Reading Field's Discovering Statistics Using SPSS (3rd Edition) J'ai été un peu frappé par les tests post-hoc en ANOVA. Pour ceux qui souhaitent contrôler le taux d'erreur de type I, il suggère Bonferroni ou Tukey et dit (p. 374):
Bonferroni a plus de puissance lorsque le nombre de comparaisons est petit, tandis que Tukey est plus puissant lorsqu'il teste un grand nombre de moyennes.
Où tracer la ligne entre un petit et un grand nombre de moyens?
Réponses:
En plus du lien utile mentionné dans les commentaires de @schenectady.
J'ajouterais également que la correction de Bonferroni s'applique à une classe plus large de problèmes. Pour autant que je sache, le HSD de Tukey n'est appliqué qu'aux situations où vous souhaitez examiner toutes les comparaisons par paires possibles, tandis que la correction de Bonferroni peut être appliquée à n'importe quel ensemble de tests d'hypothèse.
En particulier, la correction de Bonferroni est utile lorsque vous disposez d'un petit ensemble de comparaisons planifiées et que vous souhaitez contrôler le taux d'erreur de type I de la famille. Cela permet également des comparaisons de composés. Par exemple, vous avez une ANOVA à 6 voies et vous voulez comparer la moyenne des groupes 1, 2 et 3 avec le groupe 4, et vous voulez comparer le groupe 5 avec 6.
Pour illustrer davantage, vous pouvez appliquer la correction de Bonferroni à l'évaluation de la signification des corrélations dans une matrice de corrélation, ou de l'ensemble des effets principaux et d'interaction dans une ANOVA. Cependant, une telle correction n'est généralement pas appliquée, probablement pour la raison que la réduction du taux d'erreur de type I entraîne une réduction inacceptable de la puissance.
la source