En latin, post hoc signifie \"apr\u00e8s cela\", c'est-\u00e0-dire analyser les donn\u00e9es exp\u00e9rimentales apr\u00e8s coup. <\/p>\n\n\n\n
Le but d'une analyse post-hoc est de trouver des tendances apr\u00e8s la fin de l'\u00e9tude, et de trouver des r\u00e9sultats qui n'\u00e9taient pas l'objectif premier. Ainsi, toutes les analyses effectu\u00e9es apr\u00e8s la fin d'une exp\u00e9rience et qui n'ont pas \u00e9t\u00e9 planifi\u00e9es \u00e0 l'avance sont consid\u00e9r\u00e9es comme des analyses post-hoc. <\/p>\n\n\n\n
Les donn\u00e9es qui ont d\u00e9j\u00e0 \u00e9t\u00e9 collect\u00e9es sont utilis\u00e9es dans une \u00e9tude post-hoc. Les chercheurs analysent ces donn\u00e9es pour d\u00e9velopper de nouveaux objectifs, qui ne figuraient pas dans le plan de l'exp\u00e9rience. Les \u00e9tudes post hoc peuvent donc \u00eatre r\u00e9alis\u00e9es sur des donn\u00e9es agr\u00e9g\u00e9es provenant d'essais pr\u00e9c\u00e9dents. <\/p>\n\n\n\n
La r\u00e9alisation d'analyses post-hoc prend souvent beaucoup de temps, mais elle offre un certain nombre d'avantages. Pour d\u00e9couvrir des informations pr\u00e9cieuses, faites preuve d'une prudence raisonnable et ne surestimez pas les r\u00e9sultats inattendus. Cela pourrait \u00eatre le signe de quelque chose d'important, m\u00eame s'il s'agit d'un \u00e9v\u00e9nement fortuit.<\/p>\n\n\n\n
Les analyses post hoc sont utiles pour \u00e9tudier les taux d'erreur, \u00e9valuer la signification des hypoth\u00e8ses ou d\u00e9terminer si elles sont statistiquement significatives. <\/p>\n\n\n\n
R\u00e9aliser de multiples essais ou s'\u00e9carter de votre axe de recherche principal augmente le risque d'erreurs et de faux positifs. C'est l\u00e0 que le post hoc joue un r\u00f4le cl\u00e9. Comment cela fonctionne-t-il exactement ? <\/p>\n\n\n\n
Analyse post-hoc : comment fonctionne-t-elle ?<\/strong><\/h2>\n\n\n\nIl est toujours possible de tirer des enseignements pr\u00e9cieux des donn\u00e9es, m\u00eame si l'objectif principal n'est pas atteint. Peut-\u00eatre les effets secondaires du m\u00e9dicament et les donn\u00e9es les concernant. Ou tout autre m\u00e9dicament similaire peut \u00e9galement valoir la peine d'\u00eatre test\u00e9. <\/p>\n\n\n\n
L'objectif d'une analyse post-hoc est de r\u00e9pondre \u00e0 des questions apr\u00e8s la fin de l'\u00e9tude, un objectif qui n'a pas \u00e9t\u00e9 \u00e9nonc\u00e9 dans l'\u00e9tude.<\/p>\n\n\n\n
Afin de d\u00e9terminer d'o\u00f9 viennent les diff\u00e9rences, un test post hoc est utilis\u00e9 apr\u00e8s avoir trouv\u00e9 un r\u00e9sultat statistiquement significatif. Les tests post hoc peuvent \u00eatre utilis\u00e9s pour \u00e9valuer les diff\u00e9rences entre plusieurs groupes tout en \u00e9vitant les erreurs dues \u00e0 l'exp\u00e9rience. Plusieurs tests post hoc ont \u00e9t\u00e9 formul\u00e9s, et la majorit\u00e9 d'entre eux donnent des r\u00e9sultats similaires. <\/p>\n\n\n\n![\"\"](\"https:\/\/mindthegraph.com\/blog\/wp-content\/uploads\/2024\/08\/Banner2-1024x410.png\")
<\/a><\/figure>\n\n\n\nIl existe diff\u00e9rents types de tests post hoc<\/strong><\/h2>\n\n\n\nLes donn\u00e9es recueillies au cours d'une recherche ou d'un essai clinique peuvent \u00eatre analys\u00e9es afin de d\u00e9tecter des mod\u00e8les et diff\u00e9rents facteurs. Les tests post hoc les plus courants sont les suivants :<\/p>\n\n\n\n
\n- Proc\u00e9dure Bonferroni :<\/strong> Il est possible d'effectuer plusieurs tests statistiques en m\u00eame temps en utilisant cette correction post hoc de comparaison multiple.<\/li>\n<\/ul>\n\n\n\n
\n- Le nouveau test \u00e0 port\u00e9e multiple (MRT) de Duncan : <\/strong><\/strong>Le test des \u00e9carts multiples de Duncan identifiera les paires de moyennes (parmi au moins trois) qui diff\u00e8rent. <\/li>\n<\/ul>\n\n\n\n
\n- Test de comparaison multiple de Dunn : <\/strong>Il s'agit d'une analyse post hoc effectu\u00e9e apr\u00e8s une ANOVA, un test non param\u00e9trique qui ne suppose pas que vos donn\u00e9es suivent une distribution particuli\u00e8re.<\/li>\n<\/ul>\n\n\n\n
\n- Diff\u00e9rence la moins significative de Fisher (LSD) : <\/strong>D\u00e9termine si deux moyennes sont statistiquement diff\u00e9rentes.<\/li>\n<\/ul>\n\n\n\n
\n- Proc\u00e9dure de Holm-Bonferroni : <\/strong>Le test s\u00e9quentiel de Bonferroni de Holm rend les comparaisons multiples moins strictes.<\/li>\n<\/ul>\n\n\n\n
\n- En utilisant la m\u00e9thode de Newman-Keuls, on peut identifier les \u00e9chantillons qui ont des moyennes diff\u00e9rentes les unes des autres. Newman-Keuls compare des paires de moyennes en utilisant des valeurs critiques diff\u00e9rentes. Par cons\u00e9quent, les diff\u00e9rences significatives sont plus susceptibles d'\u00eatre trouv\u00e9es.<\/li>\n<\/ul>\n\n\n\n
\n- La m\u00e9thode de Rodger : <\/strong>Cette m\u00e9thode statistique est utilis\u00e9e pour \u00e9valuer les donn\u00e9es de recherche de mani\u00e8re post hoc apr\u00e8s une analyse \"multivari\u00e9e\".<\/li>\n<\/ul>\n\n\n\n
\n- La m\u00e9thode de Scheff\u00e9 :<\/strong> Dans la m\u00e9thode de Scheffe, la statistique de test est ajust\u00e9e diff\u00e9remment en fonction du nombre de comparaisons effectu\u00e9es.<\/li>\n<\/ul>\n\n\n\n
\n- Test de Tukey : <\/strong>Le test de Tukey d\u00e9termine si votre \u00e9chantillon est compos\u00e9 de groupes qui diff\u00e8rent les uns des autres. Chaque moyenne est compar\u00e9e \u00e0 la moyenne de tous les autres groupes en utilisant la \"diff\u00e9rence significative honn\u00eate\", qui repr\u00e9sente l'\u00e9cart entre les groupes.<\/li>\n<\/ul>\n\n\n\n
\n- La correction de Dunnett : <\/strong>Ce test post hoc compare les moyennes. Contrairement au test de Tukey, il compare chaque moyenne avec une moyenne de contr\u00f4le.<\/li>\n<\/ul>\n\n\n\n
\n- Proc\u00e9dure de Benjamini-Hochberg (BH) : <\/strong>Un r\u00e9sultat significatif ne se produira que par hasard si vous effectuez de nombreux tests. Le taux de fausse d\u00e9couverte est pris en compte par ce test post hoc.<\/li>\n<\/ul>\n\n\n\n
Rien ne peut battre une pi\u00e8ce visuelle impeccable qui transmet un message complexe.<\/strong><\/h2>\n\n\n\nOui, c'est vrai, avec l'aide des visuels, il est beaucoup plus facile de mettre en perspective les concepts les plus difficiles. \u00c0 l'\u00e8re des visuels, il n'est pas \u00e9tonnant que vous puissiez probablement comprendre la physique quantique de mani\u00e8re beaucoup plus simple gr\u00e2ce \u00e0 l'efficacit\u00e9 des graphiques.<\/p>\n\n\n\n
Vous vous demandez comment commencer ? Pourquoi vous inqui\u00e9ter alors que vous avez l'esprit graphique au bout des doigts ! Avec nous, vous pouvez choisir parmi plus d'un millier d'illustrations dans notre galerie, et r\u00e9aliser des affiches \u00e0 l'aide du g\u00e9n\u00e9rateur d'affiches intelligent que nous avons d\u00e9velopp\u00e9 pour vous. Profitez de l'expertise de notre \u00e9quipe talentueuse et obtenez un produit adapt\u00e9 \u00e0 vos besoins. Pour plus d'informations, visitez notre site web<\/a>.<\/p>\n\n\n\n
<\/a><\/figure>\n\n\n\nIl existe diff\u00e9rents types de tests post hoc<\/strong><\/h2>\n\n\n\nLes donn\u00e9es recueillies au cours d'une recherche ou d'un essai clinique peuvent \u00eatre analys\u00e9es afin de d\u00e9tecter des mod\u00e8les et diff\u00e9rents facteurs. Les tests post hoc les plus courants sont les suivants :<\/p>\n\n\n\n
\n- Proc\u00e9dure Bonferroni :<\/strong> Il est possible d'effectuer plusieurs tests statistiques en m\u00eame temps en utilisant cette correction post hoc de comparaison multiple.<\/li>\n<\/ul>\n\n\n\n
\n- Le nouveau test \u00e0 port\u00e9e multiple (MRT) de Duncan : <\/strong><\/strong>Le test des \u00e9carts multiples de Duncan identifiera les paires de moyennes (parmi au moins trois) qui diff\u00e8rent. <\/li>\n<\/ul>\n\n\n\n
\n- Test de comparaison multiple de Dunn : <\/strong>Il s'agit d'une analyse post hoc effectu\u00e9e apr\u00e8s une ANOVA, un test non param\u00e9trique qui ne suppose pas que vos donn\u00e9es suivent une distribution particuli\u00e8re.<\/li>\n<\/ul>\n\n\n\n
\n- Diff\u00e9rence la moins significative de Fisher (LSD) : <\/strong>D\u00e9termine si deux moyennes sont statistiquement diff\u00e9rentes.<\/li>\n<\/ul>\n\n\n\n
\n- Proc\u00e9dure de Holm-Bonferroni : <\/strong>Le test s\u00e9quentiel de Bonferroni de Holm rend les comparaisons multiples moins strictes.<\/li>\n<\/ul>\n\n\n\n
\n- En utilisant la m\u00e9thode de Newman-Keuls, on peut identifier les \u00e9chantillons qui ont des moyennes diff\u00e9rentes les unes des autres. Newman-Keuls compare des paires de moyennes en utilisant des valeurs critiques diff\u00e9rentes. Par cons\u00e9quent, les diff\u00e9rences significatives sont plus susceptibles d'\u00eatre trouv\u00e9es.<\/li>\n<\/ul>\n\n\n\n
\n- La m\u00e9thode de Rodger : <\/strong>Cette m\u00e9thode statistique est utilis\u00e9e pour \u00e9valuer les donn\u00e9es de recherche de mani\u00e8re post hoc apr\u00e8s une analyse \"multivari\u00e9e\".<\/li>\n<\/ul>\n\n\n\n
\n- La m\u00e9thode de Scheff\u00e9 :<\/strong> Dans la m\u00e9thode de Scheffe, la statistique de test est ajust\u00e9e diff\u00e9remment en fonction du nombre de comparaisons effectu\u00e9es.<\/li>\n<\/ul>\n\n\n\n
\n- Test de Tukey : <\/strong>Le test de Tukey d\u00e9termine si votre \u00e9chantillon est compos\u00e9 de groupes qui diff\u00e8rent les uns des autres. Chaque moyenne est compar\u00e9e \u00e0 la moyenne de tous les autres groupes en utilisant la \"diff\u00e9rence significative honn\u00eate\", qui repr\u00e9sente l'\u00e9cart entre les groupes.<\/li>\n<\/ul>\n\n\n\n
\n- La correction de Dunnett : <\/strong>Ce test post hoc compare les moyennes. Contrairement au test de Tukey, il compare chaque moyenne avec une moyenne de contr\u00f4le.<\/li>\n<\/ul>\n\n\n\n
\n- Proc\u00e9dure de Benjamini-Hochberg (BH) : <\/strong>Un r\u00e9sultat significatif ne se produira que par hasard si vous effectuez de nombreux tests. Le taux de fausse d\u00e9couverte est pris en compte par ce test post hoc.<\/li>\n<\/ul>\n\n\n\n
Rien ne peut battre une pi\u00e8ce visuelle impeccable qui transmet un message complexe.<\/strong><\/h2>\n\n\n\nOui, c'est vrai, avec l'aide des visuels, il est beaucoup plus facile de mettre en perspective les concepts les plus difficiles. \u00c0 l'\u00e8re des visuels, il n'est pas \u00e9tonnant que vous puissiez probablement comprendre la physique quantique de mani\u00e8re beaucoup plus simple gr\u00e2ce \u00e0 l'efficacit\u00e9 des graphiques.<\/p>\n\n\n\n
Vous vous demandez comment commencer ? Pourquoi vous inqui\u00e9ter alors que vous avez l'esprit graphique au bout des doigts ! Avec nous, vous pouvez choisir parmi plus d'un millier d'illustrations dans notre galerie, et r\u00e9aliser des affiches \u00e0 l'aide du g\u00e9n\u00e9rateur d'affiches intelligent que nous avons d\u00e9velopp\u00e9 pour vous. Profitez de l'expertise de notre \u00e9quipe talentueuse et obtenez un produit adapt\u00e9 \u00e0 vos besoins. Pour plus d'informations, visitez notre site web<\/a>.<\/p>\n\n\n\n
- \n
- Le nouveau test \u00e0 port\u00e9e multiple (MRT) de Duncan : <\/strong><\/strong>Le test des \u00e9carts multiples de Duncan identifiera les paires de moyennes (parmi au moins trois) qui diff\u00e8rent. <\/li>\n<\/ul>\n\n\n\n
- \n
- Test de comparaison multiple de Dunn : <\/strong>Il s'agit d'une analyse post hoc effectu\u00e9e apr\u00e8s une ANOVA, un test non param\u00e9trique qui ne suppose pas que vos donn\u00e9es suivent une distribution particuli\u00e8re.<\/li>\n<\/ul>\n\n\n\n
- \n
- Diff\u00e9rence la moins significative de Fisher (LSD) : <\/strong>D\u00e9termine si deux moyennes sont statistiquement diff\u00e9rentes.<\/li>\n<\/ul>\n\n\n\n
- \n
- Proc\u00e9dure de Holm-Bonferroni : <\/strong>Le test s\u00e9quentiel de Bonferroni de Holm rend les comparaisons multiples moins strictes.<\/li>\n<\/ul>\n\n\n\n
- \n
- En utilisant la m\u00e9thode de Newman-Keuls, on peut identifier les \u00e9chantillons qui ont des moyennes diff\u00e9rentes les unes des autres. Newman-Keuls compare des paires de moyennes en utilisant des valeurs critiques diff\u00e9rentes. Par cons\u00e9quent, les diff\u00e9rences significatives sont plus susceptibles d'\u00eatre trouv\u00e9es.<\/li>\n<\/ul>\n\n\n\n
- \n
- La m\u00e9thode de Rodger : <\/strong>Cette m\u00e9thode statistique est utilis\u00e9e pour \u00e9valuer les donn\u00e9es de recherche de mani\u00e8re post hoc apr\u00e8s une analyse \"multivari\u00e9e\".<\/li>\n<\/ul>\n\n\n\n
- \n
- La m\u00e9thode de Scheff\u00e9 :<\/strong> Dans la m\u00e9thode de Scheffe, la statistique de test est ajust\u00e9e diff\u00e9remment en fonction du nombre de comparaisons effectu\u00e9es.<\/li>\n<\/ul>\n\n\n\n
- \n
- Test de Tukey : <\/strong>Le test de Tukey d\u00e9termine si votre \u00e9chantillon est compos\u00e9 de groupes qui diff\u00e8rent les uns des autres. Chaque moyenne est compar\u00e9e \u00e0 la moyenne de tous les autres groupes en utilisant la \"diff\u00e9rence significative honn\u00eate\", qui repr\u00e9sente l'\u00e9cart entre les groupes.<\/li>\n<\/ul>\n\n\n\n
- \n
- La correction de Dunnett : <\/strong>Ce test post hoc compare les moyennes. Contrairement au test de Tukey, il compare chaque moyenne avec une moyenne de contr\u00f4le.<\/li>\n<\/ul>\n\n\n\n
- \n
- Proc\u00e9dure de Benjamini-Hochberg (BH) : <\/strong>Un r\u00e9sultat significatif ne se produira que par hasard si vous effectuez de nombreux tests. Le taux de fausse d\u00e9couverte est pris en compte par ce test post hoc.<\/li>\n<\/ul>\n\n\n\n
Rien ne peut battre une pi\u00e8ce visuelle impeccable qui transmet un message complexe.<\/strong><\/h2>\n\n\n\n
Oui, c'est vrai, avec l'aide des visuels, il est beaucoup plus facile de mettre en perspective les concepts les plus difficiles. \u00c0 l'\u00e8re des visuels, il n'est pas \u00e9tonnant que vous puissiez probablement comprendre la physique quantique de mani\u00e8re beaucoup plus simple gr\u00e2ce \u00e0 l'efficacit\u00e9 des graphiques.<\/p>\n\n\n\n
Vous vous demandez comment commencer ? Pourquoi vous inqui\u00e9ter alors que vous avez l'esprit graphique au bout des doigts ! Avec nous, vous pouvez choisir parmi plus d'un millier d'illustrations dans notre galerie, et r\u00e9aliser des affiches \u00e0 l'aide du g\u00e9n\u00e9rateur d'affiches intelligent que nous avons d\u00e9velopp\u00e9 pour vous. Profitez de l'expertise de notre \u00e9quipe talentueuse et obtenez un produit adapt\u00e9 \u00e0 vos besoins. Pour plus d'informations, visitez notre site web<\/a>.<\/p>\n\n\n\n
- Proc\u00e9dure de Benjamini-Hochberg (BH) : <\/strong>Un r\u00e9sultat significatif ne se produira que par hasard si vous effectuez de nombreux tests. Le taux de fausse d\u00e9couverte est pris en compte par ce test post hoc.<\/li>\n<\/ul>\n\n\n\n
- La correction de Dunnett : <\/strong>Ce test post hoc compare les moyennes. Contrairement au test de Tukey, il compare chaque moyenne avec une moyenne de contr\u00f4le.<\/li>\n<\/ul>\n\n\n\n
- Test de Tukey : <\/strong>Le test de Tukey d\u00e9termine si votre \u00e9chantillon est compos\u00e9 de groupes qui diff\u00e8rent les uns des autres. Chaque moyenne est compar\u00e9e \u00e0 la moyenne de tous les autres groupes en utilisant la \"diff\u00e9rence significative honn\u00eate\", qui repr\u00e9sente l'\u00e9cart entre les groupes.<\/li>\n<\/ul>\n\n\n\n
- La m\u00e9thode de Scheff\u00e9 :<\/strong> Dans la m\u00e9thode de Scheffe, la statistique de test est ajust\u00e9e diff\u00e9remment en fonction du nombre de comparaisons effectu\u00e9es.<\/li>\n<\/ul>\n\n\n\n
- La m\u00e9thode de Rodger : <\/strong>Cette m\u00e9thode statistique est utilis\u00e9e pour \u00e9valuer les donn\u00e9es de recherche de mani\u00e8re post hoc apr\u00e8s une analyse \"multivari\u00e9e\".<\/li>\n<\/ul>\n\n\n\n
- En utilisant la m\u00e9thode de Newman-Keuls, on peut identifier les \u00e9chantillons qui ont des moyennes diff\u00e9rentes les unes des autres. Newman-Keuls compare des paires de moyennes en utilisant des valeurs critiques diff\u00e9rentes. Par cons\u00e9quent, les diff\u00e9rences significatives sont plus susceptibles d'\u00eatre trouv\u00e9es.<\/li>\n<\/ul>\n\n\n\n
- Proc\u00e9dure de Holm-Bonferroni : <\/strong>Le test s\u00e9quentiel de Bonferroni de Holm rend les comparaisons multiples moins strictes.<\/li>\n<\/ul>\n\n\n\n
- Diff\u00e9rence la moins significative de Fisher (LSD) : <\/strong>D\u00e9termine si deux moyennes sont statistiquement diff\u00e9rentes.<\/li>\n<\/ul>\n\n\n\n
- Test de comparaison multiple de Dunn : <\/strong>Il s'agit d'une analyse post hoc effectu\u00e9e apr\u00e8s une ANOVA, un test non param\u00e9trique qui ne suppose pas que vos donn\u00e9es suivent une distribution particuli\u00e8re.<\/li>\n<\/ul>\n\n\n\n