une distribution normale — le test le plus puissant sous normalité
Test de Levene
Les données peuvent ne pas être normales — plus robuste à l'écart à la normalité
Test F
Comparaison d'exactement deux groupes avec des données normales
Recommandations pour bien utiliser le test d'égalité des variances
- Veillez à ce que les données soient continues — ce test ne convient pas aux données d'attribut ou de comptage.
- Vérifiez d'abord la normalité — si les données sont normales, utilisez le test de Bartlett ; si elles ne le sont pas, utilisez le test de Levene ou de Bonett.
- Recueillez une effectif de l'échantillon suffisant par groupe (au moins 20 observations par groupe sont recommandées) pour obtenir des estimations de variance fiables.
- Interprétez la valeur p — une valeur p inférieure à votre seuil de signification (généralement 0.05) indique qu'au moins un groupe a une variance significativement différente.
- Recherchez la source de l'inégalité des variances avant de poursuivre — n'ignorez pas simplement un résultat significatif.
Alternatives : quand ne pas utiliser le test d'égalité des variances
- Si vos données sont d'attribut (conforme/non conforme, catégories), ce test ne s'applique pas — utilisez plutôt des tests du khi-deux ou des tests de proportions.
- Si vous comparez des moyennes plutôt que des variances, utilisez l'ANOVA ou des tests t
- Si les effectifs d'échantillon sont très petites (moins de 5 par groupe), les estimations de variance ne sont pas fiables : recueillez davantage de données avant de tester.
Exemple de test d'égalité des variances
Un ingénieur chimiste veut comparer la dureté de quatre mélanges de peinture. Six échantillons de chaque mélange de peinture ont été appliqués sur une pièce métallique, qui a ensuite été durcie. Puis la dureté de chaque échantillon a été mesurée. 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 Test for Equal Variances, choisissez Statistical module> Anova>Test for Equal Variances.
- 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 un test d'égalité des variances
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 >Test for Equal Variances
- Ensuite, saisissez les données manuellement ou copiez-les (Ctrl+C) depuis une feuille Excel et collez-les (Ctrl+V) ici.
- Renseignez les options requises.
- Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.
Sur le tableau de bord de Test for Equal Variances, 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 :
- Response : sélectionnez la ou les colonnes contenant vos données de mesure continues — les valeurs dont vous voulez comparer la variabilité entre groupes. Utilisez Ctrl ou Command + clic pour sélectionner plusieurs colonnes si les données de différents groupes sont stockées dans des colonnes séparées. Chaque colonne sélectionnée représente un groupe ou une condition comparés.
- Factor : sélectionnez la colonne qui identifie le groupe auquel appartient chaque observation — par exemple le type de machine, l'opérateur ou le lot de matière. Cette colonne n'est requise que lorsque toutes les données de réponse sont empilées dans une seule colonne et qu'une variable de regroupement distincte est nécessaire pour distinguer les groupes. Si vous avez déjà sélectionné plusieurs colonnes de réponse (une par groupe), ce champ n'est pas requis.
- Confidence Level : définit le niveau de certitude des intervalles de confiance affichés autour de l'estimation de variance de chaque groupe. La valeur par défaut est 95%, ce qui signifie que vous êtes sûr à 95 % que la vraie variance de chaque groupe se situe dans l'intervalle affiché. Un niveau de confiance plus élevé (par ex. 99%) produit des intervalles plus larges ; un niveau plus bas (par ex. 90%) en produit de plus étroits. La valeur par défaut de 95% est la norme universellement admise pour la plupart des analyses statistiques.
- Hypothesized Ratio : le rapport de variances que vous voulez tester. La valeur par défaut est 1, qui teste si tous les groupes ont la même variance — un rapport de 1 signifie que les variances sont identiques. Si vous disposez d'un rapport connu précis issu d'une étude antérieure ou d'une spécification d'ingénierie, vous pouvez le saisir ici pour tester si vos données sont cohérentes avec ce rapport attendu plutôt que de tester une stricte égalité.
- Alternative Hypothesis : définit le sens du test — ce que vous cherchez à détecter. L'option par défaut
- Ratio ≠ Hypothesized Ratio - est un test bilatéral : il détecte des différences de variance dans les deux sens (un groupe peut être plus grand ou plus petit que l'autre). C'est le choix approprié dans la plupart des situations où vous n'avez pas d'attente préalable sur le groupe qui devrait avoir la plus grande variance.
- Summary Plot : lorsqu'elle est activée, affiche un graphique de synthèse montrant l'estimation de la variance ou de l'écart-type de chaque groupe avec son intervalle de confiance. Cela donne un aperçu visuel rapide de la comparaison des groupes en termes de dispersion et du chevauchement éventuel de leurs intervalles de confiance — des intervalles qui se chevauchent suggèrent que les variances peuvent être égales.
- Individual Value Plot : lorsqu'elle est activée, affiche chaque point de données individuel de chaque groupe, tracé à la verticale. Cela vous aide à voir la distribution complète et la dispersion des données brutes dans chaque groupe, à repérer toute observation inhabituelle ou valeur aberrante, et à comprendre les données réelles qui sous-tendent les estimations de variance avant d'interpréter les résultats du test.
- Histogram : lorsqu'elle est activée, affiche un histogramme pour chaque groupe montrant la distribution des fréquences des données. C'est utile pour évaluer visuellement la forme de la distribution de chaque groupe — notamment pour vérifier si les données sont approximativement normales avant de décider quel test de variance (Bartlett, Levene ou Bonett) est le plus approprié.
- Box Plot : lorsqu'elle est activée, affiche une boîte à moustaches (box plot) pour chaque groupe montrant la médiane, l'écart interquartile et les éventuelles valeurs aberrantes. Les boîtes à moustaches permettent de comparer visuellement la dispersion et le centre de chaque groupe simultanément — un groupe dont la boîte est nettement plus large présente une plus grande variabilité, ce qui constitue une vérification visuelle utile avant et après le test formel.
Questions fréquentes
Qu'est-ce qu'un test d'égalité des variances ?
Un test d'égalité des variances est un test d'hypothèse qui vérifie si deux groupes ou plus présentent la même variabilité. Plutôt que de comparer les moyennes, il vérifie si la variance ou l'écart-type est statistiquement cohérent entre les groupes. C'est un prérequis pour des outils tels que l'ANOVA, les tests t à deux échantillons et la régression, qui supposent l'égalité des variances.
Faut-il utiliser le test de Bartlett ou le test de Levene ?
Utilisez le test de Bartlett lorsque les données suivent une distribution normale, car il est le plus puissant sous normalité. Utilisez le test de Levene, ou le test de Bonett, lorsque les données peuvent ne pas être normales, car il est plus robuste à l'écart à la normalité. Le test F sert à comparer exactement deux groupes avec des données normales.
Comment interpréter un test d'égalité des variances ?
Une valeur p inférieure à votre seuil de signification, généralement 0.05, indique qu'au moins un groupe a une variance significativement différente. Recherchez la source de l'inégalité des variances avant de poursuivre plutôt que d'ignorer un résultat significatif. Des intervalles de confiance qui se chevauchent sur le graphique de synthèse suggèrent que les variances peuvent être égales.
Combien d'échantillons faut-il pour un test d'égalité des variances ?
Au moins 20 observations par groupe sont recommandées pour obtenir des estimations de variance fiables. Avec moins de 5 par groupe, les estimations de variance ne sont pas fiables : recueillez donc davantage de données avant de tester. Les données doivent être continues ; pour des données d'attribut, utilisez plutôt des tests du khi-deux ou de proportions.
