1. Introduction aux diagrammes tige et feuille en psychom\u00e9trie et statistiques<\/h2>\n1.1 D\u00e9finition et fondements th\u00e9oriques selon John Tukey<\/h3>\n
L’av\u00e8nement de l’analyse exploratoire des donn\u00e9es, conceptualis\u00e9e sous l’acronyme EDA par le statisticien am\u00e9ricain John Wilder Tukey<\/a> dans son ouvrage s\u00e9minal paru en 1977, a marqu\u00e9 une rupture \u00e9pist\u00e9mologique fondamentale avec la tradition statistique confirmatoire dominante du vingti\u00e8me si\u00e8cle. Tukey soutenait avec vigueur que les chercheurs consacraient une \u00e9nergie disproportionn\u00e9e \u00e0 tester des hypoth\u00e8ses probabilistes avant m\u00eame d’avoir inspect\u00e9 avec lucidit\u00e9 la morphologie sous-jacente de leurs observations. C’est dans ce contexte intellectuel novateur qu’a \u00e9t\u00e9 introduit le diagramme tige et feuille, d\u00e9sign\u00e9 en anglais sous l’appellation de stem-and-leaf display<\/em>, pens\u00e9 d\u00e8s l’origine comme une technique semi-graphique manuelle rapide capable d’extraire la structure d’un ensemble de mesures sans n\u00e9cessiter l’interm\u00e9diation lourde d’appareils de calcul \u00e9lectronique.<\/p>\n La force th\u00e9orique de cette m\u00e9thode r\u00e9side dans sa double fonction op\u00e9ratoire : elle r\u00e9alise simultan\u00e9ment une restitution tabulaire ordonn\u00e9e et une projection spatiale de la densit\u00e9 empirique. Alors que les tables de contingence traditionnelles fragmentent l’information num\u00e9rique au profit de d\u00e9comptes cat\u00e9goriels et que les graphiques classiques projettent des abstractions g\u00e9om\u00e9triques, le diagramme tige et feuille utilise les chiffres m\u00eames composant les donn\u00e9es pour \u00e9riger la silhouette visuelle de la distribution. Chaque valeur quantitative observ\u00e9e est formellement scind\u00e9e en deux composantes positionnelles distinctes, \u00e0 savoir une tige repr\u00e9sentant les chiffres de poids fort et une feuille incarnant le chiffre de poids faible imm\u00e9diatement subs\u00e9quent, assurant ainsi une continuit\u00e9 parfaite entre l’enregistrement nominal de la mesure et son analyse topologique globale.<\/p>\n Sur le plan \u00e9pist\u00e9mologique, la pr\u00e9servation int\u00e9grale des donn\u00e9es brutes individuelles constitue une avanc\u00e9e m\u00e9thodologique cruciale face aux d\u00e9rives r\u00e9ductionnistes des r\u00e9sum\u00e9s synth\u00e9tiques. Dans les protocoles de recherche contemporains en psychologie, en sciences de l’\u00e9ducation et en sociologie quantitative, la condensation pr\u00e9matur\u00e9e d’une variable sous la forme d’une moyenne arithm\u00e9tique et d’un \u00e9cart-type expose le statisticien au risque d’ignorer des asym\u00e9tries s\u00e9v\u00e8res, des discontinuit\u00e9s distributionnelles ou des regroupements locaux indicatifs de sous-populations masqu\u00e9es. Le diagramme tige et feuille garantit qu’aucune valeur n’est dissoute dans un agr\u00e9gat impersonnel, \u00e9rigeant la transparence empirique en principe directeur de toute d\u00e9marche d’investigation scientifique rigoureuse.<\/p>\n Dans l’exercice quotidien de l’\u00e9valuation psychom\u00e9trique et de la recherche clinique, le diagramme tige et feuille constitue un dispositif d’investigation diagnostique de premier ordre. L’examen minutieux de la distribution des scores obtenus \u00e0 des batteries standardis\u00e9es, telles que les \u00e9chelles d’intelligence de Wechsler ou les inventaires de personnalit\u00e9 multidimensionnels, requiert une sensibilit\u00e9 analytique que les indicateurs de tendance centrale ne peuvent fournir. Le clinicien doit \u00eatre en mesure d’observer imm\u00e9diatement si la r\u00e9partition des scores d’une cohorte suit le profil th\u00e9orique attendu ou si des distorsions syst\u00e9matiques t\u00e9moignent de biais d’\u00e9valuation, de consignes exp\u00e9rimentales mal assimil\u00e9es ou de caract\u00e9ristiques nosographiques sp\u00e9cifiques aux participants recrut\u00e9s.<\/p>\n L’un des apports majeurs de ce diagramme en psychopathologie et en psychologie de la sant\u00e9 concerne la d\u00e9tection pr\u00e9coce et sans \u00e9quivoque des effets d’invariance d’\u00e9chelle, commun\u00e9ment d\u00e9sign\u00e9s sous les termes d’effets plancher et d’effets plafond. Lorsqu’une \u00e9preuve cognitive s’av\u00e8re excessivement ardue pour un groupe de patients pr\u00e9sentant des atteintes neurod\u00e9g\u00e9n\u00e9ratives, une accumulation massive de feuilles sur les tiges les plus basses trahit l’incapacit\u00e9 de l’instrument \u00e0 discriminer les diff\u00e9rents degr\u00e9s de s\u00e9v\u00e9rit\u00e9 du d\u00e9ficit. R\u00e9ciproquement, un empilement disproportionn\u00e9 de valeurs sur les tiges sup\u00e9rieures signale une \u00e9preuve satur\u00e9e qui ne permet pas d’\u00e9valuer le potentiel d’individus hautement performants, contraignant l’exp\u00e9rimentateur \u00e0 r\u00e9viser son protocole de mesure avant d’engager des mod\u00e9lisations statistiques plus avanc\u00e9es.<\/p>\n Dans le domaine de la psychologie cognitive exp\u00e9rimentale, l’analyse des temps de r\u00e9action et de traitement de l’information constitue un terrain d’application privil\u00e9gi\u00e9 pour le diagramme tige et feuille. Ces variables temporelles se caract\u00e9risent classiquement par des distributions asym\u00e9triques positives, enrichies d’une queue de distribution \u00e9tir\u00e9e vers les latences \u00e9lev\u00e9es. Gr\u00e2ce \u00e0 l’agencement granulaire des tiges et des feuilles, le chercheur rep\u00e8re instantan\u00e9ment les r\u00e9ponses anticipatoires aberrantes situ\u00e9es sous le seuil physiologique admissible, tout en surveillant la d\u00e9rive attentionnelle progressive des sujets. Cette inspection pr\u00e9liminaire permet d’asseoir la d\u00e9cision de conserver, de transformer ou d’\u00e9carter certaines observations chronom\u00e9triques avant toute mod\u00e9lisation lin\u00e9aire g\u00e9n\u00e9rale ou analyse de variance \u00e0 mesures r\u00e9p\u00e9t\u00e9es.<\/p>\n Pour appr\u00e9cier pleinement la singularit\u00e9 m\u00e9thodologique du diagramme tige et feuille, il convient de le confronter de mani\u00e8re critique aux deux autres repr\u00e9sentations fondamentales de la statistique descriptive univari\u00e9e : l’histogramme et la bo\u00eete \u00e0 moustaches. L’histogramme, bien qu’extr\u00eamement populaire au sein de la communaut\u00e9 scientifique, souffre d’une limitation inh\u00e9rente li\u00e9e \u00e0 la discr\u00e9tisation spatiale des donn\u00e9es continues. La cr\u00e9ation de classes de regroupement, d\u00e9finies par des bornes arbitraires, entra\u00eene une destruction irr\u00e9versible de l’information quantitative individuelle. Deux distributions pr\u00e9sentant des agencements internes radicalement discordants peuvent engendrer des histogrammes strictement identiques si la taille des intervalles a \u00e9t\u00e9 calibr\u00e9e de mani\u00e8re trop l\u00e2che, dissimulant des lacunes et des concentrations locales pourtant d\u00e9terminantes.<\/p>\n \u00c0 l’inverse, le diagramme tige et feuille maintient une tra\u00e7abilit\u00e9 totale entre le graphique affich\u00e9 et la feuille de calcul source. Il surpasse l’histogramme en restituant fid\u00e8lement l’int\u00e9gralit\u00e9 des valeurs num\u00e9riques d’origine tout en proposant une silhouette graphique superposable \u00e0 celle d’un histogramme couch\u00e9 sur le c\u00f4t\u00e9. Par rapport \u00e0 la bo\u00eete \u00e0 moustaches, conceptualis\u00e9e \u00e9galement par John Tukey sous l’appellation de box-plot<\/em>, le diagramme tige et feuille entretient une relation de compl\u00e9mentarit\u00e9 synergique \u00e9troite. Alors que la bo\u00eete \u00e0 moustaches excelle dans la synth\u00e8se ordinale des distributions en cartographiant de mani\u00e8re synth\u00e9tique la m\u00e9diane, l’\u00e9cart interquartile et l’\u00e9tendue globale, elle est intrins\u00e8quement aveugle \u00e0 la morphologie fine de la densit\u00e9 interne.<\/p>\n Cette c\u00e9cit\u00e9 g\u00e9om\u00e9trique du box-plot se manifeste de mani\u00e8re flagrante en pr\u00e9sence de distributions bimodales ou multimodales. Une distribution compos\u00e9e de deux bosses distinctes peut pr\u00e9senter une m\u00e9diane et des quartiles rigoureusement analogues \u00e0 ceux d’une distribution unimodale parfaitement sym\u00e9trique, induisant l’analyste en erreur quant \u00e0 l’homog\u00e9n\u00e9it\u00e9 de son \u00e9chantillon. Le diagramme tige et feuille r\u00e9sout imm\u00e9diatement cette ambigu\u00eft\u00e9 visuelle en r\u00e9v\u00e9lant les creux de fr\u00e9quence et les micro-regroupements locaux, offrant une sensibilit\u00e9 morphologique exceptionnelle. L’articulation coordonn\u00e9e de ces diff\u00e9rents outils visuels au sein de la pratique scientifique permet ainsi d’allier la pr\u00e9cision chirurgicale de la tige et feuille \u00e0 la puissance synth\u00e9tique de la bo\u00eete \u00e0 moustaches.<\/p>\n Avant d’initialiser la moindre proc\u00e9dure graphique au sein d’IBM SPSS Statistics, une attention rigoureuse doit \u00eatre port\u00e9e \u00e0 la configuration architecturale des variables dans l’onglet de d\u00e9finition des m\u00e9tadonn\u00e9es, commun\u00e9ment d\u00e9sign\u00e9 sous le nom de Vue des variables. L’exactitude du traitement algorithmique repose sur l’assignation correcte des attributs de chaque colonne, \u00e0 commencer par le niveau de mesure. Pour qu’un diagramme tige et feuille soit produit conform\u00e9ment aux axiomes de la m\u00e9trologie quantitative, la variable psychologique ou comportementale \u00e9tudi\u00e9e doit imp\u00e9rativement \u00eatre param\u00e9tr\u00e9e avec le statut d’\u00e9chelle, identifi\u00e9 dans le logiciel par le terme anglais Scale<\/em> et symbolis\u00e9 par une ic\u00f4ne de r\u00e8gle gradu\u00e9e.<\/p>\n L’attribution de ce statut m\u00e9trique signale au moteur computationnel de SPSS que les valeurs num\u00e9riques enregistr\u00e9es ne constituent pas de simples \u00e9tiquettes ordinales ou nominales, mais refl\u00e8tent des intervalles constants autorisant le calcul arithm\u00e9tique continu. Parall\u00e8lement, l’attribution d’un libell\u00e9 de variable pr\u00e9cis et explicite est une prescription m\u00e9thodologique indispensable. La mention d’un libell\u00e9 informatif, incluant l’unit\u00e9 de mesure employ\u00e9e ainsi que le nom complet de l’instrument de mesure, garantit que les sorties graphiques g\u00e9n\u00e9r\u00e9es dans la fen\u00eatre d’affichage des r\u00e9sultats comporteront des titres sans \u00e9quivoque, facilitant la relecture ult\u00e9rieure et \u00e9vitant les confusions lors du traitement simultan\u00e9 de dizaines de sous-\u00e9chelles psychom\u00e9triques.<\/p>\n Enfin, la v\u00e9rification du format num\u00e9rique proprement dit et de la largeur d’affichage des d\u00e9cimales s’av\u00e8re indispensable pour pr\u00e9venir les distorsions visuelles. Si une variable continue comporte des fractions d\u00e9cimales significatives, telles que des scores factoriels issus d’une analyse en composantes principales ou des temps de r\u00e9action milliseconde par milliseconde, le nombre de d\u00e9cimales d\u00e9clar\u00e9 dans la matrice des variables doit refl\u00e9ter fid\u00e8lement la pr\u00e9cision de l’acquisition instrumentale. Une d\u00e9claration tronqu\u00e9e \u00e0 z\u00e9ro d\u00e9cimale dans l’affichage ne d\u00e9truit pas n\u00e9cessairement la pr\u00e9cision interne stock\u00e9e en virgule flottante, mais peut modifier la mani\u00e8re dont SPSS appr\u00e9hende l’\u00e9chelle de tige et l’unit\u00e9 de feuille, provoquant des effets d’arrondi susceptibles de fausser l’interpr\u00e9tation morphologique de la distribution.<\/p>\n L’int\u00e9grit\u00e9 de l’analyse exploratoire d\u00e9pend intrins\u00e8quement de la qualit\u00e9 du nettoyage pr\u00e9liminaire de la matrice de donn\u00e9es. Dans toute investigation empirique impliquant des sujets humains, la survenue de donn\u00e9es manquantes repr\u00e9sente un al\u00e9a in\u00e9vitable, r\u00e9sultant d’omissions involontaires, de refus de r\u00e9ponse ou de d\u00e9faillances techniques lors de l’enregistrement informatis\u00e9. Sous SPSS, la gestion de ces lacunes requiert la d\u00e9finition explicite de codes num\u00e9riques r\u00e9serv\u00e9s aux valeurs manquantes d\u00e9finies par l’utilisateur, comme les standards conventionnels 999 ou -99, afin d’emp\u00eacher formellement que ces chiffres extr\u00eames ne soient incorpor\u00e9s par inadvertance dans la distribution quantitative continue.<\/p>\n L’impact du mode d’exclusion des observations manquantes constitue un arbitrage m\u00e9thodologique fondamental lors du param\u00e9trage des fonctions exploratoires. Le logiciel propose principalement deux modalit\u00e9s distinctes d’exclusion : l’exclusion par observation, dite listwise<\/em>, qui \u00e9carte la totalit\u00e9 du sujet d\u00e8s lors qu’une seule valeur fait d\u00e9faut parmi l’ensemble des variables s\u00e9lectionn\u00e9es, et l’exclusion par analyse, dite pairwise<\/em>, qui restreint l’\u00e9viction \u00e0 la seule variable d\u00e9ficiente examin\u00e9e au cas par cas. Dans le cadre univari\u00e9 propre \u00e0 l’\u00e9valuation d’une distribution singuli\u00e8re par le diagramme tige et feuille, l’approche par test est g\u00e9n\u00e9ralement pr\u00e9conis\u00e9e pour pr\u00e9server au maximum la puissance statistique et la taille effective de l’\u00e9chantillon analys\u00e9.<\/p>\n De surcro\u00eet, le chercheur doit proc\u00e9der \u00e0 un contr\u00f4le m\u00e9thodique des erreurs de frappe et des artefacts d’encodage avant d’ex\u00e9cuter la commande graphique. L’insertion accidentelle d’un point au lieu d’une virgule, le doublement involontaire d’une frappe num\u00e9rique ou la saisie d’un score hors de l’\u00e9ventail th\u00e9orique d’un test psychom\u00e9trique constituent des pollutions courantes qui alt\u00e8rent gravement l’\u00e9talement de l’axe des tiges. La confrontation syst\u00e9matique des minima et maxima th\u00e9oriques avec les bornes empiriques observ\u00e9es dans la matrice permet d’assainir le jeu de donn\u00e9es avant toute tentative de mod\u00e9lisation visuelle, garantissant ainsi que chaque feuille projet\u00e9e correspond rigoureusement \u00e0 une r\u00e9alit\u00e9 comportementale authentique.<\/p>\n Bien que le diagramme tige et feuille soit universellement salu\u00e9 pour sa polyvalence, son efficacit\u00e9 ergonomique et cognitive est \u00e9troitement conditionn\u00e9e par le volume de l’\u00e9chantillon examin\u00e9. La litt\u00e9rature m\u00e9thodologique s’accorde pour situer la zone d’efficience maximale de cet outil entre quinze et cent cinquante observations. En de\u00e7\u00e0 de quinze cas, la distribution appara\u00eet trop fragmentaire pour que des tiges substantielles \u00e9mergent, r\u00e9duisant le graphique \u00e0 une liste lin\u00e9aire quasi vide qui n’apporte aucune plus-value par rapport \u00e0 l’observation directe du tableau de donn\u00e9es. \u00c0 ce niveau de petitesse, les estimateurs de densit\u00e9 demeurent trop instables pour autoriser une quelconque inf\u00e9rence morphologique solide.<\/p>\n \u00c0 l’autre extr\u00e9mit\u00e9 du spectre m\u00e9trologique, lorsque l’\u00e9chantillon exc\u00e8de plusieurs centaines d’unit\u00e9s d’observation, le diagramme tige et feuille subit un ph\u00e9nom\u00e8ne de saturation visuelle p\u00e9nalisant. Dans la mesure o\u00f9 chaque participant est mat\u00e9rialis\u00e9 par un chiffre individuel align\u00e9 sur la rang\u00e9e correspondant \u00e0 sa tige, une concentration massive de donn\u00e9es engendre des lignes de feuilles kilom\u00e9triques qui d\u00e9bordent de la fen\u00eatre d’affichage et s’\u00e9tendent sur plusieurs pages d’impression. Cette congestion textuelle d\u00e9truit la lisibilit\u00e9 de la silhouette globale et contraint le logiciel \u00e0 recourir \u00e0 des facteurs d’\u00e9chelle de feuilles, o\u00f9 chaque chiffre affich\u00e9 repr\u00e9sente alors plusieurs cas agr\u00e9g\u00e9s, ruinant de facto le principe fondateur de conservation int\u00e9grale des donn\u00e9es unitaires.<\/p>\n Face \u00e0 des bases de donn\u00e9es volumineuses, issues par exemple de protocoles de standardisation nationale ou d’enqu\u00eates \u00e9pid\u00e9miologiques massives regroupant des milliers de participants, le chercheur doit adopter des strat\u00e9gies d’exploration alternatives. Dans ces configurations de m\u00e9gadonn\u00e9es psychom\u00e9triques, l’usage de l’histogramme pond\u00e9r\u00e9 coupl\u00e9 \u00e0 une estimation de densit\u00e9 par noyau de type Kernel Density Estimation<\/em> s’av\u00e8re nettement plus adapt\u00e9 pour appr\u00e9hender la forme de la fonction de r\u00e9partition. Une approche compl\u00e9mentaire consiste \u00e0 proc\u00e9der \u00e0 un \u00e9chantillonnage al\u00e9atoire stratifi\u00e9 pr\u00e9liminaire, extrayant un sous-ensemble repr\u00e9sentatif de cent observations afin de mener une inspection fine par tige et feuille avant de g\u00e9n\u00e9raliser l’analyse \u00e0 l’ensemble du fichier de donn\u00e9es volumineux.<\/p>\n L’acc\u00e8s \u00e0 la g\u00e9n\u00e9ration du diagramme tige et feuille dans l’environnement graphique d’IBM SPSS Statistics s’op\u00e8re non pas \u00e0 travers le menu g\u00e9n\u00e9ral de cr\u00e9ation des graphiques, mais via un sous-syst\u00e8me analytique d\u00e9di\u00e9 \u00e0 la v\u00e9rification approfondie des distributions. Pour initialiser le protocole, l’utilisateur doit diriger son curseur vers la barre d’outils sup\u00e9rieure, cliquer sur le menu d\u00e9roulant Analyser<\/strong>, puis faire glisser la s\u00e9lection vers la cat\u00e9gorie Statistiques descriptives<\/strong>. Dans le sous-menu qui se d\u00e9ploie alors horizontalement, il convient de s\u00e9lectionner avec rigueur la commande intitul\u00e9e Explorer<\/strong>, laquelle correspond \u00e0 la proc\u00e9dure canonique interne d\u00e9sign\u00e9e sous le nom de commande EXAMINE<\/em>.<\/p>\n Ce choix ergonomique m\u00e9rite d’\u00eatre soulign\u00e9 car de nombreux utilisateurs n\u00e9ophytes s’orientent spontan\u00e9ment vers la proc\u00e9dure classique des fr\u00e9quences ou vers le g\u00e9n\u00e9rateur de graphiques interactif. Or, la proc\u00e9dure des fr\u00e9quences ne propose nativement que des histogrammes ou des diagrammes \u00e0 barres standardis\u00e9s, sans int\u00e9grer l’algorithme d’organisation des tiges et des feuilles de Tukey. La sous-commande Explorer se distingue fondamentalement par sa vocation exploratoire holistique, regroupant au sein d’une unique interface des tests d’ajustement distributionnel, des estimations robustes de l’\u00e9chelle et des repr\u00e9sentations graphiques diagnostiques hautement sp\u00e9cialis\u00e9es.<\/p>\n L’ouverture de la bo\u00eete de dialogue principale d’Explorer donne \u00e0 voir une interface structur\u00e9e articul\u00e9e autour d’un panneau lat\u00e9ral gauche r\u00e9pertoriant l’int\u00e9gralit\u00e9 des variables disponibles dans le jeu de donn\u00e9es actif, et de plusieurs zones de transfert cibl\u00e9es sur la droite. La fluidit\u00e9 d’ex\u00e9cution repose sur la compr\u00e9hension pr\u00e9cise de l’architecture de cette bo\u00eete de dialogue, dont la configuration conditionne la nature des calculs matriciels que le moteur de SPSS s’appr\u00eate \u00e0 mobiliser pour restituer la morphologie descriptive de l’\u00e9chantillon.<\/p>\n Une fois la bo\u00eete de dialogue principale d\u00e9ploy\u00e9e \u00e0 l’\u00e9cran, l’\u00e9tape suivante consiste \u00e0 assigner la variable psychom\u00e9trique d’int\u00e9r\u00eat \u00e0 son champ de traitement analytique. L’analyste localise dans la liste alphab\u00e9tique de gauche la variable quantitative continue dont il souhaite mod\u00e9liser la distribution, puis utilise la fl\u00e8che directionnelle centrale pour la faire basculer dans le panneau sup\u00e9rieur intitul\u00e9 Liste des variables d\u00e9pendantes<\/strong>. Cette assignation indique au programme que la variable s\u00e9lectionn\u00e9e fera l’objet des calculs de dispersion, d’asym\u00e9trie et de d\u00e9coupage distributionnel requis par l’algorithme des tiges et feuilles.<\/p>\n Il est m\u00e9thodologiquement recevable d’ins\u00e9rer simultan\u00e9ment plusieurs variables continues au sein de ce m\u00eame r\u00e9ceptacle d’analyse. Toutefois, cette op\u00e9ration doit \u00eatre men\u00e9e avec discernement afin de pr\u00e9server la coh\u00e9rence dimensionnelle des sorties. Si l’exp\u00e9rimentateur introduit conjoingniment les sous-scores d’un test mn\u00e9sique, les indices de fluidit\u00e9 verbale et des temps de r\u00e9action informatis\u00e9s, SPSS ex\u00e9cutera s\u00e9quentiellement une analyse univari\u00e9e autonome pour chacune de ces dimensions. Bien que cette approche par lots acc\u00e9l\u00e8re le flux d’analyse exploratoire, elle g\u00e9n\u00e8re une cascade de diagrammes qu’il conviendra d’isoler m\u00e9ticuleusement dans le visualiseur de r\u00e9sultats pour \u00e9viter toute confusion lors de la lecture des tiges et des largeurs d’unit\u00e9s associ\u00e9es.<\/p>\n Il importe de veiller scrupuleusement \u00e0 ne transf\u00e9rer aucune variable cat\u00e9gorielle ou nominale dans ce champ de variables d\u00e9pendantes. L’application d’un diagramme tige et feuille sur des donn\u00e9es qualitatives cod\u00e9es arbitrairement par des chiffres, telles que le statut matrimonial ou le sexe biologique, n’aurait strictement aucun sens th\u00e9orique et produirait des artefacts graphiques d\u00e9pourvus de toute validit\u00e9 m\u00e9trique. La variable d\u00e9pendante doit refl\u00e9ter une v\u00e9ritable gradation d’intensit\u00e9 continue le long d’un continuum psychologique ou comportemental sous-jacent.<\/p>\n Dans le coin inf\u00e9rieur gauche de la bo\u00eete de dialogue principale d’Explorer se trouve un encadr\u00e9 fondamental intitul\u00e9 Affichage<\/strong>, qui r\u00e9git la nature des \u00e9l\u00e9ments g\u00e9n\u00e9r\u00e9s dans le rapport final du visualiseur de sorties. Cet encadr\u00e9 propose trois boutons radio mutuellement exclusifs : Les deux<\/strong>, Statistiques<\/strong> et Graphiques<\/strong>. Par d\u00e9faut, le syst\u00e8me s\u00e9lectionne la modalit\u00e9 combin\u00e9e, ce qui conduit le logiciel \u00e0 calculer une table exhaustive d’indices descriptifs classiques et robustes tout en tra\u00e7ant simultan\u00e9ment les repr\u00e9sentations visuelles configur\u00e9es.<\/p>\n Pour le chercheur engagedans un balayage diagnostique rapide de dizaines de variables psychom\u00e9triques, l’arbitrage entre ces modalit\u00e9s d’affichage rev\u00eat une importance computationnelle et ergonomique tangible. L’activation exclusive du bouton Graphiques<\/strong> permet d’all\u00e9ger consid\u00e9rablement l’arborescence des r\u00e9sultats en supprimant la production des tables descriptives volumineuses comportant la moyenne tronqu\u00e9e \u00e0 5 %, l’\u00e9cart-type, la variance, les minima, maxima, l’intervalle interquartile ainsi que les coefficients d’asym\u00e9trie et d’aplatissement. Cette isolation graphique optimise la clart\u00e9 visuelle et acc\u00e9l\u00e8re la phase de rep\u00e9rage des anomalies distributionnelles.<\/p>\n N\u00e9anmoins, dans le cadre d’une d\u00e9marche de recherche standard visant la publication acad\u00e9mique, il demeure g\u00e9n\u00e9ralement pr\u00e9conis\u00e9 de maintenir la s\u00e9lection sur l’option Les deux<\/strong>. Cette exhaustivit\u00e9 garantit que l’inspection morphologique permise par le diagramme tige et feuille pourra \u00eatre imm\u00e9diatement corrobor\u00e9e par les param\u00e8tres de forme num\u00e9riques exacts, permettant ainsi une confrontation directe entre la silhouette qualitative de la distribution et les indicateurs inf\u00e9rentiels de normalit\u00e9 calcul\u00e9s sur le m\u00eame \u00e9chantillon d’observations.<\/p>\n Pour affiner le comportement graphique du logiciel et garantir la production du diagramme tige et feuille, il est imp\u00e9ratif de cliquer sur le bouton intitul\u00e9 Graphiques…<\/strong> situ\u00e9 sur la bordure droite de la bo\u00eete de dialogue principale de la proc\u00e9dure Explorer. Cette action provoque l’ouverture d’une fen\u00eatre secondaire d\u00e9di\u00e9e au param\u00e9trage visuel avanc\u00e9, structur\u00e9e en plusieurs zones fonctionnelles relatives aux bo\u00eetes \u00e0 moustaches, aux trac\u00e9s descriptifs et aux tests d’hypoth\u00e8ses distributionnelles.<\/p>\n Au sein de la section centrale intitul\u00e9e Descriptif<\/strong>, l’utilisateur d\u00e9couvre les cases \u00e0 cocher associ\u00e9es aux deux modes majeurs de repr\u00e9sentation univari\u00e9e continue : Tige et feuilles<\/strong> et Histogramme<\/strong>. Par d\u00e9faut, SPSS conserve la case Tige et feuilles coch\u00e9e, attestant de son ancrage pr\u00e9f\u00e9rentiel dans la philosophie de l’exploration de donn\u00e9es initi\u00e9e par Tukey. Si l’objectif exclusif de la d\u00e9marche r\u00e9side dans l’analyse granulaire des unit\u00e9s individuelles, il est judicieux de d\u00e9cocher manuellement l’option Histogramme afin de d\u00e9sencombrer le flux d’affichage et d’\u00e9viter les redondances graphiques au sein de la fen\u00eatre des r\u00e9sultats.<\/p>\n Il est fondamental de s’assurer que cette option de tra\u00e7age n’a pas \u00e9t\u00e9 d\u00e9sactiv\u00e9e lors de sessions d’analyse ant\u00e9rieures, SPSS ayant tendance \u00e0 m\u00e9moriser les configurations graphiques transitoires au sein d’une m\u00eame session de travail. Une fois la case Tige et feuilles explicitement valid\u00e9e, le moteur graphique de la proc\u00e9dure EXAMINE re\u00e7oit l’instruction ferme de structurer les donn\u00e9es m\u00e9triques continues sous la forme de matrices positionnelles s\u00e9parant les valeurs en rang\u00e9es logarithmiques ou d\u00e9cimales harmonis\u00e9es.<\/p>\n La puissance diagnostique de la proc\u00e9dure Explorer est d\u00e9cupl\u00e9e lorsque le trac\u00e9 du diagramme tige et feuille est coupl\u00e9 \u00e0 l’\u00e9valuation formelle des postulats gaussiens. Pour ce faire, il est fortement recommand\u00e9 de cocher l’option strat\u00e9gique intitul\u00e9e Graphiques de normalit\u00e9 avec tests<\/strong>, localis\u00e9e imm\u00e9diatement sous la section descriptive de la bo\u00eete de dialogue secondaire des graphiques. Cette instruction simple d\u00e9clenche l’ex\u00e9cution conjointe de deux tests d’ajustement inf\u00e9rentiels majeurs, \u00e0 savoir l’\u00e9preuve de Kolmogorov-Smirnov avec correction de significativit\u00e9 de Lilliefors et le test de Shapiro-Wilk, ce dernier \u00e9tant particuli\u00e8rement performant pour les \u00e9chantillons de taille restreinte \u00e0 mod\u00e9r\u00e9e.<\/p>\n Simultan\u00e9ment, cette commande g\u00e9n\u00e8re des trac\u00e9s de probabilit\u00e9 normale de type Q-Q plot (quantile-quantile) et des graphiques de tendance sans composante lin\u00e9aire. L’articulation entre le diagramme tige et feuille et la droite de Henry fournit au statisticien un appareil d’\u00e9valuation morphologique complet. Alors que le Q-Q plot met en lumi\u00e8re les d\u00e9viations des quantiles observ\u00e9s par rapport aux quantiles th\u00e9oriques d’une loi normale id\u00e9ale sous la forme d’un alignement rectiligne, le diagramme tige et feuille permet de comprendre pr\u00e9cis\u00e9ment la nature ph\u00e9nom\u00e9nologique de cette d\u00e9viation en montrant si l’inflexion r\u00e9sulte d’un \u00e9crasement central, d’un \u00e9talement de la queue sup\u00e9rieure ou de la pr\u00e9sence isol\u00e9e de micro-regroupements p\u00e9riph\u00e9riques.<\/p>\n Cette convergence visuelle et inf\u00e9rentielle s’av\u00e8re indispensable pour statuer de mani\u00e8re rigoureuse sur le respect de la sym\u00e9trie et du degr\u00e9 d’aplatissement de la distribution psychom\u00e9trique examin\u00e9e. Une asym\u00e9trie positive visualis\u00e9e sur le tige et feuille se traduira par une courbure convexe caract\u00e9ristique sur le graphique quantile-quantile, scellant ainsi le diagnostic d’inad\u00e9quation gaussienne et orientant de facto le chercheur vers des mod\u00e9lisations non param\u00e9triques robustes ou des transformations math\u00e9matiques correctrices de la m\u00e9trique originale.<\/p>\n Apr\u00e8s avoir configur\u00e9 avec minutie l’ensemble des commutateurs visuels au sein de la bo\u00eete de dialogue secondaire des graphiques, l’utilisateur valide ses choix m\u00e9thodologiques en cliquant sur le bouton Poursuivre<\/strong>. Cette action referme la fen\u00eatre subordonn\u00e9e et r\u00e9int\u00e8gre l’op\u00e9rateur au sein de l’interface ma\u00eetresse de la commande Explorer, o\u00f9 l’ensemble des param\u00e8tres s\u00e9lectionn\u00e9s se trouve d\u00e9sormais m\u00e9moris\u00e9 dans la m\u00e9moire vive de l’environnement de calcul de SPSS.<\/p>\n Avant d’engager le calcul d\u00e9finitif, une derni\u00e8re v\u00e9rification de contr\u00f4le s’impose : confirmer la bonne assignation de la variable continue dans la liste d\u00e9pendante, v\u00e9rifier l’absence d’\u00e9l\u00e9ments r\u00e9siduels dans la bo\u00eete des facteurs et s’assurer que le bouton radio de l’affichage correspond aux objectifs de l’\u00e9tude. D\u00e8s que ces v\u00e9rifications sont achev\u00e9es, le chercheur clique formellement sur le bouton OK<\/strong> situ\u00e9 dans le coin sup\u00e9rieur droit de la bo\u00eete de dialogue principale. Cet appui d\u00e9clenche l’ex\u00e9cution s\u00e9quentielle des modules sous-jacents de la biblioth\u00e8que computationnelle de SPSS.<\/p>\n En une fraction de seconde, le processeur ex\u00e9cute le tri ordonn\u00e9 des valeurs matricielles, calcule l’\u00e9chelle optimale de partitionnement des tiges, classe les fractions d\u00e9cimales ou enti\u00e8res au sein des compartiments de feuilles correspondants, \u00e9value les cl\u00f4tures interquartiles pour isoler d’\u00e9ventuelles valeurs aberrantes et projette l’ensemble des r\u00e9sultats structur\u00e9s au sein de la fen\u00eatre active du visualiseur de r\u00e9sultats. La proc\u00e9dure manuelle de configuration est ainsi pleinement aboutie, c\u00e9dant la place \u00e0 la phase cruciale de d\u00e9composition et d’interpr\u00e9tation analytique des repr\u00e9sentations obtenues.<\/p>\n L’examen d’un diagramme tige et feuille produit par IBM SPSS Statistics exige une rigueur intellectuelle absolue afin de ne pas commettre d’erreurs d’interpr\u00e9tation quant \u00e0 l’ordre de grandeur r\u00e9el des mesures affich\u00e9es. L’\u00e9l\u00e9ment r\u00e9gulateur supr\u00eame de toute la structure graphique se situe invariablement au bas de la repr\u00e9sentation textuelle, sous la mention standardis\u00e9e Stem Width<\/strong>, souvent traduite en fran\u00e7ais par largeur de tige. Ce param\u00e8tre m\u00e9trique fondamental agit comme le multiplicateur scalaire universel devant \u00eatre appliqu\u00e9 \u00e0 la colonne des tiges pour d\u00e9terminer leur valeur faciale effective dans le syst\u00e8me num\u00e9rique d\u00e9cimal.<\/p>\n L’algorithme de Tukey int\u00e9gr\u00e9 \u00e0 SPSS ajuste dynamiquement la largeur de tige en fonction de l’\u00e9tendue globale des scores observ\u00e9s dans l’\u00e9chantillon. Si la distribution psychom\u00e9trique s’\u00e9tend de 10 \u00e0 90, le logiciel calibrera g\u00e9n\u00e9ralement une Stem Width \u00e9gale \u00e0 10. Dans ce cas de figure classique, une tige affichant le chiffre 4 repr\u00e9sentera la dizaine 40. Toutefois, si la variable mesur\u00e9e concerne des temps de r\u00e9action millim\u00e9triques s’\u00e9chelonnant de 0,15 \u00e0 0,85 seconde, SPSS ajustera automatiquement la Stem Width \u00e0 0,1. D\u00e8s lors, le chiffre 4 situ\u00e9 dans la colonne des tiges ne signifiera plus 40, mais correspondra au palier d\u00e9cimal de 0,4 seconde.<\/p>\n Inversement, lors du traitement d’\u00e9chelles globales ou d’indicateurs physiologiques \u00e9tendus sur de larges amplitudes, tels que des concentrations hormonales oscillant entre 100 et 1 500 unit\u00e9s, le programme adoptera une Stem Width fix\u00e9e \u00e0 100 ou 1 000. L’omission ou la mauvaise lecture de cette m\u00e9trique de bas de page conduit in\u00e9vitablement \u00e0 des contresens dramatiques lors de la transcription narrative des r\u00e9sultats. La largeur de tige constitue la cl\u00e9 de vo\u00fbte g\u00e9om\u00e9trique qui fixe l’\u00e9chelle cartographique de la distribution, conditionnant l’ensemble des calculs de r\u00e9tro-ing\u00e9nierie que le chercheur sera amen\u00e9 \u00e0 op\u00e9rer sur la sortie brute du logiciel.<\/p>\n Flanquant la bordure gauche du diagramme tige et feuille g\u00e9n\u00e9r\u00e9 par SPSS, la premi\u00e8re colonne verticale porte l’intitul\u00e9 formel de Frequency<\/strong> (Fr\u00e9quence). Cette composante tabulaire remplit une fonction de d\u00e9compte rigoureuse en affichant le nombre exact d’observations individuelles ou d’unit\u00e9s statistiques regroup\u00e9es sur la rang\u00e9e horizontale correspondante. Chaque nombre inscrit dans cette colonne informe instantan\u00e9ment le lecteur sur la densit\u00e9 d’\u00e9chantillonnage pr\u00e9sente \u00e0 ce palier m\u00e9trique pr\u00e9cis, \u00e9vitant ainsi le comptage visuel fastidieux des feuilles individuelles align\u00e9es le long de la tige.<\/p>\n Une propri\u00e9t\u00e9 arithm\u00e9tique fondamentale de cette colonne r\u00e9side dans sa coh\u00e9rence additive globale : la somme cumulative de l’int\u00e9gralit\u00e9 des fr\u00e9quences \u00e9num\u00e9r\u00e9es sur chaque ligne du diagramme, additionn\u00e9e aux \u00e9ventuelles valeurs aberrantes r\u00e9pertori\u00e9es en marge, doit \u00eatre strictement \u00e9gale \u00e0 la taille totale effective de l’\u00e9chantillon analys\u00e9, conventionnellement not\u00e9e N. Si un \u00e9cart appara\u00eet entre cette sommation et l’effectif esp\u00e9r\u00e9, cela signale imm\u00e9diatement l’existence de valeurs manquantes n’ayant pas \u00e9t\u00e9 convenablement trait\u00e9es lors de la phase de nettoyage pr\u00e9alable ou l’activation involontaire d’un filtre s\u00e9lectif au sein de la matrice de travail.<\/p>\n Sur le plan de l’analyse s\u00e9miotique rapide, la colonne de fr\u00e9quence constitue un indicateur diagnostique remarquable pour localiser sans h\u00e9sitation la classe modale de la distribution. La rang\u00e9e qui arbore la fr\u00e9quence la plus \u00e9lev\u00e9e mat\u00e9rialise le sommet empirique de la fonction de masse de probabilit\u00e9. L’inspection conjointe des fr\u00e9quences adjacentes permet par ailleurs d’\u00e9valuer imm\u00e9diatement si ce pic modal s’inscrit au sein d’une cloche progressive et sym\u00e9trique, ou si la transition des effectifs s’op\u00e8re de mani\u00e8re brutale et asym\u00e9trique, r\u00e9v\u00e9lant d’embl\u00e9e les zones de tension distributionnelle qui m\u00e9ritent une exploration clinique approfondie.<\/p>\n L’essence du formalisme graphique de John Tukey r\u00e9side dans l’interaction s\u00e9miotique continue entre la colonne centrale des tiges, d\u00e9sign\u00e9e par l’en-t\u00eate Stem<\/strong>, et la juxtaposition horizontale des feuilles, identifi\u00e9e sous le terme Leaf<\/strong>. La colonne des tiges est s\u00e9par\u00e9e de celle des feuilles par une barre verticale de d\u00e9limitation typographique, agissant comme un s\u00e9parateur de positionnement m\u00e9trique. Dans cette architecture num\u00e9rique, la tige h\u00e9berge invariablement les chiffres de poids fort de la mesure, tandis que la section des feuilles rassemble les chiffres de poids faible imm\u00e9diatement cons\u00e9cutifs pour chaque participant examin\u00e9.<\/p>\n Pour illustrer cette m\u00e9canique structurante, consid\u00e9rons un cas standard o\u00f9 la largeur de tige est \u00e9tablie \u00e0 10 et l’unit\u00e9 de feuille fix\u00e9e \u00e0 1. Une ligne arborant la valeur 5 dans la colonne Stem et affichant la s\u00e9quence 2 4 7 dans la zone Leaf signale sans ambigu\u00eft\u00e9 la pr\u00e9sence de trois participants ayant obtenu respectivement les scores de 52, 54 et 57 \u00e0 l’\u00e9preuve psychom\u00e9trique consid\u00e9r\u00e9e. Chaque chiffre composant la section des feuilles correspond rigoureusement \u00e0 une unit\u00e9 d’observation autonome, ordonn\u00e9e de gauche \u00e0 droite selon une progression strictement croissante pour faciliter la lecture des quantiles au sein de la rang\u00e9e.<\/p>\n Lorsque la variabilit\u00e9 des donn\u00e9es impose une granularit\u00e9 plus fine pour \u00e9viter d’obtenir une distribution excessivement tass\u00e9e sur un nombre restreint de tiges, l’algorithme d’IBM SPSS Statistics recourt fr\u00e9quemment au d\u00e9doublement ou au quintuplement des tiges. Dans le cadre d’un d\u00e9doublement, une m\u00eame dizaine est scind\u00e9e en deux rang\u00e9es distinctes : la premi\u00e8re tige accueille les feuilles comprises entre 0 et 4, tandis que la seconde accueille les feuilles \u00e9chelonn\u00e9es de 5 \u00e0 9. Ce m\u00e9canisme d’expansion g\u00e9om\u00e9trique permet d’a\u00e9rer la visualisation et de r\u00e9v\u00e9ler des singularit\u00e9s morphologiques invisibles lorsque l’ensemble des scores d’une d\u00e9cennie est arbitrairement compress\u00e9 sur une ligne unique.<\/p>\n L’avantage d\u00e9cisif du diagramme tige et feuille r\u00e9side dans la r\u00e9versibilit\u00e9 math\u00e9matique totale de sa structure visuelle. Contrairement \u00e0 un histogramme qui d\u00e9truit irr\u00e9m\u00e9diablement l’identit\u00e9 m\u00e9trique des mesures individuelles, le tige et feuille permet d’appliquer un algorithme de r\u00e9tro-ing\u00e9nierie rigoureux pour reconstruire l’int\u00e9gralit\u00e9 du tableau de donn\u00e9es initial sans la moindre perte d’information. Pour formaliser cette op\u00e9ration de d\u00e9codage, le chercheur mobilise une \u00e9quation alg\u00e9brique lin\u00e9aire simple qui s’\u00e9nonce comme suit :<\/p>\n Score individuel = (Valeur de la tige \u00d7 Stem Width) + (Valeur de la feuille \u00d7 Unit\u00e9 de feuille)<\/p>\n La mise en \u0153uvre de cette relation n\u00e9cessite l’identification pr\u00e9alable des deux constantes scalaires r\u00e9gissant le graphique, \u00e0 savoir la largeur de tige affich\u00e9e au bas du trac\u00e9 et l’unit\u00e9 attribu\u00e9e \u00e0 chaque feuille unitaire. Dans la tr\u00e8s grande majorit\u00e9 des configurations canoniques de SPSS o\u00f9 la feuille repr\u00e9sente les unit\u00e9s simples, l’unit\u00e9 de feuille \u00e9quivaut \u00e0 un dixi\u00e8me de la largeur de tige. D\u00e8s lors que ces deux param\u00e8tres sont verrouill\u00e9s, l’op\u00e9rateur parcourt s\u00e9quentiellement chaque rang\u00e9e de la sortie textuelle, multipliant la valeur de la tige par son \u00e9chelle, puis additionnant la contribution marginale de chaque chiffre cons\u00e9cutif \u00e9num\u00e9r\u00e9 dans la cha\u00eene des feuilles.<\/p>\n Un d\u00e9fi de d\u00e9codage survient fr\u00e9quemment lors du traitement de variables psychologiques comportant des valeurs n\u00e9gatives, telles que des scores factoriels centr\u00e9s r\u00e9duits de type scores Z. Sous SPSS, la gestion des tiges n\u00e9gatives requiert une attention m\u00e9thodologique particuli\u00e8re en raison de la pr\u00e9sence d’une tige z\u00e9ro positive et d’une tige z\u00e9ro n\u00e9gative, souvent signal\u00e9e par la notation conventionnelle -0. Pour une tige de valeur n\u00e9gative, la formule lin\u00e9aire s’applique de mani\u00e8re sym\u00e9trique en soustrayant la contribution de la feuille, traduisant le fait que plus le chiffre de la feuille est grand, plus l’observation s’\u00e9loigne de z\u00e9ro vers l’extr\u00e9mit\u00e9 n\u00e9gative de l’axe r\u00e9el.<\/p>\n Afin de rendre parfaitement tangible ce protocole de d\u00e9chiffrement, prenons appui sur une simulation clinique r\u00e9aliste portant sur l’administration de l’\u00e9preuve de m\u00e9moire de travail arithm\u00e9tique issue d’une batterie d’efficience intellectuelle chez un groupe de vingt adultes. Supposons que le visualiseur d’IBM SPSS Statistics produise une sortie descriptive o\u00f9 la mention Stem Width indique explicitement la valeur 10, tandis que l’unit\u00e9 de feuille est implicitement calibr\u00e9e \u00e0 1. Dans cette configuration m\u00e9trique standard, examinons en d\u00e9tail une rang\u00e9e repr\u00e9sentative extraite du milieu de la distribution empirique.<\/p>\n Consid\u00e9rons une ligne affichant un coefficient de fr\u00e9quence de 4, une valeur de tige \u00e9gale \u00e0 1, et une s\u00e9quence horizontale de feuilles \u00e9num\u00e9rant successivement les chiffres 2, 5, 8 et 8. L’application rigoureuse de notre algorithme de d\u00e9composition s’op\u00e8re de la mani\u00e8re suivante : la valeur de tige 1 multipli\u00e9e par la Stem Width de 10 engendre une base d’ancrage d\u00e9cimale de 10. En rattachant individuellement chaque feuille \u00e0 cette base commune, nous isolons successivement le premier score qui correspond \u00e0 10 + 2 = 12, le second score \u00e9quivalant \u00e0 10 + 5 = 15, puis deux scores identiques de troisi\u00e8me et quatri\u00e8me rang correspondant \u00e0 10 + 8 = 18.<\/p>\n La confrontation directe de ces quatre scores reconstitu\u00e9s avec la feuille de saisie brute de la matrice SPSS permet de constater une ad\u00e9quation parfaite avec les enregistrements initiaux des sujets cognitifs test\u00e9s. Le chercheur dispose ainsi de la certitude empirique qu’aucun artefact de lissage n’a alt\u00e9r\u00e9 la granularit\u00e9 des donn\u00e9es. Cette v\u00e9rification pas \u00e0 pas illustre avec force la vertu p\u00e9dagogique et clinique du diagramme tige et feuille, qui conserve l’ancrage ph\u00e9nom\u00e9nologique de chaque sujet au sein d’une synth\u00e8se spatiale unifi\u00e9e.<\/p>\n L’exploration de variables quantitatives continues mesur\u00e9es avec un haut degr\u00e9 de pr\u00e9cision m\u00e9trique, telles que des dosages neurobiologiques ou des temps de latence chronom\u00e9triques exprim\u00e9s avec plusieurs chiffres apr\u00e8s la virgule, confronte l’analyste aux m\u00e9canismes d’ajustement algorithmique d’IBM SPSS Statistics. Le syst\u00e8me typographique du logiciel \u00e9tant par conception contraint d’attribuer un caract\u00e8re num\u00e9rique unique \u00e0 chaque feuille individuelle, le moteur de calcul est math\u00e9matiquement forc\u00e9 de tronquer ou d’arrondir les d\u00e9cimales exc\u00e9dentaires qui ne peuvent trouver place au sein de l’affichage conventionnel.<\/p>\n Il est capital de savoir identifier le cas de figure o\u00f9 la feuille ne repr\u00e9sente plus une unit\u00e9 enti\u00e8re, mais incarne des dixi\u00e8mes ou des centi\u00e8mes de point. Cette pr\u00e9cision est g\u00e9n\u00e9ralement explicit\u00e9e dans les annotations marginales g\u00e9n\u00e9r\u00e9es par la proc\u00e9dure Explorer, mentionnant par exemple que la feuille \u00e9quivaut \u00e0 0,1 ou 0,01 unit\u00e9 m\u00e9trique. Dans ces conditions sp\u00e9cifiques, si une tige arbore le chiffre 3 et que les feuilles indiquent 4 et 7 avec une unit\u00e9 de feuille fix\u00e9e \u00e0 0,1, les scores r\u00e9els sous-jacents correspondent rigoureusement \u00e0 3,4 et 3,7. La vigilance de l’\u00e9valuateur doit \u00eatre maximale pour \u00e9viter d’interpr\u00e9ter ces chiffres comme des entiers valant 34 et 37.<\/p>\n N\u00e9anmoins, cette contrainte d’affichage implique une perte mineure mais r\u00e9elle de pr\u00e9cision sur les chiffres de poids encore plus faible. Si un sujet pr\u00e9sente un temps de r\u00e9action r\u00e9el de 347 millisecondes et que SPSS calibre l’affichage avec une tige repr\u00e9sentant les centaines et une feuille repr\u00e9sentant les dizaines, le score sera visuellement projet\u00e9 sous la tige 3 avec une feuille 4, le chiffre des unit\u00e9s 7 \u00e9tant soit tronqu\u00e9 soit soumis \u00e0 un arrondi arithm\u00e9tique standard au chiffre sup\u00e9rieur selon les versions du logiciel. Le statisticien doit int\u00e9grer cette l\u00e9g\u00e8re approximation dans son \u00e9valuation, en ayant toujours \u00e0 l’esprit que le diagramme tige et feuille privil\u00e9gie la morphologie topologique globale tout en conservant une fid\u00e9lit\u00e9 num\u00e9rique infiniment sup\u00e9rieure \u00e0 celle de l’histogramme.<\/p>\n L’une des fonctions diagnostiques les plus spectaculaires et cliniquement pr\u00e9cieuses du diagramme tige et feuille r\u00e9side dans sa capacit\u00e9 \u00e0 discriminer et isoler automatiquement les observations atypiques majeures qui polluent la r\u00e9gularit\u00e9 d’un \u00e9chantillon. Lorsque des valeurs num\u00e9riques s’\u00e9cartent de mani\u00e8re excessive de la masse principale de la distribution, l’algorithme d’IBM SPSS Statistics prend la d\u00e9cision d\u00e9lib\u00e9r\u00e9e de rompre l’alignement conventionnel des tiges et des feuilles afin de ne pas \u00e9tirer d\u00e9mesur\u00e9ment la colonne verticale des tiges par une suite interminable de rang\u00e9es vides d\u00e9pourvues de toute fr\u00e9quence.<\/p>\n Ces donn\u00e9es singuli\u00e8res sont formellement s\u00e9gr\u00e9gu\u00e9es de la silhouette principale et regroup\u00e9es en marge du trac\u00e9 sous une section sp\u00e9cifique arborant l’\u00e9tiquette explicite Extremes<\/strong>. Cette mention est imm\u00e9diatement suivie d’une pr\u00e9cision directionnelle indiquant si l’anomalie se situe sur l’aile inf\u00e9rieure de la distribution, mat\u00e9rialis\u00e9e par la notation math\u00e9matique Extremes (=<)<\/em>, ou si elle se manifeste sur le versant sup\u00e9rieur de l’\u00e9chelle \u00e0 travers la mention Extremes (>=)<\/em>. Cette s\u00e9gr\u00e9gation typographique imm\u00e9diate attire le regard du chercheur sur des d\u00e9viances m\u00e9triques majeures qui requi\u00e8rent une investigation clinique ou m\u00e9thodologique prioritaire.<\/p>\n Contrairement aux rang\u00e9es standard o\u00f9 chaque mesure est \u00e9clat\u00e9e entre sa tige et sa feuille unitaire, les cas r\u00e9pertori\u00e9s sous la ligne des extr\u00eames font l’objet d’une \u00e9num\u00e9ration num\u00e9rique brute int\u00e9grale. SPSS affiche directement la valeur effective arrondie de chaque score aberrant, sans appliquer la d\u00e9composition positionnelle habituelle. Cette modification formelle d’affichage constitue un signal s\u00e9miotique puissant : l’observation ne s’int\u00e8gre plus au tissu distributionnel continu de la cohorte et doit \u00eatre appr\u00e9hend\u00e9e comme une singularit\u00e9 statistique manifeste exigeant une prise de d\u00e9cision raisonn\u00e9e.<\/p>\n L’isolement de ces valeurs extr\u00eames au sein de la sortie d’Explorer ne proc\u00e8de nullement d’une appr\u00e9ciation subjective ou arbitraire de l’algorithme, mais d\u00e9coule de l’application rigoureuse des r\u00e8gles de cl\u00f4ture th\u00e9oriques \u00e9tablies par John Tukey. La r\u00e9f\u00e9rence fondamentale mobilis\u00e9e par SPSS repose sur l’intervalle interquartile, d\u00e9sign\u00e9 sous l’acronyme IQR (Interquartile Range<\/em>), qui correspond \u00e0 la distance math\u00e9matique s\u00e9parant le troisi\u00e8me quartile Q3 (le 75e centile) du premier quartile Q1 (le 25e centile). Cette m\u00e9trique d’\u00e9cartement non param\u00e9trique pr\u00e9sente l’avantage insigne d’\u00eatre totalement robuste face aux valeurs atypiques elles-m\u00eames.<\/p>\n Pour d\u00e9limiter les fronti\u00e8res de l’acceptabilit\u00e9 distributionnelle, le moteur computationnel \u00e9tablit deux p\u00e9rim\u00e8tres de s\u00e9curit\u00e9 embo\u00eet\u00e9s. Le premier p\u00e9rim\u00e8tre, dit des cl\u00f4tures int\u00e9rieures, est d\u00e9fini par les bornes math\u00e9matiques [Q1 – (1,5 \u00d7 IQR)] pour la limite inf\u00e9rieure et [Q3 + (1,5 \u00d7 IQR)] pour la limite sup\u00e9rieure. Toute observation franchissant ces bornes de 1,5 fois l’\u00e9cart interquartile est classifi\u00e9e comme valeur aberrante mod\u00e9r\u00e9e. Le second p\u00e9rim\u00e8tre, infiniment plus restrictif, fixe les cl\u00f4tures ext\u00e9rieures aux seuils critiques situ\u00e9s \u00e0 3 fois l’\u00e9cart interquartile au-del\u00e0 des quartiles, soit [Q1 – (3 \u00d7 IQR)] et [Q3 + (3 \u00d7 IQR)].<\/p>\n Dans la configuration standard de la commande EXAMINE, la section Extremes du diagramme tige et feuille isole de mani\u00e8re prioritaire les valeurs exc\u00e9dant ce seuil critique de 3 fois l’IQR. Il existe une concordance alg\u00e9brique et visuelle absolue entre cette d\u00e9tection textuelle et les repr\u00e9sentations g\u00e9n\u00e9r\u00e9es sur la bo\u00eete \u00e0 moustaches simultan\u00e9ment produite par SPSS. Sur le box-plot, les valeurs mod\u00e9r\u00e9es situ\u00e9es entre 1,5 et 3 IQR sont conventionnellement identifi\u00e9es par des petits cercles \u00e9tiquet\u00e9s avec le num\u00e9ro de ligne de l’observation, tandis que les valeurs extr\u00eames franchissant le seuil des 3 IQR sont solennellement marqu\u00e9es par des ast\u00e9risques d’alerte, \u00e9tablissant une harmonie diagnostique parfaite entre les deux outils.<\/p>\n La mise en \u00e9vidence d’une valeur extr\u00eame sur un diagramme tige et feuille ouvre une phase d\u00e9licate d’arbitrage m\u00e9thodologique et \u00e9pist\u00e9mologique au cours de laquelle le chercheur ne doit en aucun cas c\u00e9der \u00e0 la tentation simpliste d’une suppression m\u00e9canique et non document\u00e9e. La premi\u00e8re d\u00e9marche imp\u00e9rative consiste \u00e0 op\u00e9rer une discrimination diagnostique rigoureuse entre une erreur mat\u00e9rielle d’encodage et une variabilit\u00e9 psychopathologique authentique. L’analyste se r\u00e9f\u00e8re imm\u00e9diatement au protocole papier initial ou au journal de passation informatique du sujet d\u00e9sign\u00e9 par l’identifiant pour v\u00e9rifier si le score extr\u00eame ne r\u00e9sulte pas d’une coquille de frappe, d’une inversion de chiffres ou d’un bogue de conversion logicielle.<\/p>\n Lorsqu’il s’av\u00e8re que la mesure refl\u00e8te incontestablement la performance ou l’\u00e9tat clinique r\u00e9el du participant, la conduite \u00e0 tenir engage la responsabilit\u00e9 \u00e9thique et statistique du scientifique. La suppression pure et simple d’une observation valide dans le seul but de normaliser artificiellement une distribution et d’obtenir des seuils de significativit\u00e9 favorables s’apparente \u00e0 une pratique de recherche contestable assimilable au p-hacking<\/em>. Si le sujet fait l\u00e9gitimement partie de la population cible \u00e9tudi\u00e9e, sa d\u00e9viance m\u00e9trique peut apporter un \u00e9clairage inestimable sur la s\u00e9v\u00e9rit\u00e9 d’un trouble neuropsychologique ou sur l’existence d’un sous-type clinique rare.<\/p>\n Trois strat\u00e9gies m\u00e9thodologiquement vertueuses s’offrent alors au chercheur face \u00e0 ces cas extr\u00eames identifi\u00e9s sur le tige et feuille. La premi\u00e8re consiste \u00e0 recourir \u00e0 des techniques de winsorisation, consistant \u00e0 r\u00e9assigner \u00e0 la valeur extr\u00eame le score th\u00e9orique le plus \u00e9lev\u00e9 admissible \u00e0 l’int\u00e9rieur des cl\u00f4tures de Tukey, neutralisant son levier excessif sans exclure le sujet de l’effectif total. La seconde approche repose sur l’adoption de mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s robustes ou d’analyses non param\u00e9triques insensibles aux queues de distribution s\u00e9v\u00e8res. Enfin, la troisi\u00e8me voie pr\u00e9conise la conduite d’analyses de sensibilit\u00e9 syst\u00e9matiques, o\u00f9 le chercheur rapporte c\u00f4te \u00e0 c\u00f4te dans son rapport scientifique les r\u00e9sultats du mod\u00e8le param\u00e9trique avec et sans la pr\u00e9sence de la valeur aberrante, assurant une transparence analytique irr\u00e9prochable.<\/p>\n Bien que l’interface graphique d\u00e9roulante d’IBM SPSS Statistics offre une convivialit\u00e9 ind\u00e9niable pour les utilisateurs occasionnels, la ma\u00eetrise de la syntaxe de commande demeure la marque distinctive d’une pratique statistique professionnelle et rigoureuse. L’architecture formelle de la commande d\u00e9di\u00e9e \u00e0 la g\u00e9n\u00e9ration du diagramme tige et feuille s’appuie sur le verbe d’action canonique EXAMINE<\/strong>. La structure syntaxique minimale requise pour initialiser l’exploration distributionnelle d’une variable m\u00e9trique s’articule autour d’instructions textuelles d’une grande sobri\u00e9t\u00e9 formelle.<\/p>\n Pour forcer explicitement la production du diagramme tige et feuille sans surcharge graphique inutile, l’utilisateur ins\u00e8re la commande structurelle suivante au sein d’une fen\u00eatre de syntaxe SPSS :<\/p>\n EXAMINE VARIABLES = NomDeLaVariable Dans cette architecture cod\u00e9e, la clause primaire VARIABLES d\u00e9clare l’identit\u00e9 exacte de la mesure quantitative \u00e0 traiter telle qu’elle est enregistr\u00e9e dans le dictionnaire des variables actives. Le sous-ordre capital \/PLOT STEMLEAF<\/strong> ordonne formellement au compilateur interne de restreindre la production visuelle au seul diagramme tige et feuille, d\u00e9sactivant automatiquement les trac\u00e9s de bo\u00eetes \u00e0 moustaches et les histogrammes superflus. Enfin, le sous-ordre \/MISSING<\/strong> sp\u00e9cifie la politique de traitement des valeurs d’incompl\u00e9tude, le param\u00e8tre LISTWISE garantissant l’exclusion stricte de toute observation pr\u00e9sentant une valeur non valide pour la dimension s\u00e9lectionn\u00e9e.<\/p>\n L’abandon progressif des manipulations exclusives \u00e0 la souris au profit d’une conduite script\u00e9e des analyses s’inscrit au c\u0153ur des exigences contemporaines de la science ouverte, d\u00e9sign\u00e9e internationalement sous le vocable d’Open Science<\/em>. La p\u00e9rennit\u00e9 d’un programme de recherche psychom\u00e9trique ou biostatistique requiert qu’un auditeur ind\u00e9pendant, un \u00e9valuateur de revue par les pairs ou le chercheur lui-m\u00eame plusieurs ann\u00e9es apr\u00e8s la collecte initiale, soit en mesure de reproduire \u00e0 l’identique l’int\u00e9gralit\u00e9 du cheminement ayant conduit aux conclusions analytiques publi\u00e9es.<\/p>\n Un fichier de syntaxe SPSS, portant l’extension standardis\u00e9e Par ailleurs, l’utilisation de la syntaxe fluidifie consid\u00e9rablement l’int\u00e9gration des phases exploratoires dans des flux de travail complexes et it\u00e9ratifs. Elle permet d’annoter exhaustivement le code \u00e0 l’aide de commentaires explicatifs introduits par un ast\u00e9risque, explicitant les motifs cliniques ou exp\u00e9rimentaux ayant pr\u00e9sid\u00e9 \u00e0 l’inspection de telle ou telle distribution particuli\u00e8re. Cette tra\u00e7abilit\u00e9 narrative \u00e9l\u00e8ve la rigueur de l’exp\u00e9rimentateur et transforme le diagramme tige et feuille en une \u00e9tape d’audit syst\u00e9matique et document\u00e9e du protocole scientifique.<\/p>\n L’int\u00e9r\u00eat de la programmation par syntaxe se r\u00e9v\u00e8le pleinement lors du traitement de batteries d’\u00e9valuation multidimensionnelles impliquant des dizaines d’\u00e9chelles psychologiques, de questionnaires de personnalit\u00e9 ou de param\u00e8tres chronom\u00e9triques recueillis sur une m\u00eame cohorte. Plut\u00f4t que de r\u00e9it\u00e9rer fastidieusement la manipulation des bo\u00eetes de dialogue pour chaque dimension constitutive, l’analyste exploite la capacit\u00e9 de la commande EXAMINE \u00e0 recevoir des vecteurs entiers de variables continues au sein d’une unique instruction unifi\u00e9e.<\/p>\n L’\u00e9criture d’une commande d’exploration group\u00e9e prend la forme syntaxique suivante :<\/p>\n EXAMINE VARIABLES = ScoreMemoire ScoreAttention TempsReaction1 TempsReaction2 Dans ce mod\u00e8le d’analyse par lots, l’adjonction de l’argument NPPLOT au sein de la ligne \/PLOT g\u00e9n\u00e8re automatiquement et en parall\u00e8le les graphiques de normalit\u00e9 avec tests pour chacune des dimensions \u00e9num\u00e9r\u00e9es, permettant une inspection s\u00e9quentielle comparative ultra-rapide de l’ensemble de la batterie de tests. L’instruction optionnelle \/NOTOTAL permet quant \u00e0 elle de d\u00e9sactiver le calcul redondant de m\u00e9triques globales agr\u00e9g\u00e9es lorsque des facteurs de sous-groupes sont impliqu\u00e9s, optimisant ainsi le temps de calcul du processeur.<\/p>\n Pour les infrastructures de recherche g\u00e9rant des volumes consid\u00e9rables de donn\u00e9es longitudinales, il est \u00e9galement possible d’encapsuler ces commandes EXAMINE \u00e0 l’int\u00e9rieur de boucles d’automatisation matricielles ou de macros de production SPSS via les commandes de contr\u00f4le DEFINE !LOOP<\/em> ou d’int\u00e9grer du code d’automatisation via des scripts Python pour SPSS. Cette ing\u00e9nierie logicielle permet d’extraire automatiquement la silhouette des tiges et des feuilles de chaque variable et de diriger directement ces flux textuels vers des rapports d’audit au format HTML ou texte brut, rationalisant ainsi de mani\u00e8re spectaculaire le contr\u00f4le qualit\u00e9 des bases de donn\u00e9es massives.<\/p>\n L’exploration univari\u00e9e d’une distribution globale ne constitue souvent qu’une premi\u00e8re \u00e9tape dans le travail du statisticien. Dans la quasi-totalit\u00e9 des dispositifs exp\u00e9rimentaux et quasi-exp\u00e9rimentaux en psychologie, la question centrale porte sur la comparaison de sous-populations distinctes soumises \u00e0 des conditions environnementales discordantes ou pr\u00e9sentant des profils nosographiques diff\u00e9rentiels. Pour r\u00e9pondre \u00e0 cette exigence, la proc\u00e9dure Explorer d’IBM SPSS Statistics int\u00e8gre une fonctionnalit\u00e9 puissante mat\u00e9rialis\u00e9e par le r\u00e9ceptacle intitul\u00e9 Liste des facteurs<\/strong> (Factor List<\/em>).<\/p>\n Pour op\u00e9rationnaliser cette stratification comparative, le chercheur maintient sa variable continue psychom\u00e9trique au sein du champ Liste des variables d\u00e9pendantes, mais transf\u00e8re simultan\u00e9ment une variable ind\u00e9pendante qualitative au sein du panneau Liste des facteurs. Cette variable factorielle doit imp\u00e9rativement \u00eatre de nature cat\u00e9gorielle, cod\u00e9e sous la forme d’un niveau de mesure nominal ou ordinal dans la Vue des variables. Les exemples abondent en psychopathologie empirique, qu’il s’agisse de comparer un groupe de patients diagnostiqu\u00e9s avec un trouble d\u00e9pressif caract\u00e9ris\u00e9 \u00e0 un groupe de t\u00e9moins sains appari\u00e9s, ou d’\u00e9valuer l’impact d’un protocole psychoth\u00e9rapeutique \u00e0 travers les modalit\u00e9s temporelles pr\u00e9-test, post-test et suivi longitudinal.<\/p>\n Avant d’ex\u00e9cuter cette ventilation par facteur, il est m\u00e9thodologiquement indispensable de contr\u00f4ler l’\u00e9quilibre num\u00e9rique des effectifs sous-jacents aux diff\u00e9rentes modalit\u00e9s de la variable d’appartenance. Un d\u00e9s\u00e9quilibre structurel majeur, tel qu’un sous-groupe exp\u00e9rimental regroupant quatre-vingts participants confront\u00e9 \u00e0 un groupe clinique r\u00e9siduel de seulement sept patients, posera de s\u00e9rieuses difficult\u00e9s d’interpr\u00e9tation morphologique sur les diagrammes tiges et feuilles stratifi\u00e9s, la granularit\u00e9 visuelle et la r\u00e9solution spatiale du trac\u00e9 \u00e9tant intimement conditionn\u00e9es par la taille intrins\u00e8que de chaque strate analys\u00e9e.<\/p>\n La validation d’une variable factorielle dans la bo\u00eete de dialogue modifie profond\u00e9ment le comportement computationnel d’IBM SPSS Statistics. Au lieu de produire une synth\u00e8se globale indiff\u00e9renci\u00e9e de la cohorte, le syst\u00e8me fractionne instantan\u00e9ment la matrice de donn\u00e9es et g\u00e9n\u00e8re de mani\u00e8re s\u00e9quentielle un diagramme tige et feuille autonome et exhaustif pour chacune des modalit\u00e9s constitutives de la variable d’appartenance de groupe. Ce partitionnement permet de proc\u00e9der \u00e0 un examen morphologique comparatif particuli\u00e8rement p\u00e9n\u00e9trant.<\/p>\n L’analyste est d\u00e9sormais en mesure d’observer directement si la distribution des scores adopte la m\u00eame allure structurelle au sein du groupe clinique et au sein du groupe t\u00e9moin. Il arrive fr\u00e9quemment qu’un groupe de sujets sains pr\u00e9sente une distribution remarquablement resserr\u00e9e et sym\u00e9trique autour des tiges centrales, tandis que le groupe pathologique exhibe un aplatissement s\u00e9v\u00e8re de ses effectifs avec un \u00e9talement asym\u00e9trique vers les tiges basses traduisant un d\u00e9ficit fonctionnel h\u00e9t\u00e9rog\u00e8ne. Ce diagnostic visuel d’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 morphologique est une composante essentielle de la v\u00e9rification du postulat d’homog\u00e9n\u00e9it\u00e9 des variances, requis par les tests inf\u00e9rentiels classiques de comparaison de moyennes comme le test t de Student ou l’ANOVA.<\/p>\n Cependant, une pr\u00e9caution m\u00e9thodologique majeure s’impose lors de l’examen de ces diagrammes stratifi\u00e9s successifs : l’observation vigilante de la mention Stem Width<\/strong> associ\u00e9e \u00e0 chaque sous-graphique. Bien que le logiciel s’efforce g\u00e9n\u00e9ralement d’harmoniser l’\u00e9chelle de mesure le long d’une m\u00eame session, il peut arriver que des amplitudes de scores excessivement discordantes entre deux sous-populations conduisent SPSS \u00e0 adopter une largeur de tige diff\u00e9rente d’un groupe \u00e0 l’autre. Le chercheur doit imp\u00e9rativement s’assurer qu’il compare des \u00e9chelles m\u00e9triques rigoureusement \u00e9quivalentes avant de formuler la moindre conclusion clinique sur les dispersions relatives des deux populations examin\u00e9es.<\/p>\n En d\u00e9pit de sa sophistication computationnelle, le progiciel IBM SPSS Statistics pr\u00e9sente une lacune ergonomique historique souvent d\u00e9plor\u00e9e par les sp\u00e9cialistes de l’analyse exploratoire : l’absence native de g\u00e9n\u00e9ration de diagrammes tige et feuille adoss\u00e9s, internationalement d\u00e9sign\u00e9s sous l’appellation de back-to-back stem-and-leaf plots<\/em>. Dans cette configuration de r\u00e9f\u00e9rence id\u00e9alis\u00e9e par John Tukey, une colonne axiale unique de tiges est partag\u00e9e au centre, les feuilles du premier groupe se d\u00e9ployant horizontalement vers la droite tandis que les feuilles du groupe comparatif se projettent en miroir vers la gauche, facilitant une comparaison optique imm\u00e9diate de la morphologie des deux \u00e9chantillons.<\/p>\n Au lieu de proposer cette mise en page adoss\u00e9e optimis\u00e9e, SPSS se borne \u00e0 empiler verticalement les sorties textuelles des diff\u00e9rents sous-groupes dans le visualiseur de r\u00e9sultats. Cette disjonction spatiale contraint le regard de l’utilisateur \u00e0 naviguer de haut en bas entre les sections du rapport, compliquant l’appr\u00e9ciation instantan\u00e9e des d\u00e9calages d’asym\u00e9trie ou des translations de tendance centrale. Face \u00e0 cette contrainte d’affichage, le chercheur est souvent contraint de proc\u00e9der \u00e0 un r\u00e9alignement manuel au sein d’un traitement de texte externe ou de concevoir des scripts typographiques d\u00e9di\u00e9s pour juxtaposer les colonnes de mani\u00e8re rigoureuse.<\/p>\n Cette limitation technique explique pourquoi, lors de la pr\u00e9sentation comparative de groupes au sein de communications orales ou de manuscrits acad\u00e9miques, la bo\u00eete \u00e0 moustaches group\u00e9e est tr\u00e8s fr\u00e9quemment pr\u00e9f\u00e9r\u00e9e au tige et feuille stratifi\u00e9 de SPSS. Sur un box-plot group\u00e9, les m\u00e9dianes et les dispersions des diff\u00e9rentes sous-populations sont align\u00e9es c\u00f4te \u00e0 c\u00f4te sur une ordonn\u00e9e m\u00e9trique unique et immuable, compensant la perte de d\u00e9tail sur les feuilles unitaires par une lisibilit\u00e9 g\u00e9om\u00e9trique incomparable des contrastes d’\u00e9chelle et de position inter-groupes.<\/p>\n L’interaction entre l’algorithme de discr\u00e9tisation de SPSS et les caract\u00e9ristiques distributionnelles singuli\u00e8res de certaines variables psychom\u00e9triques peut engendrer des anomalies visuelles d\u00e9routantes pour l’utilisateur non averti. La premi\u00e8re de ces anomalies concerne le r\u00e9tr\u00e9cissement excessif des tiges, qui survient lorsqu’une variable continue pr\u00e9sente une variance empirique extr\u00eamement faible ou une concentration massive de scores identiques autour d’une valeur unique. Dans ce contexte de distribution ultra-leptokurtique, le logiciel peine \u00e0 d\u00e9ployer un \u00e9ventail d’intervalles significatifs et compresse la totalit\u00e9 des participants sur une ou deux tiges isol\u00e9es, produisant un bloc textuel dense qui ne pr\u00e9sente aucun int\u00e9r\u00eat exploratoire.<\/p>\n \u00c0 l’inverse, le ph\u00e9nom\u00e8ne d’\u00e9tirement disproportionn\u00e9 se produit face \u00e0 des distributions affect\u00e9es d’une asym\u00e9trie extr\u00eame positive ou n\u00e9gative, caract\u00e9ris\u00e9es par une poign\u00e9e d’observations marginales qui \u00e9chappent tout juste aux crit\u00e8res math\u00e9matiques d’exclusion des valeurs aberrantes extr\u00eames de Tukey. Dans ce cas de figure, le moteur de SPSS s’obstine \u00e0 tracer une succession vertigineuse de tiges interm\u00e9diaires totalement vides de feuilles pour relier le corps central de la distribution \u00e0 ces scores p\u00e9riph\u00e9riques lointains. L’affichage r\u00e9sultant s’\u00e9tire sur des hauteurs d\u00e9mesur\u00e9es, an\u00e9antissant l’harmonie visuelle globale du trac\u00e9 et rendant le d\u00e9filement du visualiseur particuli\u00e8rement p\u00e9nible.<\/p>\n Face \u00e0 ces pathologies distributionnelles, le statisticien doit poser un diagnostic clair : la m\u00e9trique originale sous sa forme brute est inadapt\u00e9e \u00e0 une mod\u00e9lisation lin\u00e9aire directe. Le recours \u00e0 des transformations math\u00e9matiques pr\u00e9alables de la variable constitue le rem\u00e8de le plus appropri\u00e9. L’application d’une transformation logarithmique standard ou d’une fonction racine carr\u00e9e permettra de compresser les \u00e9tendues d\u00e9mesur\u00e9es et d’att\u00e9nuer l’asym\u00e9trie positive, restaurant ainsi un espacement r\u00e9gulier et harmonieux des tiges et des feuilles lors de la r\u00e9it\u00e9ration de la proc\u00e9dure descriptive dans SPSS.<\/p>\n Une source fr\u00e9quente de contresens analytique r\u00e9side dans la mauvaise appr\u00e9hension des m\u00e9canismes de mise \u00e0 l’\u00e9chelle d\u00e9cimale adopt\u00e9s par SPSS. Une incompr\u00e9hension r\u00e9currente concerne la confusion regrettable entre la valeur num\u00e9rique z\u00e9ro et l’absence pure et simple d’observation sur un niveau m\u00e9trique donn\u00e9. Lorsqu’une tige affiche le chiffre 0 flanqu\u00e9 d’une feuille 0 dans un syst\u00e8me \u00e0 largeur d’\u00e9chelle unitaire, cela certifie formellement la pr\u00e9sence d’une observation ayant obtenu la valeur empirique exacte de 0. R\u00e9ciproquement, une rang\u00e9e de tige dont la colonne des fr\u00e9quences affiche 0 et dont l’espace des feuilles est totalement vierge signale une lacune distributionnelle, c’est-\u00e0-dire l’absence totale de sujet ayant obtenu un score dans cet intervalle sp\u00e9cifique.<\/p>\n Une autre interf\u00e9rence majeure r\u00e9sulte de la gestion erron\u00e9e des variables d\u00e9clar\u00e9es par inadvertance en cha\u00eenes de caract\u00e8res (String<\/em>) au lieu d’un format num\u00e9rique standard. Si un chercheur importe un fichier de donn\u00e9es issu d’un tableur externe o\u00f9 des s\u00e9parateurs d\u00e9cimaux h\u00e9t\u00e9rog\u00e8nes ont \u00e9t\u00e9 employ\u00e9s, SPSS peut convertir automatiquement la colonne en variable alphanum\u00e9rique. Dans cette configuration d\u00e9grad\u00e9e, toute tentative de g\u00e9n\u00e9ration d’un diagramme tige et feuille via la proc\u00e9dure EXAMINE est formellement bloqu\u00e9e par le syst\u00e8me, la variable refusant d’appara\u00eetre dans la liste de s\u00e9lection des variables d\u00e9pendantes continues.<\/p>\n De surcro\u00eet, des probl\u00e8mes d’affichage tronqu\u00e9 peuvent survenir lorsque la cha\u00eene des feuilles d\u00e9passe la largeur d’affichage standard de la console de texte de la fen\u00eatre de sortie. Lorsque plusieurs dizaines de participants partagent rigoureusement la m\u00eame feuille sur une tige donn\u00e9e, le logiciel est parfois contraint d’apposer une mention d’ellipse ou d’interrompre l’alignement pour passer \u00e0 la ligne suivante avec une notation sp\u00e9ciale. L’analyste doit imp\u00e9rativement examiner la colonne des fr\u00e9quences de gauche pour valider le d\u00e9compte r\u00e9el, sans se fier exclusivement au d\u00e9nombrement visuel direct des chiffres align\u00e9s le long du panneau des feuilles.<\/p>\n Il arrive que l’utilisateur valide l’ex\u00e9cution de la proc\u00e9dure Explorer avec l’option Tige et feuilles scrupuleusement coch\u00e9e, mais d\u00e9couvre avec stupeur que la fen\u00eatre de r\u00e9sultats d’IBM SPSS Statistics ne produit aucun diagramme tige et feuille, lui substituant unilat\u00e9ralement un histogramme standardis\u00e9. Ce comportement n’est pas imputable \u00e0 un bogue logiciel, mais constitue une r\u00e9ponse algorithmique de s\u00e9curit\u00e9 face au franchissement de seuils critiques relatifs \u00e0 la taille de l’\u00e9chantillon ou \u00e0 la nature m\u00e9trique de la variable trait\u00e9e.<\/p>\n Le moteur computationnel d’IBM SPSS Statistics int\u00e8gre une limite structurelle implicite quant au nombre maximal de donn\u00e9es num\u00e9riques qu’il accepte de projeter au sein d’une matrice textuelle de tiges et de feuilles. Lorsque l’effectif N d’un \u00e9chantillon d\u00e9passe un volume consid\u00e9rable, g\u00e9n\u00e9ralement fix\u00e9 au-del\u00e0 d’un millier d’observations, l’algorithme de Tukey consid\u00e8re que le maintien d’une granularit\u00e9 unitaire n’a plus de pertinence visuelle et conduirait \u00e0 un encombrement catastrophique de la m\u00e9moire vive et de la surface d’affichage. Dans ces conditions de m\u00e9gadonn\u00e9es, le programme bascule automatiquement vers une repr\u00e9sentation par histogramme, jugeant la discr\u00e9tisation par classes infiniment plus efficiente.<\/p>\n Pour confirmer l’origine de cette substitution graphique, le chercheur doit diriger son regard vers le journal d’ex\u00e9cution (Viewer Log<\/em>) situ\u00e9 dans l’arborescence sup\u00e9rieure de la sortie SPSS. Le compilateur y inscrit un message d’avertissement formel (Warning<\/em>) explicitant que le diagramme tige et feuille a \u00e9t\u00e9 omis en raison d’une dispersion inadapt\u00e9e, d’un effectif exc\u00e9dentaire ou d’une cardinalit\u00e9 quasi infinie des valeurs uniques observ\u00e9es. La lecture m\u00e9thodique de ces messages syst\u00e8me permet d’ajuster sa strat\u00e9gie d’exploration statistique sans persister dans des param\u00e9trages erron\u00e9s.<\/p>\n L’int\u00e9gration d’un diagramme tige et feuille produit par IBM SPSS Statistics au sein d’un manuscrit scientifique, d’un m\u00e9moire de recherche ou d’un rapport d’\u00e9valuation clinique exige une technique d’exportation rigoureuse dict\u00e9e par la nature typographique singuli\u00e8re de cet objet statistique. Contrairement aux bo\u00eetes \u00e0 moustaches, aux nuages de points ou aux histogrammes qui sont compil\u00e9s par SPSS sous la forme d’objets graphiques vectoriels interactifs \u00e9ditables dans le Chart Editor, le diagramme tige et feuille est g\u00e9n\u00e9r\u00e9 sous forme de texte pr\u00e9format\u00e9 \u00e0 espacement fixe (monospace text<\/em>).<\/p>\n Si le chercheur proc\u00e8de \u00e0 un simple copier-coller du diagramme vers un logiciel de traitement de texte tel que Microsoft Word sans pr\u00e9caution typographique, la mise en page s’effondre instantan\u00e9ment. L’application d’une police de caract\u00e8res proportionnelle standard, telle que Times New Roman ou Calibri, o\u00f9 la lettre ‘i’ occupe une largeur spatiale bien moindre que la lettre ‘m’, rompt l’alignement vertical strict des tiges et des feuilles, d\u00e9truisant de facto la silhouette de la distribution. Pour pr\u00e9server l’int\u00e9grit\u00e9 morphologique de la sortie, l’utilisateur doit imp\u00e9rativement s\u00e9lectionner le texte import\u00e9 et lui appliquer une police \u00e0 chasse fixe rigoureuse, telle que Consolas<\/strong> ou Courier New<\/strong>, calibr\u00e9e avec une taille de corps adapt\u00e9e garantissant la rectitude des colonnes.<\/p>\n Une m\u00e9thode alternative hautement professionnelle consiste \u00e0 exporter l’objet textuel depuis SPSS en s\u00e9lectionnant l’option d’exportation vers un format de document portable (PDF) ou en g\u00e9n\u00e9rant une capture d’\u00e9cran haute r\u00e9solution calibr\u00e9e \u00e0 une densit\u00e9 minimale de 300 points par pouce (DPI). Cette approche fige de mani\u00e8re d\u00e9finitive les proportions g\u00e9om\u00e9triques, l’\u00e9cartement des colonnes de fr\u00e9quence et l’inscription de la Stem Width en bas de trac\u00e9, assurant une parfaite fid\u00e9lit\u00e9 esth\u00e9tique conforme aux standards des presses universitaires et des comit\u00e9s d’\u00e9dition scientifique.<\/p>\n Les recommandations \u00e9dict\u00e9es par l’American Psychological Association dans la septi\u00e8me \u00e9dition de son manuel de publication (APA 7) imposent des normes strictes quant \u00e0 la description narrative des donn\u00e9es distributionnelles au sein de la section M\u00e9thode ou R\u00e9sultats d’un article empirique. Le simple d\u00e9p\u00f4t passif d’un graphique au fil du texte sans explicitation m\u00e9thodologique formelle est rigoureusement prohib\u00e9 par les standards de communication scientifique contemporains. Le chercheur doit expliciter avec clart\u00e9 les enseignements morphologiques tir\u00e9s de l’inspection exploratoire.<\/p>\n Le protocole de r\u00e9daction APA exige de sp\u00e9cifier explicitement la distribution observ\u00e9e, les \u00e9ventuelles d\u00e9viations de sym\u00e9trie et d’aplatissement, ainsi que l’identification pr\u00e9cise des valeurs aberrantes d\u00e9tect\u00e9es et la d\u00e9cision m\u00e9thodologique aff\u00e9rente. Voici un mod\u00e8le canonique de restitution textuelle acad\u00e9mique illustrant cette exigence formelle :<\/p>\n \u00ab L’exploration pr\u00e9alable de la distribution des scores \u00e0 l’\u00e9preuve de m\u00e9moire de travail (N = 85) au moyen d’un diagramme tige et feuille a r\u00e9v\u00e9l\u00e9 une silhouette distributionnelle unimodale mod\u00e9r\u00e9ment asym\u00e9trique positive (coefficient d’asym\u00e9trie de Fisher = 0,62, erreur-type = 0,26). L’inspection visuelle des tiges confirme une concentration maximale des observations dans l’intervalle compris entre 40 et 55 points (largeur de tige = 10, classe modale \u00e0 la tige 4 comportant 28 participants). Deux valeurs extr\u00eames sup\u00e9rieures ont \u00e9t\u00e9 formellement identifi\u00e9es au-del\u00e0 du seuil de 3 fois l’\u00e9cart interquartile (scores de 92 et 96). L’application conjointe du test de Shapiro-Wilk confirme une d\u00e9viation significative par rapport \u00e0 la normalit\u00e9 gaussienne (W = 0,942, p = 0,001), justifiant le recours \u00e0 une mod\u00e9lisation inf\u00e9rentielle non param\u00e9trique ou \u00e0 des proc\u00e9dures de r\u00e9\u00e9chantillonnage par bootstrap pour les analyses ult\u00e9rieures. \u00bb<\/p>\n L’une des d\u00e9cisions \u00e9ditoriales les plus cruciales lors de la finalisation d’un manuscrit soumis \u00e0 \u00e9valuation par les pairs concerne l’opportunit\u00e9 d’int\u00e9grer le diagramme tige et feuille directement dans le corps du texte ou de lui substituer une synth\u00e8se tabulaire condens\u00e9e. Les revues majeures en psychologie quantitative, neurosciences cognitives et \u00e9pid\u00e9miologie psychiatrique appliquent une politique \u00e9ditoriale extr\u00eamement stricte quant \u00e0 l’encombrement spatial des articles, r\u00e9servant les espaces d’affichage graphiques aux repr\u00e9sentations inf\u00e9rentielles majeures synth\u00e9tisant les r\u00e9sultats des mod\u00e8les statistiques finaux.<\/p>\n En vertu de ces contraintes de pagination, il est extr\u00eamement rare qu’un diagramme tige et feuille trouve sa place au c\u0153ur de la section principale des R\u00e9sultats d’une revue \u00e0 fort facteur d’impact. La coutume m\u00e9thodologique admise consiste \u00e0 d\u00e9porter le trac\u00e9 exhaustif des tiges et des feuilles au sein des annexes m\u00e9thodologiques \u00e9lectroniques ou du mat\u00e9riel suppl\u00e9mentaire en ligne (Supplementary Material<\/em>). Cette d\u00e9marche garantit une totale transparence empirique vis-\u00e0-vis des \u00e9valuateurs tout en respectant l’\u00e9conomie \u00e9ditoriale impos\u00e9e par les comit\u00e9s de r\u00e9daction.<\/p>\n Au sein du corps de l’article proprement dit, le diagramme tige et feuille s’efface g\u00e9n\u00e9ralement au profit d’un tableau r\u00e9capitulatif condens\u00e9 consignant les param\u00e8tres num\u00e9riques de tendance centrale et de forme : moyenne, \u00e9cart-type, m\u00e9diane, \u00e9cart interquartile, coefficients d’asym\u00e9trie (Skewness<\/em>) et d’aplatissement (Kurtosis<\/em>), accompagn\u00e9s des valeurs probabilistes des tests de normalit\u00e9 de Shapiro-Wilk. Le diagramme tige et feuille aura ainsi rempli sa mission \u00e9pist\u00e9mologique souveraine : guider m\u00e9thodologiquement le chercheur dans les coulisses de l’analyse sans surcharger inutilement la d\u00e9monstration finale soumise \u00e0 la communaut\u00e9 acad\u00e9mique.<\/p>\n Pour pr\u00e9munir le chercheur contre les errances m\u00e9thodologiques et garantir une rigueur d’investigation constante, l’int\u00e9gration du diagramme tige et feuille doit s’inscrire au sein d’un arbre d\u00e9cisionnel clairement formalis\u00e9 au commencement de tout projet d’analyse quantitative. Cette d\u00e9marche algorithmique commence imp\u00e9rativement d\u00e8s l’ach\u00e8vement de la saisie de la matrice brute, positionnant le diagramme tige et feuille comme le premier point de passage obligatoire avant tout calcul de m\u00e9trique de dispersion ou de corr\u00e9lation.<\/p>\n L’articulation s\u00e9quentielle vertueuse se d\u00e9ploie selon le cheminement chronologique suivant :<\/p>\n Ce protocole rigoureux \u00e9vite l’\u00e9cueil courant consistant \u00e0 appliquer aveugl\u00e9ment des tests t de Student ou des r\u00e9gressions lin\u00e9aires multiples sur des donn\u00e9es qui violent massivement les postulats fondamentaux de normalit\u00e9 et d’homosc\u00e9dasticit\u00e9, prot\u00e9geant ainsi l’exp\u00e9rimentateur contre le risque d’inflation des erreurs de premi\u00e8re esp\u00e8ce (faux positifs) ou de deuxi\u00e8me esp\u00e8ce (faux n\u00e9gatifs).<\/p>\n Le renouveau \u00e9pist\u00e9mologique suscit\u00e9 par la crise de r\u00e9plication en psychologie a conduit \u00e0 la g\u00e9n\u00e9ralisation des protocoles de recherche pr\u00e9-enregistr\u00e9s (Preregistration<\/em>) sur des plateformes institutionnelles telles que l’Open Science Framework<\/em> (OSF). Dans ce cadre m\u00e9thodologique exigeant, les chercheurs s’engagent formellement, avant m\u00eame d’avoir collect\u00e9 la moindre donn\u00e9e, sur l’int\u00e9gralit\u00e9 du plan d’analyse statistique qu’ils d\u00e9ploieront, limitant ainsi drastiquement les degr\u00e9s de libert\u00e9 de l’exp\u00e9rimentateur propices au biais de confirmation.<\/p>\n L’utilisation du diagramme tige et feuille trouve une place de choix au sein de ces d\u00e9clarations pr\u00e9alables, notamment pour formaliser en toute transparence la politique de d\u00e9tection et de traitement des valeurs aberrantes. Le chercheur sp\u00e9cifie noir sur blanc dans son pr\u00e9-enregistrement que l’identification des observations atypiques s’appuiera rigoureusement sur le crit\u00e8re de Tukey des cl\u00f4tures ext\u00e9rieures \u00e0 3 fois l’\u00e9cart interquartile tel qu’impl\u00e9ment\u00e9 dans la commande EXAMINE de SPSS. Il pr\u00e9cise \u00e0 l’avance les seuils d’intervention et s’interdit formellement toute \u00e9viction opportuniste d’observations apr\u00e8s consultation des r\u00e9sultats statistiques finaux.<\/p>\n Cette d\u00e9claration a priori immunise la d\u00e9marche scientifique contre les soup\u00e7ons de manipulation empirique. L’inspection des tiges et feuilles n’est plus une man\u0153uvre informelle destin\u00e9e \u00e0 nettoyer commod\u00e9ment un \u00e9chantillon bruit\u00e9, mais devient une \u00e9tape d’audit empirique transparente, totalement document\u00e9e et reproductible. Les diagrammes initiaux sont archiv\u00e9s au sein du rapport public d’analyse, scellant un engagement d’int\u00e9grit\u00e9 et de loyaut\u00e9 m\u00e9trologique exemplaire face \u00e0 la communaut\u00e9 scientifique internationale.<\/p>\n Pour conclure cette feuille de route m\u00e9thodologique et garantir qu’aucune faille technique n’entache la rigueur des conclusions statistiques, l’analyste applique syst\u00e9matiquement une check-list op\u00e9rationnelle de contr\u00f4le qualit\u00e9 avant de clore d\u00e9finitivement sa session d’investigation sous IBM SPSS Statistics. Ce protocole de v\u00e9rification finale se structure autour de quatre imp\u00e9ratifs absolus qu’il convient de passer m\u00e9thodiquement en revue :<\/p>\n En respectant scrupuleusement cette discipline de travail, le chercheur s’assure que son utilisation du diagramme tige et feuille dans SPSS d\u00e9passe largement le stade du simple trac\u00e9 m\u00e9canique pour devenir un puissant instrument d’investigation heuristique, garantissant \u00e0 ses travaux empiriques une solidit\u00e9 m\u00e9trologique et une transparence scientifique inattaquables.<\/p>\n Guide m\u00e9thodologique complet pour g\u00e9n\u00e9rer, configurer et interpr\u00e9ter rigoureusement un diagramme tige et feuille dans SPSS en recherche quantitative.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[2011,4591],"tags":[4592,2038,16,2654,2212],"class_list":["post-2480","psych_stat","type-psych_stat","status-publish","hentry","category-methodologie-en-psychologie","category-statistiques-descriptives","tag-analyse-exploratoire-des-donnees","tag-diagramme-tige-et-feuille","tag-psychometrie","tag-spss","tag-statistiques-descriptives"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat\/2480","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_stat"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=2480"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat\/2480\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=2480"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=2480"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=2480"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}1.2 Utilit\u00e9 clinique et exp\u00e9rimentale en psychologie<\/h3>\n
1.3 Comparaison critique avec l’histogramme et la bo\u00eete \u00e0 moustaches<\/h3>\n
2. Pr\u00e9paration de l’environnement SPSS et structuration des donn\u00e9es<\/h2>\n
2.1 Configuration des variables quantitatives continues<\/h3>\n
![\"Raw](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/stemSPSS1.png\")
2.2 Nettoyage pr\u00e9liminaire et gestion des donn\u00e9es manquantes<\/h3>\n
2.3 Exigences d’\u00e9chantillonnage et ad\u00e9quation de la taille de l’\u00e9chantillon<\/h3>\n
3. Proc\u00e9dure pas \u00e0 pas : G\u00e9n\u00e9ration via la proc\u00e9dure Explorer<\/h2>\n
3.1 Navigation ergonomique dans l’interface de SPSS<\/h3>\n
![\"Descriptive](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/stemSPSS2.png\")
3.2 Affectation de la variable d\u00e9pendante<\/h3>\n
![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/stemSPSS3.png\")
<\/figure>\n3.3 S\u00e9lection des options d’affichage globales<\/h3>\n
4. Param\u00e9trage avanc\u00e9 de la bo\u00eete de dialogue Graphiques<\/h2>\n
4.1 Activation cibl\u00e9e du diagramme tige et feuille<\/h3>\n
![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/stemSPSS4.png\")
<\/figure>\n4.2 Association strat\u00e9gique avec les graphiques de normalit\u00e9<\/h3>\n
4.3 Validation et ex\u00e9cution de l’algorithme<\/h3>\n
5. D\u00e9composition anatomique de la sortie SPSS : Tiges, feuilles et m\u00e9triques<\/h2>\n
5.1 R\u00f4le fondamental et calcul de la largeur de tige (Stem Width)<\/h3>\n
![\"Stem-and-leaf](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/stemSPSS5.png\")
5.2 Interpr\u00e9tation de la colonne de fr\u00e9quence (Frequency)<\/h3>\n
5.3 Articulation s\u00e9miotique entre tige (Stem) et feuille (Leaf)<\/h3>\n
6. Reconstitution pas \u00e0 pas des donn\u00e9es num\u00e9riques brutes<\/h2>\n
6.1 Algorithme de r\u00e9tro-ing\u00e9nierie des scores individuels<\/h3>\n
![\"Interpreting](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/stemSPSS6.png\")
6.2 Exemple concret issu d’une batterie cognitive<\/h3>\n
6.3 Lecture des cas de d\u00e9cimales et arrondis automatiques<\/h3>\n
7. D\u00e9tection visuelle et statistique des valeurs aberrantes (Outliers)<\/h2>\n
7.1 Signalement des cas extr\u00eames par la mention Extremes<\/h3>\n
![\"Stem-and-leaf](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/stemSPSS7.png\")
7.2 Seuils math\u00e9matiques sous-jacents aux crit\u00e8res de SPSS<\/h3>\n
7.3 Prise de d\u00e9cision m\u00e9thodologique en recherche psychologique<\/h3>\n
8. Automatisation de la proc\u00e9dure via la syntaxe SPSS<\/h2>\n
8.1 Architecture formelle de la commande EXAMINE<\/h3>\n
\n\/PLOT STEMLEAF
\n\/STATISTICS DESCRIPTIVES
\n\/MISSING LISTWISE.<\/p>\n8.2 Avantages de la syntaxe pour la reproductibilit\u00e9 scientifique<\/h3>\n
.sps<\/code>, constitue un enregistrement textuel immuable, concis et transparent de chaque d\u00e9cision m\u00e9thodologique op\u00e9r\u00e9e. Alors que l’exploration via des bo\u00eetes de dialogue expose l’analyste \u00e0 des oublis involontaires de clics, \u00e0 des erreurs de s\u00e9lection d’options secondaires ou \u00e0 des d\u00e9viations non document\u00e9es entre deux sessions de travail, le script de commande garantit une fid\u00e9lit\u00e9 computationnelle absolue. L’archivage public de ces lignes de commande au sein d’entrep\u00f4ts de donn\u00e9es institutionnels certifi\u00e9s conf\u00e8re aux protocoles d’investigation un niveau de cr\u00e9dibilit\u00e9 et d’auditabilit\u00e9 indispensable \u00e0 la validation acad\u00e9mique.<\/p>\n8.3 Mod\u00e8les de syntaxe pour analyses par lots (Batch processing)<\/h3>\n
\n\/PLOT STEMLEAF NPPLOT
\n\/STATISTICS DESCRIPTIVES
\n\/NOTOTAL.<\/p>\n9. Analyses comparatives par groupes : Utilisation de la liste des facteurs<\/h2>\n
9.1 Insertion d’une variable ind\u00e9pendante cat\u00e9gorielle<\/h3>\n
9.2 G\u00e9n\u00e9ration de diagrammes tige et feuille stratifi\u00e9s<\/h3>\n
9.3 Limites ergonomiques de SPSS pour les diagrammes dos-\u00e0-dos<\/h3>\n
10. Diagnostics des anomalies d’affichage et erreurs fr\u00e9quentes<\/h2>\n
10.1 R\u00e9tr\u00e9cissement excessif ou \u00e9tirement disproportionn\u00e9 des tiges<\/h3>\n
10.2 Probl\u00e9matiques d’\u00e9chelles d\u00e9cimales et d’affichage tronqu\u00e9<\/h3>\n
10.3 Non-g\u00e9n\u00e9ration du graphique et seuils de volume de donn\u00e9es<\/h3>\n
11. Int\u00e9gration acad\u00e9mique et restitution aux normes APA (7e \u00e9dition)<\/h2>\n
11.1 Exportation des diagrammes depuis le visualiseur SPSS<\/h3>\n
11.2 Formalisation des descriptions narratives dans un m\u00e9moire ou article<\/h3>\n
11.3 Arbitrage entre inclusion du graphique ou r\u00e9sum\u00e9 tabulaire<\/h3>\n
12. Bonnes pratiques et feuille de route m\u00e9thodologique pour le chercheur<\/h2>\n
12.1 Arbre d\u00e9cisionnel pour l’exploration initiale des distributions<\/h3>\n
\n
12.2 Int\u00e9gration du tige et feuille dans les protocoles pr\u00e9-enregistr\u00e9s<\/h3>\n
12.3 Check-list op\u00e9rationnelle de fin de traitement sous SPSS<\/h3>\n
\n
.sps<\/code>) et le visualiseur de sorties complet consignant l’int\u00e9gralit\u00e9 des repr\u00e9sentations graphiques g\u00e9n\u00e9r\u00e9es (extension .spv<\/code>) au sein d’un r\u00e9pertoire de donn\u00e9es s\u00e9curis\u00e9 et horodat\u00e9.<\/li>\n<\/ul>\nR\u00e9f\u00e9rences<\/h2>\n
\n