Student ou Mann-Whitney ?

Bonjour tout le monde,

Pour les besoins de mes stats de mémoire, je suis un peu perdu.
Je possède de données qui me permettent de catégoriser ma population entre ceux qui sont très touchés par une pathologie(groupe A), ceux qui le sont moyennement (groupe B), et ceux qui le sont faiblement (groupe C).
En face, pour chaque sujet, j'ai une mesure de la baisse ou de l'augmentation d'un autre score obtenue à un test (quantitatif uniquement).
Je souhaite savoir s'il y a une différence entre les 3 groupes sur la donnée quantitative au test.

Jusqu'alors, j'avais regroupé le groupe B et C en "pas de patho" et utilisé le groupe A en "patho" car on m'avait conseillé de faire un T de Student pour échantillons indépendants par groupe (et que dans ce cas, on ne peut faire que 2 groupes à la fois).
Puis quelqu'un m'a dit : "non, regarde plutôt du côté des non-paramétriques et notamment un test de Mann Whitney".

Me voilà bien coincé car je ne sais plus si ce que je fais est bon...

Quel test me conseillez-vous, sachant que ce n'est pas excessivement grave si je continue à regrouper en 2 groupes plutôt que garder en 3 ?
Encore que ça pourrait être plus fin mais, je tiens le préciser, ma population est toute petite : 20-28 sujets.

Merci par avance pour votre aide.

Il faut faire de l'analyse de variance (anova) ou son equivalent en non parametrique (kruskall-wallis)

c@ssoulet> Merci pour ta réponse. Ce que tu me propose, c'est pour déterminer si les scores sont distribués de façon normale ou non, c'est ça ?

Non, non,

rien à voir. Mais si tu as utilisé Student, on peut supposer que ta variable quantitative suit, à priori, une distribution gaussienne. Une anova permet de savoir si, globalement, tes trois groupes suivent la même distribution.
S'il y a une différence (test significatif), ou si tu penses qu'il y a quand même une différence entre deux groupes, même si sur l'ensemble des trois groupes ce n'est pas significatif, tu peux comparer les groupes 2 à 2 pour voir ce que ça donne (donc Student, ou, si la Normalité n'est pas assurée, Mann-Whithney ou Wilcoxon).

Enfin, pour la comparaison des trois groupes ensemble, si la Normalité n'est pas assurée, tu peux utuliser un test non paramétrique, C@ssoulet te conseille Kruskall-Wallis.

Cordialement.

gg a écrit: Mais si tu as utilisé Student, on peut supposer que ta variable quantitative suit, à priori, une distribution gaussienne. Une anova permet de savoir si, globalement, tes trois groupes suivent la même distribution.

Ok GG, je vois. Effectivement pour plusieurs groupes, le Kruskal-Wallis est obligatoire. Statistica me fait automatiquement l'anova et le Kruscal Wallis.
Cependant, j'ai utilisé auparavant un Student sans savoir.
Dans les faits, non, je ne sais pas si ma variable suit une loi normale. J'ai pris le Student un peu par défaut, sans être sûr de moi.

Autres éléments :
- Je n'ai que 28 sujets (voire un peu moins pour certaines mesures)
- Ma variable quanti initiale correspond à la différence entre un score au départ et à l'arrivée. Ce qui fait qu'il n'est pas en valeur absolue (si ça a baissé ça peut être -10.2 ou -5.4 par ex, et si ça a augmenté, 4.3 ou 15.2 par ex)... est-ce que cela n'a pas une incidence sur le test à utiliser ???

Non,

ça n'a pas d'incidence.
Si rien ne te permet d'affirmer que tes séries sont, en principe, approximativement gaussiennes, il va falloir utiliser des tests non paramétriques.
mais avec 28 individus à diviser en 3 groupes, tu ne mettra en évidence que des différences largement visibles à l’œil nu !

Cordialement.