Données catégorielles : Modéliser le nominal

Dans l’étude scientifique du comportement et des processus mentaux, les phénomènes psychologiques ne se manifestent pas toujours sous la forme de grandeurs physiques continues, mais s’expriment fréquemment par des classifications nosologiques, des choix discrets et des paliers ordonnés. L’analyse des données catégorielles constitue le corpus méthodologique et statistique rigoureux dédié au traitement mathématique de ces variables qualitatives, transformant des fréquences d’observation brutes en inférences scientifiques de haute précision.

Analyse des données catégorielles

1. Définition concise

L’analyse des données catégorielles désigne l’ensemble des méthodes statistiques quantitatives conçues spécifiquement pour examiner, modéliser et interpréter des variables dont l’espace d’états est constitué d’un nombre fini de catégories distinctes, non métriques et mutuellement exclusives. Contrairement aux approches fondées sur l’hypothèse de distributions normales continues, cette discipline traite des échelles de mesure nominales et ordinales à travers des distributions de probabilité discrètes telles que les lois binomiale, multinomiale et de Poisson.

Au sein des sciences psychologiques, comportementales et sociales, ce cadre analytique permet de dépasser la simple statistique descriptive des pourcentages afin d’estimer des structures de dépendance complexes, d’évaluer les effets d’interactions multiples et de prédire l’appartenance à un groupe ou un diagnostic clinique. Elle englobe des outils fondamentaux allant des tables de contingence bidimensionnelles élémentaires aux modèles linéaires généralisés et aux structures de classes latentes.

En somme, elle offre une armature probabiliste robuste indispensable dès lors que le chercheur ou le clinicien doit formaliser des décisions cliniques binaires (présence ou absence d’un trouble), des typologies de personnalité polytomiques ou des réponses ordonnées issues d’échelles psychométriques d’auto-évaluation.

2. Étymologie et origine linguistique

Le syntagme « analyse des données catégorielles » puise ses racines dans plusieurs traditions philosophiques et scientifiques majeures. Le terme « analyse » dérive du grec ancien analusis (ἀνάλυσις), formé du préfixe ana- (« de bas en haut », « en remontant ») et du verbe luein (« délier », « dissoudre »), signifiant littéralement la décomposition d’un ensemble complexe en ses constituants élémentaires afin d’en saisir les propriétés fondamentales.

Le substantif « donnée » provient du participe passé passif du verbe latin dare (« donner »), transposé sous la forme neutre datum au singulier et data au pluriel, désignant ce qui est immédiatement accordé à la perception ou consigné comme prémisse empirique d’un raisonnement.

L’adjectif « catégoriel » remonte au grec katēgoria (κατηγορία), désignant originellement une accusation publique au tribunal, puis conceptualisé par Aristote dans son traité des Catégories comme l’énonciation des modes fondamentaux selon lesquels l’être se dit et se classe. Repris dans la philosophie kantienne pour désigner les concepts purs de l’entendement, le terme est introduit au début du XXe siècle dans le vocabulaire statistique par des pionniers de la biométrie pour désigner les regroupements qualitatifs d’observations ne relevant pas d’un continuum métrique continu.

3. Prononciation et forme grammaticale

Sur le plan phonétique, l’expression se transcrit dans l’alphabet phonétique international selon le schéma standard suivant : /a.na.liz de dɔ.ne ka.te.ɡɔ.ʁjɛl/. L’élision et l’enchaînement vocalique entre « des » (/de/) et « données » (/dɔ.ne/) maintiennent une articulation distincte des consonnes occlusives dentales.

Du point de vue morphosyntaxique, il s’agit d’une locution nominale féminine construite autour du nom tête « analyse », complété par un groupe prépositionnel déterminatif au pluriel (« des données catégorielles »). Le terme « catégoriel » prend la marque du féminin pluriel en accord avec le substantif « données ». On rencontre parfois la variante singulière « analyse de données catégorielles », employée de manière générique, bien que la forme définie plurielle soit largement privilégiée dans la littérature académique francophone.

Dans la littérature méthodologique anglo-saxonne correspondante, le terme équivalent consacré est Categorical Data Analysis (CDA), fréquemment utilisé comme désignation globale d’un champ d’expertise autonome au confluent de la statistique mathématique et de la psychométrie.

4. Explication conceptuelle détaillée

L’analyse des données catégorielles repose sur la reconnaissance épistémologique que les lois statistiques régissant les grandeurs continues (telles que le temps de réaction en millisecondes ou le taux de cortisol sérique) ne s’appliquent pas de manière valide aux phénomènes qualitatifs discrets. Les variables catégorielles se divisent principalement en deux classes : les variables nominales, où les modalités ne possèdent aucun ordre intrinsèque (par exemple, le sous-type diagnostique de schizophrénie, la nationalité, le style d’attachement), et les variables ordinales, où un ordre logique sous-tend les catégories sans que la distance métrique exacte entre deux échelons successifs ne soit quantifiable (par exemple, les stades de gravité d’un trouble de l’humeur ou les modalités d’une échelle de Likert allant de « fortement en désaccord » à « fortement d’accord »).

Lorsque des chercheurs tentent d’appliquer des régressions linéaires conventionnelles basées sur la méthode des moindres carrés ordinaires (MCO) à une issue binaire ou ordonnée, ils violent des postulats statistiques cruciaux. Premièrement, la relation n’est généralement pas linéaire : la probabilité conditionnelle d’un événement se sature inévitablement à 0 et 1, créant une courbe sigmoïde plutôt qu’une droite infinie. Deuxièmement, les résidus ne sont ni normalement distribués, ni homoscédastiques, car la variance d’une variable binaire dépend intrinsèquement de sa moyenne selon la formule de la loi de Bernoulli : Var(Y) = p(1 – p). Appliquer un modèle linéaire classique risque d’engendrer des prédictions de probabilité mathématiquement absurdes, inférieures à zéro ou supérieures à un.

Pour surmonter ces contraintes, l’analyse des données catégorielles fait appel à la théorie des modèles linéaires généralisés, formulée pour unifier les analyses par régression sous un cadre probabiliste global. Dans ce cadre, on applique une fonction de lien (telle que le logit, le probit ou le log-log complémentaire) à la valeur attendue de la variable réponse afin de transformer l’intervalle de probabilité borné [0, 1] en un continuum réel non borné allant de moins l’infini à plus l’infini. Les paramètres de ces modèles ne sont pas calculés par minimisation des carrés des erreurs, mais estimés au moyen du principe du maximum de vraisemblance, garantissant des estimateurs asymptotiquement sans biais et de variance minimale.

Au-delà de la modélisation univariée et multivariée, l’analyse catégorielle structure l’information sous la forme de tableaux de contingence croisant les fréquences d’apparition conjointes des modalités. Elle cherche à déterminer si la répartition conjointe observée s’écarte significativement de la répartition attendue sous l’hypothèse nulle d’indépendance statistique. Cette exploration structurelle mobilise des métriques non linéaires sophistiquées, notamment le rapport des cotes (odds ratio), qui demeure insensible aux variations d’échantillonnage marginales contrairement aux simples pourcentages de différence.

5. Évolution historique

L’histoire de l’analyse des données catégorielles s’articule autour de ruptures théoriques et méthodologiques majeures amorcées au tout début du XXe siècle. L’acte de naissance officiel de cette discipline remonte à 1900, lorsque le biométricien britannique Karl Pearson publie son article fondamental introduisant le test d’adéquation et d’indépendance du Chi-carré (χ²). Pearson fournit pour la première fois aux scientifiques une méthode mathématique permettant de déterminer si les fréquences observées dans un tableau croisé s’écartent du hasard au-delà de l’erreur d’échantillonnage prévisible.

Cependant, des controverses passionnées ont rapidement opposé Karl Pearson à Ronald Aylmer Fisher dans les années 1920 concernant les degrés de liberté appropriés dans les tables de contingence. Fisher démontre rigoureusement que les restrictions imposées par l’estimation des paramètres marginaux réduisent les degrés de liberté de la table, formulant parallèlement en 1934 le test exact de Fisher, indispensable pour analyser les échantillons de faible effectif où l’approximation asymptotique du Chi-carré échoue.

Le tournant vers la modélisation multivariée s’opère dans les décennies d’après-guerre. En 1944, Joseph Berkson introduit le terme et le concept de « modèle logit », ouvrant la voie à la régression logistique moderne pour contrer les limitations pratiques du modèle probit alors dominant en bio-essai. Plus tard, en 1959, Nathan Mantel et William Haenszel élaborent une technique d’ajustement stratifié pour estimer l’association entre deux variables binaires tout en contrôlant un facteur de confusion, une avancée majeure pour l’épidémiologie clinique et psychiatrique.

La synthèse théorique définitive survient en 1972 avec les travaux séminaux de John Nelder et Robert Wedderburn, qui introduisent le concept unifié de modèles linéaires généralisés (GLM). Cette formulation mathématique révolutionnaire permet d’intégrer dans une architecture computationnelle commune la régression normale continue, la régression logistique binaire et les modèles log-linéaires pour fréquences de comptage (fondés sur la loi de Poisson), théorisés simultanément par Yvonne Bishop, Stephen Fienberg et Paul Holland dans leur ouvrage fondateur de 1975. Dès les années 1980 et 1990, le statisticien Alan Agresti synthétise et vulgarise ces méthodologies pour les sciences humaines et biomédicales, consacrant l’analyse des données catégorielles comme un pilier standard de la méthodologie empirique contemporaine.

6. Fondements théoriques

L’assise épistémologique et probabiliste de l’analyse catégorielle repose sur trois piliers théoriques fondamentaux : la modélisation linéaire généralisée, la théorie de l’estimation par le maximum de vraisemblance, et la théorie des variables latentes sous-jacentes.

Le cadre des GLM postule que la variable dépendante catégorielle $Y$ suit une distribution appartenant à la famille exponentielle de dispersions (telle que la loi de Bernoulli pour des variables dichotomiques, ou la loi multinomiale pour des variables polytomiques). Le modèle comporte trois composants :

• La composante aléatoire : la distribution de probabilité spécifiée pour la réponse $Y$.
• La composante systématique : un prédicteur linéaire $\eta = \beta_0 + \beta_1 X_1 + dots + \beta_k X_k$, combinant linéairement les variables explicatives continues ou catégorielles.
• La fonction de lien $g(\cdot)$ : qui relie la moyenne théorique $\mu = E(Y)$ au prédicteur linéaire par l’équation $g(\mu) = \eta$. Dans le cas de la régression logistique, cette fonction est le logit : $g(p) = ln(p / (1 – p))$.

Le deuxième pilier théorique réside dans l’inférence par le maximum de vraisemblance (MLE). Dans la mesure où les solutions analytiques directes (telles que les équations normales des MCO) n’existent pas pour ces modèles non linéaires, l’estimation des coefficients s’effectue de manière itérative par des algorithmes numériques, principalement l’algorithme de Newton-Raphson ou des moindres carrés récursivement repondérés (IRLS). La fonction de vraisemblance agrège la probabilité conjointe d’observer l’ensemble des données empiriques conditionnellement aux paramètres du modèle, et le processus sélectionne les valeurs des paramètres qui maximisent cette fonction.

Le troisième fondement théorique, particulièrement cher à la psychométrie, est le modèle à variable latente. Conçu originellement par Louis Leon Thurstone à travers la loi du jugement comparatif, ce cadre postule qu’une variable ordinale ou binaire observée résulte en réalité d’une variable psychologique continue sous-jacente non mesurable directement (comme la sévérité d’une dépression ou l’intensité d’une attitude). Lorsque ce continuum latent franchit des seuils critiques fixes (appelés cutpoints ou seuils de seuil $tau$), la réponse observée bascule dans la catégorie discrète supérieure. Ce fondement fait le pont théorique direct entre l’analyse des données catégorielles et les modèles de la théorie des réponses aux items (TRI).

7. Composantes clés, types et dimensions

Pour cartographier précisément le champ de l’analyse catégorielle, il convient de distinguer ses différentes branches selon la nature des variables et l’objectif d’analyse :

• Analyse bivariée des tables de contingence : Évaluation de l’indépendance statistique entre deux variables au moyen du test du Chi-carré de Pearson ($χ²$), du test du rapport de vraisemblance ($G²$) et de coefficients d’association d’intensité (Phi, V de Cramér).
• Régression logistique binaire : Modélisation d’une réponse dichotomique (succès/échec, malade/sain) en fonction d’un ensemble de covariables continues et catégorielles, exprimée sous forme d’accroissement du logarithme des cotes (log-odds).
• Régression logistique multinomiale : Extension de la régression binaire à des variables réponses nominales comprenant trois modalités ou plus, où chaque modalité est comparée simultanément à une catégorie de référence prédéfinie.
• Régression ordinale (modèle à cotes proportionnelles) : Modélisation de variables polytomiques ordonnées postulant que l’effet des variables explicatives est invariant quel que soit le seuil de coupure dichotomique considéré sur le continuum de la réponse.
• Modèles log-linéaires : Modèles utilisés pour analyser des tables de contingence multidimensionnelles croisant trois variables ou plus, sans distinguer formellement variable dépendante et variables indépendantes, dans le but d’isoler des interactions d’ordre supérieur.
• Analyse des correspondances simples et multiples (ACS/ACM) : Techniques géométriques et descriptives de réduction dimensionnelle spatialisant les proximités relatives entre modalités au sein d’un espace factoriel à faible dimension.
• Modèles de classes latentes (LCA) : Modélisation probabiliste identifiant des sous-groupes non observés (classes) d’individus partageant des profils de réponses catégorielles homogènes.

8. Exemples et cas illustratifs

L’application de l’analyse des données catégorielles se matérialise de manière exemplaire dans l’étude des parcours cliniques en psychiatrie. Considérons une étude examinant l’efficacité comparée de deux psychothérapies (thérapie cognitivo-comportementale versus thérapie psychodynamique) sur la rémission d’un état de stress post-traumatique (ESPT) chez 300 patients, avec une variable réponse dichotomique mesurée à 6 mois : Rémission complète (« Oui » = 1) versus Persistance des symptômes (« Non » = 0).

Une régression logistique binaire permet d’incorporer le type de thérapie tout en contrôlant des facteurs confondants tels que la sévérité initiale du traumatisme (continu) et la présence de comorbidités addictives (binaire). Si le modèle rapporte un rapport des cotes ajusté (AOR) de 2,45 en faveur de la TCC ($p < 0,01$), cela signifie concrètement que les patients sous TCC ont 2,45 fois plus de chances relatives d’obtenir une rémission complète comparativement aux patients du groupe contrôle, à niveau de sévérité initiale identique.

Un autre cas représentatif concerne la psychologie cognitive et la prise de décision. Des chercheurs évaluent le choix préférentiel des consommateurs face à trois stratégies de réduction de l’anxiété écologique : « Changement individuel strict », « Action collective militante » ou « Évitement/Déni ». S’agissant d’un choix nominal à trois options sans hiérarchie naturelle, l’utilisation d’une régression logistique multinomiale est requise. Elle permet de tester comment le niveau de névrosisme ou l’orientation politique modifie la probabilité de basculer du déni vers l’activisme collectif, fournissant des équations de probabilité différenciées pour chaque bifurcation comportementale.

9. Mesure et évaluation

L’adéquation, la précision et la validité des modèles d’analyse catégorielle s’évaluent par un ensemble d’indices statistiques distincts de ceux employés en régression linéaire classique (comme le $R^2$ standard).

L’indice central de qualité d’ajustement global est la déviance statistique ($D$), qui mesure l’écart entre le modèle ajusté et un modèle saturé parfait (modèle théorique prédisant exactement chaque observation). Une diminution significative de la déviance, testée par une statistique du rapport de vraisemblance suivant asymptotiquement une loi de Chi-carré, indique qu’une covariable ajoutée améliore significativement le pouvoir explicatif du modèle. Pour les comparaisons de modèles non emboîtés, les chercheurs s’appuient sur les critères d’information d’Akaike (AIC) et bayésien (BIC), qui pénalisent la complexité algorithmique afin d’éviter le surajustement (overfitting).

Concernant l’évaluation des associations au niveau des tables croisées, plusieurs métriques spécialisées sont sollicitées :

• Le test d’indépendance de Pearson : Évalue l’hypothèse globale d’indépendance mais reste très sensible aux grands effectifs.
• Le Kappa de Cohen ($kappa$) : Mesure le degré de concordance entre deux évaluateurs catégoriels indépendants (par exemple deux psychiatres posant un diagnostic), en soustrayant la part d’accord attribuable au simple hasard probabiliste.
• Le Gamma de Goodman et Kruskal ($\gamma$) : Mesure non paramétrique d’association ordinale fondée sur la prépondérance des paires concordantes sur les discordantes.
• Les pseudo-$R^2$ (McFadden, Nagelkerke, Cox & Snell) : Approximations conceptuelles de la variance expliquée, dont les valeurs numériques ne doivent pas être interprétées littéralement comme des pourcentages de variance, mais comme des indicateurs d’amélioration relative de la log-vraisemblance.

10. Applications et portée pratique

La portée pratique de l’analyse des données catégorielles s’étend à tous les champs appliqués de la psychologie et des disciplines connexes du soin et du comportement :

En psychopathologie clinique et diagnostic, elle fournit l’infrastructure méthodologique sous-tendant les critères de classification des manuels nosologiques internationaux (comme le DSM-5 et la CIM-11). Elle permet d’étudier la comorbidité psychiatrique, la progression par stades des troubles bipolaires et l’efficacité des protocoles pharmacologiques en traduisant des tableaux complexes d’apparition de symptômes en profils nosographiques interprétables.

En psychométrie et évaluation, la théorie moderne de la mesure s’appuie directement sur les modèles de réponses catégorielles. Les modèles de Rasch polytomiques et les modèles de réponse graduée de Samejima dérivent directement des régressions logistiques ordinales pour calibrer les items des questionnaires de personnalité et d’intelligence, garantissant que les propriétés de mesure d’un test restent indépendantes de l’échantillon normatif spécifique.

En psychologie organisationnelle et ergonomie, l’analyse catégorielle guide les décisions relatives à l’attrition du personnel (décision binaire de démissionner ou de rester dans l’entreprise), à la sélection du personnel par Assessment Centers, ou à la conformité aux protocoles de sécurité dans les environnements à haut risque (centrales nucléaires, aéronautique), où les comportements d’erreur sont recensés sous forme de variables d’incidents catégoriels.

11. Recherche et preuves empiriques

Les avancées méthodologiques en analyse catégorielle ont profondément modifié les conclusions de la recherche empirique au cours des dernières décennies. L’un des débats méthodologiques majeurs a porté sur le traitement statistique des échelles de réponse de type Likert (par exemple, des échelles en 5 ou 7 points d’accord).

Pendant des décennies, une part considérable de la littérature en psychologie a traité ces données comme des variables continues, appliquant des tests t de Student, des ANOVA ou des régressions linéaires. Les travaux empiriques de statisticiens et psychométriciens tels que David Jamieson (2004) et Geoffrey Norman (2010), suivis par des études de simulation approfondies (Liddell & Kruschke, 2018), ont démontré que l’application de méthodes métriques à des données ordinales peut provoquer des erreurs d’inférence substantielles, induisant tant des faux positifs (erreurs de type I) que l’inversion pure et simple de l’ordre apparent des moyennes dans des groupes expérimentaux.

La recherche contemporaine privilégie ainsi massivement l’utilisation de modèles à cotes proportionnelles ou de régressions logistiques ordinales bayésiennes, qui respectent la nature discrète des seuils cognitifs des répondants. De même, les recherches épidémiologiques majeures de l’Organisation Mondiale de la Santé (comme la World Mental Health Survey Initiative) s’appuient systématiquement sur la modélisation logistique multivariée stratifiée pour estimer la prévalence vie-entière et les facteurs de risque des troubles mentaux à l’échelle planétaire, apportant une base probante irréfutable à la santé publique mondiale.

12. Considérations culturelles et transculturelles

L’utilisation de données catégorielles en psychologie interculturelle requiert une vigilance méthodologique extrême quant à l’équivalence de mesure entre populations. Des biais de réponse culturels documentés modifient fréquemment la structure des données discrètes indépendamment du trait latent psychologique réel.

Par exemple, certaines cultures valorisent le style de réponse extrême (tendance à choisir systématiquement les points d’ancrage maximaux ou minimaux d’une échelle catégorielle ordonnée), tandis que d’autres cultures, marquées par des normes de modestie ou de modération émotionnelle, privilégient l’acquiescement neutre ou les catégories centrales de l’échelle. Si un chercheur compare directement les pourcentages bruts ou applique une modélisation catégorielle naïve sans modéliser ces styles de réponse via des modèles de classes latentes ou des modèles de mélange, il risque d’attribuer à tort à une différence de personnalité ou de pathologie ce qui ne relève que d’une norme de communication socioculturelle.

De plus, l’analyse du fonctionnement différentiel des items (DIF – Differential Item Functioning), qui utilise des procédures de régression logistique ordinale comparant la probabilité de valider une modalité particulière entre deux groupes culturels à niveau de trait sous-jacent égal, constitue aujourd’hui le standard international obligatoire pour certifier qu’un instrument psychologique ne présente pas de biais culturel intrinsèque.

13. Critiques, débats et limites

Bien que puissante, l’analyse des données catégorielles soulève plusieurs limitations techniques et controverses conceptuelles qui font l’objet de vifs débats académiques.

La première difficulté tient au problème de la sparsité (données creuses) dans les tables de contingence multidimensionnelles. Dès lors qu’une étude croise plusieurs variables catégorielles comportant chacune de multiples modalités, le nombre total de cellules explose de façon combinatoire. Il est fréquent que de nombreuses cellules affichent un effectif observé nul ou très faible ($n < 5$). Cette sparsité invalide les approximations asymptotiques du Chi-carré, engendre des estimations aberrantes des erreurs-types dans les régressions logistiques et peut provoquer le phénomène redouté de « séparation quasi-complète » (ou séparation parfaite), où l’algorithme de Newton-Raphson diverge à l’infini car une modalité prédit infailliblement l’issue.

Une seconde controverse récurrente concerne l’interprétabilité des résultats. Alors qu’un coefficient de régression linéaire classique s’interprète intuitivement en unités de la variable de mesure, le coefficient d’une régression logistique représente un logarithme du rapport des cotes ($eta = ln(OR)$). La conversion de ces grandeurs en risques relatifs ou en variations marginales de probabilité est souvent mal maîtrisée par les praticiens et les étudiants, conduisant fréquemment à des exagérations de l’ampleur clinique des effets dans les conclusions scientifiques.

Enfin, le postulat d’équivalence des cotes proportionnelles dans les modèles ordinaires représente une contrainte empirique fréquemment rejetée par les données (test de Brant significatif). Face à ce rejet, les chercheurs sont contraints de recourir à des modèles logistiques à cotes proportionnelles partielles ou à des modèles multinomiaux non ordonnés, plus gourmands en paramètres et moins parcimonieux sur le plan théorique.

14. Termes connexes et distinctions

Il est fondamental de dissocier rigoureusement l’analyse des données catégorielles d’autres notions statistiques connexes avec lesquelles des confusions demeurent fréquentes :

• Analyse qualitative versus analyse de données catégorielles : La recherche qualitative analyse des matériaux textuels, narratifs ou discursifs ouverts sans quantification (analyse thématique, phénoménologique). L’analyse de données catégorielles, bien que portant sur des variables dites qualitatives, est une discipline strictement quantitative, mathématique et probabiliste.
• Statistique non paramétrique : Les tests non paramétriques (comme le test de Wilcoxon-Mann-Whitney ou de Kruskal-Wallis) traitent des rangs ordonnés sans postuler de distribution théorique spécifique. L’analyse catégorielle moderne repose au contraire sur des modèles paramétriques probabilistes rigoureux (Bernoulli, multinomiale, Poisson) intégrés aux GLM.
• Modélisation continue (MCO) : L’analyse de régression linéaire ordinaire modélise directement l’espérance conditionnelle d’une variable métrique sous hypothèse de normalité des erreurs, alors que l’analyse catégorielle recourt obligatoirement à des fonctions de lien non linéaires pour modéliser des probabilités discrètes.
• Analyse de survie : Bien que les événements modélisés en analyse de survie soient souvent binaires (survenue du décès ou d’une rechute), la variable centrale y est le temps continu écoulé jusqu’à l’événement, ce qui la distingue des analyses catégorielles où le temps de latence n’est pas modélisé directement sous forme de durée continue.

15. Résumé et points clés à retenir

L’analyse des données catégorielles est l’architecture méthodologique indispensable à tout traitement rigoureux des phénomènes psychologiques nominaux et ordinaux :

• Elle substitue aux approximations linéaires inappropriées des distributions de probabilité discrètes adaptées (binomiale, multinomiale, Poisson) via le cadre des modèles linéaires généralisés (GLM).
• Elle offre des outils indispensables d’estimation des associations non linéaires, principalement le rapport des cotes (Odds Ratio), la déviance statistique et les tests exacts d’inférence.
• Ses extensions multivariées (régression logistique, modèles log-linéaires, modèles de classes latentes) permettent de contrôler rigoureusement les facteurs de confusion sans violer les postulats de normalité ou d’homoscédasticité.
• Son intégration aux sciences psychologiques assure la validité psychométrique des échelles d’évaluation, la robustesse des diagnostics cliniques et la comparabilité équitable des construits comportementaux à travers les différentes cultures humaines.

Références

• Agresti, A. (2013). Categorical Data Analysis (3rd ed.). John Wiley & Sons. https://www.wiley.com/en-us/Categorical+Data+Analysis%2C+3rd+Edition-p-9780470463635
• Bishop, Y. M., Fienberg, S. E., & Holland, P. W. (1975). Discrete Multivariate Analysis: Theory and Practice. MIT Press. https://mitpress.mit.edu/9780262524865/discrete-multivariate-analysis/
• Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1), 37-46. https://doi.org/10.1177/001316446002000104
• Liddell, T. M., & Kruschke, J. K. (2018). Analyzing ordinal data with metric models: What could possibly go wrong? Journal of Experimental Social Psychology, 79, 328-348. https://doi.org/10.1016/j.jesp.2018.08.009
• McCullagh, P., & Nelder, J. A. (1989). Generalized Linear Models (2nd ed.). Chapman & Hall/CRC. https://doi.org/10.1007/978-1-4899-3242-6
• Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. Philosophical Magazine Series 5, 50(302), 157-175. https://doi.org/10.1080/14786440009463897