th\u00e9orie classique des tests<\/a>, l’int\u00e9r\u00eat primordial de cet indice r\u00e9side dans sa capacit\u00e9 \u00e0 synth\u00e9tiser l’information sans n\u00e9cessiter de transformations non lin\u00e9aires complexes. En associant un statut cat\u00e9goriel \u00e0 une grandeur quantitative, la formulation point-bis\u00e9riale permet d’obtenir un estimateur convergent de la taille de l’effet standardis\u00e9e, fournissant ainsi une base solide pour toute inf\u00e9rence ult\u00e9rieure sur les populations parentes.<\/p>\n1.2 Distinction \u00e9pist\u00e9mologique entre variables dichotomiques naturelles et artificielles<\/h3>\n L’analyse des distributions cat\u00e9gorielles en psychologie exp\u00e9rimentale impose une distinction conceptuelle fondamentale entre deux architectures de variables binaires : les dichotomies vraies (ou naturelles) et les dichotomies artificielles (ou forc\u00e9es). Une dichotomie naturelle renvoie \u00e0 une variable dont l’\u00e9tat intrins\u00e8que est ontologiquement discret et ne proc\u00e8de d’aucune simplification arbitraire op\u00e9r\u00e9e par l’exp\u00e9rimentateur. L’exemple paradigmatique r\u00e9side dans le statut vital d’un sujet en recherche biom\u00e9dicale (survivant versus d\u00e9c\u00e9d\u00e9), l’attribution al\u00e9atoire \u00e0 une condition dans un protocole en double aveugle (groupe recevant un placebo versus groupe recevant le principe actif), ou encore le porteur d’une all\u00e8le sp\u00e9cifique face \u00e0 un non-porteur en g\u00e9n\u00e9tique comportementale. Dans ces configurations, la fronti\u00e8re s\u00e9parant les deux \u00e9tats est nette, immuable et exempte de continuum latent.<\/p>\n
\u00c0 l’oppos\u00e9, les dichotomies artificielles d\u00e9coulent d’une d\u00e9cision m\u00e9thodologique consistant \u00e0 tronquer un continuum continu sous-jacent au moyen d’un seuil de c\u00e9sure op\u00e9rationnel. La classification des individus en cat\u00e9gories \u00ab anxieux \u00bb versus \u00ab non anxieux \u00bb sur la base d’une note de coupure \u00e9tablie arbitrairement \u00e0 un score seuil, ou encore la partition d’un temps de r\u00e9action en cat\u00e9gories \u00ab rapide \u00bb et \u00ab lent \u00bb par m\u00e9diane divis\u00e9e (median split), illustrent cette seconde classe de variables. D’un point de vue statistique, le choix de traiter une dichotomie comme naturelle ou artificielle oriente drastiquement la s\u00e9lection de l’outil d’analyse. Lorsque la variable binaire est authentiquement discr\u00e8te, la corr\u00e9lation point-bis\u00e9riale rpb<\/sub><\/em> repr\u00e9sente l’estimateur math\u00e9matiquement l\u00e9gitime et non biais\u00e9.<\/p>\nEn revanche, lorsqu’une dichotomie d\u00e9coule de l’\u00e9crasement d’une variable normalement distribu\u00e9e, l’emploi du rpb<\/sub><\/em> tend \u00e0 sous-estimer syst\u00e9matiquement la magnitude de la relation sous-jacente en raison d’une perte s\u00e8che d’information variance. Dans ce dernier sc\u00e9nario sp\u00e9cifique, la th\u00e9orie statistique pr\u00e9conise th\u00e9oriquement le recours au coefficient de corr\u00e9lation bis\u00e9riale standard rb<\/sub><\/em>, lequel r\u00e9ajuste math\u00e9matiquement l’estimation en int\u00e9grant la fonction de densit\u00e9 de la loi normale au point de c\u00e9sure. Ma\u00eetriser cette divergence \u00e9pist\u00e9mologique est primordial avant de lancer une quelconque proc\u00e9dure dans Excel, sous peine d’alt\u00e9rer la validit\u00e9 de construit de l’\u00e9tude.<\/p>\n1.3 Champs d’application privil\u00e9gi\u00e9s en sciences du comportement<\/h3>\n Le champ d’application le plus pr\u00e9\u00e9minent de la corr\u00e9lation point-bis\u00e9riale r\u00e9side incontestablement dans la psychom\u00e9trie et l’ing\u00e9nierie des instruments de mesure psychologiques, sp\u00e9cifiquement au sein du protocole d’analyse de la qualit\u00e9 des items (item analysis). Dans ce contexte, chaque item d’un test standardis\u00e9 \u00e0 correction objective (par exemple un inventaire d’aptitudes cognitives o\u00f9 la r\u00e9ponse est not\u00e9e 1 pour exact et 0 pour erron\u00e9) est corr\u00e9l\u00e9 au score global total cumul\u00e9 par les r\u00e9pondants sur l’ensemble de l’\u00e9preuve. Ce coefficient de corr\u00e9lation item-total corrig\u00e9 constitue l’indice de discrimination cardinal de l’item : il documente avec pr\u00e9cision la capacit\u00e9 d’un \u00e9nonc\u00e9 sp\u00e9cifique \u00e0 diff\u00e9rencier les sujets affichant un haut niveau de comp\u00e9tence latent de ceux qui manifestent un niveau modeste.<\/p>\n
Au-del\u00e0 de la psychom\u00e9trie scolaire ou cognitive, la neuropsychologie et la psychiatrie computationnelle sollicitent intens\u00e9ment la corr\u00e9lation point-bis\u00e9riale lors de la validation convergente de crit\u00e8res diagnostiques nosographiques. Lorsqu’un clinicien \u00e9value l’impact de la pr\u00e9sence formelle d’un trouble psychiatrique (comme l’\u00e9tat de stress post-traumatique, cod\u00e9 de mani\u00e8re binaire : absence = 0, pr\u00e9sence = 1) sur une s\u00e9rie de biomarqueurs neurophysiologiques continus (volume hippocampique mesur\u00e9 par IRM morphom\u00e9trique, taux de cortisol salivaire matinal ou score d’extinction de la peur conditionn\u00e9e), le coefficient rpb<\/sub><\/em> capture directement l’intensit\u00e9 du dysfonctionnement physiologique en fonction du statut nosologique.<\/p>\nEnfin, la psychologie sociale, organisationnelle et diff\u00e9rentielle emploie cette mesure dans le cadre des analyses comparatives intergroupes. Qu’il s’agisse d’\u00e9valuer l’\u00e9cart d’adh\u00e9sion \u00e0 une politique d’entreprise entre cadres et employ\u00e9s non cadres, d’analyser le diff\u00e9rentiel d’empathie cognitive selon le sexe assign\u00e9 \u00e0 la naissance au sein d’une cohorte neurotypique, ou de mod\u00e9liser l’efficacit\u00e9 d’un protocole d’intervention comportementale (cohorte expos\u00e9e versus cohorte t\u00e9moin) sur la r\u00e9gulation de l’affect n\u00e9gatif, le coefficient rpb<\/sub><\/em> agit comme un descripteur standardis\u00e9 pivot de la taille de l’effet bivari\u00e9.<\/p>\n2. Comparaison structurelle entre le coefficient point-bis\u00e9riale et le r de Pearson<\/h2>\n2.1 L’\u00e9quivalence math\u00e9matique fondamentale avec Pearson<\/h3>\n Une incompr\u00e9hension r\u00e9currente dans l’enseignement de la statistique appliqu\u00e9e consiste \u00e0 conceptualiser la corr\u00e9lation point-bis\u00e9riale comme une entit\u00e9 algorithmique fondamentalement disjointe de la corr\u00e9lation de Bravais-Pearson. Il est formellement d\u00e9montr\u00e9 sur le plan alg\u00e9brique que la corr\u00e9lation point-bis\u00e9riale constitue en r\u00e9alit\u00e9 un cas particulier strict, une simplification math\u00e9matique directe, du coefficient produit-moment de Pearson, survenant lorsque l’un des deux vecteurs de donn\u00e9es est astreint \u00e0 ne prendre que deux \u00e9tats scalaires discrets conventionnels (en l’occurrence les entiers 0 et 1). Les propri\u00e9t\u00e9s de la covariance et de la standardisation par le produit des \u00e9carts-types s’appliquent sans aucune d\u00e9rogation th\u00e9orique.<\/p>\n
Lorsque la formule standard du r<\/em> de Pearson est d\u00e9ploy\u00e9e sur une matrice comprenant une colonne continue et une colonne binaire num\u00e9rique, l’expression g\u00e9n\u00e9rale se contracte \u00e9l\u00e9gamment pour faire dispara\u00eetre les sommes de carr\u00e9s complexes de la variable binaire au profit d’une expression pond\u00e9r\u00e9e par les proportions d’individus appartenant \u00e0 chaque cat\u00e9gorie et par l’\u00e9cart-type global de la variable m\u00e9trique. L’\u00e9quivalence des r\u00e9sultats num\u00e9riques obtenus par l’une ou l’autre formulation n’est ni approximative ni asymptotique : elle est rigoureusement exacte \u00e0 la d\u00e9cimale pr\u00e8s, quelle que soit la taille finie de l’\u00e9chantillon analys\u00e9.<\/p>\nCette identit\u00e9 structurelle implique d’immenses avantages pratiques pour le chercheur. Elle signifie qu’il n’est nullement n\u00e9cessaire de disposer d’un moteur de calcul sp\u00e9cialis\u00e9 ou d’une biblioth\u00e8que logicielle \u00e9sot\u00e9rique pour extraire ce param\u00e8tre psychom\u00e9trique. Tout environnement informatique impl\u00e9mentant l’algorithme conventionnel de Pearson calcule de facto<\/em> une corr\u00e9lation point-bis\u00e9riale parfaite d\u00e8s lors que la variable qualitative est conditionn\u00e9e sous une forme num\u00e9rique appropri\u00e9e.<\/p>\n2.2 R\u00f4le et impact du codage binaire num\u00e9rique<\/h3>\n L’assimilation op\u00e9rationnelle d’une variable cat\u00e9gorielle nominale par un algorithme math\u00e9matique exige au pr\u00e9alable l’attribution de valeurs num\u00e9riques fixes \u00e0 chacune de ses modalit\u00e9s. Dans la tradition statistique universelle, le codage binaire conventionnel retient les entiers 0 et 1 (couramment d\u00e9sign\u00e9 sous le terme de codage dummy ou variable muette). Ce choix n’est pas anodin sur le plan arithm\u00e9tique : attribuer 0 et 1 permet \u00e0 la moyenne de la variable dichotomique X<\/em> de co\u00efncider tr\u00e8s exactement avec la proportion p<\/em> de sujets poss\u00e9dant l’attribut cod\u00e9 1, simplifiant ainsi radicalement les calculs d’esp\u00e9rance math\u00e9matique et de variance d’\u00e9chantillonnage.<\/p>\nToutefois, il est imp\u00e9ratif de cerner l’impact de la polarit\u00e9 du codage sur la directionnalit\u00e9 de l’indice. Si l’on attribue la valeur 0 au groupe t\u00e9moin et la valeur 1 au groupe exp\u00e9rimental, un coefficient rpb<\/sub><\/em> positif traduira une sup\u00e9riorit\u00e9 de la moyenne de la variable continue au sein du groupe exp\u00e9rimental. Si, \u00e0 l’inverse, l’analyste d\u00e9cide d’inverser les \u00e9tiquettes num\u00e9riques en assignant la valeur 1 au groupe t\u00e9moin et la valeur 0 au groupe exp\u00e9rimental, la valeur absolue de la corr\u00e9lation demeurera rigoureusement inchang\u00e9e, mais son signe alg\u00e9brique basculera instantan\u00e9ment de positif \u00e0 n\u00e9gatif.<\/p>\nL’amplitude absolue du coefficient d’association est donc strictement invariante face \u00e0 la permutation des codes num\u00e9riques binaires. Cette invariance conf\u00e8re une flexibilit\u00e9 op\u00e9rationnelle pr\u00e9cieuse, mais elle impose en contrepartie une obligation m\u00e9thodologique inali\u00e9nable : documenter syst\u00e9matiquement et sans ambigu\u00eft\u00e9 la convention de codage adopt\u00e9e dans les carnets de laboratoire et les rapports d’analyse, afin d’interdire toute m\u00e9prise quant \u00e0 la direction clinique ou comportementale de l’effet identifi\u00e9.<\/p>\n
2.3 Justification de l’utilisation directe des fonctions de corr\u00e9lation dans Excel<\/h3>\n \u00c0 la lumi\u00e8re de l’\u00e9quivalence alg\u00e9brique formelle d\u00e9montr\u00e9e pr\u00e9c\u00e9demment, l’emploi direct des fonctions statistiques standards int\u00e9gr\u00e9es nativement dans Microsoft Excel se trouve pleinement l\u00e9gitim\u00e9 sur le plan m\u00e9thodologique. L’\u00e9tudiant, l’ing\u00e9nieur de recherche ou le praticien en psychom\u00e9trie n’a pas besoin de programmer des macros Visual Basic for Applications (VBA) complexes ni d’aligner manuellement des dizaines d’\u00e9tapes de calcul matriciel pour parvenir \u00e0 une estimation sans faille de la corr\u00e9lation point-bis\u00e9riale.<\/p>\n
L’utilisation directe de l’algorithme standard interne de corr\u00e9lation d’Excel offre un gain d’efficience temporelle substantiel lors du traitement de volumineuses cohortes de donn\u00e9es empiriques. Les fonctions natives du tableur ont \u00e9t\u00e9 optimis\u00e9es au fil des d\u00e9cennies pour g\u00e9rer avec une grande pr\u00e9cision num\u00e9rique les op\u00e9rations d’accumulation de sommes de produits crois\u00e9s, limitant ainsi de mani\u00e8re drastique la propagation des erreurs d’arrondi qui affectent in\u00e9vitablement les calculs manuels men\u00e9s \u00e9tape par \u00e9tape sur des fractions interm\u00e9diaires.<\/p>\n
De surcro\u00eet, le recours aux commandes g\u00e9n\u00e9riques d’Excel r\u00e9duit consid\u00e9rablement la probabilit\u00e9 d’erreurs typographiques ou d’inversions de d\u00e9nominateurs lors de la saisie des \u00e9quations math\u00e9matiques d\u00e9taill\u00e9es. Le recours \u00e0 l’architecture native de calcul d’Excel d\u00e9mocratise l’acc\u00e8s \u00e0 une analyse statistique avanc\u00e9e tout en garantissant un niveau de reproductibilit\u00e9 computationnelle total, condition sine qua non<\/em> d’une d\u00e9marche scientifique int\u00e8gre.<\/p>\n3. Hypoth\u00e8ses sous-jacentes et conditions d’application statistique<\/h2>\n3.1 Exigence de normalit\u00e9 au sein des sous-populations<\/h3>\n Bien que la corr\u00e9lation point-bis\u00e9riale puisse \u00eatre techniquement calcul\u00e9e \u00e0 titre de statistique purement descriptive sur n’importe quel ensemble de couples de donn\u00e9es num\u00e9riques, son utilisation dans un cadre inf\u00e9rentiel \u2014 c’est-\u00e0-dire pour tester si le lien observ\u00e9 dans l’\u00e9chantillon s’\u00e9tend significativement \u00e0 la population parente \u2014 repose sur des postulats distributionnels pr\u00e9cis. Le premier de ces pr\u00e9requis exige que la variable continue Y<\/em> suive une distribution normale (ou gaussienne) au sein de chacune des deux sous-populations d\u00e9limit\u00e9es par la variable binaire X<\/em>. Cela signifie que la distribution de Y<\/em> conditionnellement \u00e0 X<\/em> = 0 et la distribution de Y<\/em> conditionnellement \u00e0 X<\/em> = 1 doivent chacune afficher une morphologie sym\u00e9trique en cloche.<\/p>\nPour \u00e9valuer la conformit\u00e9 des donn\u00e9es empiriques \u00e0 cette exigence dans un tableur comme Excel, l’analyste peut recourir \u00e0 l’examen minutieux des coefficients d’asym\u00e9trie (skewness) et d’aplatissement (kurtosis) calcul\u00e9s s\u00e9par\u00e9ment pour chaque sous-groupe au moyen des fonctions =COEFFICIENT.ASYMETRIE()<\/code> et =KURTOSIS()<\/code>. Des valeurs comprises entre -1 et +1 pour ces deux m\u00e9triques signalent g\u00e9n\u00e9ralement un profil distributionnel suffisamment proche de la normalit\u00e9 th\u00e9orique pour autoriser l’inf\u00e9rence param\u00e9trique standard. Lorsque la rigueur acad\u00e9mique l’exige, la mise en \u0153uvre compl\u00e9mentaire d’un test d’ad\u00e9quation plus formel, tel que le test de Shapiro-Wilk ou le test de Kolmogorov-Smirnov avec correction de Lilliefors, s’av\u00e8re hautement recommandable.<\/p>\nN\u00e9anmoins, en vertu du th\u00e9or\u00e8me central limite, le mod\u00e8le inf\u00e9rentiel associ\u00e9 \u00e0 la corr\u00e9lation point-bis\u00e9riale manifeste une robuste r\u00e9silience face aux d\u00e9viations mod\u00e9r\u00e9es de la normalit\u00e9 d\u00e8s lors que les effectifs globaux atteignent des tailles confortables (couramment N<\/em> sup\u00e9rieur \u00e0 50 ou 100 observations). En pr\u00e9sence d’\u00e9chantillons restreints (N<\/em> inf\u00e9rieur \u00e0 30) caract\u00e9ris\u00e9s par des distributions lourdement asym\u00e9triques ou plurimodales, la validit\u00e9 des valeurs p<\/em> associ\u00e9es se d\u00e9grade, exposant l’investigateur au risque d’une inflation incontr\u00f4l\u00e9e de l’erreur de type I ou d’une perte dommageable de puissance statistique.<\/p>\n3.2 Homog\u00e9n\u00e9it\u00e9 des variances (homosc\u00e9dasticit\u00e9)<\/h3>\n Le second pilier conditionnant la validit\u00e9 inf\u00e9rentielle de la corr\u00e9lation point-bis\u00e9riale r\u00e9side dans le postulat d’homosc\u00e9dasticit\u00e9, ou d’homog\u00e9n\u00e9it\u00e9 des variances conditionnelles. En vertu de ce principe statistique, la dispersion intrins\u00e8que de la variable quantitative Y<\/em> autour de sa moyenne de groupe doit \u00eatre substantiellement \u00e9quivalente au sein des deux modalit\u00e9s de la variable dichotomique X<\/em>. En termes formels, la variance de la sous-population 0 doit \u00e9galer la variance de la sous-population 1 (\u03c3<\/em>0<\/sub>2<\/sup> = \u03c3<\/em>1<\/sub>2<\/sup> = \u03c3<\/em>2<\/sup>).<\/p>\nDans l’environnement Excel, la v\u00e9rification pr\u00e9liminaire de cette condition s’effectue ais\u00e9ment en extrayant la variance d’\u00e9chantillon pour chaque sous-cohorte via la commande =VAR.S()<\/code> appliqu\u00e9e s\u00e9par\u00e9ment aux scores des deux sous-groupes, puis en calculant leur ratio. Si le rapport entre la variance la plus \u00e9lev\u00e9e et la variance la plus faible n’exc\u00e8de pas un facteur d’environ 1,5 \u00e0 2 dans le cadre d’\u00e9chantillons de tailles similaires, l’hypoth\u00e8se d’homosc\u00e9dasticit\u00e9 est g\u00e9n\u00e9ralement jug\u00e9e empiriquement tenable. Pour une d\u00e9monstration formelle, l’application d’un test F<\/em> de Fisher d’\u00e9galit\u00e9 de deux variances peut \u00eatre ex\u00e9cut\u00e9e via la fonction native =TEST.F()<\/code> disponible dans Excel.<\/p>\nLa violation s\u00e9v\u00e8re de l’homog\u00e9n\u00e9it\u00e9 des variances \u2014 situation qualifi\u00e9e d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 \u2014 engendre des cons\u00e9quences pr\u00e9judiciables sur l’estimation statistique. Lorsque le groupe poss\u00e9dant la plus faible taille d’\u00e9chantillon affiche simultan\u00e9ment la variance la plus exacerb\u00e9e, l’erreur-type th\u00e9orique du coefficient est syst\u00e9matiquement sous-estim\u00e9e, ce qui d\u00e9bouche sur des tests de significativit\u00e9 artificiellement optimistes et un taux de faux positifs inacceptable. \u00c0 l’inverse, si le groupe de grand effectif pr\u00e9sente la variance la plus large, le test statistique devient excessivement conservateur, masquant de v\u00e9ritables relations empiriques.<\/p>\n
3.3 Ind\u00e9pendance des observations et \u00e9quilibre de l’\u00e9chantillonnage<\/h3>\n Le troisi\u00e8me postulat fondamental r\u00e9side dans la stricte ind\u00e9pendance statistique de toutes les observations composant la matrice de donn\u00e9es. Chaque ligne du jeu de donn\u00e9es doit correspondre \u00e0 une entit\u00e9 d’\u00e9chantillonnage distincte, s\u00e9lectionn\u00e9e de mani\u00e8re probabiliste ou quasi-al\u00e9atoire au sein de la population cible. Ce postulat interdit formellement l’utilisation de la corr\u00e9lation point-bis\u00e9riale standard dans le cadre de designs longitudinaux \u00e0 mesures r\u00e9p\u00e9t\u00e9es, d’\u00e9chantillonnages par grappes non contr\u00f4l\u00e9s, ou de configurations o\u00f9 les r\u00e9ponses d’un individu seraient conditionn\u00e9es par celles d’un autre participant (dynamiques de dyades ou de fratries non mod\u00e9lis\u00e9es).<\/p>\n
Parall\u00e8lement \u00e0 l’ind\u00e9pendance d’\u00e9chantillonnage, la proportion relative d’individus composant chaque modalit\u00e9 binaire (not\u00e9es respectivement p<\/em> pour la cat\u00e9gorie 1 et q<\/em> = 1 – p<\/em> pour la cat\u00e9gorie 0) exerce une contrainte m\u00e9canique majeure sur le comportement m\u00e9trique de l’indice. Alors qu’une variable continue crois\u00e9e avec une autre variable continue peut th\u00e9oriquement atteindre les bornes extr\u00eames absolues de -1,00 et +1,00, la corr\u00e9lation point-bis\u00e9riale ne peut culminer \u00e0 ces maxima absolus que si et seulement si l’\u00e9chantillon est parfaitement \u00e9quilibr\u00e9, c’est-\u00e0-dire lorsque la proportion d’individus est rigoureusement sym\u00e9trique (p<\/em> = q<\/em> = 0,50).<\/p>\nD\u00e8s lors que la distribution cat\u00e9gorielle devient asym\u00e9trique (par exemple dans le cas d’une maladie rare o\u00f9 seulement 5 % de la cohorte est diagnostiqu\u00e9e positive, conf\u00e9rant p<\/em> = 0,05 et q<\/em> = 0,95), la valeur maximale th\u00e9orique atteignable pour rpb<\/sub><\/em> subit un plafonnement math\u00e9matique s\u00e9v\u00e8re, tombant souvent en dessous de 0,40 ou 0,30, m\u00eame en pr\u00e9sence d’une s\u00e9paration quasi-parfaite des scores sous-jacents. Ce ph\u00e9nom\u00e8ne d’att\u00e9nuation structurelle impose une immense prudence d’interpr\u00e9tation : un coefficient d’apparence modeste obtenu sur des groupes hautement d\u00e9s\u00e9quilibr\u00e9s peut masquer une taille d’effet clinique d’une ampleur consid\u00e9rable.<\/p>\n4. Organisation et assainissement des donn\u00e9es exp\u00e9rimentales dans Excel<\/h2>\n4.1 Structuration tubulaire matricielle des variables<\/h3>\n L’application rigoureuse et fluide d’analyses quantitatives au sein d’Excel repose en premier lieu sur la structuration irr\u00e9prochable de la feuille de calcul en une matrice de donn\u00e9es conforme aux principes canoniques des bases de donn\u00e9es relationnelles (\u00ab donn\u00e9es bien rang\u00e9es \u00bb ou tidy data<\/a>). Dans cette configuration standardis\u00e9e, chaque ligne horizontale doit imp\u00e9rativement repr\u00e9senter une unit\u00e9 exp\u00e9rimentale unique et exclusive (un sujet, un patient ou un r\u00e9pondant), tandis que chaque colonne verticale doit incarner une variable op\u00e9rationnelle sp\u00e9cifique clairement d\u00e9limit\u00e9e.<\/p>\nPour mener \u00e0 bien une corr\u00e9lation point-bis\u00e9riale, la disposition minimale recommand\u00e9e s’articule autour de trois colonnes contigu\u00ebs. La premi\u00e8re colonne (Colonne A) doit \u00eatre r\u00e9serv\u00e9e \u00e0 un identifiant unique et non nominatif du participant (par exemple ID_Sujet<\/code>, index\u00e9 de SUBJ_001<\/code> \u00e0 SUBJ_N<\/code>), garantissant ainsi la tra\u00e7abilit\u00e9 int\u00e9grale de l’audit des donn\u00e9es et pr\u00e9servant l’anonymat prescrit par les comit\u00e9s d’\u00e9thique. La deuxi\u00e8me colonne (Colonne B) accueille la variable ind\u00e9pendante binaire (par exemple Groupe_Traitement<\/code> ou Statut_Diagnostic<\/code>). Enfin, la troisi\u00e8me colonne (Colonne C) h\u00e9berge la variable d\u00e9pendante quantitative continue (par exemple Score_Memoire_Chiffres<\/code> ou Temps_Reaction_ms<\/code>).<\/p>\nLa premi\u00e8re ligne de la feuille de calcul doit \u00eatre exclusivement consacr\u00e9e aux en-t\u00eates de colonnes, r\u00e9dig\u00e9s sous forme d’\u00e9tiquettes alphanum\u00e9riques explicites mais compactes, proscrivant les espaces superflus, les caract\u00e8res accentu\u00e9s complexes ou les symboles math\u00e9matiques susceptibles d’induire des erreurs d’adressage dans les formules. Il est hautement recommand\u00e9 d’activer le figeage de cette ligne d’en-t\u00eate (via l’onglet Affichage<\/em> > Figer les volets<\/em> > Figer la ligne sup\u00e9rieure<\/em>) afin de pr\u00e9server la lisibilit\u00e9 de la matrice lors du d\u00e9filement des cohortes volumineuses.<\/p>\n4.2 Recodage num\u00e9rique des variables qualitatives textuelles<\/h3>\n Il est extr\u00eamement fr\u00e9quent que les matrices de donn\u00e9es brutes issues de plateformes d’enqu\u00eates en ligne (telles que Qualtrics, LimeSurvey ou Google Forms) ou d’extractions de dossiers m\u00e9dicaux informatis\u00e9s int\u00e8grent la variable cat\u00e9gorielle sous une forme textuelle ou verbale non interpr\u00e9table directement par les algorithmes de corr\u00e9lation lin\u00e9aire. Des d\u00e9signations telles que \u00ab T\u00e9moin \u00bb et \u00ab Trait\u00e9 \u00bb, \u00ab \u00c9chec \u00bb et \u00ab R\u00e9ussite \u00bb, ou \u00ab Pr\u00e9sent \u00bb et \u00ab Absent \u00bb doivent imp\u00e9rativement \u00eatre converties en valeurs num\u00e9riques discr\u00e8tes standardis\u00e9es 0 et 1.<\/p>\n
Pour accomplir cette transformation de fa\u00e7on automatis\u00e9e et sans risque d’alt\u00e9ration manuelle, l’analyste ins\u00e8re une nouvelle colonne de traitement et mobilise la fonction logique SI()<\/code> d’Excel. Supposons que les mentions verbales \u00ab Placebo \u00bb et \u00ab Mol\u00e9cule \u00bb soient consign\u00e9es dans la plage B2:B101<\/code>. Dans la cellule C2<\/code>, la commande suivante sera inscrite :<\/p>\n=SI(B2=\"Mol\u00e9cule\"; 1; SI(B2=\"Placebo\"; 0; \"\"))<\/code><\/p>\nCette formulation conditionnelle imbriqu\u00e9e attribue avec une rigueur absolue la valeur 1 \u00e0 toute occurrence de la modalit\u00e9 active, la valeur 0 au groupe t\u00e9moin, et renvoie une cellule vide (cha\u00eene nulle) en pr\u00e9sence de toute saisie non reconnue, pr\u00e9venant ainsi les contaminations num\u00e9riques accidentelles. Une fois saisie en C2<\/code>, cette formule est incr\u00e9ment\u00e9e le long de toute la colonne par double-clic sur la poign\u00e9e de recopie situ\u00e9e \u00e0 l’angle inf\u00e9rieur droit de la cellule s\u00e9lectionn\u00e9e.<\/p>\nAlternativement, pour les bases de donn\u00e9es fig\u00e9es ne n\u00e9cessitant pas d’actualisation dynamique, l’outil natif de recherche et remplacement d’Excel (accessible via le raccourci clavier Ctrl + H<\/em>) permet de substituer instantan\u00e9ment les cha\u00eenes textuelles par leurs \u00e9quivalents entiers. Cependant, cette m\u00e9thode destructive doit \u00eatre pr\u00e9c\u00e9d\u00e9e d’une copie de sauvegarde int\u00e9grale du classeur brut, afin de pr\u00e9server l’acc\u00e8s imm\u00e9diat aux donn\u00e9es sources initiales en cas d’audit m\u00e9thodologique.<\/p>\n4.3 Traitement des valeurs manquantes et aberrantes<\/h3>\n L’assainissement scrupuleux des donn\u00e9es en amont de toute ex\u00e9cution statistique conditionne la v\u00e9racit\u00e9 des r\u00e9sultats obtenus. En mati\u00e8re de valeurs manquantes (cellules vides ou codes non r\u00e9ponses), la r\u00e8gle absolue r\u00e9gissant la corr\u00e9lation bivari\u00e9e sous Excel est celle de l’exclusion compl\u00e8te par paire (listwise deletion). Les deux s\u00e9ries de donn\u00e9es analys\u00e9es doivent pr\u00e9senter un alignement vectoriel parfaitement synchronis\u00e9 : si un sujet renseigne son statut binaire mais pr\u00e9sente une valeur manquante sur la mesure continue (ou inversement), cette ligne doit \u00eatre purement et simplement neutralis\u00e9e de l’intervalle de corr\u00e9lation.<\/p>\n
La pr\u00e9sence de valeurs aberrantes (outliers) sur la variable continue constitue une menace redoutable pour la stabilit\u00e9 du rpb<\/sub><\/em>. En raison de sa structure lin\u00e9aire h\u00e9rit\u00e9e de Pearson, le coefficient repose sur l’\u00e9l\u00e9vation au carr\u00e9 des \u00e9carts \u00e0 la moyenne ; une unique observation d\u00e9viante situ\u00e9e \u00e0 4 ou 5 \u00e9carts-types de la moyenne conditionnelle de son groupe peut distordre artificiellement l’indice, le gonflant ou l’annihilant de mani\u00e8re totalement fallacieuse. Pour d\u00e9tecter ces anomalies sous Excel, il est pr\u00e9conis\u00e9 de calculer les scores centr\u00e9s-r\u00e9duits (z-scores) de la variable continue au moyen de la formule :<\/p>\n=CENTREE.REDUITE(C2; MOYENNE($C$<\/span>2:$C$<\/span>101); ECARTYPE.STANDARD($C$<\/span>2:$C$<\/span>101))<\/code><\/p>\nToute observation g\u00e9n\u00e9rant un z-score dont la valeur absolue exc\u00e8de le seuil conventionnel de 3,00 (voire 3,29 dans les grands \u00e9chantillons) doit faire l’objet d’un examen qualitatif minutieux. L’exp\u00e9rimentateur doit d\u00e9terminer s’il s’agit d’une erreur de saisie manifeste (par exemple un temps de r\u00e9action n\u00e9gatif ou un score d\u00e9passant le plafond th\u00e9orique du test), auquel cas la donn\u00e9e est corrig\u00e9e ou expurg\u00e9e, ou d’une variabilit\u00e9 biologique extr\u00eame mais authentique. Toutes les exclusions d’observations doivent \u00eatre document\u00e9es de mani\u00e8re exhaustive dans le cahier de recherche, en explicitant le crit\u00e8re num\u00e9rique strict ayant pr\u00e9sid\u00e9 \u00e0 la d\u00e9cision.<\/p>\n
5. Proc\u00e9dure d’ex\u00e9cution directe avec la fonction CORREL d’Excel<\/h2>\n5.1 Syntaxe g\u00e9n\u00e9rale et param\u00e9trage de l’argument<\/h3>\n Microsoft Excel int\u00e8gre au sein de sa biblioth\u00e8que math\u00e9matique standard une fonction sp\u00e9cifiquement d\u00e9di\u00e9e au calcul instantan\u00e9 du coefficient de corr\u00e9lation produit-moment de Bravais-Pearson, partag\u00e9e sous la syntaxe g\u00e9n\u00e9rique CORREL<\/code> (ou indiff\u00e9remment PEARSON<\/code>, les deux d\u00e9nominations sollicitant le m\u00eame sous-programme algorithmique). Cette fonction requiert la d\u00e9claration de deux arguments obligatoires, d\u00e9sign\u00e9s sous le terme de matrices (ou plages vectorielles de cellules) :<\/p>\n=CORREL(matrice1; matrice2)<\/code><\/p>\nDans la d\u00e9clinaison francophone du tableur, l’op\u00e9rateur de s\u00e9paration des arguments est traditionnellement le point-virgule (;<\/code>), tandis que les \u00e9ditions anglophones recourent \u00e0 la virgule standard (,<\/code>). Le param\u00e8tre matrice1<\/code> d\u00e9signe la plage continue de cellules contenant les valeurs de la premi\u00e8re variable (par exemple la variable cat\u00e9gorielle pr\u00e9alablement cod\u00e9e en 0 et 1), tandis que le param\u00e8tre matrice2<\/code> cible l’intervalle d\u00e9limitant les scores de la seconde variable continue.<\/p>\nL’une des propri\u00e9t\u00e9s formelles les plus appr\u00e9ciables de cette fonction r\u00e9side dans sa stricte commutativit\u00e9 math\u00e9matique. L’ordre d’introduction des arguments ne poss\u00e8de rigoureusement aucune incidence sur le r\u00e9sultat produit par le tableur : la commande =CORREL(Plage_X; Plage_Y)<\/code> renverra une valeur strictement identique \u00e0 la syntaxe =CORREL(Plage_Y; Plage_X)<\/code>. La seule exigence structurelle inalt\u00e9rable impos\u00e9e par l’algorithme est l’\u00e9galit\u00e9 dimensionnelle exacte des deux matrices d\u00e9clar\u00e9es : le nombre de cellules individuelles composant matrice1<\/code> doit correspondre exactement au nombre de cellules assign\u00e9es \u00e0 matrice2<\/code>.<\/p>\nPoint-biserial correlation in Excel<\/figcaption><\/figure>\n5.2 Application pas \u00e0 pas sur un jeu de donn\u00e9es psychom\u00e9triques<\/h3>\n Afin de concr\u00e9tiser la manipulation dans un contexte repr\u00e9sentatif des sciences du comportement, consid\u00e9rons une \u00e9tude psychom\u00e9trique portant sur 50 participants (N<\/em> = 50). L’investigateur cherche \u00e0 mesurer le lien entre la r\u00e9ussite \u00e0 une t\u00e2che d’attention soutenue informatis\u00e9e (variable binaire cod\u00e9e 1 pour Succ\u00e8s et 0 pour \u00c9chec, implant\u00e9e dans la plage de cellules B2:B51<\/code>) et le score obtenu \u00e0 un sous-test d’efficience mn\u00e9sique continue (plage de cellules C2:C51<\/code>).<\/p>\nLa d\u00e9marche s\u00e9quentielle d’ex\u00e9cution s’articule comme suit au sein du tableur :<\/p>\n
\n\u00c9tape 1 :<\/strong> Naviguer vers une cellule vierge situ\u00e9e en dehors de la matrice principale des donn\u00e9es brutes, par exemple la cellule E2<\/code>, destin\u00e9e \u00e0 accueillir la statistique finale.<\/li>\n\u00c9tape 2 :<\/strong> Saisir le signe d’\u00e9galit\u00e9 conventionnel d\u00e9clenchant l’\u00e9valuation de formule : =<\/code>.<\/li>\n\u00c9tape 3 :<\/strong> Inscrire le nom de la fonction en capitales ou minuscules : CORREL(<\/code>.<\/li>\n\u00c9tape 4 :<\/strong> S\u00e9lectionner \u00e0 la souris la plage d\u00e9limitant la variable dichotomique, de la cellule B2<\/code> \u00e0 la cellule B51<\/code>, ou inscrire manuellement la r\u00e9f\u00e9rence matricielle absolue $B$<\/span>2:$B$<\/span>51<\/code>.<\/li>\n\u00c9tape 5 :<\/strong> Ins\u00e9rer le s\u00e9parateur syntaxique point-virgule (;<\/code>).<\/li>\n\u00c9tape 6 :<\/strong> Pointer ensuite la plage contenant les scores continus de m\u00e9moire, s’\u00e9tendant de la cellule C2<\/code> \u00e0 la cellule C51<\/code> (soit $C$<\/span>2:$C$<\/span>51<\/code>).<\/li>\n\u00c9tape 7 :<\/strong> Fermer la parenth\u00e8se de l’expression math\u00e9matique pour obtenir l’\u00e9quation compl\u00e8te : =CORREL($B$<\/span>2:$B$<\/span>51; $C$<\/span>2:$C$<\/span>51)<\/code>.<\/li>\n\u00c9tape 8 :<\/strong> Appuyer sur la touche Entr\u00e9e<\/em> du clavier pour d\u00e9clencher l’\u00e9valuation algorithmique.<\/li>\n<\/ul>\nLe tableur restitue instantan\u00e9ment la valeur num\u00e9rique brute du coefficient de corr\u00e9lation point-bis\u00e9riale, par exemple 0,462819...<\/code>. L’analyste prendra soin de formater l’affichage de cette cellule num\u00e9rique via le menu contextuel de formatage pour ne conserver que trois d\u00e9cimales significatives, conform\u00e9ment aux conventions typographiques internationales de reporting scientifique.<\/p>\n5.3 D\u00e9pannage des codes d’erreur fr\u00e9quents dans Excel<\/h3>\n Lors de l’impl\u00e9mentation de la fonction CORREL<\/code>, l’utilisateur peut \u00eatre confront\u00e9 \u00e0 l’apparition inopin\u00e9e de codes d’erreur standards d’Excel. Le diagnostic rapide et la r\u00e9solution m\u00e9thodique de ces dysfonctionnements participent de la comp\u00e9tence op\u00e9rationnelle de tout analyste de donn\u00e9es exp\u00e9rimentales.<\/p>\nL’erreur la plus embl\u00e9matique est le message #DIV\/0!<\/code>. Dans le contexte de la commande CORREL<\/code>, cette anomalie ne provient g\u00e9n\u00e9ralement pas d’une tentative explicite de division par un z\u00e9ro isol\u00e9, mais signale l’absence totale de variance au sein de l’une des deux matrices d’entr\u00e9e. Si, par inadvertance, la variable binaire ne comporte qu’une seule et unique modalit\u00e9 pour l’ensemble des lignes (par exemple si la totalit\u00e9 des participants a \u00e9t\u00e9 cod\u00e9e 1, suite \u00e0 une erreur de filtrage ou de s\u00e9lection de plage), la somme des carr\u00e9s des \u00e9carts \u00e0 la moyenne s’annule rigoureusement (\u03c3<\/em> = 0). Le d\u00e9nominateur de l’\u00e9quation de Pearson tombant \u00e0 z\u00e9ro, l’algorithme renvoie m\u00e9caniquement l’ind\u00e9termination #DIV\/0!<\/code>. La correction impose de v\u00e9rifier la variance de chaque vecteur via =VAR.S()<\/code>.<\/p>\nLe second incident technique courant est la mat\u00e9rialisation du code #VALEUR!<\/code>. Cette erreur survient d\u00e8s lors que l’une des cellules comprises dans les plages vectorielles d\u00e9clar\u00e9es contient une cha\u00eene textuelle non convertible, un caract\u00e8re d’espacement parasite ou un caract\u00e8re masqu\u00e9 h\u00e9rit\u00e9 d’un import de fichier externe. Si la variable binaire contient accidentellement le texte \u00ab 1 \u00bb sous format texte au lieu de la valeur num\u00e9rique 1, le calcul matriciel est bloqu\u00e9. La s\u00e9lection de la colonne suivie de l’application de la commande Convertir<\/em> (onglet Donn\u00e9es<\/em>) permet d’assainir instantan\u00e9ment les types de donn\u00e9es sous-jacents.<\/p>\nEnfin, si les deux plages vectorielles d\u00e9clar\u00e9es ne poss\u00e8dent pas rigoureusement la m\u00eame taille m\u00e9trique (par exemple si la matrice 1 s’\u00e9tend de B2:B51<\/code> tandis que la matrice 2 s’\u00e9tend de C2:C50<\/code>), Excel n’\u00e9mettra pas toujours une erreur bloquante explicite mais peut tronquer arbitrairement l’analyse ou refuser d’\u00e9valuer la fonction. Une vigilance constante quant \u00e0 la stricte concordance dimensionnelle des vecteurs analys\u00e9s s’av\u00e8re indispensable.<\/p>\n6. Calcul analytique d\u00e9taill\u00e9 selon la formule math\u00e9matique d\u00e9di\u00e9e<\/h2>\n6.1 D\u00e9composition alg\u00e9brique de l’\u00e9quation point-bis\u00e9riale<\/h3>\n Bien que l’extraction via la fonction CORREL<\/code> s’av\u00e8re op\u00e9rationnellement parfaite, la d\u00e9composition pas \u00e0 pas de l’\u00e9quation alg\u00e9brique d\u00e9di\u00e9e enrichit consid\u00e9rablement la compr\u00e9hension conceptuelle des m\u00e9canismes psychom\u00e9triques qui gouvernent l’indice. Dans la litt\u00e9rature acad\u00e9mique sp\u00e9cialis\u00e9e, la corr\u00e9lation point-bis\u00e9riale est formellement d\u00e9finie par l’\u00e9quation canonique suivante :<\/p>\nrpb<\/sub><\/em> = [(M<\/em>1<\/sub> – M<\/em>0<\/sub>) \/ Stot<\/sub><\/em>] \u00d7 \u221a(p<\/em> \u00d7 q<\/em>)<\/strong><\/p>\nO\u00f9 chaque composante math\u00e9matique remplit une fonction structurelle d\u00e9termin\u00e9e :<\/p>\n
\nM<\/em>1<\/sub> :<\/strong> Moyenne arithm\u00e9tique de la variable continue Y<\/em> calcul\u00e9e exclusivement pour les individus appartenant \u00e0 la modalit\u00e9 cod\u00e9e 1.<\/li>\nM<\/em>0<\/sub> :<\/strong> Moyenne arithm\u00e9tique de la variable continue Y<\/em> calcul\u00e9e exclusivement pour les individus appartenant \u00e0 la modalit\u00e9 cod\u00e9e 0.<\/li>\nStot<\/sub><\/em> :<\/strong> \u00c9cart-type standard non biais\u00e9 de l’ensemble des scores de la variable continue Y<\/em>, amalgamant l’int\u00e9gralit\u00e9 de l’\u00e9chantillon sans distinction de groupe.<\/li>\np<\/em> :<\/strong> Proportion d’individus assign\u00e9s \u00e0 la modalit\u00e9 cod\u00e9e 1 au sein de l’\u00e9chantillon total (soit N<\/em>1<\/sub> \/ N<\/em>).<\/li>\nq<\/em> :<\/strong> Proportion d’individus assign\u00e9s \u00e0 la modalit\u00e9 cod\u00e9e 0 au sein de l’\u00e9chantillon total (soit N<\/em>0<\/sub> \/ N<\/em>, ou 1 – p<\/em>).<\/li>\n<\/ul>\nL’observation attentive de cette architecture factorielle r\u00e9v\u00e8le une perspective heuristique fondamentale : le premier terme [(M<\/em>1<\/sub> – M<\/em>0<\/sub>) \/ Stot<\/sub><\/em>] n’est rien d’autre que l’expression d’une diff\u00e9rence moyenne standardis\u00e9e, remarquablement analogue au d<\/em> de Cohen exploit\u00e9 pour quantifier les tailles d’effet dans les comparaisons de moyennes. Le second terme, \u221a(p<\/em> \u00d7 q<\/em>), agit comme un facteur de correction et de pond\u00e9ration directement tributaire du ratio d’\u00e9quilibre de l’\u00e9chantillon. Cette formule d\u00e9compos\u00e9e met en lumi\u00e8re le fait que la corr\u00e9lation point-bis\u00e9riale mesure simultan\u00e9ment la magnitude du contraste intergroupe et la parit\u00e9 structurelle de la distribution cat\u00e9gorielle.<\/p>\nPoint-biserial correlation example in Excel<\/figcaption><\/figure>\n6.2 Calcul des moyennes conditionnelles avec MOYENNE.SI<\/h3>\n L’impl\u00e9mentation de la formule d\u00e9di\u00e9e dans Excel requiert l’extraction pr\u00e9alable des moyennes conditionnelles associ\u00e9es \u00e0 chacune des deux cat\u00e9gories. \u00c0 cette fin, le tableur met \u00e0 disposition la fonction statistique conditionnelle MOYENNE.SI()<\/code>, dont la structure \u00e9vite tout recours \u00e0 des filtres manuels ou \u00e0 des tris pr\u00e9alables susceptibles de d\u00e9sorganiser l’int\u00e9grit\u00e9 de la matrice.<\/p>\nPour calculer la moyenne des scores continus affich\u00e9s par le sous-groupe cod\u00e9 0, l’analyste se positionne sur une cellule d\u00e9di\u00e9e (par exemple E5<\/code>) et saisit la syntaxe suivante :<\/p>\n=MOYENNE.SI($B$<\/span>2:$B$<\/span>51; 0; $C$<\/span>2:$C$<\/span>51)<\/code><\/p>\nDans cette formulation, le premier argument
![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/pointBiExcel1.png\")
<\/figure>\n![\"Point-biserial](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/pointBiExcel2.png\")
![\"Point-biserial](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/pointBiExcel3.png\")