Conseiller de méthodes statistiques
"Quelle méthode statistique utiliser pour mes données ?" — answer a few questions and the advisor recommends a statistical method and takes you straight to the matching online tool. Covers common scenarios: group comparison, correlation/regression, diagnostic tests, survival analysis, and agreement/reliability. For method selection only; make the final call in light of your study design.
What is the goal of your study?
Mode d'emploi et méthodologie
Ce conseiller peut-il décider à ma place ?
Il propose une « orientation recommandée » pour les situations courantes, afin de choisir rapidement une méthode adaptée et d'ouvrir l'outil. Le choix réel dépend aussi du design, de la distribution des données, de la taille d'échantillon et du sens des variables ; pour un design complexe ou atypique, consultez un statisticien.
Comment juger si les données sont normales ?
Regardez un histogramme/diagramme Q-Q ou faites un test de normalité ; avec de grands échantillons, les tests t/ANOVA sont assez robustes aux écarts à la normalité ; pour de petits échantillons ou une asymétrie nette, préférez le non paramétrique. En cas de doute, prenez la branche « asymétrique/incertain » — plus sûre.
Et si la méthode dont j'ai besoin n'est pas parmi les outils recommandés ?
Le site ajoute régulièrement des outils. Si une méthode (p. ex. régression de Poisson, modèles mixtes) n'est pas encore disponible, utilisez la plus proche pour l'instant, ou signalez-le via le lien de retour.
Pourquoi des recommandations paramétriques et non paramétriques pour le même type de question ?
Les méthodes paramétriques (t, ANOVA, Pearson) ont plus de puissance mais exigent des hypothèses (normalité/égalité des variances) ; les non paramétriques (Mann-Whitney, Kruskal-Wallis, Spearman) sont plus souples et robustes à l'asymétrie et aux valeurs aberrantes. Choisissez selon le respect des hypothèses.
Collez le lien dans Slack, Teams, X ou LinkedIn — l’aperçu utilise la carte Open Graph de cette page.