Test de Levene

Vous fournissez chaque groupe sous forme de tableau d'observations numériques et obtenez la statistique de Levene ainsi que sa valeur p en queue supérieure. Cette implémentation applique la version classique centrée sur la moyenne : chaque observation devient sa distance absolue à la moyenne de son groupe, puis ces distances sont comparées par une analyse de variance à un facteur. Le calcul est déterministe, sans accès réseau, et convient lorsque le test F à deux échantillons, sensible à la normalité, n'est pas adapté.

Ce que mesure le test de Levene

Le test de Levene pose comme hypothèse nulle que toutes les populations représentées ont la même variance. Pour chaque groupe, le calculateur détermine la moyenne arithmétique et remplace chaque observation initiale par sa distance absolue à cette moyenne. Il réalise ensuite une analyse de variance à un facteur sur ces distances. Si les distances absolues habituelles diffèrent fortement entre les groupes par rapport à la variation qui subsiste en leur sein, la statistique augmente. La valeur p renvoyée est la probabilité, sous le modèle d'égalité des variances et la loi F de référence, d'obtenir une statistique au moins aussi grande que celle observée. Une faible valeur p constitue donc un indice contre l'égalité des variances. Elle ne donne pas la probabilité que l'hypothèse nulle soit vraie et ne mesure pas l'importance pratique de l'écart. Une valeur élevée ne prouve pas davantage que les variances sont identiques : des échantillons restreints peuvent manquer de puissance. Fixez le seuil de signification avant d'examiner le résultat et interprétez le test avec les graphiques, les tailles d'échantillon, la connaissance des mesures et les conséquences concrètes d'une dispersion inégale.

Comment le calcul est effectué

Fournissez `groups` comme un tableau contenant au moins deux tableaux de nombres finis. Chaque groupe doit comporter au moins deux observations, mais les effectifs peuvent différer et l'ordre n'influence pas le calcul. Le calculateur détermine d'abord la moyenne de chaque groupe par une mise à jour progressive qui évite une somme brute inutilement grande. Il forme les écarts absolus à cette moyenne, calcule leur moyenne dans chaque groupe, puis leur moyenne générale pondérée par les effectifs. La statistique communiquée est le carré moyen intergroupes divisé par le carré moyen intragroupe de ces écarts. Les degrés de liberté du numérateur correspondent au nombre de groupes moins un ; ceux du dénominateur au nombre total d'observations moins le nombre de groupes. La valeur p est la queue supérieure de la loi F correspondante, évaluée de façon déterministe grâce à la fonction bêta incomplète régularisée. La réponse ne contient que `statistic` et `p_value`, ce qui facilite son stockage ou son intégration. Pour rendre compte du résultat, conservez également la définition des groupes, les effectifs, le seuil retenu et la méthode centrée sur la moyenne.

Hypothèses, interprétation et limites

Les observations doivent être indépendantes au sein des groupes et entre eux, et les échantillons doivent représenter convenablement les populations visées par la conclusion. La procédure de Levene est généralement moins sensible aux écarts à la normalité que le test F classique de deux variances, mais elle n'est pas dépourvue d'hypothèses. Une forte dépendance, un échantillonnage biaisé, l'arrondi des mesures, un mélange de populations ou des valeurs aberrantes influentes peuvent fausser le résultat. La forme centrée sur la moyenne employée ici est la construction originale de Levene. La variante de Brown–Forsythe centrée sur la médiane peut mieux résister aux queues lourdes et aux valeurs extrêmes, mais il s'agit d'un autre calcul, qui n'est pas substitué discrètement ici. Examinez les distributions et le mécanisme de production des données avant de transformer une valeur p en décision. Le calculateur refuse moins de deux groupes, les groupes de moins de deux observations, les valeurs non numériques ou non finies et les entrées dépassant les limites. Il signale aussi une erreur si les écarts absolus ne varient pas au sein des groupes, car le dénominateur est nul et aucune statistique F finie ordinaire ne peut être calculée. La signification statistique n'établit à elle seule ni causalité, ni qualité des données, ni importance pratique.