Dans le domaine de la recherche quantitative, de la psychométrie et de la modélisation comportementale, la présence de données non observées constitue une entrave majeure à la robustesse des inférences statistiques. Lorsque des participants omettent de répondre à des items de questionnaires de personnalité, abandonnent prématurément un protocole longitudinal ou refusent de divulguer certaines informations sensibles, les chercheurs doivent recourir à des méthodes rigoureuses de gestion des données manquantes. Parmi les stratégies traditionnelles non paramétriques, l’imputation à froid — fréquemment désignée sous l’anglicisme cold-deck imputation — occupe une place historique et conceptuelle singulière, reliant les méthodologies d’enquêtes démographiques pionnières aux protocoles contemporains de calibration psychométrique standardisée.
Imputation à froid (Cold-Deck Imputation)
1. Définition concise
L’imputation à froid (ou cold-deck imputation) est une méthode statistique de traitement des données manquantes par laquelle une valeur absente chez un sujet donné (le receveur) est remplacée par la valeur observée chez un individu équivalent (le donneur) issu d’une base de données antérieure, externe ou indépendante de l’échantillon actuellement analysé. Contrairement aux approches fondées sur un donneur interne, cette technique sollicite une source d’information stabilisée et distincte, telle qu’une enquête pilote, une vague précédente d’une étude de cohorte ou un registre normatif préétabli.
Sur le plan technique, cette procédure d’assignation repose sur l’identification de variables d’appariement communes entre l’échantillon courant et le jeu de données externe. Le sujet présentant une valeur manquante est couplé à une observation donneuse partageant un profil sociodémographique ou psychologique identique ou très proche, garantissant que la valeur imputée respecte les contraintes de distribution réelles et les limites d’échelle inhérentes à la variable mesurée.
En pratique psychologique, cette approche est privilégiée lorsque l’échantillon à l’étude est de taille réduite, fortement asymétrique, ou lorsqu’il existe une base de référence populationnelle hautement calibrée permettant de modéliser avec précision le comportement attendu d’un sous-groupe spécifique sans contaminer la structure interne du nouvel ensemble de données.
2. Étymologie et origines linguistiques
L’expression cold-deck imputation trouve son origine dans le vocabulaire informatique et mécanographique du milieu du XXe siècle, à l’époque où le traitement des données reposait sur l’usage de cartes perforées. Dans ces architectures pionnières, un ensemble de cartes perforées manipulé par un lecteur mécanique était couramment désigné sous le terme de « paquet » (deck). Lorsqu’un opérateur réalisait une opération de substitution de valeurs manquantes, il pouvait recourir à deux stratégies matérielles distinctes.
D’une part, le hot deck (paquet « chaud ») correspondait au lot de cartes en cours de lecture physique dans la machine, où l’enregistrement manquant empruntait une valeur valide à un enregistrement précédent du même paquet. D’autre part, le cold deck (paquet « froid ») désignait un paquet distinct de cartes d’archives, déjà traité et refroidi hors de l’unité de calcul, que l’on chargeait spécifiquement pour servir de table de consultation et injecter des valeurs de remplacement standardisées. En langue française, la traduction littérale « imputation à froid » ou « imputation par paquet froid » a été consacrée par les statisticiens et les psychométriciens pour formaliser cet emprunt à une source externe et statique.
Cette distinction métaphorique entre la dynamique interne d’un flux d’information actif et l’inertie d’une mémoire de référence archivée demeure un repère sémantique central pour distinguer les architectures d’imputation univariées et multivariées au sein des sciences sociales contemporaines.
3. Prononciation et forme grammaticale
En français, le terme s’articule comme une locution nominale féminine : « l’imputation à froid », phonétiquement transcrite /ɛ̃.py.ta.sjɔ̃ a fʁwa/. Lorsqu’il est fait usage de la terminologie anglo-saxonne au sein de publications internationales francophones, l’expression cold-deck imputation est généralement traitée comme un emprunt invariant ou introduite par l’expression « imputation par la méthode du cold-deck ».
Dans la littérature spécialisée, on rencontre occasionnellement les variantes synonymiques « imputation sur donneur externe » ou « imputation par base d’archives ». Sur le plan syntaxique, le concept s’emploie principalement en complément de nom (« un protocole d’imputation à froid », « l’algorithme d’imputation à froid ») ou comme sujet dans l’analyse comparative des performances d’estimateurs statistiques.
4. Explication conceptuelle détaillée
Comprendre la mécanique de l’imputation à froid nécessite d’analyser en profondeur le statut de la donnée manquante dans la matrice d’observation. Lorsqu’un participant omet de renseigner un score, la tentation la plus rudimentaire consiste à supprimer l’observation (suppression par liste ou par paire). Toutefois, cette pratique induit une perte substantielle de puissance statistique et expose l’étude à un biais statistique sévère dès lors que le mécanisme d’omission n’est pas strictement aléatoire.
L’imputation à froid propose une alternative non paramétrique séduisante : préserver l’intégrité de l’échantillon en attribuant à chaque lacune une valeur réelle, observée dans des conditions comparables au sein d’un échantillon indépendant. Cette méthode repose sur l’hypothèse que la distribution conditionnelle de la variable cible $Y$, sachant un vecteur de covariables prédictives $X$, est invariante entre la base donneuse externe ($D_{ext}$) et la base receveuse courante ($D_{rec}$). En d’autres termes, pour des individus présentant des caractéristiques $X$ identiques, la probabilité d’observer une valeur $Y$ spécifique est postulée identique entre les deux cohortes.
Le processus algorithmique se décompose en plusieurs étapes rigoureuses :
- Définition de la grille de classification : Les chercheurs sélectionnent un ensemble de variables auxiliaires complètes (par exemple, le sexe, la tranche d’âge, le niveau d’études et une mesure d’affect de base) partagées par les deux ensembles de données.
- Partitionnement en strates : Les deux bases de données sont segmentées en cellules d’ajustement ou strates homogènes d’individus partageant le même profil multivarié.
- Sélection du donneur : Pour chaque sujet incomplet du jeu courant situé dans une cellule donnée, l’algorithme tire un enregistrement donneur au sein de la cellule correspondante de la base externe, soit de manière aléatoire, soit selon une règle déterministe préétablie (médiane de cellule, plus proche voisin).
- Transfert de la valeur : La valeur observée chez le donneur externe est injectée directement dans l’enregistrement incomplet, refermant la cellule vide sans altérer la borne théorique des scores (par exemple, sans générer de scores décimaux impossibles sur une échelle de Likert).
Bien que cette procédure garantisse la plausibilité univariée des données complétées, elle pose des défis majeurs quant à la préservation de la matrice de covariance. Si la cohorte externe a été collectée dans un contexte historique, sociologique ou expérimental légèrement différent, l’imputation injecte une variance exogène qui peut distordre les corrélations bivariées entre la variable imputée et les autres construits psychologiques mesurés exclusivement dans l’échantillon actuel.
5. Évolution historique
L’émergence des techniques d’imputation par donneur s’enracine dans les grands chantiers de recensement conduits par le Bureau du recensement des États-Unis (US Census Bureau) à la fin des années 1940 et au début des années 1950. Face à des millions de formulaires comportant des réponses partielles, les démographes devaient concevoir des protocoles d’assignation capables de tourner sur les premiers calculateurs électroniques (notamment l’UNIVAC I). L’imputation à froid a constitué la première réponse systématique à ce défi : les agents programmaient des tables de référence constantes issues des recensements décennaux précédents pour boucher les lacunes des nouvelles vagues d’enquêtes.
Cependant, au cours des années 1960 et 1970, les statisticiens ont rapidement constaté que cette rigidité temporelle entraînait des anachronismes notables lors de périodes de mutations socioéconomiques rapides. Les travaux pionniers du statisticien Donald Rubin à la fin des années 1970 ont marqué un tournant paradigmatique. En formalisant la théorie moderne des mécanismes de données manquantes (MCAR, MAR, MNAR) et en démontrant les faiblesses inhérentes aux imputations simples uniques, Rubin et ses contemporains ont mis en lumière le danger de sous-estimation de la variance d’échantillonnage inhérent au cold-deck.
Durant les décennies 1980 et 1990, l’imputation à chaud (hot-deck) et, ultérieurement, les méthodes d’imputation multiple par équations chaînées (MICE) ont relégué l’imputation à froid au second plan dans la recherche statistique fondamentale. Néanmoins, avec l’avènement du Big Data, des entrepôts de données cliniques informatisés et des vastes biobanques psychologiques au XXIe siècle, l’imputation à froid a connu une résurgence méthodologique sous la forme de protocoles d’appariement sur mégadonnées (big data donor matching), où des millions de profils normatifs archivés permettent des imputations externes d’une précision contextuelle sans précédent.
6. Fondements théoriques
L’assise théorique de l’imputation à froid repose sur la taxonomie probabiliste des données manquantes formalisée par Rubin (1976) et explicitée par Little et Rubin (2002). Soit $Y = (Y_{obs}, Y_{mis})$ la matrice complète des données, où $Y_{obs}$ représente la composante observée et $Y_{mis}$ la fraction manquante, et soit $R$ la matrice indicatrice d’observation ($R_{ij} = 1$ si la valeur est présente, $0$ si elle est manquante). L’imputation par donneur externe postule généralement que le mécanisme régissant l’absence relève d’une modalité Missing at Random (MAR), signifiant que la probabilité de non-réponse dépend exclusivement des variables observées $X$ :
$$P(R | Y_{obs}, Y_{mis}) = P(R | Y_{obs})$$
Dans ce cadre, la validité de l’imputation à froid exige une hypothèse de stabilité distributionnelle conditionnelle. Si l’on note $S$ la variable indicatrice d’appartenance à l’échantillon ($S = 1$ pour la base receveuse courante, $S = 0$ pour la base donneuse froide), le modèle théorique requiert que :
$$P(Y | X, S = 1) = P(Y | X, S = 0)$$
Cette condition d’invariance est cruciale. Si elle est vérifiée, le tirage d’une valeur dans la distribution conditionnelle $f(Y | X, S = 0)$ constitue un estimateur non biaisé de l’espérance de la valeur manquante dans l’échantillon receveur. En revanche, si des facteurs non mesurés modulent l’interaction entre $X$ et $Y$ d’une cohorte à l’autre (effet de cohorte, glissement culturel, modification de la formulation des consignes), un biais systématique d’imputation est inévitablement injecté dans l’échantillon analytique.
De surcroît, la théorie statistique classique souligne que toute imputation simple, qu’elle soit chaude ou froide, traite la valeur imputée comme une donnée observée avec certitude. Elle néglige l’incertitude liée à l’estimation du modèle d’imputation lui-même, ce qui conduit mécaniquement à une sous-estimation systématique des erreurs-types, à un gonflement artificiel des statistiques de test ($t$ de Student, $F$ de Fisher) et à un risque accru d’erreur de type I lors des tests d’hypothèses en psychologie différentielle ou expérimentale.
7. Composantes clés, typologies et dimensions
La mise en œuvre formelle d’une imputation à froid s’articule autour de composantes structurelles et de déclinaisons algorithmiques précises :
- Le référentiel donneur (Cold-Deck Repository) : Il s’agit du jeu de données indépendant servant de réservoir de valeurs. Il peut s’agir d’une cohorte historique, d’un étalonnage psychométrique standardisé national, ou d’une base de données ouverte transversale validée.
- Le vecteur de covariables d’appariement : L’ensemble des métriques observées sans lacune chez les receveurs et existant à l’identique dans le réservoir froid. Ce vecteur gouverne la formation des strates ou le calcul des distances multidimensionnelles.
- L’algorithme d’appariement :
- Appariement par cellule exacte : Les individus sont classés dans des cases croisant des variables catégorielles strictes (ex. : Femme / 25-34 ans / Niveau Master).
- Plus proche voisin métrique (Nearest Neighbor) : Utilisation de distances mathématiques (distance euclidienne, distance de Mahalanobis) sur des variables continues pour identifier le donneur le plus similaire dans l’espace multidimensionnel.
- Appariement sur score de propension externe : Modélisation probabiliste de la propension à émettre une réponse particulière à partir des variables auxiliaires communes.
- La modalité d’assignation de la valeur :
- Déterministe : Attribution de la moyenne, de la médiane ou du premier donneur ordonné de la cellule externe correspondante. Cette méthode présente l’inconvénient d’écraser la variance résiduelle du construit.
- Stochastique : Tirage aléatoire proportionnel parmi l’ensemble des donneurs externes éligibles au sein de la strate ciblée, ce qui préserve mieux la forme distributionnelle de la variable psychologique.
- Le module de cohérence logique : Procédure de contrôle automatique vérifiant que la valeur imputée n’entre pas en contradiction flagrante avec d’autres réponses fournies par le sujet receveur (ex. : imputer un score élevé à une échelle de sévérité dépressive chez un sujet ayant répondu négativement à tous les items de dépistage préliminaire).
8. Exemples et cas illustratifs
Afin de concrétiser le fonctionnement pratique de l’imputation à froid, examinons deux contextes méthodologiques issus de la psychologie clinique et du travail.
Exemple 1 : Évaluation neuropsychologique longitudinale du vieillissement
Une équipe de chercheurs suit une cohorte de 500 personnes âgées pour étudier le déclin des fonctions exécutives. Lors de la troisième vague de collecte (Temps 3), un problème technique sur une tablette tactile entraîne la perte des scores de flexibilité cognitive (Trail Making Test – B) pour 35 participants. Au lieu de supprimer ces observations ou d’imputer les scores via l’échantillon restant de la vague 3 — qui présente une attrition sélective biaisée vers les sujets les plus sains —, les chercheurs recourent à un cold deck constitué par une vaste étude épidémiologique nationale sur le vieillissement menée deux ans auparavant sur 10 000 individus. Les 35 participants sont appariés avec des donneurs de cette base externe selon leur âge précis, leur sexe, leur niveau de réserve cognitive et leur score au Mini-Mental State Examination (MMSE). Chaque valeur manquante est alors remplacée par le score réel d’un donneur externe partageant le même profil neurocognitif.
Exemple 2 : Évaluation du climat organisationnel et du burnout
Dans une entreprise multinationale, un service des ressources humaines administre un inventaire d’épuisement professionnel (Maslach Burnout Inventory, MBI). Au sein d’une filiale régionale comptant 60 salariés, une section entière du questionnaire portant sur la dépersonnalisation n’a pas été imprimée par erreur logistique. Face à l’impossibilité de solliciter un donneur interne au sein de cette filiale, les psychologues du travail mobilisent les données d’une enquête diagnostique standardisée conduite six mois plus tôt dans une filiale équivalente (même secteur d’activité, mêmes conventions d’horaires, profil démographique superposable). Les données de la filiale archivée servent de paquet froid pour imputer les scores d’épuisement des salariés affectés par le défaut matériel, restaurant une continuité dans le tableau de bord d’analyse organisationnelle.
9. Mesure, évaluation et protocoles de mise en œuvre
Le déploiement d’un protocole d’imputation à froid obéit à des directives rigoureuses issues des standards méthodologiques internationaux de l’imputation statistique. La mise en œuvre séquentielle comprend cinq phases impératives :
En premier lieu, une analyse de l’architecture des données manquantes doit être conduite. Le psychométricien cartographie les patrons d’absence univariés et multivariés, évalue le taux global et local de données non observées, et teste l’hypothèse de mécanisme d’omission (notamment par le test de Little pour le patron MCAR). Si les données sont Missing Not at Random (MNAR), l’imputation à froid standard demeure invalide sans modélisation conjointe du processus de sélection.
En deuxième lieu, on procède à l’évaluation de l’adéquation de la base donneuse. L’échantillon externe doit faire l’objet de contrôles stricts de compatibilité : identité des instruments de mesure (mêmes formulations d’items, mêmes échelles de réponse, mêmes ancrages sémantiques), équivalence métrique des construits (invariance de mesure factorielle confirmée entre la base donneuse et la base receveuse), et proximité chronologique suffisante pour neutraliser les biais d’évolution historique ou séculaire.
En troisième lieu, les variables d’appariement sont calibrées et standardisées. Si un algorithme du plus proche voisin est retenu, la distance de Mahalanobis est fréquemment privilégiée pour tenir compte des intercorrélations naturelles entre les variables sociodémographiques et psychologiques :
$$D_M(x_{rec}, x_{don}) = \sqrt{(x_{rec} – x_{don})^T \Sigma^{-1} (x_{rec} – x_{don})}$$
où $\Sigma$ représente la matrice de variance-covariance commune des variables d’appariement.
En quatrième lieu, l’imputation est exécutée, suivie d’un audit distributionnel. Les paramètres descriptifs de la variable (moyenne, écart-type, asymétrie, aplatissement) sont comparés avant et après imputation, et confrontés aux paramètres observés dans la base froide. Enfin, des analyses de sensibilité doivent systématiquement être réalisées pour comparer les inférences obtenues via l’imputation à froid avec celles produites par des approches alternatives contemporaines (modélisation par équations structurelles avec information complète – FIML, ou imputation multiple).
10. Applications et portée pratique en psychologie
L’imputation à froid trouve des applications méthodologiques spécifiques dans plusieurs branches appliquées de la psychologie contemporaine :
En psychométrie clinique et neuropsychologie, l’utilisation de tests standardisés (tels que les échelles d’intelligence de Wechsler ou le MMPI) repose sur des étalonnages normatifs massifs collectés sur des populations représentatives. Lorsqu’un protocole d’évaluation clinique individuel ou sous-échantillonné présente une défaillance ponctuelle d’enregistrement sur un sous-test particulier, le recours aux tables de contingence normatives nationales fonctionne structurellement comme une imputation à froid stochastique, permettant d’estimer un rang percentile global sans biaiser la comparaison avec la population générale.
En psychologie scolaire et des apprentissages, les vastes programmes d’évaluation internationale (tels que le programme PISA ou TIMSS) utilisent des formes de questionnaires matriciels équilibrés où chaque élève ne répond qu’à un sous-ensemble d’items d’évaluation pour éviter la fatigue cognitive. La reconstruction des niveaux de compétence globale (« valeurs plausibles ») emprunte directement aux concepts de l’imputation externe, en s’appuyant sur des populations étalons pour imputer les performances aux items non administrés.
En psychologie du travail et des organisations, lors des audits de climat social ou de mesure de l’engagement des collaborateurs, les taux de non-réponse peuvent être massifs au sein de départements ciblés par des restructurations. Les praticiens s’appuient alors sur des bases d’archives sectorielles (données d’entreprises du même secteur géographique et industriel) pour simuler et compléter les profils d’attitudes au travail sans surévaluer artificiellement l’homogénéité du groupe résiduel restant.
11. Recherche empirique et données probantes
La recherche comparative sur l’efficacité des méthodes d’imputation a fait l’objet d’une vaste littérature empirique au cours des quatre dernières décennies. Des auteurs fondamentaux tels que Schafer (1997), Graham (2009) et Enders (2010) ont systématiquement évalué le comportement des estimateurs statistiques sous différentes conditions d’imputation.
Les études par simulations de Monte Carlo ont démontré de manière unanime la vulnérabilité du cold-deck déterministe simple. Lorsque les lacunes sont comblées par des valeurs froides constantes (telles que la moyenne de cellule d’une base historique), l’erreur-type des coefficients de régression est systématiquement sous-estimée d’environ 15 % à 40 %, ce qui génère une inflation dramatique du taux d’erreur de première espèce (rejet à tort de l’hypothèse nulle d’absence d’effet). Ces simulations montrent également que si la corrélation réelle entre la variable imputée et un critère clinique dans la cohorte présente est de $r = 0{,}45$, mais que cette même corrélation était de $r = 0{,}20$ dans la base historique froide, le coefficient post-imputation converge vers une valeur bâtarde, diluant le lien écologique réel observé au sein de l’échantillon cible.
Cependant, les travaux d’Andridge et Little (2010) relatifs aux méthodes d’imputation par donneur (proxy pattern matching) ont mis en lumière que l’imputation à froid stochastique par plus proche voisin conserve un avantage empirique substantiel sur les imputations par régression paramétrique lorsque la variable cible viole massivement les postulats de normalité multivariée (ex. : distributions fortement bimodales, scores plancher ou plafond sévères dans les mesures de comportements addictifs). Dans ces configurations non gaussiennes, emprunter une observation complète issue d’un profil externe bien apparié préserve les moments d’ordre supérieur de la distribution bien plus fidèlement qu’un algorithme de régression linéaire classique.
12. Considérations culturelles et contextuelles
Le recours à une source externe pour imputer des comportements psychologiques soulève d’importants enjeux transculturels et contextuels. L’un des écueils majeurs réside dans l’universalisation abusive d’un comportement psychologique modélisé dans un contexte spatiotemporel donné.
En psychologie transculturelle, mobiliser une base donneuse froide collectée dans un pays occidental, éduqué, industrialisé, riche et démocratique (échantillons dits WEIRD) pour imputer des données manquantes au sein d’une population issue d’une culture collectiviste ou de pays du Sud global constitue une aberration méthodologique majeure. Les significations accordées aux items d’extraversion, d’assertivité ou d’expression émotionnelle ne possèdent pas la même valence sémantique ni la même distribution latente d’une culture à l’autre. Une imputation aveugle écraserait la spécificité culturelle de l’échantillon cible en lui assignant de force les patrons psychologiques de la culture donneuse.
De surcroît, le « vieillissement » de la base froide induit un biais d’historicité. Les attitudes sociétales relatives à la stigmatisation de la santé mentale, aux stéréotypes de genre ou aux technologies numériques évoluent avec une grande rapidité. Imputer des données manquantes collectées en 2026 à partir d’un cold deck normatif standardisé en 2010 reviendrait à ignorer les transformations structurelles profondes vécues par les cohortes contemporaines (par exemple, l’impact de la digitalisation ou de crises sanitaires majeures), faussant irrémédiablement l’interprétation des trajectoires développementales.
13. Critiques, controverses et limites méthodologiques
L’imputation à froid fait l’objet de vives critiques au sein de la communauté des statisticiens méthodologistes, ce qui explique son délaissement progressif au profit de l’imputation multiple et des méthodes d’estimation directe sur données incomplètes. Les controverses principales s’articulent autour des points suivants :
- L’illusion de certitude et la troncature de la variance : En assignant une valeur unique à une case vide, l’imputation à froid traite l’information imputée comme s’il s’agissait d’une mesure réelle sans marge d’erreur. Les logiciels standards calculent alors les intervalles de confiance sans intégrer l’aléa de l’assignation, produisant des inférences trop optimistes et des valeurs $p$ artificiellement significatives.
- Le problème de la dérive de population (Population Drift) : Même lorsque les variables d’appariement sociodémographiques de base (âge, sexe) correspondent rigoureusement, la structure factorielle latente unissant les variables peut avoir fluctué entre la constitution de la base donneuse et l’enquête en cours. Cette dérive non observée biaise les covariances.
- La rupture des liens multivariés intra-échantillon : L’injection d’une valeur extérieure à l’échantillon courant affaiblit mécaniquement les corrélations spécifiques qui émergent des particularités locales du groupe à l’étude, introduisant un effet de « régression vers la moyenne » du profil externe.
- Difficultés en haute dimensionnalité : Lorsque le nombre de variables auxiliaires nécessaires pour garantir l’hypothèse MAR augmente, le phénomène du fléau de la dimension (curse of dimensionality) rend presque impossible la détection d’un donneur externe présentant une configuration multivariée identique, forçant l’opérateur à relâcher les critères d’appariement au détriment de la précision clinique.
14. Termes connexes et distinctions conceptuelles
Pour situer avec précision l’imputation à froid au sein de l’arsenal psychométrique, il convient de la distinguer clairement des notions méthodologiques avoisinantes :
- Imputation à chaud (Hot-Deck Imputation) : Contrairement à l’imputation à froid, le hot-deck extrait la valeur de remplacement chez un donneur appartenant au même ensemble de données que le receveur. Les deux approches partagent des algorithmes de distance similaires, mais le donneur chaud garantit la contemporanéité stricte de l’environnement de collecte.
- Imputation par la moyenne : Approche univariée consistant à attribuer à toute valeur manquante la moyenne observée de la variable. Elle est largement proscrite car elle détruit la variance de l’item et distord les corrélations, défauts que l’imputation par donneur (chaud ou froid) cherche expressément à pallier en préservant des valeurs réelles concrètes.
- Imputation par régression (déterministe ou stochastique) : Modélisation paramétrique où la valeur manquante est prédite à partir d’une équation linéaire construite sur les variables observées. Alors que la régression peut générer des valeurs théoriques hors limites réelles (ex. : score de $3{,}74$ sur une échelle ordinale entière de 1 à 5), l’imputation par donneur froid garantit toujours l’injection d’une valeur réelle préexistante.
- Imputation multiple par équations chaînées (MICE) : Approche itérative moderne générant $M$ jeux de données complets distincts pour refléter explicitement l’incertitude liée aux valeurs manquantes, suivie d’une agrégation via les règles de Rubin. L’imputation à froid traditionnelle est une imputation simple unique, bien qu’elle puisse théoriquement être adaptée en protocole multiple si plusieurs donneurs froids sont échantillonnés avec remise.
- Suppression par liste (Listwise Deletion) : Retrait intégral de tout sujet comportant au moins une lacune, réduisant la taille effective de l’échantillon sans requérir d’imputation, mais au prix d’une perte d’efficience statistique majeure.
15. Synthèse et points clés
L’imputation à froid constitue un jalon fondamental dans l’histoire du traitement quantitatif des données incomplètes. Bien que ses variantes les plus rudimentaires soient aujourd’hui supplantées par l’imputation multiple et les algorithmes basés sur le maximum de vraisemblance à information complète (FIML), sa maîtrise demeure essentielle pour le chercheur et le psychométricien :
- Elle repose sur le prélèvement d’une valeur observée chez un individu équivalent issu d’un ensemble de données externe, archivé ou normatif.
- Elle garantit la plausibilité clinique et univariée de la valeur imputée, respectant la métrique d’origine sans inventer de valeurs fractionnaires hors échelle.
- Sa validité dépend impérativement du respect de l’hypothèse de données manquantes au hasard (MAR) et de l’invariance contextuelle et temporelle entre la population donneuse et la population receveuse.
- Sous sa forme univariée simple, elle tend à sous-estimer l’erreur-type et à biaiser les matrices de covariance en cas de dérive temporelle ou culturelle des populations.
- Elle conserve une pertinence de premier ordre dans les protocoles d’étalonnage psychométrique standardisé, les grandes enquêtes démographiques et le traitement de mégadonnées cliniques structurées.
Références
- Andridge, R. R., & Little, R. J. (2010). A review of hot deck imputation for survey non-response. International Statistical Review, 78(1), 40-64. https://doi.org/10.1111/j.1751-5823.2010.00103.x
- Enders, C. K. (2010). Applied missing data analysis. Guilford Press.
- Graham, J. W. (2009). Missing data analysis: Making it work in the real world. Annual Review of Psychology, 60, 549-576. https://doi.org/10.1146/annurev.psych.58.110405.085530
- Little, R. J., & Rubin, D. B. (2002). Statistical analysis with missing data (2nd ed.). John Wiley & Sons. https://doi.org/10.1002/9781119013563
- Rubin, D. B. (1976). Inference and missing data. Biometrika, 63(3), 581-592. https://doi.org/10.1093/biomet/63.3.581
- Schafer, J. L. (1997). Analysis of incomplete multivariate data. Chapman & Hall/CRC. https://doi.org/10.1201/9781439821862
- van Buuren, S. (2018). Flexible imputation of missing data (2nd ed.). Chapman & Hall/CRC. https://doi.org/10.1201/9780429492259