Qu’est-ce qu’un test t ?

Si nous sommes tous capables de comparer deux chiffres, nous avons parfois plus de mal à déterminer si cette différence est statistiquement significative ou non.

Imaginons : vous avez réalisé un sondage de satisfaction client et votre patron souhaite savoir si les hommes ont attribué à votre entreprise un Net Promoter Score® (NPS) moins élevé que les femmes. 

Vos résultats montrent une note moyenne de 9 pour les hommes et de 12 pour les femmes. Comment interpréter cette différence et savoir si elle est significative d’un point de vue statistique ? C’est simple : utilisez un test t.

Vous ne savez pas ce qu’est un test t ? Dans cet article, nous allons vous l’expliquer, voir les cas d’usage, vous présenter des exemples concrets et vous montrer comment interpréter vos résultats. 

Un test t, également connu sous le nom de « test de Student », est un test statistique qui utilise la distribution t pour évaluer si la différence entre deux moyennes est significative. Il vous aide à déterminer si l’écart observé entre deux groupes traduit une réelle différence ou s’il est probablement le fruit du hasard.

La recherche de la signification statistique est courante dans les tests de concepts et les tests de produits. Les tests de concepts s’appuient fréquemment sur les tests A/B pour déterminer si une publicité est plus efficace qu’une autre. De la même manière, un test de produit vous aide à savoir si votre produit se vendra une fois commercialisé. 

Les tests t reposent sur des formules précises, qui permettent de comparer des moyennes et de déterminer si une différence est statistiquement significative. Le test t à deux échantillons est le plus couramment utilisé dans l’analyse des sondages :

Voici les formules du test t à un échantillon et du test t apparié :

Dans les tests t à un échantillon comme dans les tests t appariés, la valeur t calculée est comparée à une valeur critique de la distribution t pour évaluer la signification statistique.

Utilisez un test t lorsque vous souhaitez déterminer si la différence entre deux moyennes dans vos résultats de sondage est significative, et pas seulement numérique. Les tests t vous aident à comparer des moyennes entre deux groupes, à évaluer des différences entre des échantillons, ou à déterminer si un écart est statistiquement significatif en fonction d’une valeur p et d’un niveau de confiance.

Voici quelques scénarios courant dans l’univers des sondages :

Utilisez un test t lorsque vous devez évaluer la différence entre deux moyennes, effectuer une comparaison avec un point de référence ou valider une hypothèse sur de petits échantillons. C’est une méthode fiable pour l’analyse des sondages, les tests A/B et toute situation où vous souhaitez prouver que l’écart observé dans vos données est bien réel.

Avant d’effectuer un test t, vérifiez que vos données respectent quelques hypothèses de base afin d’assurer la fiabilité de vos résultats :

Une vérification rapide de ces points essentiels vous permet de vous assurer que les différences observées sont véritablement significatives, et pas seulement le fruit du hasard ou des anomalies dans les données.

Il existe trois types de tests t que les chercheurs utilisent couramment. Chacun d’entre eux sert un objectif spécifique que nous allons vous expliquer ci-dessous.

Le test t à un échantillon permet de vérifier si la moyenne des données d’un groupe (par exemple, le CES global) est différente d’une valeur de référence définie par vos soins.

Exemple : le Customer Effort Score (CES) moyen de votre entreprise est de 4,2. La norme du secteur étant de 5, ce score de 4,2 signifie-t-il que vos clients rencontrent vraiment plus de difficultés, d’un point de vue statistique ?

Les tests t à deux échantillons servent à déterminer si les moyennes de deux groupes indépendants sont significativement différentes l’une de l’autre. Si les variances des groupes semblent inégales ou si les tailles d’échantillon ne sont pas équilibrées, préférez le test t de Welch (proposé par la plupart des outils), car il ne suppose pas l’égalité des variances.

Exemple : reprenons votre hypothèse selon laquelle les hommes attribuent à votre entreprise un NPS moins élevé que les femmes. Avec un NPS moyen de 9 auprès des hommes et de 12 auprès des femmes, la différence entre 9 et 12 est-elle statistiquement significative ?

Ce test s’utilise lorsque vous soumettez deux fois le même sondage à un groupe de personnes. Le test t apparié vous permet de savoir si la moyenne a évolué entre le premier et le second sondage.

Exemple : vous avez sondé le même groupe de clients à deux reprises : une première fois en avril, puis une deuxième en mai, après qu’ils ont vu une publicité pour votre entreprise. Le NPS de votre entreprise a-t-il changé après la diffusion de cette publicité ?

Un test t se déroule en quatre étapes.

Dans cette section, nous allons voir ces quatre étapes, en reprenant l’exemple des scores NPS évoqué précédemment. 

Selon votre hypothèse, les hommes ont attribué à votre entreprise un score NPS moins élevé que les femmes. Le score NPS moyen attribué par les hommes s’élève à 9, celui attribué par les femmes à 12. La différence entre 9 et 12 est-elle statistiquement significative ? Dans cet exemple, il convient d’utiliser le test t à deux échantillons.

Découvrons ensemble les étapes à suivre et notre exemple de test t.

À chaque type de test t correspond une formule différente pour calculer la statistique t. Ici, nous utiliserons la formule du test t à deux échantillons, où :

Vous effectuerez probablement vos tests t dans une feuille de calcul ou un logiciel de statistiques (comme Excel ou SPSS). Cependant, si vous souhaitez faire les calculs à la main, vous trouverez ci-dessous les formules pour les deux autres types de tests t.

Les degrés de liberté correspondent au nombre de variances possibles de la moyenne. Ici, les degrés de liberté correspondent au nombre d’évaluations NPS que vous pouvez obtenir dans un groupe de participants. Comme pour la statistique t, la formule de calcul des degrés de liberté varie selon le type de test t effectué. 

Cette formule doit être utilisée pour déterminer les degrés de liberté dans le cas des tests t à deux échantillons.

La valeur critique est le seuil à partir duquel l’écart entre deux chiffres est considéré comme statistiquement significatif. 

Selon ce tableau, pour un test bilatéral avec un niveau alpha de 0,05 à 41 degrés de liberté, la valeur critique est égale à 2,02. Notez que la plupart des analystes préfèrent les tests bilatéraux aux tests unilatéraux, car ils les considèrent comme une approche plus prudente. 

Pour en savoir plus sur la différence entre test unilatéral et test bilatéral, consultez cette vidéo de la Khan Academy.

Si votre statistique t est supérieure à la valeur critique, la différence est significative. Si la statistique t est inférieure, il n’est pas possible de distinguer les deux valeurs d’un point de vue statistique.

Dans notre exemple, la valeur absolue de la statistique t est de 0,86 et est par conséquent inférieure à la valeur critique de 2,02. Vous pouvez donc en conclure que le score NPS attribué par les hommes n’est pas significativement inférieur au score attribué par les femmes.

L’interprétation des résultats d’un test t consiste notamment à examiner la valeur t, la valeur p et l’intervalle de confiance. Le but est de comprendre si la différence entre vos groupes reflète un effet réel ou une simple variation aléatoire. Ces éléments vous indiquent l’ampleur de l’écart, la solidité de la preuve et le niveau de confiance que vous pouvez accorder au résultat. La FAQ ci-dessous détaille la signification de chaque élément et la manière d’analyser les résultats d’un test t.

La valeur t indique l’ampleur de la différence entre les moyennes des groupes par rapport à la variabilité de vos données. Plus la valeur t absolue est élevée, plus c’est un signe fort, alors qu’une valeur plus faible suggère que l’écart pourrait simplement être dû au hasard.

La valeur p indique la probabilité d’obtenir les mêmes résultats si l’hypothèse nulle (absence de réelle différence) était vraie. De nombreuses équipes retiennent un seuil de 0,05 : p ≤ 0,05 suggère une différence statistiquement significative, tandis que p > 0,05 indique qu’aucune différence significative notable n’a été constatée dans cet échantillon.

Un intervalle de confiance fournit une plage probable pour l’écart réel entre deux moyennes, ce qui donne plus de contexte qu’une simple réponse oui/non quant à la signification statistique. Si l’intervalle de confiance englobe zéro, l’effet n’est pas concluant, mais s’il se situe entièrement au-dessus ou en dessous de zéro, le résultat est significatif au niveau de confiance choisi.

Une différence pertinente est à la fois statistiquement significative et importante d’un point de vue pratique. Examinez l’ampleur estimée de l’effet, ainsi que l’intervalle de confiance, afin de comprendre l’importance possible de l’écart et son impact sur vos décisions.

Des échantillons plus grands réduisent la variabilité, resserrent les intervalles de confiance et facilitent la détection de différences réelles. Des échantillons plus petits génèrent plus d’incertitude, ce qui rend les effets limite plus difficiles à interpréter.

Une synthèse claire des résultats d’un test t précise les éléments suivants : ce qui vous a poussé à effectuer la comparaison, ce que le test a révélé, et le niveau de confiance que vous pouvez accorder à la différence observée entre les groupes. Votre rôle est de traduire les résultats statistiques en termes simples, de les rattacher à votre question initiale et de mettre en lumière ce que ces conclusions impliquent pour vos prochaines décisions.

Incluez ces éléments essentiels à la synthèse des résultats d’un test t :

En évitant quelques erreurs simples, vous obtiendrez des résultats plus clairs et plus fiables en vous appuyant sur vos données de sondage.

Les tests t servent à déterminer si l’écart entre les moyennes de deux groupes échantillons est significatif d’un point de vue statistique. Vous pouvez utiliser un test t lors de l’analyse des données de vos sondages pour valider la fiabilité de vos résultats. 

SurveyMonkey vous permet de simplifier la création et l’envoi de sondages à des groupes échantillons dans le cadre de vos recherches. Vous pouvez concevoir des sondages d’études de marché et des questionnaires de A à Z ou puiser dans notre vaste sélection de modèles.

Commencez à recueillir des données de sondage pour vos analyses, puis aidez votre entreprise à prendre de meilleures décisions. Créez un compte gratuit dès maintenant.

NPS®, Net Promoter® et Net Promoter® Score sont des marques déposées de Satmetrix Systems, Inc., Bain & Company et Fred Reichheld.