Test apparié ou non apparié ?Salut,
J'ai un ensemble de données avec des échantillons mesurés après incubation pendant 0, 1 et 2 jours.
Chaque échantillon a été préparé en triple, et chaque réplicat a ensuite été incubé à 0, 1 ou 2 jours.
Je souhaite tester si le temps d'incubation a eu un effet sur les mesures.
Quel test serait correct ? S'agit-il d'un test apparié (paires appariées) ou non apparié ? Les données sont non paramétriques.
Merci.
Ingénierie de la qualité et des procédésRe : Test apparié ou non apparié ?Merci beaucoup pour les réponses. Très utile!
Re : Test apparié ou non apparié ?Bonjour @DI ,
Il existe plusieurs façons de montrer si le temps a une influence (significative) sur votre réponse :
- Visualisation par Graph Builder (image "DI_1") : Ce graphe vous montre assez facilement que la réponse ne semble pas dépendante du temps, mais plutôt influencée par la variabilité des échantillons.
- Modélisation via la plateforme "Fit Model" (image "DI_2") : en créant un modèle mixte (avec Sample_ID comme effet aléatoire) pour voir si l'évolution de la réponse est influencée par le temps, vous pouvez voir que le temps ne semble pas être une variable significative, en contradiction avec l'effet aléatoire "Sample_ID" où la p-value de Wald est proche de 0,05. Avec une approche plus simple (moindres carrés standard avec time et sample_ID comme variables d'entrée), vous verrez la même comparaison : time comme variable non significative, et sample comme significative (ou proche de significative).
- Analyse via la plate-forme d'analyse du système de mesure, pour évaluer et comparer la variance entre le temps des entrées et l'échantillon (image "DI_3") : En créant une analyse MSA avec votre réponse comme réponse, sample_ID comme "Part, sample ID" et Time comme variable de regroupement ( X), vous verrez que 99 % de la variance de la réponse de vos expériences provient de vos échantillons, et non du temps.
- Enfin, vous pouvez également utiliser la plate-forme multivariée, en entrant Temps (comme variable continue) et votre réponse, et dans le triangle rouge en cochant "Corrélations non paramétriques" -> "Spearman" (par exemple), et vous verrez à quel point peu corrélé et non significatif est le temps lié à votre réponse (image "DI_4").
En regardant les résultats des différentes plates-formes, la conclusion semble assez claire.
Je suis presque sûr qu'il y a de meilleures analyses à faire qui peuvent être plus "statistiquement rigoureuses", mais l'aperçu combiné avec 4 outils différents montre un accord.
J'espère que ça t'aide,
Re : Test apparié ou non apparié ?Merci d'avoir répondu à ma question. Excusez-moi de ne pas avoir été clair. Les données ne sont pas distribuées normalement.
Le temps est le seul paramètre changeant.
Alors, puis-je simplement tracer la réponse en fonction du temps (les deux en tant que variables continues) par ID d'échantillon et voir s'ils sont corrélés à l'aide d'un test de corrélation non paramétrique ?
J'ai joint le jeu de données.
Re : Test apparié ou non apparié ?Le temps est généralement traité comme une variable continue, vous pouvez donc régresser Y par rapport au temps et déterminer s'il existe une relation. Que voulez-vous dire lorsque vous dites que les données ne sont pas paramétriques ? Quelle est la réponse ? Avez-vous des groupes ou d'autres variables qui changent dans cette étude ?
Re : Test apparié ou non apparié ?Salut @DI !
Au vu de vos situations et de vos explications, vous avez :
- 3 groupes : 0, 1 et 2 jours,
- Mêmes échantillons pour les trois groupes, puisque les répliques proviennent du même échantillon original.
J'opterais pour un test de Friedman, qui est un test apparié non paramétrique pour plus de deux groupes. Vous avez votre ID d'échantillon (source/original) comme facteur de blocage et Heure/jours comme variable de regroupement (voir l'exemple ci-joint).
Si vous considérez que vos différents réplicats sont indépendants (ne provenant pas de la même source d'échantillon), un test de Kruskall-Wallis peut être approprié.
Plus d'infos ici : Tests non paramétriques (jmp.com)
Je suis sûr que les experts statistiques de cette communauté auront d'autres idées ou questions à vous poser pour vous aider.
J'espère que cette première réponse vous aidera,
