Dans le champ de la psychologie quantitative, des sciences du comportement et de la psychométrie, la modélisation rigoureuse des observations constitue le socle de toute inférence scientifique valide. Parmi les instruments méthodologiques fondamentaux, la variable binaire occupe une position charnière, permettant de formaliser des états mutuellement exclusifs et d’opérationnaliser des phénomènes psychologiques allant de la décision perceptive au diagnostic nosologique. Comprendre sa nature, ses propriétés statistiques et ses limites théoriques est indispensable pour tout chercheur ou praticien désireux d’analyser avec rigueur les données empiriques humaines.
Variable binaire
1. Définition concise
Une variable binaire, couramment désignée sous le terme de variable dichotomique, est une variable statistique ou psychométrique qui ne peut adopter que deux modalités ou valeurs qualitatives mutuellement exclusives et collectivement exhaustives. Ces deux états sont traditionnellement codés sous forme numérique conventionnelle, le plus souvent par les entiers 0 et 1, afin de faciliter les opérations d’algèbre matricielle et les modélisations probabilistes.
Dans le domaine de la psychologie expérimentale et clinique, la variable binaire sert à enregistrer la présence ou l’absence d’un attribut psychopathologique spécifique, le succès ou l’échec à un item d’évaluation cognitive, ou encore le choix forcé entre deux alternatives décisionnelles. Contrairement aux variables continues ou ordinales, elle impose une discrétisation absolue de l’observation empirique.
Bien qu’elle simplifie considérablement le recueil de données et la formalisation mathématique de certains processus d’inférence, la variable binaire soulève d’importantes questions relatives à la réduction de l’information sous-jacente, notamment lorsqu’elle résulte de la dichotomisation artificielle d’un continuum latent continu.
2. Étymologie et origine linguistique
Le syntagme « variable binaire » associe deux racines latines distinctes ayant traversé les évolutions lexicales des mathématiques modernes. Le vocable « variable » dérive du verbe latin variare, signifiant « changer, diversifier ou modifier », combiné au suffixe -abilis qui exprime la possibilité ou l’aptitude. En science formelle, il a été adopté pour caractériser une grandeur susceptible d’assumer différentes valeurs au sein d’un ensemble de référence donné.
L’adjectif « binaire » trouve son origine dans le bas-latin binarius, dérivé de bini, qui signifie « deux par deux » ou « par paire ». Historiquement introduit dans le lexique philosophique et arithmétique pour désigner des structures duelles, le terme s’est cristallisé au XVIIe siècle à travers les travaux fondateurs de Gottfried Wilhelm Leibniz sur le système arithmétique binaire (fondé sur les chiffres 0 et 1).
Son incorporation dans les sciences humaines et la psychométrie s’est consolidée au début du XXe siècle, sous l’impulsion des statisticiens britanniques tels que Karl Pearson et Charles Spearman. L’expression concurrente « variable dichotomique » puise pour sa part dans le grec ancien dikhotomia (διχοτομία), formé de dikha (« en deux parties ») et de tome (« coupure, section »), insistant sur le principe d’une division nette entre deux classes opposées.
3. Prononciation et forme grammaticale
Sur le plan phonétique, le terme se prononce /va.ʁjabl bi.nɛʁ/ dans l’espace francophone standard. Il s’agit d’un groupe nominal féminin singulier composé du nom commun « variable » (féminin) et de l’adjectif qualificatif « binaire » (épicène, s’accordant en genre et en nombre avec le substantif qualifié). Au pluriel, il adopte la graphie « variables binaires » (/va.ʁjabl bi.nɛʁ/).
Dans la littérature méthodologique francophone, on rencontre plusieurs variantes et syntagmes équivalents selon les traditions disciplinaires :
- Variable dichotomique : terme privilégié en épidémiologie, en nosographie clinique et dans la théorie classique des tests psychologiques ;
- Variable indicatrice : expression issue des mathématiques pures et de la théorie de la mesure, décrivant une fonction qui signale l’appartenance d’un élément à un ensemble ;
- Variable muette (ou dummy variable en anglais) : terme d’origine économétrique désignant une variable artificielle à valeurs 0 et 1 introduite dans un modèle de régression linéaire pour intégrer un facteur qualitatif ;
- Variable booléenne : dénomination courante en informatique cognitive, en modélisation computationnelle et en intelligence artificielle, en référence à l’algèbre élaborée par George Boole.
4. Explication conceptuelle détaillée
La variable binaire représente la forme la plus élémentaire d’une échelle nominale selon la classification typologique formulée par Stanley Smith Stevens en 1946. À ce premier niveau de mesure, les valeurs affectées n’impliquent aucune relation d’ordre, de distance métrique ou d’origine absolue. Les codes numériques 0 et 1 ne sont que des étiquettes sémantiques arbitraires dénuées de propriétés arithmétiques intrinsèques, bien que leur moyenne arithmétique corresponde commodément à la proportion d’individus présentant l’attribut étudié.
Sur le plan conceptuel, il convient de distinguer avec rigueur deux réalités fondamentales : la variable binaire naturelle (ou authentique) et la variable binaire artificielle. Une binarité naturelle caractérise un phénomène dont l’ontologie est intrinsèquement discontinue dans le cadre de référence théorique donné. À l’inverse, une binarité artificielle découle d’un acte délibéré de seuillage (ou cut-off) appliqué à un trait quantitatif sous-jacent. Par exemple, classer un sujet comme « dépressif » ou « non dépressif » à partir d’un score numérique obtenu au questionnaire de dépression de Beck revient à superposer une binarité opérationnelle sur une distribution phénoménologique continue.
Cette distinction soulève des implications majeures pour l’inférence statistique. Lorsqu’une variable continue est artificiellement scindée en deux catégories, le chercheur commet une perte irréversible de variance systématique. Cette discrétisation réduit la puissance statistique des tests, abaisse artificiellement les coefficients d’association linéaire (tels que le coefficient de corrélation de Pearson) et peut même générer de faux effets d’interaction dans les plans factoriels. C’est pourquoi la théorie de la réponse aux items (TRI) et les modèles de variables latentes contemporains préfèrent souvent postuler un continuum sous-jacent inobservable (noté thêta, θ) régissant de façon probabiliste l’occurrence de la réponse binaire manifeste.
En outre, l’analyse d’une variable binaire ne peut pas s’appuyer sur les hypothèses classiques de la distribution normale. Par définition, les résidus d’une régression ayant pour variable dépendante un résultat binaire sont hétéroscédastiques et ne suivent pas une loi de Gauss. Cette contrainte impose l’abandon des moindres carrés ordinaires au profit d’approches fondées sur la loi de Bernoulli, estimées par le maximum de vraisemblance au sein des modèles linéaires généralisés (GLM).
5. Évolution historique
L’histoire de la variable binaire s’entrelace avec les débuts de la logique symbolique, de la biométrie et de l’évaluation psychologique expérimentale. Dès le milieu du XIXe siècle, George Boole formalise dans son ouvrage séminal The Laws of Thought (1854) une logique algébrique reposant sur deux valeurs de vérité fondamentales : le Vrai (1) et le Faux (0). Ce formalisme a ouvert la voie à la modélisation formelle des processus de pensée sous forme d’états discrets mutuellement exclusifs.
À l’aube du XXe siècle, Karl Pearson fait face à un défi méthodologique majeur : mesurer le degré de corrélation entre deux variables qualitatives binaires qui reflètent en réalité des distributions continues sous-jacentes. En 1900, Pearson introduit le coefficient de corrélation tétrachorique, une innovation mathématique déterminante qui postule qu’un tableau de contingence 2×2 découle d’une distribution bivariée normale sous-jacente scindée par deux seuils critiques. Cette avancée théorique a permis aux premiers psychologues différentiels d’estimer des associations psychologiques sans être tributaires de l’arbitraire du codage catégoriel.
Dans les décennies 1940 et 1950, avec l’émergence de la psychométrie formelle et le développement du modèle logistique, Joseph Berkson propose la fonction logit pour surmonter les limitations du modèle probit introduit par Chester Bliss. Simultanément, en 1960, le mathématicien danois Georg Rasch révolutionne l’évaluation des aptitudes intellectuelles en publiant son modèle probabiliste pour données binaires (le modèle de Rasch). Ce modèle postule que la probabilité d’une réponse correcte (codée 1) dépend exclusivement de la différence algébrique entre le niveau d’aptitude de la personne et la difficulté intrinsèque de l’item.
Enfin, l’unification méthodologique s’est opérée en 1972 grâce aux travaux fondamentaux de John Nelder et Robert Wedderburn sur les modèles linéaires généralisés. Cette théorie a permis d’intégrer formellement les variables binaires au sein d’un cadre mathématique général unifié englobant la régression logistique et la régression probit, standards incontournables des recherches contemporaines en psychologie cognitive, sociale et clinique.
6. Fondements théoriques
La manipulation et l’interprétation des variables binaires en psychologie s’appuient sur plusieurs piliers théoriques et probabilistes majeurs :
Le premier socle théorique repose sur la loi de Bernoulli. Une variable aléatoire discrète $Y$ suit une loi de Bernoulli de paramètre $p$ (où $0 le p le 1$) si elle ne prend que les valeurs 1 (avec la probabilité $p$) et 0 (avec la probabilité $1 – p = q$). L’espérance mathématique d’une telle variable équivaut directement à la proportion $p$ ($E(Y) = p$), tandis que sa variance est intrinsèquement dépendante de sa moyenne, définie par la relation $\mathrm{Var}(Y) = p(1 – p)$. Cette dépendance structurelle démontre l’inapplicabilité des postulats de variance constante (homoscédasticité) propres aux modèles statistiques gaussiens linéaires classiques.
Le deuxième cadre fondamental est la théorie des variables latentes à seuil. Cette approche stipule qu’une réponse binaire manifeste $Y in {0, 1}$ est l’expression observable d’une variable latente continue inobservable $Y^*$, telle que :
Y = 1 si Y* > τ, et Y = 0 si Y* ≤ τ
où $tau$ désigne un seuil critique d’activation ou de décision. Ce modèle théorique constitue l’assise conceptuelle des analyses factorielles confirmatoires pour données catégorielles et des modèles de régression probit, où l’on assume que $Y^*$ suit une distribution normale standard.
Le troisième fondement réside dans la théorie de la détection du signal (TDS), développée initialement par David Green et John Swets. Dans ce paradigme, une réponse binaire (« Signal présent » versus « Signal absent ») n’est pas un simple reflet mécanique du stimulus physique, mais l’aboutissement conjoint de deux processus psychologiques distincts : la sensibilité perceptive du sujet ($d’$) et son critère de décision motivationnel ou biais de réponse ($\beta$ ou $c$). Ce modèle illustre avec éclat comment un comportement binaire observable résulte de compromis cognitifs dynamiques au sein d’un continuum d’incertitude perceptive.
7. Composantes clés, types et dimensions
Les variables binaires peuvent être catégorisées selon plusieurs dimensions analytiques et fonctionnelles essentielles :
- Selon leur genèse ontologique :
- Variables binaires naturelles (vraies) : États dont la séparation est objective et non ambiguë dans l’univers de discours (ex. : organisme vivant versus décédé ; réponse motrice exécutée versus non exécutée).
- Variables binaires artificielles : Discrétisation pragmatique d’une dimension continue continue par l’application d’une valeur seuil arbitraire ou clinique (ex. : score au BDI supérieur ou égal à 16 définissant une dépression modérée).
- Selon leur statut dans le modèle méthodologique :
- Variable binaire indépendante (prédicteur ou facteur) : Utilisée pour scinder une population en deux groupes expérimentaux ou naturels (ex. : groupe traité versus groupe placebo, condition amorcée versus condition neutre).
- Variable binaire dépendante (critère ou critère d’aboutissement) : Constitue l’événement psychologique ou comportemental à prédire ou expliquer (ex. : rechute toxicomanologique versus maintien de l’abstinence).
- Variable binaire confondante ou de contrôle : Indicateur bivarié maintenu constant pour isoler l’effet causal d’une autre variable d’intérêt.
- Selon le codage algébrique adopté :
- Codage binaire classique (0 / 1) : Très adapté à l’estimation des probabilités d’occurrence et aux fonctions de lien logit dans le cadre de la régression logistique.
- Codage d’effet ou bipolaire (-1 / +1) : Fréquemment utilisé dans les plans d’analyse de variance orthogonaux, les réseaux neuronaux artificiels et les modèles de spin d’Ising appliqués à la psychologie des réseaux d’attitudes.
- Selon la symétrie de l’information :
- Variable binaire symétrique : Les deux issues possèdent la même valeur informative et conceptuelle (ex. : préférence pour l’option A versus l’option B dans une tâche de choix économique).
- Variable binaire asymétrique : L’une des deux modalités représente un événement rare ou porteur d’une signification diagnostique critique (ex. : présence d’une tentative de suicide au cours de la vie), la valeur 1 reflétant une information dense tandis que la valeur 0 dénote simplement l’absence de signal.
8. Exemples et cas illustratifs
Pour mieux appréhender le rôle central de la variable binaire dans l’investigation empirique, examinons plusieurs cas concrets issus de différents sous-domaines de la psychologie contemporaine :
Exemple 1 : Évaluation neuropsychologique de l’inhibition motrice. Dans le cadre d’un paradigme Stop-Signal administré à des adolescents présentant un trouble du déficit de l’attention avec ou sans hyperactivité (TDAH), chaque essai critique débouche sur une variable binaire manifeste : réussite de l’inhibition motrice (codée 1) ou échec avec émission de la réponse motrice malgré le signal d’arrêt (codé 0). L’analyse de cette série d’issues binaires permet d’estimer par modélisation mathématique le temps de réaction au signal d’arrêt (SSRT), indicateur latent continu de l’efficacité du contrôle exécutif préfrontal.
Exemple 2 : Psychopathologie clinique et diagnostic catégoriel. Dans les systèmes de classification comme le DSM-5-TR, la plupart des critères diagnostiques sont formulés sous une modalité binaire : présence (1) ou absence (0) d’une anhédonie marquée sur une période continue d’au moins deux semaines. Un patient qui présente six critères sur neuf franchit le seuil diagnostique d’épisode dépressif majeur, transformant une série de variables binaires partielles en un statut diagnostique binaire global (atteint vs non atteint).
Exemple 3 : Psychologie sociale et conformisme. Dans une réplication informatisée du paradigme classique de Solomon Asch, la variable d’intérêt dépendante est codée de façon binaire à chaque essai expérimental : le participant naïf s’est-il conformé au jugement manifestement erroné de la majorité complice (1) ou a-t-il maintenu une réponse indépendante et véridique (0) ? Ce codage permet de calculer le taux moyen d’assujettissement et d’estimer, via une régression logistique à effets mixtes, l’impact de la taille du groupe de pairs unanime sur la probabilité de capitulation cognitive.
9. Mesure et évaluation psychométrique
La présence de variables binaires au sein d’instruments d’évaluation psychologique requiert des protocoles psychométriques spécifiques pour garantir la fidélité et la validité des scores composites qui en sont dérivés :
En premier lieu, l’estimation de la consistance interne d’un test composé d’items binaires ne peut pas faire appel au traditionnel coefficient alpha de Cronbach sans précaution, car ce dernier suppose la continuité et la normalité métrique des indicateurs. Dans ce contexte, les psychométriciens privilégient historiquement la formule 20 de Kuder-Richardson (KR-20), qui constitue le cas particulier algébrique de l’alpha adapté aux items dichotomiques :
KR-20 = [k / (k – 1)] × [1 – (Σ p_i q_i) / s²]
où $k$ représente le nombre total d’items, $p_i$ la proportion de réponses positives à l’item $i$, $q_i = 1 – p_i$, et $s^2$ la variance totale observée du test global.
En deuxième lieu, l’examen de la structure factorielle sous-jacente impose l’emploi de l’analyse factorielle confirmatoire pour données catégorielles. Les corrélations bivariées entre items binaires doivent être calculées au moyen de coefficients de corrélation tétrachoriques plutôt que de corrélations de Pearson ordinaires (qui sous-estiment systématiquement la force du lien lorsque les proportions $p$ divergent). L’estimation s’effectue ensuite par des méthodes d’estimation robustes, telles que les moindres carrés pondérés diagonalement ajustés en moyenne et variance (WLSMV).
En troisième lieu, la théorie de la réponse aux items offre l’appareillage analytique le plus puissant pour calibrer les variables binaires. Les modèles logistiques à un paramètre (modèle de Rasch), à deux paramètres (2PL, intégrant la difficulté $b_i$ et la discrimination $a_i$) ou à trois paramètres (3PL, intégrant en outre le pseudo-hasard $c_i$) permettent d’établir une cartographie précise de l’information apportée par chaque item binaire le long du continuum de trait latent, évitant ainsi les écueils des scores sommés bruts.
10. Applications et portée pratique
L’opérationnalisation par variable binaire s’avère indispensable dans une multitude de domaines appliqués de la psychologie et des sciences comportementales :
En psychologie clinique et psychiatrie, la variable binaire préside aux décisions thérapeutiques majeures. Qu’il s’agisse de poser une indication d’hospitalisation d’urgence face à un risque suicidaire imminent ou de prescrire une molécule pharmacologique après avoir qualifié la présence d’un trouble bipolaire, le praticien doit convertir une constellation de signes cliniques continus en une décision binaire d’action (traiter versus s’abstenir). Les arbres de décision cliniques et les algorithmes prédictifs reposent intégralement sur cette logique d’aiguillage dichotomique.
Dans le secteur de la psychologie du travail et des ressources humaines, la sélection professionnelle s’articule autour d’issues binaires : sélection ou non-sélection d’un candidat, franchissement d’un score seuil éliminatoire à un test d’aptitudes cognitives générales, ou maintien en poste à l’issue de la période d’essai. L’analyse de l’utilité financière et psychométrique de ces processus de tri fait appel aux équations de Taylor-Russell, qui modélisent précisément l’intersection entre le taux de sélection binaire et le coefficient de validité de l’outil prédictif.
En ergonomie cognitive et conception d’interfaces (UX/UI), l’enregistrement des variables binaires d’utilisabilité guide l’optimisation des environnements numériques. Les métriques de complétion de tâche (« la tâche a-t-elle été accomplie avec succès sans guidage externe : Oui/Non ») et les taux d’erreur par clic fournissent des données tangibles pour évaluer la charge cognitive et la navigabilité des plateformes logicielles.
11. Recherche et données empiriques
La littérature contemporaine en psychologie regorge d’études méthodologiques examinant l’impact du traitement analytique des variables binaires sur la reproductibilité des résultats scientifiques. Les travaux pionniers de Robert MacCallum et ses collègues (2002) sur la dichotomisation des variables quantitatives continues ont mis en lumière les biais considérables introduits par cette pratique courante mais déconseillée. En comparant des simulations de Monte Carlo, ces auteurs ont démontré que scinder une variable continue par la médiane induit une perte d’information équivalente à la suppression d’un tiers à la moitié de la taille de l’échantillon, tout en gonflant artificiellement le taux d’erreur de type I lorsqu’il existe une corrélation entre les prédicteurs.
Dans le domaine des neurosciences cognitives, les recherches sur la prise de décision perceptive (par exemple, les expériences canoniques de William Newsome et Michael Shadlen sur les singes rhésus observant des nuages de points en mouvement aléatoire) ont établi des correspondances directes entre le déchargement unitaire de neurones de l’aire corticale médio-temporale (MT/V5) et l’émission d’un choix saccadique binaire (regard vers la gauche versus regard vers la droite). Ces travaux empiriques ont permis le développement des modèles de diffusion d’accumulateurs continus de dérive (modèle de dérive-diffusion de Roger Ratcliff), qui réconcilient le caractère continu de l’accumulation neuronale d’informations sensorielles avec l’émergence d’une réponse motrice terminale strictement binaire.
Dans le champ de la santé publique et de la psychologie médicale, des modélisations épidémiologiques massives analysant des millions de variables binaires d’admission hospitalière ont permis de déterminer les trajectoires de comorbidité psychiatrique au moyen d’analyses de classes latentes et d’arbres de régression logistique, illustrant l’efficacité computationnelle de ces données au sein d’échantillons volumineux.
12. Considérations culturelles et transculturelles
L’emploi d’items ou de mesures binaires dans les recherches transculturelles soulève des défis d’équivalence de mesure particulièrement complexes. Dans de nombreuses traditions psychométriques occidentales, le format de réponse binaire (ex. : « Vrai / Faux » ou « D’accord / Pas d’accord ») est prisé pour sa rapidité d’administration et sa simplicité cognitive apparente. Néanmoins, sa validité écologique varie considérablement selon les contextes culturels et sociolinguistiques.
Tout d’abord, les styles de réponse varient systématiquement d’une culture à l’autre. Dans les contextes valorisant l’harmonie interpersonnelle et l’évitement de la confrontation directe (styles de communication à haut contexte, fréquents en Asie de l’Est), contraindre un participant à une réponse binaire tranchée peut susciter un inconfort psychologique ou une détresse méthodologique, se traduisant par un taux élevé d’omissions ou une adhésion conventionnelle systématique (biais d’acquiescement). À l’inverse, dans les cultures valorisant l’affirmation individuelle et le débat d’idées (styles à bas contexte), la posture dichotomique est appréhendée comme un acte d’expression directe et naturelle.
De surcroît, le seuil sémantique à partir duquel un individu consent à déclarer la présence d’un symptôme (comme « la tristesse » ou « la nervosité ») dépend des normes d’expression affective propres à sa communauté culturelle. Une variable binaire codant la présence d’un affect dysphorique ne possède pas la même charge d’intensité phénoménologique chez un individu issu d’un environnement culturel qui encourage la somatisation comparé à un autre qui favorise la psychologisation explicite des conflits intérieurs. Ces écarts menacent l’invariance de mesure et obligent à vérifier l’absence de fonctionnement différentiel d’item (DIF) entre les sous-groupes culturels avant toute tentative de comparaison transnationale.
13. Critiques, débats et limites méthodologiques
L’utilisation des variables binaires au sein de l’architecture de la recherche en psychologie fait l’objet de vives controverses épistémologiques et statistiques :
Le principal grief concerne la dichotomisation abusive de dimensions psychologiques continues. Trop souvent, pour des motifs de simplification pédagogique ou par mimétisme avec la nosologie médicale conventionnelle, des chercheurs scindent des distributions continues au niveau de la moyenne, de la médiane ou d’un seuil clinique pragmatique. Cette opération élimine les nuances intra-groupes : un individu situé juste au-dessus du seuil est arbitrairement considéré comme identique à un sujet placé au sommet de la distribution, alors qu’il est artificiellement distingué d’un individu situé immédiatement sous le seuil. Ce procédé réduit drastiquement la fidélité du signal et favorise les crises de non-reproductibilité en masquant la variabilité continue intrinsèque des processus humains.
Le deuxième débat méthodologique concerne la perte de puissance statistique. À taille d’échantillon égale, un modèle statistique calculé sur des variables binaires nécessite un volume de sujets significativement plus vaste pour détecter une taille d’effet équivalente à celle d’une variable continue. L’information contenue dans les extrêmes et la finesse de la dispersion étant gommées, l’estimation des erreurs-types est moins précise, ce qui rend l’identification des relations fonctionnelles subtiles beaucoup plus aléatoire.
Le troisième écueil réside dans l’inadéquation des estimateurs linéaires standards. L’application de régressions linéaires conventionnelles (méthode des moindres carrés) à des variables dépendantes binaires engendre le modèle linéaire de probabilité, dont les prédictions mathématiques peuvent aberrer hors de l’intervalle fermé [0, 1]. Bien que la régression logistique corrige ce défaut par une transformation sigmoïde, l’interprétation des rapports de cotes (odds ratios, OR) qui en découlent est fréquemment source de contresens majeurs chez les praticiens, ceux-ci confondant régulièrement le rapport de cotes avec le risque relatif, en particulier lorsque l’événement étudié présente une fréquence d’occurrence élevée au sein de la population.
14. Termes connexes et distinctions
Afin de prévenir toute ambiguïté terminologique au sein des protocoles de recherche, il importe de délimiter clairement la variable binaire par rapport aux concepts statistiques voisins :
- Variable binaire versus Variable continue : Une variable continue peut théoriquement assumer un nombre infini non dénombrable de valeurs au sein d’un intervalle numérique réel (ex. : temps de réaction en millisecondes, concentration sérique de cortisol). La variable binaire ne peut en admettre que deux et ne tolère aucun degré intermédiaire d’expression manifeste.
- Variable binaire versus Variable polytomique (ou multinomiale) : Une variable polytomique est une variable catégorielle qui comporte trois modalités qualitatives ou davantage sans hiérarchie inhérente (ex. : orientation théorique d’un psychologue : cognitive-comportementale, psychanalytique, systémique ou humaniste). La variable binaire en constitue le cas particulier restreint à $k = 2$ modalités.
- Variable binaire versus Variable ordinale : Une variable ordinale ordonne hiérarchiquement ses catégories selon une échelle d’intensité relative (ex. : échelle de Likert à 5 points de « Pas du tout d’accord » à « Tout à fait d’accord »), sans que les distances entre échelons consécutifs soient rigoureusement égales. Une variable binaire ne comporte aucune hiérarchie quantitative intrinsèque, sauf si elle résulte du seuillage délibéré d’un continuum.
- Variable binaire versus Variable factice (muette) : Si une variable factice (dummy variable) adopte systématiquement une forme binaire (0 ou 1), elle désigne une construction purement algébrique et instrumentale créée par l’analyste pour injecter une variable nominale à plusieurs niveaux dans une matrice de modélisation linéaire, alors que la variable binaire constitue un descripteur général pouvant exister en dehors de toute régression.
15. Synthèse et points clés à retenir
En résumé, la variable binaire constitue une unité élémentaire irremplaçable dans l’arsenal conceptuel et méthodologique des sciences du comportement et de la psychologie :
- Elle formalise des états d’observation mutuellement exclusifs et exhaustivement répartis en deux catégories distinctes, couramment codées 0 et 1.
- Elle se décline en formes naturelles (reflétant une discontinuité objective du phénomène étudié) et artificielles (issues du seuillage délibéré d’une dimension continue).
- Sa nature discrète impose des cadres mathématiques spécifiques dérogeant aux lois gaussiennes, régis par la loi de Bernoulli et traités préférentiellement par les modèles linéaires généralisés (notamment la régression logistique).
- En psychométrie, le traitement d’items binaires requiert des techniques adaptées telles que la formule KR-20, les corrélations tétrachoriques et les modèles de la théorie de la réponse aux items (modèles de Rasch, 2PL, 3PL).
- La dichotomisation artificielle de variables continues doit être rigoureusement évitée dans les protocoles de recherche scientifique en raison des pertes substantielles de puissance et des risques accrus d’erreurs méthodologiques.
Références
- Boole, G. (1854). An investigation of the laws of thought on which are founded the mathematical theories of logic and probabilities. Walton and Maberly.
- MacCallum, R. C., Zhang, S., Preacher, K. J., & Rucker, D. D. (2002). On the practice of dichotomization of quantitative variables. Psychological Methods, 7(1), 19–40. https://doi.org/10.1037/1082-989X.7.1.19
- Nelder, J. A., & Wedderburn, R. W. (1972). Generalized linear models. Journal of the Royal Statistical Society: Series A (General), 135(3), 370–384. https://doi.org/10.2307/2344614
- Rasch, G. (1960). Probabilistic models for some intelligence and attainment tests. Danish Institute for Educational Research.
- Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103(2684), 677–680. https://doi.org/10.1126/science.103.2684.677