Calculateur de test de signification d'une corrélation
Rédigé par Thierno Sadou Diallo, formule vérifiée selon notre méthodologie • Mis à jour le 09/09/2026
Le test de signification d'une corrélation se calcule avec t = r × √(n−2) ÷ √(1−r²), avec n−2 degrés de liberté. Pour une corrélation de 0,6 sur un échantillon de 20 observations, la statistique t vaut environ 3,18, avec 18 degrés de liberté.
Explication
Notre calculateur de corrélation de Pearson donne un coefficient r qui mesure la force et le sens d'une relation linéaire entre deux variables, mais ce coefficient seul ne dit pas si cette corrélation observée sur un échantillon reflète une véritable relation dans la population totale, ou si elle pourrait s'expliquer par le simple hasard de l'échantillonnage — en particulier sur un petit échantillon, où une corrélation apparente relativement forte peut facilement survenir par hasard. Ce calculateur teste précisément cette question, en transformant le coefficient r et la taille de l'échantillon n en une statistique t, qui suit une loi de Student à n−2 degrés de liberté sous l'hypothèse que la vraie corrélation dans la population est nulle. Plus la valeur absolue de cette statistique t est grande, moins il est plausible que la corrélation observée soit due au hasard : une grande taille d'échantillon amplifie la statistique t pour une même valeur de r, ce qui reflète le fait qu'une corrélation modérée mesurée sur un grand nombre d'observations est plus fiable que la même corrélation mesurée sur un tout petit échantillon. Comme pour notre calculateur de test t pour deux échantillons, ce calculateur s'arrête volontairement à la statistique t et aux degrés de liberté, sans convertir ce résultat en p-value : cette dernière étape nécessite de comparer la statistique t obtenue à une table de la loi de Student pour ce nombre précis de degrés de liberté, généralement réalisée par un logiciel statistique.
Exemple : corrélation de 0,6 sur un échantillon de 20 observations
Données d'entrée
Coefficient de corrélation (r) : 0,6. Taille de l'échantillon (n) : 20.
Calcul
t = 0,6 × √(20−2) ÷ √(1−0,6²) = 0,6 × √18 ÷ √0,64 = 0,6 × 4,2426 ÷ 0,8 ≈ 3,182. Degrés de liberté = 20−2 = 18.
Résultat
La statistique t vaut environ 3,18, avec 18 degrés de liberté.
Questions fréquentes
Pourquoi une même corrélation peut-elle être significative sur un grand échantillon mais pas sur un petit ?
Parce que la formule inclut la taille de l'échantillon (n) au numérateur, sous la racine carrée : plus n est grand, plus la statistique t augmente pour une même valeur de r, à l'image d'une mesure répétée davantage de fois qui inspire davantage confiance. Une corrélation de 0,3, par exemple, peut ne pas être jugée significative sur 15 observations mais l'être nettement sur 200 observations, sans que la force de la relation elle-même n'ait changé.
Ce calculateur donne-t-il directement une p-value ou une conclusion de signification ?
Non, volontairement : ce calculateur donne la statistique t et les degrés de liberté, mais pas de p-value ni de conclusion automatique. Interpréter ce résultat nécessite de comparer la statistique t obtenue à une valeur critique de la loi de Student pour ce nombre de degrés de liberté et le seuil de signification choisi (généralement 5 %), une étape qui nécessite une table statistique ou un logiciel dédié.
Une corrélation statistiquement significative signifie-t-elle qu'elle est forte ou importante en pratique ?
Non, ce sont deux notions distinctes : sur un très grand échantillon, même une corrélation numériquement faible (par exemple r=0,1) peut ressortir comme statistiquement significative, sans pour autant représenter une relation forte ou pertinente en pratique. La signification statistique indique que la corrélation est probablement non nulle, mais c'est la valeur de r elle-même qui renseigne sur la force réelle de la relation.