Conditions application analyse variance

Lorsque l'on doit faire un test de Student "t.test", on doit s'assurer de la normalité de la variable et que les variances des deux groupes ne soient pas statistiquement significativement différents.

L'analyse de variance "aov" ou "summary(aov())" est une extensoin du test de Student à plusieurs strates.

Or lorsque les variances sont statistiquement significativement différentes, dans le "t.test" on peut le spécifier avec "var.equal=FALSE".

Est ce que quelqu'un sait où est ce que je peux trouver cette option dans la fonction "aov" ou une autre fonction qui offre cette option?

Bonjour
Je pensais que mon premier message serait une question... ben non ce sera une réponse :)

Tout d'abord "aov" n'est qu'une pseudo analyse de variance.
C'est l'anova qui est une véritable analyse de variance, et par conséquent effectivement une version pour k échantillons du test de student réservé à 2 échantillons.
"aov" est équivalent à la fonction "lm" : c'est une linéarisation du modèle.

Pour avoir l'anova, il faut faire :

Code:

---

> anova(aov(x~y))

---

ou

Code:

---

> anova(lm(x~y))

---

qui donneront le même résultat.

En effet il faut que les résidus aient une distribution normale, et que les variances soient homogènes, pour pouvoir réaliser une anova correcte.

Si la condition d'homogénéité des variances n'est pas vérifiée, pas d'anova!

Il faut faire un test non-paramétrique équivalent à l'anova, mais qui compare les sommes des rangs au lieu des moyennes.

Le test de Kruskal-Wallis est là pour ça :

Code:

---

> kruskal.test(x~y)

---

Tcho

Merci bien pour cette réponse très claire!