Indépendants ou appariés ?

Bonjour à tous,
J'aurais une question quant au choix d'un test statistique.
Voici le type de données que j'ai.
J'ai 4 groupes, un contrôle et 3 avec des traitement différents. Une fois par semaine je fais des mesures sous forme de scores. Ce qui fait que pour chaque groupe j'ai 11 mesures dans le temps. (Si je fais un graphe l'ordonnée représente mon score et l'abscisse le temps).
Donc je souhaite faire un test statistique pour voir si le traitement a un effet, donc comparer les 4 groupes les uns aux autres.
J'ai regardé la normalité des données, 2 groupes ont des données qui suivent la loi normale et les 2 autres non.
Donc je fais un test non-paramétrique.
Quand j'arrive à ce point je dois déterminer si mes échantillons sont appariés ou non.
Pour moi ils sont indépendant, même si chaque semaine je fais une mesure sur l'ensemble des groupes. Donc je choisirais un test Kruskall-Wallis pour comparer chacun des groupes sur l'ensemble du temps de mesure.
Un collègue me dit qu"ils sont appariés car la composante temps fait que ça apparie les résultats selon lui donc que je devrais faire un test Friedman.

Quel test devrais-je réellement faire pour déterminer si après mes 10 semaines de mesures j'ai une différence entre les groupes ?

Merci !

Réponses

  • Bonjour.

    On appelle ce genre de situation des mesures répétées. On parle d'appariement lorsqu'il y a une seule répétition.
    Si ce sont les mêmes individus sur lesquels on fait une mesure chaque semaine, bien évidemment, il n'y a pas indépendance; par exemple la mesure des tailles de bébés sur les 11 premières semaines ne sont en rien indépendantes :le bébés les plus grands restent les plus grands.

    Cordialement.
  • Bonjour
    Je vous remercie pour votre réponse mais je n'arrive pas à comprendre quel test choisir.
    Cdt
  • Je manque d'éléments pour pouvoir aller plus loin. Il y a 4 groupes. On compare des scores globaux, ou des scores individuels ($n_i$ scores pour le i-ième groupe) ? les groupes sont-ils de même taille ? etc.

    Pour des groupes de mêmes tailles pas trop faibles et des scores individuels, une anova à mesures répétées permettra de vérifier qu'il y a un effet d'au moins un traitement (résultats différents). Ensuite, une étude descriptive des résultats peut guider dans la suite de l'analyse. Mais pas de test général pour justifier qu'une des méthode est meilleure.

    Rappel : "Quel test ?" est généralement la mauvaise question dans un début d'analyse statistique; les test d'hypothèses servent à vérifier des hypothèses bien définies. Donc la bonne question est "que se passe-t-il ?", et on y répond par de l'analyse descriptive (représentations, synthèses, .. voire techniques genre ACP ou autres).

    Cordialement.
Connectez-vous ou Inscrivez-vous pour répondre.