Exemple

L’anova à 2 facteurs avec répétitions

La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Analyse de la variance à deux facteurs

Frédéric Bertrand1
1 IRMA, Université de Strasbourg
Strasbourg, France

Magistère 2e Année

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Contexte
Nous nous proposons d’analyser l’influence du temps et de
trois espèces ligneuses d’arbre sur la décomposition de la
masse d’une litière constituée de feuilles de Lierre.
Pour ce faire, 24 sachets d’une masse identique de feuilles de
lierre ont été constitués, sachets permettant une décomposition
naturelle. Puis une première série de 8 sachets, choisis au
hasard, a été déposée sous un chêne, une deuxième sous un
peuplier, et la dernière série sous un frêne.
Après 2, 7, 10 et 16 semaines respectivement, deux sachets
sont prélevés au hasard sous chaque arbre et la masse
résiduelle est déterminée pour chacun d’eux. Cette masse est
exprimée en pourcentage de la masse initiale.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Les données
Les valeurs observées sont données dans le tableau suivant :

Semaine Chêne Peuplier Frêne

2 85, 10 85, 20 84, 30
87, 60 84, 90 85, 75
7 75, 90 73, 00 72, 80
72, 85 75, 70 70, 80
10 71, 60 74, 15 67, 10
66, 95 71, 85 64, 95
16 62, 10 67, 25 58, 75
64, 30 60, 25 59, 00

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Les écritures
Nous pouvons écrire ce tableau sous forme standard, qui est
celle utilisée dans la plupart des logiciels et en particulier avec
le logiciel R, c’est-à-dire avec trois colonnes, une pour la
semaine, une pour l’espèce et une pour la masse, et 24 lignes,
une pour chaque sachet.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Les données
Sachets Semaines Espèces Masses
1 2 Chêne 85, 10
2 2 Chêne 87, 60
3 2 Peuplier 85, 20
4 2 Peuplier 84, 90
5 2 Frêne 84, 30
6 2 Frêne 85, 75
7 7 Chêne 75, 90
8 7 Chêne 72, 85

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Les données
Sachets Semaines Espèces Masses
9 7 Peuplier 73, 00
10 7 Peuplier 75, 70
11 7 Frêne 72, 80
12 7 Frêne 70, 80
13 10 Chêne 71, 60
14 10 Chêne 66, 95
15 10 Peuplier 74, 15
16 10 Peuplier 71, 85

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Les données
Sachets Semaines Espèces Masses
17 10 Frêne 67, 10
18 10 Frêne 64, 95
19 16 Chêne 62, 10
20 16 Chêne 64, 30
21 16 Peuplier 67, 25
22 16 Peuplier 60, 25
23 16 Frêne 58, 75
24 16 Frêne 59, 00

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Le but
Nous nous proposons d’utiliser l’analyse de la variance à deux
facteurs. Nous observons trois variables :
1 deux d’entre elles sont des variables contrôlées, l’espèce
d’arbre, qualitative à trois modalités, et la semaine qui peut
être considérée comme qualitative à quatre modalités.
2 La troisième variable est une réponse quantitative.
Donc l’analyse de la variance à deux facteurs (semaine et
espèce d’arbre) croisés, avec interaction, peut convenir, entre
autres méthodes d’analyse de ces données.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Le contexte
Dans l’étude des effets simultanés d’un facteur à I modalités et
d’un facteur à J modalités sur une variable quantitative Y ,
supposons que Y suive des lois normales, a priori différentes
dans les IJ populations disjointes déterminées par la
conjonction de deux modalités des facteurs étudiés.
Supposons que, dans la population correspondant à la
modalité d’ordre i du premier facteur et à la modalité d’ordre j
du deuxième facteur, nous ayons :

L(Y ) = N (µij ; σ 2 ), pour i = 1, . . . , I et j = 1, . . . , J.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

L’idée
Pour mettre en évidence les éventuelles différences entre le
comportement de la variable Y dans les I modalités du premier
facteur, dans les J modalités du deuxième facteur, ou encore
dans l’interaction entre les deux facteurs, nous considérons des
échantillons indépendants de même taille K de la variable Y
dans chacune des IJ populations , soit au total un n-échantillon
avec n = IJK .

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Le modèle statistique
Pour la variable d’ordre k de la population d’indice (i, j), notée
Yijk , nous posons :

Yijk = µ + αi + βj + (αβ)ij + Eijk ,

pour tout i = 1, . . . , I; j = 1, . . . , J; k = 1, . . . , K , avec, pour

éviter une surparamétrisation, les contraintes
I
X J
X I
X J
X
αi = βj = (αβ)ij0 = (αβ)i0 j = 0,
i=1 j=1 i=1 j=1

pour i0 = 1, . . . , I; et j0 = 1, . . . , J.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Les hypothèses du modèle

Les variables Eijk sont ainsi supposées suivre une loi normale
N (0; σ 2 ).
Leurs réalisations, notées eijk , sont considérées comme les
erreurs de mesure, elles sont inconnues et vérifient :

yijk = µij + eijk , pour i = 1, . . . , I; j = 1, . . . , J; k = 1, . . . , K .

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Les trois tests

L’analyse de la variance à deux facteurs avec répétitions
permet trois tests de Fisher. Nous testons :
l’effet du premier facteur F1 : Nous testons l’égalité des I
paramètres αi correspondant aux I modalités du premier
facteur

 H0 : les paramètres αi sont tous nuls
contre
H1 : les paramètres αi ne sont pas tous nuls.


Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Le deuxième test
Nous testons :
l’effet du deuxième facteur F2 . Il consiste à tester l’égalité
des J paramètres βj correspondant aux J modalités du
deuxième facteur

 H0 : les paramètres βj sont tous nuls
contre
H1 : les paramètres βj ne sont pas tous nuls.


Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Le troisième test
Nous testons :
l’effet de l’interaction entre les facteurs F1 et F2 . Il consiste
à comparer

 H0 : les IJ paramètres (αβ)ij sont tous nuls
contre
H1 : les IJ paramètres (αβ)ij ne sont pas tous nuls.


Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Notations
Nous posons
1X
Y = Yijk ,
n
i,j,k

1 X 1 X 1 X
Y ij• = Yijk , Y i•• = Yijk , Y •j• = Yijk .
K JK IK
k j,k i,k

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Notations
X X
SCT = (Yijk − Y )2 , SCR = (Yijk − Y ij• )2 ,
i,j,k i,j,k
X X
SCα = (Y i•• − Y )2 , SCβ = (Y •j• − Y )2 ,
i,j,k i,j,k
X
SCαβ = (Y ij• − Y i•• − Y •j• + Y )2 .
i,j,k

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

L’équation de l’anova
L’équation de l’analyse de la variance devient pour ce modèle :

SCT = SCR + SCα + SCβ + SCαβ .

où
la somme SCT , la somme totale, mesure la somme des
carrés des écarts à la moyenne globale, toutes causes
confondues,

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

L’équation de l’anova - Suite

la somme SCR , la somme résiduelle, cumule les carrés
des écarts des différentes observations à la moyenne de
l’échantillon dont elles font partie. Dans la somme totale
elle représente la part de la dispersion due aux
fluctuations individuelles.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

L’équation de l’anova - Suite

la somme SCα , la somme due au premier facteur, ou
somme entre modalités du facteur Fα , mesure l’effet du
premier facteur.
la somme SCβ , ou somme due au deuxième facteur, ou
somme entre modalités du facteur Fβ , mesure l’effet du
deuxième facteur.
la somme SCαβ mesure l’effet de l’interaction entre les
deux facteurs.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Propriété
Sous les différentes hypothèses H0 d’égalité des paramètres
de la décomposition des µij , nous pouvons préciser les lois
respectives des variables précédentes. Elles suivent des lois du
χ2 :
   
1 2 1
LH0 SCT = χ n−1 , L SCR = χ2 n−IJ ,
σ2 σ2
   
1 2 1
LH0 SCα = χ I−1 , LH0 SCβ = χ2 J−1 ,
σ2 σ2
 
1
LH0 SCαβ = χ2 (I−1)(J−1) .
σ2

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Suite de la propriété
De plus, les variables SCR et SCα , SCR et SCβ , SCR et SCαβ
sont indépendantes, de sorte que :
 
SCα
 I−1 
LH0  SCR  = F(I−1),IJ(K −1) ,


IJ(K − 1)
 
SCβ
 J −1 
LH0  SCR  = F(J−1),IJ(K −1) ,


IJ(K − 1)

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Fin de la propriété
SCαβ
 
 (I − 1)(J − 1) 
L H0   = F(I−1)(J−1),IJ(K −1) .
 SCR 
IJ(K − 1)

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Les tests
Les tests sont réalisés à l’aide des valeurs numériques
suivantes :
1 X 1 X
y= yijk , y ij• = yijk ,
IJK K
i,j,k k
1 X 1 X
y i•• = yijk , y •j• = yijk .
JK IK
j,k i,k

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Les tests - Suite

 
X X K
J X
I X
scT = (yijk − y )2 =  2 
yijk − IJK y 2 ,
i,j,k i=1 j=1 k =1
 
X XI X
J X
K I X
X J
scR = (yijk 2
− y ij• ) =  2 
yijk − K y 2ij• ,
i,j,k i=1 j=1 k =1 i=1 j=1

X I
X
scα = (y i•• − y )2 = JK y 2i•• − IJK y 2 ,
i,j,k i=1

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Les tests - Fin

X J
X
scβ = (y •j• − y )2 = IK y 2•j• − IJK y 2 ,
i,j,k j=1
X
scαβ = (y ij• − y i•• − y •j• + y )2
i,j,k
I X
X J I
X J
X
= K y 2ij• − JK y 2i•• − IK y 2•j• + IJK y 2 .
i=1 j=1 i=1 j=1

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Décision
Pour un seuil α(= 5% = 0, 05 en général), les tables de la loi de
Fisher notée F nous fournissent pour chacun des trois tests
une valeur critique c telle que PH0 (F < c) = 1 − α. Alors nous
décidons : 
H1 est vraie si c 6 f ,
H0 est vraie si f < c.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Les résultats des calculs sont généralement présentés sous la

forme d’un tableau.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Tableau de l’anova
Source de Somme d.l. F
Variation des carrés
sα2
Due à Fα scα I−1 fα =
sR2
sβ2
Due à Fβ scβ J −1 fb =
sR2
2
sαβ
Interaction Fαβ scαβ (I − 1)(J − 1) fαβ =
sR2
Résiduelle scR IJ(K − 1)
Totale scT n−1

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Exemple
Pour l’exemple précédent, en utilisant R, le tableau de l’analyse
de la variance s’écrit :

Sum Sq Df F P
Semaine 1741.31 3 121.6927 3.004e − 09
Arbre 58.08 2 6.0881 0.01495
Interaction 30.22 6 1.0559 0.43853
Résiduelle 57.24 12
Totale 1886.84 23

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Conclusion
1 Si nous décidons H1 , il y a effet du premier facteur.
2 Si nous décidons H1 , il y a effet du deuxième facteur.
3 Si nous décidons H1 , il y a effet de l’interaction entre les
deux facteurs. Dans ce cas, pour préciser le type
d’interaction mise en évidence par le test, nous pourrons
comparer les moyennes y ij• pour les différentes valeurs de
i et j.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Conclusion
Graphiquement, nous porterons en abscisse les valeurs de i
(les I modalités). Pour chaque valeur de j nous relierons les
valeurs de y ij• portées en ordonnées. L’aspect du faisceau des
lignes brisées, variant ou non dans le même sens,
s’interprétera facilement.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Graphique des interactions

85
Tableau$Especes

2
1
3
80
mean of Tableau$Masses

75
70
65
60

2 7 10 16

Tableau$Semaines

F IGURE: Représentation graphique des interactions

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple Le modèle
L’anova à 2 facteurs avec répétitions Les tests
La vérification des conditions Les statistiques
Les comparaisons multiples Les formules de calculs
L’anova à 2 facteurs sans répétitions Le tableau de l’analyse de la variance

Graphique des interactions

85
Tableau$Semaines

2
7
10
80

16
mean of Tableau$Masses

75
70
65
60

1 2 3

Tableau$Especes

F IGURE: Représentation graphique des interactions

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Vérification des conditions

Pour ce modèle, l’estimation des moyennes théoriques µij se
fait par les moyennes observées y ij• (« valeurs ajustées »). Les
résidus sont alors donnés par l’expression :

bijk = yijk − y ij• ,

e i = 1, . . . , I; j = 1, . . . , J; k = 1, . . . , K .

Leur normalité et l’homogénéité des variances se vérifient par

les mêmes méthodes que pour une analyse de la variance à un
facteur.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Vérification des conditions sur l’exemple

Commençons par tester la normalité des résidus.
> shapiro.test(residus)
Shapiro-Wilk normality test
data: residus
W = 0.9763, p-value = 0.8187
« L’hypothèse de normalité des résidus est acceptée
(p=0.8187) ».

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Vérification des conditions sur l’exemple - Suite et fin

Nous allons maintenant chercher à tester l’homogénéité
des variances.
Malheureusement, dans le cas qui nous intéresse, nous ne
pouvons pas tester l’homogénéité des populations parce
qu’il n’y a que deux observations pour chacune d’elles et la
puissance d’un tel test serait très faible. Nous verrons dans
le dernier paragraphe, comment nous pouvons parer à cet
inconvénient. La solution que nous proposerons n’est pas
aussi performante que si nous testions l’homogénéité mais
elle sera un bon indicateur pour savoir si cette condition
est vérifiée.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Comparaisons multiples
Lorsque l’effet d’un facteur a été mis en évidence, le test de
Tukey ou celui de Dunnett s’applique chaque fois que le nombre
d’observations le permet, à l’aide de la même statistique. Les
effectifs ni et ni 0 sont alors ceux des classes comparées.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Comparaisons multiples sur l’exemple

Nous allons réaliser les comparaisons multiples pour le facteur
« Semaines »avec R.
Semaines
diff lwr upr p adj
7-2 -11.966667 -15.71019 -8.2231474 0.0000033
10-2 -16.041667 -19.78519 -12.2981474
0.0000001
16-2 -23.533333 -27.27685 -19.7898141
0.0000000
10-7 -4.075000 -7.81852 -0.3314808 0.0316623
16-7 -11.566667 -15.31019 -7.8231474 0.0000047
16-10 -7.491667 -11.23519 -3.7481474 0.0003427

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Comparaisons multiples sur l’exemple

Facteur 1 : Semaine. Nous obtenons les clases d’égalité
suivantes :

Modalités Moyennes Classes

du facteur observées d’égalité
S2 85.47500 A
S7 73.50833 B
S10 69.43333 C
S16 61.94167 D

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Comparaisons multiples sur l’exemple

Nous allons réaliser les comparaisons multiples pour le facteur
« Especes » avec R.
Especes
diff lwr upr p adj
2-1 0.73750 -2.175756 3.65075565 0.7818482
3-1 -2.86875 -5.782006 0.04450565 0.0537077
3-2 -3.60625 -6.519506 -0.69299435 0.0161088

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
La vérification des conditions
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Exemple
Facteur 2 : Arbre. Nous obtenons les clases d’égalité
suivantes :

Modalités Moyennes Classes

du facteur observées d’égalité
Chêne 73.30000 A
Peuplier 74.03750 A
Frêne 70.43125 B

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

L’idée générale
Dans le cas où nous étudions l’effet simultané de deux facteurs
à, respectivement, I et J modalités et que nous disposons
d’une seule observation pour chaque population, c’est à dire
K = 1, les résultats du paragraphe précédent ne sont plus
valables. Nous devons supposer que l’interaction entre les
deux facteurs est nulle. Partant du même modèle, nous
écrivons plus simplement :

Yij = µ + αi + βj + Eij

I
X J
X
avec les contraintes αi = βj = 0.
i=1 j=1

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Notations
Nous avons les notations analogues :

1 X 1X 1X
y= yij , y i• = yij , y •j = yij ,
IJ J I
i,j j i
X X
scT = (yij − y )2 = yij2 − IJy 2 ,
i,j i,j
X
scR = (yij − y i• − y •j + y )2 ,
i,j

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Notations
X X
scα = (y i• − y )2 = J y 2i• − IJy 2 ,
i,j i
X X
scβ = (y •j − y )2 = I y 2•j − IJy 2 .
i,j j

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Remarque importante
Remarquons que l’expression définissant, dans le cas avec
répétitions, la somme des carrés associée à l’interaction, est
associée ici à la somme des carrés de la résiduelle.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Tableau de l’analyse de la variance

Nous avons alors le tableau de l’analyse de la variance suivant :

Source de Somme d.l. F

Variation des carrés
sα2
Due à Fα scα I − 1 fα =
sR2
sβ2
Due à Fβ scβ J − 1 fβ =
sR2
Résiduelle scR (I − 1)(J − 1)
Totale scT IJ − 1

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

L’idée générale
La démarche est alors analogue à celle de l’analyse de la
variance à deux facteurs avec répétitions. Notons que dans ce
cas les valeurs ajustées sont données par

cij = y i• + y •j − y
µ

et les résidus par l’expression :

bij = yij − y i• − y •j + y ,
e i = 1, . . . , I; j = 1, . . . , J.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Exemple
L’influence d’un traitement grossissant, à base de vitamines, est
étudiée sur des animaux de races différentes. Pour cela nous
disposons d’animaux de trois races, notées Ri , pour i = 1, 2, 3,
et nous avons effectué trois traitements, notés Dj , pour
j = 1, 2, 3, utilisant respectivement 5, 10 et 15µg de vitamines
B12 par cm3 . Le gain moyen de poids par jour est mesuré, à
l’issue d’un traitement de 50 jours dans chaque cas. Un seul
animal est utilisé pour chaque couple « race-traitement ».

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Les données
Voici les résultats des mesures :

R1 R2 R3
D1 1, 26 1, 21 1, 19
D2 1, 29 1, 23 1, 23
D3 1, 38 1, 27 1, 22

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

L’objectif
Nous nous proposons d’effectuer une analyse de la variance à
deux facteurs sans répétitions, il y a en effet une seule
observation par « case ». Les facteurs, contrôlés, à effets fixes,
sont la race et la dose, tous les deux à 3 modalités. La réponse
est le gain moyen de poids.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Les données
Cet ensemble de données doit être saisi, dans un logiciel sous
la forme d’un tableau empilé :

Races Doses Gains

R1 D1 1, 26
R1 D2 1, 29
R1 D3 1, 38
R2 D1 1, 21
R2 D2 1, 23
R2 D3 1, 27
R3 D1 1, 19
R3 D2 1, 23
R3 D3 1, 22

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Les hypothèses
Nous testons les hypothèses :
 R
 H0 : les races n’ont pas d’effet,
contre
 R
H1 : les races ont un effet

et  D
 H0 : les doses n’ont pas d’effet,
contre
 D
H1 : les doses ont un effet.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Le tableau de l’anova
Voici le tableau de l’analyse de la variance construit par R :

SumSq Df MeanSq F value Pr(>F)

Races 0.0152667 2 0.0076333 9.7447 0.02900
Doses 0.0074000 2 0.0037000 4.7234 0.08849
Res. 0.0031333 4 0.0007833

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Les résultats
Nous décidons :
1 H1R est vraie, il y a un effet de la race (p =0.02900)
2 H0D est vraie, il n’y a pas d’effet de la dose sur le gain de
poids (p = 0.08849).

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Vérification des hypothèses

Nous vérifions à présent les conditions d’application de
l’analyse de la variance.
Indépendance des données : Ok !
Normalité des résidus :
> shapiro.test(residus)
Shapiro-Wilk normality test
data: residus
W = 0.9798, p-value = 0.9632
Nous décidons que l’hypothèse de normalité est vérifiée.
Nous décidons que la normalité de l’erreur théorique est
acceptée.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Vérification des hypothèses

Il nous reste plus qu’à vérifier l’égalité des variances des
résidus ou encore appelé l’homogénéité des variances.
Remarquons tout d’abord que nous ne pouvons pas tester
l’égalité des variances : en effet nous n’avons qu’une
observation par « case ». Cependant, à titre indicatif, nous
pouvons tester : l’égalité des variances des gains selon les
races,

 H0 : les variances des races sont égales,
contre
H1 : les variances des races ne sont pas égales.


Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Vérification des hypothèses

Le test de Bartlett donne :
>
bartlett.test(residus∼races,data=exemple2)
Bartlett test of homogeneity of variances
data: residus by races
Bartlett’s K-squared = 3.2583, df = 2,
p-value = 0.1961
Nous décidons donc que l’hypothèse d’homogénéité est
vérifiée. Nous décidons que les variances théoriques des
gains des trois races sont égales.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Vérification des hypothèses

Nous pouvons tester aussi : l’égalité des variances des gains
des doses,

 H0 : les variances des doses sont égales,
contre
H1 : les variances des doses ne sont pas égales.


Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Vérification des hypothèses

Le test de Bartlett donne :
>
bartlett.test(residus∼doses,data=exemple2)
Bartlett test of homogeneity of variances
data: residus by doses
Bartlett’s K-squared = 1.0819, df = 2,
p-value = 0.5822
Nous décidons donc que l’hypothèse d’homogénéité est
vérifiée. Nous décidons que les variances théoriques des
gains des trois doses sont égales.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Vérification des hypothèses

Cependant ces deux résultats ne nous garantissent pas
l’égalité des 9 variances théoriques mais sont de bons
indicateurs pour l’homoscédasticité.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Comparaisons multiples
Comme nous avons décidé que H1R est vraie, il y a un effet de
la race, nous allons procéder à des comparaisons multiples
pour analyser comment les races sont différentes par rapport
au gains de poids.
Pour ce faire nous utilisons le test de Tukey au seuil de
α = 5% = 0, 05.

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Script de R et sorties de R
> TukeyHSD(model1)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = gains ∼ races + doses, data
= exemple2)
races
diff lwr upr p adj
2-1 -0.07333333 -0.1547783 0.008111587
0.0686703
3-1 -0.09666667 -0.1781116 -0.015221747
0.0288386
3-2 -0.02333333 -0.1047783 0.058111587
0.6040386

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Résumé des résultats

Nous pouvons résumer ces résultats par le tableau :

Modalités Classes
du facteur d’égalité
R1 A
R2 B
R3 B

Frédéric Bertrand Analyse de la variance à deux facteurs

 Exemple
L’anova à 2 facteurs avec répétitions
Modèle et sommes des carrés
La vérification des conditions
Étude complète d’un exemple
Les comparaisons multiples
L’anova à 2 facteurs sans répétitions

Conclusions
Nous montrons ainsi que la première race est différente des
deux autres, dont le gain de poids est similaire.
Comme nous avons décidé H0D est vraie, il n’y a pas d’effet de
la dose sur le gain de poids, nous allons calculer le risque β a
posteriori.
Pour cela, nous calculons : Φ = 1, 575. En reportant cette
dernière valeur sur le graphique de l’abaque correspondant à
ν1 = J − 1 = 2 et à ν2 = (I − 1)(J − 1) = 4, nous obtenons
π1 = 0, 45 et β = 0, 55. Ce qui signifie, que le non effet de la
dose est associé à un risque de l’ordre de 0, 55 ce qui est
relativement important.

Frédéric Bertrand Analyse de la variance à deux facteurs