Normality & Variance Homogeneity Tests (Shapiro-Wilk / Levene / Bartlett)
The two assumption checks before a t-test or ANOVA: Shapiro-Wilk tests whether each group is normally distributed (with a Q-Q plot), and Levene and Bartlett test whether multiple groups have equal variances. Use the results to decide between parametric and non-parametric methods.
① Saisir les données
One group per line, values within a group separated by spaces or commas. One group → normality test only; multiple groups → per-group normality + between-group variance homogeneity.
Mode d'emploi et méthodologie
Pourquoi ces deux contrôles d'abord ?
Les tests t et l'ANOVA supposent des données approximativement normales et des groupes à variances égales. Tester ces deux points d'abord permet de choisir entre méthodes paramétriques et non paramétriques, en évitant les mauvaises utilisations et des conclusions peu fiables.
Shapiro-Wilk ou test de K-S ?
Shapiro-Wilk a une meilleure puissance pour la normalité sur petits à moyens échantillons (n<50) et est préféré ; SPSS l'utilise par défaut. Cet outil utilise l'algorithme de Royston (1992), avec des poids cohérents avec les tables originales de Shapiro-Wilk.
En quoi Levene et Bartlett diffèrent-ils ?
Bartlett est très sensible aux écarts à la normalité et se trompe facilement sur des données non normales ; Levene (surtout la version centrée sur la médiane, Brown-Forsythe) est plus robuste et le choix plus général. Lorsque les deux sont donnés, s'appuyer sur Levene est plus sûr.
Que faire si le test est significatif (P<0,05) ?
Échec de normalité : passez à un test non paramétrique (deux groupes Mann-Whitney, plusieurs groupes Kruskal-Wallis), disponible dans l'outil « test non paramétrique ». Variances inégales : utilisez le t/ANOVA corrigé de Welch. Une transformation des données est aussi une option.
Collez le lien dans Slack, Teams, X ou LinkedIn — l’aperçu utilise la carte Open Graph de cette page.