Interpréter le test de Shapiro-Wilk sans surinterpréter la p-valeur
Vous avez collecté vos données et vous vous apprêtez à choisir un test statistique. Votre directeur de mémoire vous demande : « Avez-vous vérifié la normalité de vos résidus ? » Vous lancez alors le test de Shapiro-Wilk dans SPSS, R ou jamovi, et vous obtenez une statistique W et une p-valeur. Que faut-il en conclure ?
Ce guide vous explique comment interpréter ce test correctement, comment le rapporter dans un mémoire ou une thèse, et surtout comment éviter les erreurs d’interprétation les plus fréquentes.
À quoi sert le test de Shapiro-Wilk ?
De nombreux tests statistiques classiques, comme le test t, l’ANOVA ou la régression linéaire, reposent sur une hypothèse de normalité. Selon le contexte, cette hypothèse concerne les données elles-mêmes ou, plus souvent, les résidus du modèle.
Le test de Shapiro-Wilk est l’un des tests les plus utilisés pour évaluer cette normalité. Il compare la distribution observée à ce qu’on attendrait si les données suivaient une loi normale. Il est disponible dans la plupart des logiciels statistiques et est généralement plus puissant que d’autres tests de normalité pour les échantillons de taille petite à moyenne.pmc.ncbi.nlm.nih+1
Normalité des données ou des résidus ?
C’est un point essentiel : on ne vérifie pas toujours la même chose selon l’analyse.
- Dans une comparaison de groupes simple, on regarde souvent la distribution de la variable d’intérêt dans chaque groupe.
- Dans une régression linéaire, ce sont surtout les résidus qui doivent être examinés.
- Pour les modèles plus complexes, l’interprétation dépend encore davantage du cadre méthodologique.
Autrement dit, le test de Shapiro-Wilk ne remplace pas l’analyse du modèle ; il n’est qu’un élément du diagnostic global.qcbs+1
Comment lire le résultat ?
Le test fournit généralement deux éléments :
- W : la statistique de test. Plus elle est proche de 1, plus la distribution observée ressemble à une normale.
- p : la p-valeur associée.
L’hypothèse nulle est la suivante :
- H₀ : les données suivent une distribution normale.
- H₁ : les données ne suivent pas une distribution normale.
L’interprétation est prudente :
- si p ≥ 0,05, on ne rejette pas H₀ ; les données sont compatibles avec la normalité ;
- si p < 0,05, on rejette H₀ ; les données s’écartent significativement de la normalité.
Il vaut mieux parler de compatibilité avec la normalité que d’« acceptation de la normalité », car un test non significatif ne prouve rien de façon absolue.wikipedia+1
Ce que la taille de l’échantillon change
La taille de l’échantillon influence fortement la lecture du test. C’est l’une des limites les plus importantes du Shapiro-Wilk.
Petit échantillon
Avec peu d’observations, le test manque de puissance. Il peut donc ne pas détecter une vraie non-normalité. Dans ce cas, un p supérieur à 0,05 ne prouve pas que la distribution est normale ; il signifie simplement que l’on n’a pas assez d’éléments pour rejeter cette hypothèse.tqmp
Grand échantillon
Avec beaucoup d’observations, le test devient très sensible. Il peut détecter des écarts minuscules à la normalité, parfois sans conséquence pratique réelle. Dans un grand échantillon, un p inférieur à 0,05 ne suffit donc pas, à lui seul, pour écarter un test paramétrique.pmc.ncbi.nlm.nih+1
En pratique, il faut toujours replacer la p-valeur dans le contexte du nombre d’observations et de l’objectif de l’analyse.
Le rôle de l’examen visuel
Le Shapiro-Wilk ne doit jamais être utilisé seul. Il faut toujours le compléter par une inspection visuelle :
- histogramme ;
- boîte à moustaches ;
- graphique Q-Q.
Si le Q-Q plot montre des points globalement alignés sur la diagonale, une légère déviation statistiquement significative n’est pas forcément problématique. Inversement, une p-valeur non significative ne dispense pas de vérifier l’existence d’asymétries marquées ou d’outliers visibles.qcbs+1
Quand utiliser ou non un test paramétrique ?
Il est trop simpliste de dire :
- p ≥ 0,05 → test paramétrique ;
- p < 0,05 → test non paramétrique.
La décision dépend aussi :
- de la taille de l’échantillon ;
- de la robustesse du test envisagé ;
- de l’homogénéité des variances ;
- de la présence de valeurs extrêmes ;
- de la nature de la variable étudiée.
Un test paramétrique reste souvent acceptable lorsque la non-normalité est légère et que l’échantillon est suffisamment grand. À l’inverse, avec un petit échantillon et une forte asymétrie, un test non paramétrique peut être plus prudent.qcbs+2
Comment rédiger votre interprétation
Cas 1 : la normalité n’est pas rejetée
« Afin de vérifier l’hypothèse de normalité, un test de Shapiro-Wilk a été réalisé sur la variable [nom]. Les résultats n’indiquent pas d’écart significatif à la normalité (W = 0,963 ; p = 0,284). La distribution observée est donc compatible avec une loi normale. »
Cas 2 : la normalité est rejetée
« Le test de Shapiro-Wilk met en évidence un écart significatif à la normalité (W = 0,821 ; p = 0,003). Compte tenu de cette non-normalité, un test non paramétrique [nom du test] a été retenu pour les analyses de comparaison. »
Cas 3 : grand échantillon et non-normalité légère
« Le test de Shapiro-Wilk indique un écart significatif à la normalité (W = 0,941 ; p = 0,012). Toutefois, au regard de la taille de l’échantillon, de l’examen du graphique Q-Q et de la robustesse du test paramétrique utilisé, cette légère déviation n’a pas conduit à abandonner l’analyse paramétrique. »
Cette dernière formulation est souvent la plus rigoureuse dans les mémoires, car elle évite une décision purement automatique fondée sur la seule p-valeur.
Ce que Shapiro-Wilk ne dit pas
Le test de Shapiro-Wilk ne peut pas tout décider à lui seul.
- Il est sensible aux valeurs extrêmes, donc un outlier peut suffire à faire rejeter la normalité.
- Il ne remplace pas le jugement méthodologique du chercheur.
- Il doit être replacé dans l’ensemble des diagnostics du modèle.
- Il s’applique à une distribution précise, pas à toutes les étapes d’une analyse multivariée.
Dans une régression, par exemple, ce sont les résidus qu’il faut surtout examiner, et non uniquement les variables d’entrée.qcbs+1
Conclusion
Interpréter correctement le test de Shapiro-Wilk, c’est éviter une lecture mécanique du type « p < 0,05 = interdit » ou « p > 0,05 = tout va bien ».
À retenir :
- H₀ correspond à la normalité.
- Un p ≥ 0,05 signifie seulement qu’on ne rejette pas la normalité.
- Un p < 0,05 signale un écart à la normalité, sans interdire automatiquement les tests paramétriques.
- La taille de l’échantillon change fortement la portée du test.
- Le diagnostic doit toujours être complété par des graphiques, surtout les Q-Q plots.
- Dans les modèles, on s’intéresse souvent aux résidus, pas seulement aux variables brutes.
Bien utilisé, Shapiro-Wilk est un outil utile ; mal utilisé, il devient un faux arbitre. Dans un mémoire ou une thèse, la bonne réponse n’est donc pas seulement dans la p-valeur, mais dans l’ensemble du raisonnement statistique.