Outils de recherche › ANOVA Post-hoc Comparison

ANOVA Post-hoc Multiple Comparison (Tukey HSD / Bonferroni / Holm)

After ANOVA shows a difference among several groups, post-hoc pairwise comparison identifies which groups differ. This tool first runs a one-way ANOVA, then gives each pair's mean difference, Tukey-Kramer HSD (with 95% simultaneous intervalle de confiances), and Bonferroni- and Holm-corrected Valeur Ps. Calcul local dans le navigateur ; aucune donnée n'est envoyée.

① Saisir les données

One group per row (≥3 groups), numbers within a group separated by space or comma. You may write "GroupName:" at the start of a line — it is ignored automatically.

Mode d'emploi et méthodologie

Pourquoi des tests post-hoc après ANOVA ?

L'ANOVA à un facteur répond seulement « au moins un groupe diffère des autres » sans dire lesquels. La comparaison appariée post-hoc juge chaque paire tout en contrôlant l'inflation des faux positifs due aux comparaisons multiples, en général après une ANOVA significative (P<0,05).

Comment choisir entre Tukey, Bonferroni, Holm ?

Tukey HSD (cet outil utilise Tukey-Kramer, compatible avec des effectifs inégaux) est la méthode classique pour toutes les paires et donne des IC simultanés ; Bonferroni divise le seuil de significativité par le nombre de comparaisons — simple mais conservateur ; Holm améliore Bonferroni et est plus puissant. Rapportez en général Tukey ; si seules quelques paires importent ou pour cohérence avec d'autres analyses, utilisez Bonferroni/Holm.

Comment lire l'intervalle de confiance à 95 % ?

L'IC 95 % du tableau est l'IC simultané de Tukey (déjà corrigé pour les comparaisons multiples). Si l'IC d'une comparaison ne contient pas 0, la différence de moyennes de cette paire est significative au niveau 0,05, cohérent avec Tukey P<0,05.

Que faire si les variances sont inégales ?

Tukey/Bonferroni supposent l'homogénéité des variances. Si les variances de groupes diffèrent clairement, utilisez une méthode sans cette hypothèse comme Games-Howell (non fourni ici), ou testez d'abord l'homogénéité des variances.