Dans le domaine de la méthodologie de recherche et de la psychométrie, la classification rigoureuse des observations constitue le préalable indispensable à toute inférence empirique valide. La variable catégorielle représente l’un des piliers méthodologiques fondamentaux permettant de structurer, classifier et modéliser la diversité des phénomènes psychologiques, cognitifs et comportementaux.
Variable catégorielle
1. Définition concise
Une variable catégorielle (souvent désignée sous le terme de variable qualitative) est une caractéristique ou un attribut statistique dont les valeurs possibles sont constituées d’un ensemble discret de modalités qualitatives mutuellement exclusives et collectivement exhaustives, n’impliquant pas intrinsèquement de quantification métrique continue. Dans le champ des sciences psychologiques, elle sert à assigner des entités, des participants ou des réponses à des classes distinctes sur la base de critères partagés.
Contrairement aux variables quantitatives continues qui expriment une quantité ou une grandeur ordonnée sur une droite numérique réelle, la variable catégorielle opère par étiquetage, différenciation typologique ou hiérarchisation qualitative. Chaque individu statistique est rattaché sans ambiguïté à un seul sous-ensemble ou catégorie nominale, qu’il s’agisse d’un groupe expérimental, d’un statut nosologique ou d’une appartenance sociodémographique.
Sur le plan épistémologique en psychologie, cette modalité d’évaluation reflète soit une discontinuité naturelle dans la réalité psychique (par exemple, la présence ou l’absence d’une mutation génétique liée à un phénotype cognitif), soit une décision opérationnelle de découpage pragmatique appliquée à un continuum théorique sous-jacent (comme le franchissement d’un seuil diagnostique).
2. Étymologie et origine linguistique
Le syntagme « variable catégorielle » combine deux racines linguistiques majeures de la philosophie occidentale et des mathématiques. Le terme « variable » dérive du bas-latin variabilis, provenant lui-même du verbe variare (« diversifier, changer, alterner »), désignant en algèbre moderne une entité susceptible de prendre différentes valeurs au sein d’un ensemble de définition donné.
L’adjectif « catégoriel » tire son origine du substantif « catégorie », emprunté au latin chrétien categoria, lui-même issu du grec ancien κατηγορία (katēgoría). Dans l’Athènes classique, ce mot désignait initialement une « accusation » en justice ou une déclaration publique, avant d’être transposé par Aristote dans le vocabulaire philosophique pour signifier un « prédicat fondamental », une « affirmation » ou l’une des classes suprêmes de l’être par lesquelles la pensée ordonne le monde empirique.
L’entrée formelle de la notion dans les statistiques modernes et la psychologie expérimentale s’est consolidée dans la première moitié du XXe siècle, notamment grâce aux travaux fondateurs de Karl Pearson sur les tableaux de contingence, puis à travers la formalisation de la théorie des échelles de mesure introduite par Stanley Smith Stevens en 1946. C’est à partir de cette typologie que la distinction entre variables qualitatives (nominales et ordinales) et métriques s’est universellement imposée dans les manuels de psychologie scientifique.
3. Prononciation et forme grammaticale
En français standard, l’expression se transcrit phonétiquement /va.ʁjabl ka.te.ɡɔ.ʁjɛl/. Le terme relève de la catégorie grammaticale des locutions nominales féminines (on dit « une variable catégorielle », au pluriel « des variables catégorielles »).
Dans la littérature scientifique francophone, plusieurs variantes synonymiques coexistent : variable qualitative, variable d’attribut, ou encore facteur (particulièrement privilégié dans le contexte des modèles d’analyse de variance où les modalités représentent les niveaux d’un traitement expérimental). Lorsqu’une telle variable ne possède que deux états distincts, les chercheurs emploient indifféremment les qualificatifs de variable binaire ou dichotomique.
D’un point de vue morphosyntaxique, il convient d’éviter l’anglicisme abusif consistant à traiter « catégorique » comme un synonyme absolu de « catégoriel ». En français rigoureux, le terme « catégorique » désigne ce qui ne souffre aucune contestation (par exemple, une affirmation catégorique ou l’impératif catégorique kantien), tandis que « catégoriel » renvoie précisément à ce qui opère par catégories au sens logique et statistique.
4. Explication conceptuelle détaillée
Pour appréhender en profondeur la notion de variable qualitative, il est indispensable de comprendre que l’esprit humain comme la démarche expérimentale recourent spontanément à la catégorisation pour réduire la surcharge informationnelle issue de l’environnement. En psychométrie, conceptualiser une caractéristique sous forme catégorielle implique de postuler que les différences qualitatives entre les entités priment sur les nuances de degré métrique, ou que la structure du phénomène étudié répond à des frontières structurellement identifiables.
Le périmètre d’une variable catégorielle repose sur deux règles logiques strictes imposées aux modalités qui la composent. La première est l’exclusivité mutuelle : aucun individu ne peut appartenir simultanément à plus d’une catégorie pour la dimension évaluée (un participant ne peut être classé à la fois dans le groupe « placebo » et dans le groupe « substance active » au cours d’une même session univariée). La seconde règle est l’exhaustivité collective : l’ensemble des modalités répertoriées doit être suffisant pour accueillir la totalité des unités de l’échantillon sans exception, quitte à introduire une catégorie résiduelle standardisée (« autre », « non spécifié »).
La portée d’une telle variable dépend grandement de la nature sous-jacente du phénomène. Dans certains cas, la structure sous-jacente est authentiquement discrète et discontinue ; c’est ce que Paul Meehl qualifiait de « taxon ». Dans d’autres circonstances, la variable catégorielle constitue une convention méthodologique visant à discrétiser un trait continu continu (par exemple, catégoriser des individus en « anxieux sévères » versus « modérés » à partir d’un score à l’échelle de Beck). Bien que cette pratique facilite la communication clinique et la prise de décision thérapeutique univoque, elle engendre une perte inévitable de variance statistique et de puissance analytique.
Les frontières conceptuelles de la variable catégorielle se déploient entre deux pôles : le niveau purement nominal (où les modalités sont de simples étiquettes permutables sans hiérarchie, comme le type de phobie spécifique) et le niveau ordinal (où les modalités possèdent un agencement hiérarchique sans que l’on puisse postuler l’égalité stricte des intervalles, comme les stades du développement piagétien). Si les données ordinales sont formellement catégorielles, leur traitement statistique emprunte parfois, sous certaines hypothèses robustes, des méthodes quasi-quantitatives.
5. Développement historique
L’histoire de la variable catégorielle en psychologie s’enracine dans la transition séculaire de la métaphysique descriptive vers l’empirisme méthodologique. Aristote avait établi dans son traité des Catégories l’idée que l’intellect appréhende le réel en subsumant les prédicats sous des genres fondamentaux. Au XIXe siècle, les premiers aliénistes et pionniers de la psychiatrie naissante, tels que Philippe Pinel et Jean-Étienne Esquirol, ont cherché à substituer aux explications morales des typologies cliniques rigoureuses fondées sur l’observation des symptômes, posant les bases des variables nosologiques qualitatives.
Sur le versant statistique, l’étude mathématique rigoureuse des données qualitatives a été freinée par la prééminence initiale des distributions continues de Gauss et de Quetelet. Le tournant décisif survient au début du XXe siècle sous l’impulsion de Karl Pearson. Confronté à des variables biologiques et comportementales non mesurables sur une échelle métrique (comme la couleur des yeux ou les types d’affections pathologiques), Pearson formule le test du Chi-carré d’indépendance en 1900. Cette avancée mathématique spectaculaire a fourni aux psychologues la première méthode rigoureuse pour tester les relations probabilistes entre variables qualitatives.
En 1946, le psychologue Stanley Smith Stevens publie dans la revue Science un article séminal intitulé On the Theory of Scales of Measurement. Stevens y redéfinit l’acte de mesure psychologique et y intègre explicitement l’échelle nominale et l’échelle ordinale comme les deux premiers échelons de la hiérarchie métrologique. Selon Stevens, l’assignation d’étiquettes numériques à des catégories selon une règle logique constitue déjà une forme légitime de mesure, à condition de restreindre les analyses statistiques aux opérations mathématiques autorisées par les transformations invariantes propres à ces échelles (isomorphisme pour le nominal, monotonie pour l’ordinal).
Dans la seconde moitié du XXe siècle, la révolution nosologique opérée par le DSM-III en 1980 sous la direction de Robert Spitzer a institutionnalisé l’approche catégorielle en psychopathologie clinique. En réaction aux dérives interprétatives des orientations psychodynamiques antérieures, le DSM-III a imposé des critères diagnostiques opérationnels précis, transformant les troubles mentaux en variables catégorielles univoques (présence/absence de trouble). Parallèlement, le développement de l’informatique a permis l’émergence des modèles statistiques multivariés pour données qualitatives, notamment la régression logistique et les modèles log-linéaires développés par Leo Goodman.
6. Fondements théoriques
L’usage des variables catégorielles en psychologie ne relève pas d’un simple choix technique d’encodage ; il s’appuie sur des paradigmes épistémologiques et théoriques profonds régissant la cognition et la modélisation scientifique.
Le premier socle théorique émane de la psychologie cognitive de la catégorisation, incarnée notamment par les travaux pionniers d’Eleanor Rosch sur la théorie des prototypes. Selon ce cadre théorique, l’esprit humain ne traite pas le monde comme une mosaïque continue d’attributs sans lien, mais le segmente spontanément en catégories dotées d’une structure interne, organisées autour d’archétypes représentatifs et de frontières de décision perceptives. Les variables catégorielles créées par les chercheurs reflètent souvent ces mécanismes cognitifs d’économie conceptuelle, permettant de simplifier la variabilité comportementale tout en maximisant la variance inter-classes et en minimisant la variance intra-classe.
Le deuxième cadre conceptuel est la théorie axiomatique de la mesure (formulée par Krantz, Luce, Suppes et Tversky dans leurs Foundations of Measurement). Cette approche postule que la mesure n’implique pas nécessairement l’assignation de quantités numériques euclidiennes réelles, mais la mise en correspondance formelle (un homomorphisme) entre un système de relations empiriques et un système de relations formelles ou symboliques. Sur une échelle nominale, la seule relation empirique modélisée est celle d’équivalence (identité ou non-identité : $a = b$ ou $a \neq b$), conférant à la variable catégorielle une validité axiomatique absolue dans son ordre propre.
Enfin, la théorie de l’information de Claude Shannon apporte un éclairage théorique quantitatif à l’analyse des variables catégorielles. La diversité et la distribution des individus à travers les modalités d’une variable qualitative peuvent être modélisées en termes d’entropie informationnelle. Une variable catégorielle dont les observations se répartissent de manière équiprobable entre toutes ses modalités présente une incertitude maximale, tandis qu’une modalité ultra-dominante signale une faible entropie et une spécificité prédictive accrue.
7. Composantes clés, types et dimensions
L’univers des variables catégorielles se subdivise en plusieurs sous-types distincts selon le nombre de modalités considérées et l’existence éventuelle d’une relation d’ordre sous-jacente :
- Variables nominales pures : Modalités qualitatives sans aucune hiérarchie ou progression logique. La permutation de l’ordre d’affichage des modalités n’altère en rien le sens des données. Les exemples typiques incluent l’orientation professionnelle, la langue maternelle ou le type de sous-population clinique.
- Variables binaires ou dichotomiques : Variables ne comportant que deux modalités exclusives. On distingue les dichotomies naturelles ou réelles (vivant/décédé, succès/échec à un item) et les dichotomies artificielles issues de la coupure opérée sur un continuum (norme clinique versus pathologie à partir d’un score seuil).
- Variables ordinales : Modalités qualitatives présentant un ordre intrinsèque clair, mais caractérisées par l’absence d’intervalle métrique constant et démontrable entre deux échelons successifs. C’est typiquement le cas des échelles de mesure d’accord de type Likert (pas du tout d’accord, modérément, fortement d’accord) ou des stades de gravité clinique.
- Variables polytomiques : Variables comportant trois modalités ou plus. Elles peuvent être nominales (par exemple, les 4 styles d’attachement chez l’adulte selon Bartholomew : sécure, craintif, préoccupé, détaché) ou ordinales (faible, moyen, élevé, critique).
- Variables indicatrices (ou factices / dummy variables) : Construction computationnelle où une variable polytomique à $k$ modalités est recodée en $k-1$ variables dichotomiques codées 0 ou 1, permettant son incorporation formelle dans les équations matricielles de régression multiple ou de modélisation par équations structurelles.
8. Exemples et cas illustratifs
Pour matérialiser la mise en œuvre pratique de ces notions, examinons trois paradigmes classiques de la recherche en psychologie.
Cas 1 : L’évaluation de l’attachement chez le jeune enfant. Dans le paradigme expérimental de la « Situation Étrange » développé par Mary Ainsworth, les comportements du nourrisson lors des épisodes de séparation et de réunion avec la figure d’attachement sont observés et classifiés. La variable dépendante principale est une variable catégorielle nominale polytomique à quatre modalités : Attachement sécure (B), Attachement insécure-évitant (A), Attachement insécure-ambivalent/résistant (C), et Attachement désorganisé/désorienté (D). Ces catégories ne s’ordonnent pas le long d’un score continu simple ; elles traduisent des configurations qualitatives et des stratégies de régulation émotionnelle radicalement distinctes.
Cas 2 : L’expérimentation clinique randomisée (ECR) en psychothérapie. Un chercheur souhaite tester l’efficacité relative d’une nouvelle thérapie cognitive basée sur la pleine conscience pour la prévention des rechutes dépressives. Les participants sont assignés par tirage au sort à l’une des trois branches du protocole. La variable indépendante principale (« Type d’intervention ») est une variable catégorielle nominale à trois modalités : (1) Thérapie Cognitive Basée sur la Pleine Conscience (MBCT), (2) Thérapie Comportementale et Cognitive standard (TCC), et (3) Liste d’attente / Traitement habituel (TAU). Dans ce schéma expérimental, la variable catégorielle constitue le facteur intersujets structurant le plan d’analyse.
Cas 3 : La décision diagnostique psychiatrique selon le DSM-5. Lors de l’évaluation diagnostique d’un patient présentant des épisodes récurrents d’altération de l’humeur, le clinicien doit poser une conclusion nosologique. La variable clinique de sortie est catégorielle : « Trouble Bipolaire de type I », « Trouble Bipolaire de type II », « Trouble Dépressif Caractérisé » ou « Absence de trouble thymique caractérisé ». Bien que des échelles quantitatives de dépression (comme l’échelle MADRS) aient pu être administrées, la variable diagnostique finale synthétise ces données sous une forme catégorielle afin d’orienter le choix pharmacologique (par exemple, prescription de régulateurs de l’humeur versus antidépresseurs en monothérapie).
9. Mesure, codage et modélisation statistique
Le traitement des variables catégorielles dans l’appareillage méthodologique et psychométrique contemporain obéit à des normes strictes de codage et à des techniques d’analyse adaptées à la nature non linéaire de ces données.
Sur le plan du codage des données brutes, chaque catégorie est généralement associée à une valeur numérique arbitraire dans la matrice de données informatique (par exemple, 1 = Célibataire, 2 = Marié, 3 = Divorcé, 4 = Veuf). Il est impératif de rappeler que ces nombres n’ont aucune propriété arithmétique : calculer la moyenne ou la variance de ces codes est un non-sens mathématique complet. La statistique descriptive adéquate se limite au dénombrement des effectifs absolus, au calcul des fréquences relatives (pourcentages) et à l’identification du mode (la modalité la plus fréquente).
Pour explorer les relations univariées ou bivariées, les chercheurs font appel aux tables de contingence et aux tests non paramétriques. Le test d’indépendance du Chi-carré de Pearson compare les fréquences observées dans chaque case du tableau aux fréquences théoriques attendues sous l’hypothèse nulle d’indépendance statistique :
$$\chi^2 = \sum \frac{(O – E)^2}{E}$$
Où $O$ représente l’effectif observé et $E$ l’effectif théorique attendu. Lorsque les effectifs attendus sont trop faibles (inférieurs à 5), les psychologues recourent au test exact de Fisher. L’intensité de la relation catégorielle est ensuite quantifiée par des indices de taille d’effet dédiés, tels que le coefficient Phi (pour les tables $2 times 2$) ou le V de Cramér (pour les tables plus vastes).
Pour évaluer l’accord inter-juges lors de l’attribution d’individus à des catégories qualitatives (par exemple, deux cliniciens posant un diagnostic de manière indépendante), les indices standards sont le Kappa de Cohen (pour deux évaluateurs) ou le Kappa de Fleiss (pour des évaluateurs multiples), qui corrigent le taux de concordance brut par la proportion d’accord attribuable au simple hasard.
Dans le domaine des analyses multivariées, lorsque la variable catégorielle est la variable dépendante (à prédire), les techniques linéaires classiques (comme la régression linéaire ordinaire) sont inapplicables en raison de la violation de l’hypothèse de normalité des résidus et du risque de prédire des probabilités aberrantes en dehors de l’intervalle $[0, 1]$. La recherche en psychologie emploie alors la régression logistique binaire ou multinomiale, qui applique une transformation logit aux cotes (odds ratios) :
$$\text{logit}(p) = \ln\left(\frac{p}{1-p}\right) = \beta_0 + \beta_1 X_1 + dots + \beta_k X_k$$
Enfin, au niveau de la modélisation des variables latentes, l’Analyse de Classes Latentes (LCA – Latent Class Analysis) permet d’identifier des sous-groupes catégoriels homogènes et non observés au sein d’une population à partir d’un ensemble de réponses catégorielles manifestes.
10. Applications et pertinence pratique
L’exploitation rigoureuse des variables catégorielles innerve l’ensemble des sous-disciplines appliquées de la psychologie et des sciences humaines.
En psychologie clinique et psychopathologie, les classifications diagnostiques comme le Manuel diagnostique et statistique des troubles mentaux (DSM-5-TR) et la Classification internationale des maladies (CIM-11) structurent l’intégralité du système de soins autour de variables catégorielles. Celles-ci régissent la validation des protocoles thérapeutiques remboursables, la sélection des échantillons pour les essais cliniques, et la communication standardisée entre professionnels de la santé mentale à travers le monde.
En psychologie du travail et des organisations, les variables catégorielles constituent la trame des modèles de sélection du personnel, d’évaluation des compétences et de pilotage managérial. La catégorisation des profils de leadership (par exemple : transactionnel, transformationnel, laisser-faire) ou la décision finale de recrutement (recommandé / ajourné / rejeté) reposent sur le traitement d’informations qualitatives complexes synthétisées sous forme catégorielle.
En psychologie scolaire et du développement, l’orientation des élèves vers des dispositifs de remédiation cognitive (groupes d’adaptation, programmes individualisés pour troubles d’apprentissage sévères) dépend de l’assignation de variables catégorielles spécifiques (présence ou absence de dyslexie, de dyscalculie ou de trouble déficitaire de l’attention avec ou sans hyperactivité). Dans ce contexte, la catégorisation a un impact direct sur les ressources pédagogiques allouées aux apprenants.
11. Recherches et données empiriques
La recherche contemporaine a consacré d’immenses efforts méthodologiques à l’évaluation de la légitimité des variables catégorielles face aux modèles continus.
Un apport empirique majeur provient des travaux pionniers du psychologue et statisticien Paul Meehl et de ses successeurs (tels que John Ruscio et David Beauchaine) sur les méthodes taxométriques. Meehl a développé des procédures empiriques rigoureuses (comme les techniques MAMBAC, MAXCOV et L-Mode) spécifiquement conçues pour déterminer si une variable catégorielle reflète une réelle discontinuité biologique ou psychologique dans la population (un « taxon » naturel), ou si elle résulte d’un découpage arbitraire imposé à une distribution continue sous-jacente. Les études taxométriques ont démontré empiriquement que la schizotypie clinique et certains troubles dissociatifs fonctionnent de manière prototypique comme des taxons discrets, alors que la dépression majeure, l’anxiété généralisée et la plupart des traits de personnalité relèvent d’un continuum dimensionnel pur.
Dans le domaine de la génétique comportementale et de l’épigénétique, les études d’interaction gène-environnement illustrent l’entrelacement des variables catégorielles et continues. Dans une recherche majeure devenue classique, Avshalom Caspi et ses collaborateurs (2003) ont utilisé le polymorphisme du gène transporteur de la sérotonine (5-HTTLPR) comme une variable catégorielle nominale à trois modalités (allèles court/court, court/long, ou long/long) pour démontrer empiriquement que la vulnérabilité dépressive face aux événements de vie stressants (variable continue) dépendait étroitement de cette appartenance allélique catégorielle.
12. Considérations culturelles et transculturelles
L’utilisation des variables catégorielles soulève des défis conceptuels considérables lorsqu’elle est transposée d’une culture à une autre. Ce que les psychologues classifient comme une catégorie universelle peut s’avérer n’être qu’une construction idiosyncrasique propre au monde occidental industrialisé.
En ethnopsychiatrie et en anthropologie médicale, de nombreux auteurs ont documenté l’existence de syndromes liés à la culture (culture-bound syndromes) tels que le Latah en Malaisie, l’Amok ou le Taijin kyofusho au Japon. Chercher à encoder ces tableaux cliniques dans les variables catégorielles préfabriquées des nomenclatures occidentales (comme la phobie sociale ou le trouble panique) engendre un biais d’imposition conceptuelle qui masque la fonction sémiotique et culturelle propre à ces comportements au sein de leur communauté d’origine.
Sur le plan psychométrique transculturel, l’utilisation de variables catégorielles nécessite de vérifier formellement l’invariance de mesure. Si l’on administre un instrument d’évaluation catégorielle dans plusieurs groupes linguistiques ou ethniques, il est crucial de s’assurer par des analyses d’invariance multigroupes (à l’aide de la modélisation d’équations structurelles catégorielles ou de la théorie de réponse aux items polytomique) que les probabilités de catégorisation conditionnelles au trait latent sont strictement équivalentes entre les différentes cultures, faute de quoi les comparaisons inter-groupes sont dénuées de validité scientifique.
13. Critiques, débats et limites méthodologiques
L’omniprésence des variables catégorielles dans les publications psychologiques suscite des controverses épistémologiques et statistiques majeures.
La critique la plus virulente et universellement documentée concerne le fléau méthodologique de la dichotomisation artificielle des variables continues (pratique souvent désignée sous le nom de méthode du « découpage selon la médiane » ou median split). Dans un article critique célèbre ayant fait date dans les sciences du comportement, William L. MacCallum et ses collègues (2002) ont démontré que convertir une variable continue (comme le niveau d’estime de soi) en une variable catégorielle binaire (« haute » versus « basse » estime de soi) entraîne une perte massive d’information statistique équivalente à l’élimination pure et simple d’un tiers à la moitié de l’échantillon. Cette pratique illégitime réduit drastiquement la puissance statistique, masque les relations non linéaires potentielles et augmente paradoxalement le risque de faux positifs (erreurs de type I) ou de corrélations fallacieuses.
Un autre débat fondamental secoue la nosographie contemporaine : l’affrontement paradigmatique entre l’approche catégorielle traditionnelle du DSM et le modèle dimensionnel alternatif du Consortium HiTOP (Hierarchical Taxonomy of Psychopathology) et du cadre RDoC (Research Domain Criteria) promu par le National Institute of Mental Health (NIMH). Les critiques du modèle catégoriel pointent du doigt les taux vertigineux de comorbidité diagnostique entre troubles (plus de 50 % des patients recevant plusieurs diagnostics catégoriels distincts) et l’extrême hétérogénéité clinique intra-catégorielle : deux patients peuvent recevoir le même diagnostic de dépression majeure selon le DSM tout en ne partageant qu’un seul symptôme en commun sur les neuf critères possibles. Le cadre dimensionnel propose de remplacer ces catégories rigides par des spectres symptomatiques continus hiérarchisés.
14. Termes associés et distinctions conceptuelles
Afin de prévenir toute confusion conceptuelle récurrente dans l’analyse de données, il convient de distinguer précisément la variable catégorielle d’autres notions méthodologiques connexes :
- Variable quantitative continue vs Variable catégorielle : Une variable quantitative continue possède une infinité théorique de valeurs intermédiaires mesurables sur un continuum métrique (par exemple, le temps de réaction en millisecondes ou le taux de cortisol salivaire), alors qu’une variable catégorielle progresse par classes qualitatives discontinues.
- Variable discrète numérique vs Variable catégorielle : Une variable discrète numérique est composée de valeurs entières dénombrables issues d’un comptage réel (par exemple, le nombre d’erreurs commises dans un test de mémoire de travail). Bien que discrète, elle possède de véritables propriétés métriques additives, à l’opposé des modalités purement symboliques d’une variable nominale.
- Variable nominale vs Variable ordinale : Toutes deux sont catégorielles, mais l’échelle ordinale introduit une relation mathématique d’ordre asymétrique et transitive entre ses modalités ($A > B > C$), là où la variable nominale se borne à l’équivalence et à la non-équivalence ($A \neq B$).
- Facteur expérimental vs Variable catégorielle : Tout facteur dans un protocole d’analyse de variance (ANOVA) est manipulé ou observé sous forme de variable catégorielle, mais le concept de facteur renvoie spécifiquement au rôle causale attribué à la variable indépendante dans le design expérimental de l’investigateur.
- Classe latente vs Variable catégorielle manifeste : La variable catégorielle manifeste est directement observée et encodée dans la matrice empirique, alors que la classe latente est un construit catégoriel théorique non observable, inféré mathématiquement par maximisation de la vraisemblance à partir des covariations entre plusieurs variables manifestes.
15. Synthèse et points clés
La variable catégorielle demeure un outil de structuration conceptuelle et statistique indispensable pour la recherche et la pratique en psychologie. Ses caractéristiques fondamentales s’articulent autour des éléments suivants :
- Elle partitionne les unités d’observation en modalités qualitatives mutuellement exclusives et collectivement exhaustives.
- Elle s’incarne principalement sous deux échelles de mesure fondamentales : l’échelle nominale (absence de hiérarchie) et l’échelle ordinale (hiérarchie qualitative sans équidistance métrique garantie).
- Son traitement statistique proscrit les calculs de moyennes et d’écarts-types élémentaires, nécessitant le recours aux tableaux de contingence, au Chi-carré, au Kappa d’accord inter-juges, à la régression logistique et aux modèles de classes latentes.
- Bien qu’elle soit indispensable à la classification clinique et à l’aide à la décision binaire, la transformation artificielle de variables continues en catégories qualitatives constitue une erreur méthodologique sévère qui détériore la fiabilité et la puissance des inférences statistiques.
Références
- Ainsworth, M. D. S., Blehar, M. C., Waters, E., & Wall, S. (1978). Patterns of attachment: A psychological study of the strange situation. Lawrence Erlbaum Associates.
- American Psychiatric Association. (2022). Diagnostic and statistical manual of mental disorders (5th ed., text rev.; DSM-5-TR). American Psychiatric Publishing. https://doi.org/10.1176/appi.books.9780890425787
- Caspi, A., Sugden, K., Moffitt, T. E., Taylor, A., Craig, I. W., Harrington, H., McClay, J., Mill, J., Martin, J., Braithwaite, A., & Poulton, R. (2003). Influence of life stress on depression: Moderation by a polymorphism in the 5-HTT gene. Science, 301(5631), 386–389. https://doi.org/10.1126/science.1083968
- 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
- Meehl, P. E. (1995). Bootstraps taxometrics: Solving the classification problem in psychopathology. American Psychologist, 50(4), 266–275. https://doi.org/10.1037/0003-066X.50.4.266
- Rosch, E. (1978). Principles of categorization. In E. Rosch & B. B. Lloyd (Eds.), Cognition and categorization (pp. 27–48). Lawrence Erlbaum Associates.
- 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