Analyse de Khi-carré : fondements, démarche, intérêt et limites

Abstract

En tant que l’une des techniques d’analyse des données les plus utilisées, le test de Khicarré reste malheureusement très mal appliqué et surtout très mal interprété. Aussi, dans cet article, les auteur.e.s se propose de passer en revue, sous un éclairage nouveau et  contextualisé, non seulement, les présupposés théoriques et les conditionnalités relatives à l’application de ce test, mais aussi, l’intérêt et  les pièges à éviter dans son implémentation et dans l’interprétation des résultats qui en sont issus. Alors que la plupart d’ouvrages et  autres articles sur la question se limitent principalement à l’étude de Khi-carré d’indépendance, dans le présent article, il a également  d’autres types de test de Khi-carré comme le Khi-carré d’ajustement et le Khi-carré d’homogénéité. Par ailleurs, au-delà des discussions  théoriques, des illustrations et des exemples concrets sont proposés dans le but de permettre aux lecteur.trice.s de se mettre en  situation et d’appliquer la démarche théorique proposée. Cette façon de procéder parait d’autant plus importante que le test de Khi- carré constitue, dans la plupart des cas, un préalable à l’utilisation des tests statistiques les plus robustes comme la régression logistique,  l’analyse discriminante, etc.

As one of the most widely used data analysis techniques, the Chi-square test unfortunately remains very poorly applied and above all  very misinterpreted. Also, in this article, the authors propose to review, in a new and contextualized light, not only the theoretical presuppositions and conditionalities relating to the application of this test, but also, the interest, limits and pitfalls to avoid in its  implementation and in the interpretation of the results that come from it. While most books and other articles on the subject are mainly  limited to the study of independence Chi-square, in this article it also has other types of Chi-square test such as fit Chi-square and  homogeneity Chi-square. In addition, beyond the theoretical discussions, illustrations and concrete examples are proposed to allow  readers to put themselves in a situation and apply the proposed theoretical approach. This approach seems more important since the Chi-square test is, in most cases, a prerequisite for the use of the most robust statistical tests such as logistic regression, discriminant  analysis, etc.