Calculateur du test de Friedman
Saisissez une ligne par sujet avec une valeur pour chaque condition et ce calculateur du test de Friedman renvoie la statistique du khi² corrigée des ex æquo, les degrés de liberté, la valeur p, le W de Kendall et une décision au seuil de signification de votre choix.
Comparaison de trois conditions appariées ou plus à partir de leurs rangs
Test de Friedman
Où :
- \(n\) — nombre de sujets (blocs)
- \(k\) — nombre de conditions liées (\(k \ge 3\))
- \(R_j\) — somme des rangs de la condition \(j\) ; les valeurs de chaque sujet sont classées de 1 (la plus petite) à \(k\), les valeurs ex æquo recevant le rang moyen
- \(t\) — taille de chaque groupe de valeurs ex æquo au sein d'un sujet
- \(W\) — coefficient de concordance de Kendall, c'est-à-dire la taille d'effet
La statistique compare les sommes de rangs observées à la valeur attendue lorsque toutes les conditions sont identiques, \(nk(k+1)/4\cdot 2\) ; plus les écarts sont grands, plus \(\chi^2\) est élevé. La correction des ex æquo majore la statistique lorsqu'il y en a, et la valeur p s'obtient à partir de la loi \(\chi^2\) à \(k-1\) degrés de liberté.
Test de Friedman – Exemple de calcul
Exemple : huit sujets évaluent chacun trois produits sur une échelle (ce sont les données préchargées dans le calculateur). Au sein de chaque sujet, les trois notes sont classées de 1 à 3 ; les sommes de rangs valent \(R_1 = 21.5\), \(R_2 = 14.5\), \(R_3 = 12\).
\[ \chi_F^2 = \frac{12}{8 \cdot 3 \cdot 4}\left(21.5^2 + 14.5^2 + 12^2\right) - 3 \cdot 8 \cdot 4 = 6.0625 \]
Un sujet a attribué deux notes identiques ; un groupe d'ex æquo de taille \(t=2\) apporte donc \(t^3 - t = 6\) à la correction :
\[ C = 1 - \frac{6}{8(27 - 4 + -3)} = 1 - \frac{6}{192} = 0.96875, \qquad \chi^2 = \frac{6.0625}{0.96875} = 6.2581 \]
Avec \(df = k - 1 = 2\), l'approximation par la loi \(\chi^2\) donne \(p = 0.0438\), et le \(W\) de Kendall vaut \(W = 6.2581 / (8 \cdot 2) = 0.3911\).
Résultat : \(\chi^2 = 6.2581\), \(df = 2\), \(p = 0.0438\). Au seuil \(\alpha = 0.05\), on rejette \(H_0\) : les trois produits diffèrent significativement par leur position, avec une concordance modérée entre les sujets (\(W \approx 0.39\)).
Comment utiliser le calculateur
- Collez ou saisissez vos données dans Mesures (un sujet par ligne). Chaque ligne doit contenir les valeurs d'un seul sujet, une par condition, séparées par des espaces ou des points-virgules — par exemple
7 6 5ou7; 6; 5. Toutes les lignes doivent comporter le même nombre de valeurs, au minimum trois. - Si vos nombres s'écrivent avec une virgule décimale (par exemple
7,5), vous pouvez les saisir telles quelles : le calculateur les convertit automatiquement. - Choisissez un Seuil de signification (0,10, 0,05, 0,025, 0,01 ou 0,001) : il s'agit du seuil \(\alpha\) utilisé pour la décision de rejet ou de non-rejet.
- Lisez les résultats : la statistique de Friedman corrigée des ex æquo \(\chi^2\), les degrés de liberté, la valeur p, le \(W\) de Kendall, la décision au seuil \(\alpha\), un tableau des sommes de rangs par condition et une courte explication rédigée.
En quoi consiste le test de Friedman
Le test de Friedman est une alternative non paramétrique à l'ANOVA à un facteur avec mesures répétées. Il compare trois conditions liées ou plus — en général les mêmes sujets mesurés sous chacune, ou un plan en blocs randomisés où chaque bloc reçoit tous les traitements — pour déterminer si les conditions diffèrent par leur position (c'est-à-dire si les scores tendent à être systématiquement plus élevés sous certaines conditions que sous d'autres).
Le test repose uniquement sur les rangs. Les valeurs de chaque sujet sont classées au sein même de ce sujet, ce qui neutralise toutes les différences entre sujets : un sujet qui note tout haut contribue au même profil de rangs qu'un sujet qui note tout bas. Si les conditions sont identiques, les rangs de chaque condition sont une permutation aléatoire de \(1, \dots, k\), de sorte que la somme des rangs attendue de chaque condition vaut \(n \cdot k(k+1)/2\). La statistique de Friedman mesure l'écart entre les sommes de rangs observées et cette valeur attendue : si une condition est systématiquement classée en tête, sa somme de rangs est grande, celle d'une autre petite, et \(\chi^2\) augmente.
La valeur p provient de la comparaison de la statistique avec la loi \(\chi^2_{k-1}\). Si \(p \le \alpha\), vous rejetez l'hypothèse nulle et concluez qu'au moins une condition tend à être classée plus haut ou plus bas que les autres — sans pouvoir dire laquelle. Le \(W\) de Kendall, \(W = \chi^2 / (n(k-1))\), quantifie la cohérence des classements établis par les sujets : 0 signifie l'absence totale de concordance, 1 que tous les sujets classent les conditions dans exactement le même ordre ; des valeurs autour de 0,3 à 0,5 sont généralement considérées comme une concordance modérée.
Un résultat significatif n'est qu'une première étape. Pour savoir quelles conditions diffèrent, poursuivez par des comparaisons deux à deux : le test de Nemenyi (une différence critique de \(q_\alpha\sqrt{k(k+1)/(6n)}\) sur les rangs moyens) ou des tests des rangs signés de Wilcoxon avec un seuil de signification ajusté selon Bonferroni. Si vos groupes sont indépendants plutôt qu'appariés, le test de Friedman n'est pas l'outil adapté : utilisez plutôt le test de Kruskal-Wallis.
Conditions d'application et conseils pratiques
- Données appariées : chaque sujet (bloc) doit avoir une valeur pour chaque condition. Les valeurs manquantes ne peuvent pas être traitées : supprimez le sujet concerné ou imputez la valeur avant de saisir les données.
- Sujets indépendants : les sujets (blocs) ne doivent pas s'influencer les uns les autres, tandis que les mesures répétées au sein d'un même sujet sont évidemment liées — c'est précisément l'objet du test.
- Échelle ordinale ou supérieure : les valeurs doivent simplement pouvoir être rangées au sein de chaque sujet ; les échelles de Likert, les rangs et les scores conviennent tous.
- La valeur p est une approximation. La loi \(\chi^2\) de référence devient fiable à mesure que \(nk\) augmente, mais elle a tendance à être un peu libérale (valeurs p trop petites) dans les petits échantillons — par exemple moins d'environ 13 sujets avec \(k = 3\). Dans ce cas, comparez la statistique aux valeurs critiques exactes de Friedman avant de vous fier à une décision à la limite.
- Les ex æquo sont pris en compte, mais s'ils sont nombreux, le test perd de la puissance. Le calculateur applique la correction standard \(C\) ; si tous les sujets donnent des valeurs identiques d'une condition à l'autre, la statistique est nulle par construction et aucune différence ne peut être détectée.
- Interprétez \(W\) en même temps que \(p\). Avec de nombreux sujets, même une différence minuscule et sans importance pratique entre les sommes de rangs peut devenir statistiquement significative ; le \(W\) de Kendall indique si la concordance qui sous-tend le résultat est réellement substantielle. Pour une autre approche de la concordance de rangs entre évaluateurs, consultez le calculateur du tau de Kendall et le calculateur de corrélation des rangs de Spearman.
Le sens de l'effet se lit dans le tableau des sommes de rangs : la condition dont le rang moyen est le plus élevé tend à obtenir les scores les plus hauts, et celle dont il est le plus bas, les plus bas. Comparer le rang moyen de chaque condition à la valeur attendue sous l'hypothèse nulle, \(k(k+1)/2\), révèle quelles conditions tirent le résultat.
Questions fréquentes
Comment calculer le test de Friedman à la main ?
Classez les valeurs de chaque sujet, au sein de ce sujet, de 1 (la plus petite) à \(k\) (en attribuant le rang moyen aux ex æquo), additionnez les rangs de chaque condition pour obtenir \(R_j\), puis calculez \(\chi_F^2 = \frac{12}{nk(k+1)}\sum R_j^2 - 3n(k+1)\). S'il y a des ex æquo, divisez par la correction \(C = 1 - \sum(t^3-t)/(n(k^3-k))\). Comparez le résultat à la loi \(\chi^2\) avec \(df = k-1\) pour obtenir la valeur p.
Quelle est une bonne valeur pour le W de Kendall ?
Le W de Kendall varie de 0 (les sujets ne dégagent aucun ordre cohérent des conditions) à 1 (tous les sujets classent les conditions à l'identique). Les repères habituels qualifient d'environ 0,1 une concordance faible, de 0,3 à 0,5 une concordance modérée et d'au-delà de 0,7 une concordance forte. Un test de Friedman significatif assorti d'un W faible signifie que la différence existe bien, mais que les sujets divergent sensiblement sur l'ordre ; appréciez donc l'importance pratique avec prudence.
Quand utiliser le test de Friedman plutôt qu'une ANOVA ou le test de Kruskal-Wallis ?
Utilisez le test de Friedman lorsque les mêmes sujets (ou des blocs appariés) sont mesurés sous trois conditions ou plus et que vos données sont ordinales ou ne suivent pas une loi normale. Utilisez une ANOVA à mesures répétées lorsque les données vérifient les hypothèses paramétriques et que vous devez modéliser des interactions. Utilisez le test de Kruskal-Wallis lorsque les groupes sont composés de sujets différents et indépendants — il s'agit alors d'un plan inter-sujets, pour lequel le test de Friedman ne serait pas valide.
Peut-on réaliser un test de Friedman avec seulement deux conditions ?
Non : le test exige au moins trois conditions. Avec deux conditions liées, le test non paramétrique approprié est le test des rangs signés de Wilcoxon, auquel le test de Friedman se ramène lorsque \(k = 2\). Le calculateur refusera toute ligne comptant moins de trois valeurs. Par ailleurs, avec deux conditions, l'approximation du khi² est peu fiable ; l'approche des rangs signés fournit alors une meilleure valeur p.
La valeur p fournie par ce calculateur est-elle exacte ?
Non, il s'agit d'une approximation asymptotique fondée sur la loi \(\chi^2\) à \(k-1\) degrés de liberté. Elle devient fiable à mesure que le nombre de sujets augmente, mais dans les petits échantillons — par exemple moins d'environ 13 sujets avec trois conditions — elle a tendance à donner des valeurs p légèrement trop petites. Si votre décision est à la limite avec un petit échantillon, consultez les tables de valeurs critiques exactes de Friedman ou utilisez un logiciel statistique proposant une version exacte ou par permutation.
Comment rapporter les résultats d'un test de Friedman ?
Un rapport conforme aux normes APA comprend généralement la statistique, les degrés de liberté, la valeur p et la taille d'effet, par exemple : \(\chi^2(2) = 6.26, p = .044, W = .39\). Précisez si l'hypothèse nulle a été rejetée au seuil de signification choisi et indiquez que le test établit seulement l'existence d'une différence entre les conditions — procédez ensuite à des comparaisons de Nemenyi ou de Wilcoxon corrigées par Bonferroni pour identifier les conditions qui diffèrent, et rapportez également ces résultats.
Que se passe-t-il si certains sujets ont des valeurs manquantes ou des ex æquo ?
Les ex æquo sont traités automatiquement : les valeurs égales reçoivent le rang moyen et la statistique est corrigée par le facteur \(C\), ce qui majore légèrement \(\chi^2\). Les valeurs manquantes, en revanche, ne peuvent pas être gérées : le test exige une matrice complète, chaque sujet étant mesuré sous chaque condition. Supprimez les sujets présentant une mesure manquante ou imputez la valeur au préalable, et précisez l'approche retenue dans votre rapport.