Ajouter des barres de significativité dans ggplot2 : méthodes, astuces et workflow complet

À la fin d’une analyse de données, on réalise généralement un graph pour synthétiser les résultats obtenus. La leçon compagne Add p-values to ggplots utilise un seul appel, stat_compare_means(), qui calcule et dessine le test ensemble - parfait pour une annotation rapide. Pour des annotations plus fines, le flux rstatix → ggpubr permet de calculer, ajuster, positionner et dessiner des p-values issues de vrais tests statistiques sur n’importe quel ggplot.

Pourquoi ajouter des barres de significativité ?

This package provides an easy way to indicate if two groups are significantly different. Commonly this is shown by a bar on top connecting the groups of interest which itself is annotated with the level of significance (NS, *, **, ***). Les résultats des tests de Student permettent de montrer que les produits 1 et 3 sont significativement différents (avec une p-value de 7.10^-3). Chaque barre présentant une lettre différente d'une autre en est forcément significativement différente.

Cas d'usage et formules

La fonction de test attend généralement une formule de la forme x ~ group, where x is a numeric variable and group is a factor with one or multiple levels. For example, formula = TP53 ~ cancer_group. It’s also possible to perform the test for multiple response variables at the same time.

Choix des tests et options principales

  • method : le type de test. Default is “wilcox.test”. “t.test” (parametric) and “wilcox.test” (non-parametric). Pour plus de groupes : “anova” (parametric) et “kruskal.test” (non-parametric).
  • paired : logical indiquant si le test est apparié (paired = TRUE pour mesures répétées).
  • group.by : variables utilisées pour grouper le jeu de données avant d'appliquer le test.
  • ref.group : chaîne de caractères spécifiant le groupe de référence. Si ref.group est spécifié, chaque niveau du facteur sera comparé à la référence. ref.group peut aussi être “.all.” pour comparer chaque groupe à la moyenne globale (base-mean).
  • comparisons : liste de vecteurs length-2 pour forcer des comparaisons spécifiques.
  • hide.ns : logique pour masquer les "NS".
  • label : type d'étiquette à afficher ; label.x,label.y : coordonnées en unités de données pour position absolue.
  • p.adj : la p-value ajustée ; adjust_pvalue() crée p.adj, et add_significance("p.adj") crée p.adj.signif.

Workflow recommandé (rstatix → ggpubr)

  1. Calculer le test statistique et obtenir un data frame de résultats : df %>% t_test(len ~ dose) (ou wilcox_test(), anova_test(), kruskal_test()).
  2. Si nécessaire, ajuster les p-values pour la multiplicité : adjust_pvalue(method = "holm") (ou "bonferroni", "BH", …).
  3. Ajouter des colonnes d'étoiles/significativité : add_significance("p.adj").
  4. Positionner les crochets : add_xy_position(x = "dose") - pour les graphiques groupés, passer le même dodge que dans le géom (par ex. dodge = 0.8) et pour les facettes à échelles libres, ajouter scales = "free".
  5. Dessiner avec ggpubr : ggboxplot(...) + stat_pvalue_manual(stat.test, label = "p.adj.signif") ou utiliser stat_compare_means() pour un raccourci en une couche.

Exemples pratiques et conseils

Commencez par le cas le plus simple - les deux suppléments (OJ vs VC) diffèrent-ils ? Calculez un t_test() (utilisez wilcox_test() pour la version non paramétrique - même appel), ajoutez la position, et dessinez la p-value brute. Pour trois groupes ou plus, t_test(len ~ dose) exécute toutes les comparaisons par paires et ajuste les p-values automatiquement. Souvent, vous voulez plutôt chaque groupe par rapport à une référence (un contrôle) - fixez ref.group.

On peut aussi vouloir comparer chaque groupe à “all” (i.e. base-mean). Nous allons tracer l’expression du gène DEPDC1 selon les 7 groupes moléculaires et comparer chaque groupe à la moyenne globale : ceci évite la prolifération des comparaisons pairwise entre tous les couples.

Lire aussi: Modifier Activité Kbis Auto-Entrepreneur

Positionnement des crochets et problèmes fréquents

  • Les crochets flottent au mauvais endroit sur un graphique groupé : add_xy_position() doit connaître la juxtaposition - passez le même dodge que celui donné au graphique (par ex. add_xy_position(x = "dose", dodge = 0.8)).
  • Pour les diagrammes en barres/courbes, ajouter le fun correspondant (par ex. add_xy_position() échoue avec “object ‘p.adj’ not found” - calculez la colonne avant de l’étiqueter).
  • Les crochets sur une facette à échelle libre sont mal positionnés : scales = "free" doit être défini aux deux endroits - add_xy_position(..., scales = "free") et dans facet_wrap(..., scales = "free").
  • Les crochets horizontaux sont dessinés à la verticale (ou hors du graphique) si on ajoute coord_flip() sans informer stat_pvalue_manual() ; passez coord.flip = TRUE à stat_pvalue_manual().
  • Les étiquettes sont coupées par la bordure supérieure : pointez label vers une colonne y dédiée ou agrandissez la marge supérieure.

Facettes, échelles libres et réponses multiples

Il arrive que vous mesuriez plusieurs réponses sur les mêmes sujets - remodelez du format large → long avec stack() de base R, groupez par la réponse, et calculez un t_test() de value ~ group au sein de chaque réponse. Dessinez un graphique facet_wrap(~variables, scales = "free") avec stat_pvalue_manual() - chaque panneau montre la comparaison pour une réponse et add_xy_position(scales = "free") positionne correctement les crochets.

Options rapides : stat_compare_means() vs stat_pvalue_manual()

stat_compare_means() calcule et dessine le test en une seule couche - rapide pour une p-value globale ou par paire rapide, sans ajustement. stat_pvalue_manual() dessine des p-values que vous avez calculées séparément (avec rstatix), ce qu’il faut pour des p-values ajustées, des tests spécifiques, ou des dispositions groupées / en facettes / horizontales.

Alternatives et packages connexes

  • ggsignif : fournit un moyen simple d’ajouter des barres de significativité et est compatible avec les facettes. Note : ggsignif échoue si les données sont groupées globalement (par esthétique globale comme color, fill, group).
  • multcompView / multcompLetters : utiles pour obtenir des lettres de groupement à partir de comparaisons multiples ; attention à l’interfaçage si vous utilisez PMCMRplus.
  • geom_bracket() : pour annotations personnalisées ponctuelles.

Diagrammes en barres : points pratiques

Un diagramme en barres compare une valeur entre plusieurs catégories - l’outil de prédilection pour les effectifs, les totaux et les moyennes de groupe. geom_bar() compte pour vous les lignes de chaque catégorie (stat = "count"), tandis que geom_col() trace une barre à la valeur fournie (stat = "identity"). Associez une seconde variable à fill pour comparer des groupes au sein de chaque catégorie et définissez position = "dodge" pour des barres côte à côte.

Vous voulez des barres d’erreur ? Calculez les intervalles de confiance par groupe puis ajoutez-les avec geom_errorbar() ou arrows() en base R si vous tracez manuellement. Pour inscrire chaque valeur à l’intérieur de son segment, placez l’étiquette au point milieu du segment : calculez, par dose, la somme cumulée moins la moitié de chaque valeur pour les barres empilées.

Exemple de script conceptuel (résumé des étapes)

1) Remodelez en long si nécessaire (stack() ou pivot_longer). 2) group_by(variable) %>% t_test(value ~ group) ou wilcox_test()/anova_test()/kruskal_test(). 3) adjust_pvalue(method = "holm") et add_significance("p.adj"). 4) add_xy_position(x = "group", dodge = 0.8, scales = "free" si facet_wrap scales = "free"). 5) ggboxplot(...) + stat_pvalue_manual(stat.test, label = "p.adj.signif", coord.flip = TRUE si vous utilisez coord_flip()).

Lire aussi: INPI et Micro-Entreprise : Démarches

Principes d'évaluation + 4 règles de preuve | TAE40122

Problèmes pratiques rencontrés par les utilisateurs

  • Erreur : Aesthetics must be either length 1 or the same as the data (typiquement conflit entre data frames de tailles différentes - p.ex. ggplot principal a 21 lignes et myletters_df 4 lignes). Solution : utiliser geom_text(data = myletters_df, inherit.aes = FALSE, aes(x, y, label = letters)).
  • Impossible d’afficher les lettres avec facet_wrap : s’assurer que myletters_df contient la colonne de facette et y.position correcte pour chaque facette.
  • La médiane s’affiche dans ggboxplot() : c’est normal - le boxplot montre la médiane. Pour afficher la moyenne, superposez stat_summary(fun = mean, geom = "point").
  • Problèmes de packages : installez multcompView si nécessaire pour utiliser tri.to.squ et multcompLetters.

Bonnes pratiques et recommandations

  • Commencez simple : stat_compare_means() pour un aperçu rapide ; utilisez rstatix + ggpubr pour un contrôle fin et p-values ajustées.
  • Positionnez explicitement les crochets avec add_xy_position() et adaptez dodge/fun/scales/coord.flip selon la géométrie du plot.
  • Lorsque vous comparez beaucoup de groupes, considérez comparer chaque groupe à la moyenne globale (ref.group = ".all.") pour réduire le nombre de comparaisons.
  • Vérifiez que vos variables sont bien codées en facteurs pour éviter les erreurs d’esthétique.

Ressources pour aller plus loin

  • ggpubr - la série complète prête à publier.
  • rstatix pour les tests et ajustements p-value.
  • ggsignif pour des annotations simples compatibles facettes.
  • R Graphics Essentials et GGPlot2 Essentials pour une lecture approfondie.

Lire aussi: Comment Calculer la TVA ?

balises:

Articles populaires: