Fonction CHISQ.TEST Excel
CHISQ.TEST est la version moderne de TEST.KHIDEUX, disponible depuis Excel 2010. Elle te dit si deux variables catégorielles sont indépendantes ou réellement associées, en comparant les fréquences que tu observes dans un tableau de contingence à celles que tu attendrais sous l'hypothèse d'indépendance. Microsoft recommande de l'utiliser à la place de TEST.KHIDEUX dans tes nouveaux classeurs.
Que tu segmentes ta communication en marketing, que tu analyses une enquête de satisfaction en RH, que tu valides un traitement en recherche médicale ou que tu compares tes taux de conversion par canal, CHISQ.TEST te renvoie une p-value qui tranche la question. Concrètement, elle répond à des interrogations comme : le choix d'un produit dépend-il du genre du client ? La satisfaction est-elle liée à la catégorie d'âge ? Le taux de guérison change-t-il selon le traitement reçu ?
Syntaxe de la fonction CHISQ.TEST
La fonction CHISQ.TEST calcule la p-value du test du khi-deux d'indépendance entre deux variables catégorielles, en comparant les fréquences observées d'un tableau de contingence aux fréquences théoriques attendues sous l'hypothèse d'indépendance.
=CHISQ.TEST(plage_réelle; plage_attendue)CHISQ.TEST est la fonction recommandée depuis Excel 2010 ; TEST.KHIDEUX reste disponible pour la compatibilité avec les classeurs anciens, mais les deux donnent un calcul identique. Elle retourne directement la p-value unilatérale droite, sans paramètre cumulative. Les deux plages doivent avoir exactement les mêmes dimensions et contenir uniquement des fréquences absolues (comptages), jamais des pourcentages.
Comprendre chaque paramètre de la fonction CHISQ.TEST
plage_réelle
: ta plage de données contenant les fréquences observées : ton tableau de contingence réelCe tableau croise deux variables catégorielles, par exemple Genre (Homme/Femme) et Préférence (Produit A/Produit B). Chaque cellule contient le nombre d'observations pour cette combinaison de catégories.
Les données doivent être des comptages absolus (nombre de personnes, d'événements, etc.), pas des pourcentages ni des ratios.
Astuce : Assure-toi que tes données sont des fréquences brutes, pas des pourcentages. CHISQ.TEST nécessite des effectifs absolus. Si tes données sont en pourcentages, multiplie par le total pour retrouver les effectifs.
plage_attendue
: ta plage de fréquences attendues, c'est-à-dire ce qu'on observerait si les variables étaient totalement indépendantes, tout en conservant les mêmes totaux de lignes et de colonnesElle doit avoir exactement les mêmes dimensions que plage_réelle.
Excel ne calcule pas automatiquement ces fréquences. Tu dois les calculer toi-même dans un tableau séparé avec la formule : (Total ligne × Total colonne) / Total général pour chaque cellule. C'est l'étape la plus importante pour utiliser correctement CHISQ.TEST.
Attention : Excel ne calcule pas automatiquement les fréquences attendues. Tu dois les préparer dans un tableau séparé avant d'appeler CHISQ.TEST. Un mauvais calcul des attendues invalide entièrement le test.
Exemples pratiques pas à pas
Exemple 1 – Responsable marketing : préférence produit selon le genre
Tu es responsable marketing dans une entreprise de cosmétiques. Tu veux savoir si la préférence entre deux produits dépend du genre des clients. Si c'est le cas, tu vas adapter ta stratégie de communication par segment.
La formule =CHISQ.TEST(B2:C3; B5:C6) retourne 0,0187. Cette p-value est inférieure à 0,05 : tu as la preuve statistique que le genre influence le choix du produit. Les femmes préfèrent davantage le produit A, les hommes le produit B. Tu peux maintenant créer des campagnes ciblées.
| A | B | C | |
|---|---|---|---|
| 1 | Produit A | Produit B | |
| 2 | Hommes | 45 | 55 |
| 3 | Femmes | 65 | 35 |
| 4 | |||
| 5 | Attendu - Hommes | 55 | 45 |
| 6 | Attendu - Femmes | 55 | 45 |
=CHISQ.TEST(B2:C3; B5:C6)Astuce de pro : Les fréquences attendues (lignes 5-6) se calculent avec (Total ligne × Total colonne) / Total général. Ici, le total général est 200 et chaque ligne/colonne totalise 100, donc toutes les fréquences attendues valent (100×100)/200 = 50. Cette égalité est propre à un tableau 2×2 équilibré.
Exemple 2 – Data analyst santé : efficacité d'un traitement
Tu es data analyst dans un centre de recherche médicale et tu analyses les résultats d'une étude clinique comparant un nouveau traitement à un placebo. Le traitement améliore-t-il réellement le taux de guérison ?
La p-value de 0,0003 (bien inférieure à 0,001) te donne une preuve extrêmement solide que le traitement fonctionne. Le taux de guérison de 78% dans le groupe traité contre 52% dans le groupe placebo n'est pas dû au hasard. Tu peux recommander de poursuivre le développement de ce traitement.
| A | B | C | |
|---|---|---|---|
| 1 | Guéri | Non guéri | |
| 2 | Traitement | 78 | 22 |
| 3 | Placebo | 52 | 48 |
| 4 | |||
| 5 | Attendu - Traitement | 65 | 35 |
| 6 | Attendu - Placebo | 65 | 35 |
=CHISQ.TEST(B2:C3; B5:C6)Exemple 3 – Responsable RH : satisfaction selon l'ancienneté
Tu es responsable RH et tu viens de mener une enquête de satisfaction. Tu veux savoir si le niveau de satisfaction est lié à l'ancienneté des employés pour adapter tes actions d'amélioration.
Avec une p-value de 0,7845 (bien supérieure à 0,05), tu constates que l'ancienneté n'influence pas la satisfaction. Les nouveaux comme les anciens employés ont des niveaux de satisfaction similaires. Tes actions d'amélioration peuvent donc s'adresser à tous les groupes de la même façon.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Satisfait | Neutre | Insatisfait | |
| 2 | Moins de 1 an | 25 | 18 | 12 |
| 3 | 1-5 ans | 42 | 28 | 15 |
| 4 | Plus de 5 ans | 48 | 22 | 10 |
| 5 | ||||
| 6 | Attendu - Moins 1 an | 28,75 | 17,0 | 9,25 |
| 7 | Attendu - 1-5 ans | 44,43 | 26,27 | 14,30 |
| 8 | Attendu - Plus 5 ans | 41,82 | 24,73 | 13,45 |
=CHISQ.TEST(B2:D4; B6:D8)Exemple 4 – Responsable e-commerce : conversion selon le canal d'acquisition
Tu es responsable e-commerce et tu analyses tes canaux d'acquisition pour savoir si le taux de conversion dépend du canal par lequel le visiteur arrive sur ton site.
La p-value proche de zéro révèle que le canal d'acquisition a un impact majeur sur la conversion. L'email et la publicité convertissent mieux que le SEO et les réseaux sociaux. Tu peux maintenant réallouer ton budget marketing vers les canaux les plus performants.
| A | B | C | |
|---|---|---|---|
| 1 | Achat | Pas d'achat | |
| 2 | SEO | 156 | 844 |
| 3 | Publicité | 98 | 402 |
| 4 | 127 | 373 | |
| 5 | Social | 89 | 411 |
| 6 | |||
| 7 | Attendu - SEO | 188 | 812 |
| 8 | Attendu - Pub | 94 | 406 |
| 9 | Attendu - Email | 94 | 406 |
| 10 | Attendu - Social | 94 | 406 |
=CHISQ.TEST(B2:C5; B7:C10)Astuce de pro : Pour identifier quelles cellules contribuent le plus à l'association, calcule les résidus standardisés : (Observé - Attendu) / RACINE(Attendu). Une valeur supérieure à 2 en valeur absolue indique une contribution significative.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction CHISQ.TEST
La plupart des résultats trompeurs de CHISQ.TEST ne viennent pas de la fonction, mais des données que tu lui donnes : un tableau attendu mal calculé ou des pourcentages glissés à la place des effectifs suffisent à fausser toute la p-value.
Garde aussi en tête que le test détecte une association, pas une cause : c'est le piège d'interprétation le plus courant une fois le calcul correct.
Fréquences attendues inférieures à 5
Le test du khi-deux n'est pas fiable quand une ou plusieurs cellules du tableau attendu ont une fréquence inférieure à 5. Le test peut donner une p-value incorrecte dans ce cas.
Solution : Regroupe des catégories pour augmenter les effectifs par cellule, ou augmente la taille de l'échantillon. Vérifie toutes tes fréquences attendues avec MIN(plage_attendue) : cette valeur doit être supérieure ou égale à 5.
Confusion entre fréquences et pourcentages
CHISQ.TEST nécessite des comptages absolus (effectifs bruts), pas des pourcentages. Si tes données sont en pourcentages, le test donnera des résultats complètement faux.
Solution : Utilise toujours les effectifs bruts (nombre de personnes, d'événements, etc.). Si tes données sont en pourcentages, multiplie chaque valeur par le total correspondant pour retrouver les effectifs.
Dimensions incompatibles entre les deux plages
plage_réelle et plage_attendue doivent avoir exactement les mêmes dimensions. Une erreur courante : inclure les totaux marginaux dans une plage mais pas dans l'autre.
Solution : Sélectionne uniquement les cellules de données, sans les lignes ou colonnes de totaux. Vérifie que tes deux plages ont le même nombre de lignes et de colonnes.
Interprétation causale abusive du résultat
Un khi-deux significatif prouve une association statistique entre les variables, mais ne prouve pas de relation causale. Si formation et performance sont associées, cela ne prouve pas que la formation cause l'amélioration.
Solution : Rappelle-toi que CHISQ.TEST détecte des corrélations, pas des causalités. Pour établir une causalité, il faut un protocole expérimental avec randomisation (comme un essai clinique contrôlé).
Mauvais calcul des fréquences attendues
Une erreur dans le calcul des fréquences attendues invalide entièrement le test. La formule correcte est (Total ligne × Total colonne) / Total général pour chaque cellule.
Solution : Vérifie que la somme des fréquences attendues par ligne est égale à la somme des fréquences observées pour cette ligne, et de même pour chaque colonne. Utilise des références mixtes ($D2*B$5)/$D$5 pour remplir automatiquement le tableau attendu.
Astuces avancées avec CHISQ.TEST
Calcule les fréquences attendues avec des références mixtes
Pour remplir rapidement tout le tableau des fréquences attendues, entre cette formule dans la première cellule du tableau attendu et étends-la : =($D2*B$5)/$D$5 où D2 est le total de la ligne, B5 le total de la colonne, et D5 le total général. Les signes $ verrouillent la bonne dimension selon l'extension.
Tu n'as à saisir la formule qu'une seule fois, puis à l'étirer sur toute la grille.
Identifie les cellules qui contribuent le plus à l'association
Une p-value significative te dit qu'il y a une association, mais pas quelles catégories la portent. Pour le savoir, calcule les résidus standardisés : =(Observé - Attendu) / RACINE(Attendu) pour chaque cellule.
Une valeur supérieure à 2 (en valeur absolue) identifie les combinaisons de catégories qui s'écartent le plus de l'indépendance. Ces cellules sont la source de ton association.
CHISQ.TEST vs TEST.KHIDEUX vs T.TEST
Choisis CHISQ.TEST pour tester l'indépendance entre deux variables catégorielles dans un nouveau classeur. Garde TEST.KHIDEUX seulement si ton fichier doit rester compatible avec une vieille version d'Excel, et passe à T.TEST dès que tu compares des moyennes plutôt que des fréquences.
| Critère | CHISQ.TEST | TEST.KHIDEUX | T.TEST |
|---|---|---|---|
| Disponibilité | Excel 2010+ | Toutes versions (ancienne syntaxe) | Excel 2010+ |
| Type de données | Catégorielles (effectifs) | Catégorielles (effectifs) | Quantitatives continues |
| Question posée | Les variables sont-elles indépendantes ? | Les variables sont-elles indépendantes ? | Les moyennes diffèrent-elles ? |
| Entrée de la fonction | Observés + attendus | Observés + attendus | Deux plages de valeurs |
| Cas d'usage typique | Préférence, genre, catégorie, canal | Compatibilité anciens fichiers | Ventes A/B, scores avant/après |
Questions fréquentes sur la fonction CHISQ.TEST
Quelle différence entre CHISQ.TEST et TEST.KHIDEUX ?
CHISQ.TEST est la version moderne de TEST.KHIDEUX, introduite avec Excel 2010. Les deux fonctions font exactement le même calcul, attendent les mêmes deux plages et renvoient la même p-value.
Microsoft recommande CHISQ.TEST pour tes nouveaux classeurs ; TEST.KHIDEUX n'est conservée que pour la compatibilité avec les anciens fichiers et pourrait disparaître à terme.
Comment interpréter la p-value de CHISQ.TEST ?
Si la p-value est inférieure à 0,05, les deux variables sont statistiquement dépendantes : il y a une association significative. Si elle est supérieure ou égale à 0,05, tu ne peux pas rejeter l'hypothèse d'indépendance ; les données ne prouvent pas de relation.
Plus la p-value est proche de zéro, plus l'association est forte. Le seuil de 0,05 est une convention standard ; en recherche médicale, on utilise parfois 0,01.
Quelles sont les conditions pour utiliser CHISQ.TEST ?
Les conditions principales sont : des données catégorielles organisées en tableau de contingence, des observations indépendantes, et toutes les fréquences attendues supérieures ou égales à 5. En dessous de 5, le test n'est plus fiable.
Dans ce cas, regroupe des catégories pour augmenter les effectifs par cellule, ou utilise le test exact de Fisher pour les petits tableaux.
Comment calculer les fréquences attendues ?
Excel ne calcule pas automatiquement les fréquences attendues. Tu dois les calculer toi-même avec la formule : Attendu = (Total ligne × Total colonne) / Total général pour chaque cellule.
Par exemple, si une ligne totalise 100, une colonne totalise 80 et le total général est 200, la fréquence attendue pour cette cellule vaut (100 × 80) / 200 = 40.
Peut-on utiliser CHISQ.TEST pour plus de deux catégories ?
Oui. CHISQ.TEST fonctionne avec des tableaux de n'importe quelle dimension (2×2, 3×4, 5×5, etc.) et teste l'indépendance entre deux variables quel que soit le nombre de catégories de chacune.
Plus le tableau est grand, plus il faut d'observations pour que toutes les fréquences attendues dépassent 5 et que le test reste valide.
CHISQ.TEST existe-t-elle dans Google Sheets ?
Oui, Google Sheets propose CHITEST, qui fait le même calcul du khi-deux d'indépendance à partir d'une plage observée et d'une plage attendue.
Le résultat est identique à celui de CHISQ.TEST dans Excel : une p-value que tu compares à ton seuil de 0,05 pour décider si tes deux variables sont associées.
Pour aller plus loin
Les fonctions similaires : TEST.KHIDEUX, T.TEST, F.TEST, Z.TEST, LOI.KHIDEUX.DROITE
Bloqué sur une formule Excel ?
Pose ta question à notre assistant Excel IA, il te sort la bonne formule en quelques secondes.
Essayer l'assistant IAGratuit · 10 questions par mois