{"id":4770,"date":"2026-09-11T13:06:44","date_gmt":"2026-09-11T13:06:44","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-effectuer-regression-lineaire-simple-r-etape-par-etape\/"},"modified":"2026-09-11T13:06:49","modified_gmt":"2026-09-11T13:06:49","slug":"comment-effectuer-regression-lineaire-simple-r-etape-par-etape","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-effectuer-regression-lineaire-simple-r-etape-par-etape","title":{"rendered":"Comment effectuer une r\u00e9gression lin\u00e9aire simple dans R (\u00e9tape par \u00e9tape)"},"content":{"rendered":"

L’analyse statistique au sein des sciences comportementales et de la psychologie contemporaine repose sur une exigence constante d’objectivation des ph\u00e9nom\u00e8nes observables et latents. Dans cette d\u00e9marche empirique, la mod\u00e9lisation des relations fonctionnelles entre construits psychologiques \u2014 qu’il s’agisse de mesurer l’impact du stress sur la m\u00e9moire de travail, l’effet du temps de sommeil sur l’attention soutenue ou l’influence du sentiment d’auto-efficacit\u00e9 sur la performance acad\u00e9mique \u2014 constitue le c\u0153ur battant de la recherche exp\u00e9rimentale et corr\u00e9lationnelle. Parmi l’arsenal m\u00e9thodologique disponible pour le chercheur, la r\u00e9gression lin\u00e9aire simple demeure la m\u00e9thode fondamentale et la pierre angulaire \u00e0 partir de laquelle s’\u00e9rigent les architectures statistiques plus complexes telles que les mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s et les \u00e9quations structurelles.<\/p>\n

Le langage de programmation et environnement statistique R s’est impos\u00e9, au fil des deux derni\u00e8res d\u00e9cennies, comme la r\u00e9f\u00e9rence mondiale incontournable pour l’analyse computationnelle des donn\u00e9es psychom\u00e9triques. Gr\u00e2ce \u00e0 son \u00e9cosyst\u00e8me modulaire ouvert, \u00e0 sa rigueur math\u00e9matique sans compromis et \u00e0 des capacit\u00e9s graphiques d’une expressivit\u00e9 in\u00e9gal\u00e9e, R permet non seulement d’ajuster des mod\u00e8les statistiques avec une pr\u00e9cision chirurgicale, mais \u00e9galement de sonder en profondeur le respect de leurs postulats sous-jacents. La mise en \u0153uvre d’une r\u00e9gression lin\u00e9aire simple dans R ne se r\u00e9sume pas \u00e0 l’ex\u00e9cution machinale d’une fonction d’estimation ; elle exige une compr\u00e9hension th\u00e9orique approfondie des hypoth\u00e8ses sous-jacentes, une exploration m\u00e9thodique de la structure des r\u00e9sidus et une interpr\u00e9tation rigoureuse des param\u00e8tres estim\u00e9s \u00e0 l’aune des th\u00e9ories psychologiques sous-jacentes.<\/p>\n

Ce guide exhaustif a pour vocation d’accompagner les chercheurs, psychologues quantitativistes, \u00e9tudiants doctorants et analystes de donn\u00e9es \u00e0 travers chaque dimension th\u00e9orique, computationnelle et interpr\u00e9tative de la r\u00e9gression lin\u00e9aire simple dans l’environnement R. En d\u00e9ployant une p\u00e9dagogie pas \u00e0 pas qui articule les principes math\u00e9matiques des moindres carr\u00e9s ordinaires, la syntaxe idiomatique moderne, le diagnostic minutieux des violations de postulats et les exigences de publication scientifique dict\u00e9es par l’American Psychological Association (APA), cet article fournit un cadre complet, reproductible et robuste pour transformer des observations brutes en inf\u00e9rences scientifiques irr\u00e9prochables.<\/p>\n

1. Introduction aux fondements th\u00e9oriques de la r\u00e9gression lin\u00e9aire simple en psychologie<\/h2>\n

1.1 D\u00e9finition et objectifs de la r\u00e9gression lin\u00e9aire simple<\/h3>\n

D’un point de vue \u00e9pist\u00e9mologique, la mod\u00e9lisation par r\u00e9gression lin\u00e9aire simple d\u00e9passe fondamentalement la simple description de l’association mutuelle mesur\u00e9e par une corr\u00e9lation bivari\u00e9e. Tandis que le coefficient de Pearson se contente d’\u00e9valuer la force et la direction de la co-variation sym\u00e9trique entre deux grandeurs sans assigner de r\u00f4le directionnel \u00e0 l’une ou l’autre, la r\u00e9gression postule une structure asym\u00e9trique. Dans ce cadre, une variable explicative \u2014 qualifi\u00e9e de variable ind\u00e9pendante, de variable pr\u00e9dictive ou de r\u00e9gresseur \u2014 est mobilis\u00e9e pour expliquer, pr\u00e9dire ou contraindre la variabilit\u00e9 observ\u00e9e au sein d’une variable de r\u00e9ponse, d\u00e9sign\u00e9e comme variable d\u00e9pendante ou variable crit\u00e8re. Ce basculement paradigmatique est crucial en psychologie empirique : il autorise le passage d’une simple observation de concordance comportementale \u00e0 un mod\u00e8le pr\u00e9dictif formel, voire \u00e0 une perspective causale lorsque le protocole exp\u00e9rimental garantit la manipulation temporelle du pr\u00e9dicteur et le contr\u00f4le strict des variables parasites.<\/p>\n

Dans l’\u00e9tude des processus cognitifs, des dynamiques \u00e9motionnelles et des caract\u00e9ristiques de la personnalit\u00e9, l’application de la r\u00e9gression lin\u00e9aire simple poursuit deux objectifs cardinaux. Le premier consiste \u00e0 quantifier l’ampleur de l’effet d’une manipulation ou d’un trait individuel sur un comportement donn\u00e9. Il ne s’agit plus uniquement de d\u00e9terminer si deux dimensions psychom\u00e9triques sont li\u00e9es de fa\u00e7on statistiquement significative, mais de mod\u00e9liser avec pr\u00e9cision le gain unitaire attendu sur le score crit\u00e8re pour chaque augmentation marginale d’une unit\u00e9 sur l’\u00e9chelle du pr\u00e9dicteur. Le second objectif rel\u00e8ve de l’inf\u00e9rence statistique formelle : tester des hypoth\u00e8ses r\u00e9futables concernant la population cible en extrapolant les r\u00e9gularit\u00e9s observ\u00e9es sur un \u00e9chantillon repr\u00e9sentatif, tout en circonscrivant l’incertitude inh\u00e9rente \u00e0 l’\u00e9chantillonnage al\u00e9atoire.<\/p>\n

1.2 L’\u00e9quation fondamentale de la droite de r\u00e9gression<\/h3>\n

L’architecture formelle de la r\u00e9gression lin\u00e9aire simple s’exprime au moyen de l’\u00e9quation math\u00e9matique d\u00e9finissant la population :<\/p>\n

yi<\/sub> = β0<\/sub> + β1<\/sub>xi<\/sub> + εi<\/sub><\/p>\n

Dans cette formulation analytique, yi<\/sub><\/em> repr\u00e9sente la valeur observ\u00e9e de la variable r\u00e9ponse pour le sujet i<\/em> au sein de la cohorte d’\u00e9tude, tandis que xi<\/sub><\/em> d\u00e9signe la valeur correspondante de la variable explicative pour ce m\u00eame participant. Le terme β0<\/sub> symbolise l’ordonn\u00e9e \u00e0 l’origine de la droite th\u00e9orique, commun\u00e9ment appel\u00e9e constante du mod\u00e8le. Sur le plan psychom\u00e9trique, sa signification d\u00e9pend fortement du calibrage des instruments de mesure : elle refl\u00e8te la valeur attendue de la r\u00e9ponse lorsque le pr\u00e9dicteur est strictement \u00e9gal \u00e0 z\u00e9ro. Lorsque x<\/em> repr\u00e9sente une \u00e9chelle psychom\u00e9trique brute o\u00f9 le z\u00e9ro est absent ou arbitraire \u2014 tel qu’un score de quotient intellectuel ou une note sur une \u00e9chelle de Likert allant de 1 \u00e0 7 \u2014, la constante peut s’av\u00e9rer d\u00e9pourvue de sens th\u00e9orique imm\u00e9diat, incitant le m\u00e9thodologiste \u00e0 recourir \u00e0 un centrage pr\u00e9alable pour rendre ce param\u00e8tre directement interpr\u00e9table au niveau de la moyenne de l’\u00e9chantillon.<\/p>\n

Le param\u00e8tre β1<\/sub> incarne la pente de la droite de r\u00e9gression, c’est-\u00e0-dire le taux de variation marginale de la variable r\u00e9ponse par unit\u00e9 d’augmentation de la variable ind\u00e9pendante. Il constitue le coefficient de r\u00e9gression proprement dit, dont le signe positif ou n\u00e9gatif indique la direction de la relation et dont la valeur absolue renseigne sur l’intensit\u00e9 de l’impact exerc\u00e9 par le pr\u00e9dicteur. Enfin, εi<\/sub> repr\u00e9sente le terme d’erreur r\u00e9siduelle al\u00e9atoire associ\u00e9 \u00e0 l’observation individuelle. En psychologie, o\u00f9 l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 interindividuelle est indissociable de la condition humaine, ce terme stochastique englobe l’ensemble des d\u00e9terminants non mesur\u00e9s, la variabilit\u00e9 physiologique transitoire, les erreurs inh\u00e9rentes \u00e0 la fid\u00e9lit\u00e9 des tests psychom\u00e9triques et le hasard probabiliste. Ce r\u00e9sidu est formellement mod\u00e9lis\u00e9 comme une variable al\u00e9atoire dont la distribution th\u00e9orique est cens\u00e9e suivre une loi normale de moyenne nulle et de variance constante σ2<\/sup>.<\/p>\n

1.3 Le principe d’estimation par les moindres carr\u00e9s ordinaires (MCO)<\/h3>\n

La d\u00e9rivation empirique des coefficients de r\u00e9gression inconnus (β0<\/sub> et β1<\/sub>) \u00e0 partir des donn\u00e9es \u00e9chantillonn\u00e9es repose traditionnellement sur la m\u00e9thode des moindres carr\u00e9s ordinaires (MCO). Le principe g\u00e9om\u00e9trique fondamental de cette approche consiste \u00e0 identifier, parmi l’infinit\u00e9 de trajectoires lin\u00e9aires concevables au sein du plan cart\u00e9sien bivari\u00e9, la droite unique qui minimise la somme des carr\u00e9s des \u00e9carts verticaux s\u00e9parant chaque point d’observation empirique de sa projection orthogonale sur la droite pr\u00e9dite. Alg\u00e9briquement, il s’agit de minimiser la fonction de co\u00fbt connue sous le terme de somme des r\u00e9sidus au carr\u00e9 (not\u00e9e SSE, pour Sum of Squared Errors<\/em>) :<\/p>\n

SSE = Σ (yi<\/sub> – (β̂0<\/sub> + β̂1<\/sub>xi<\/sub>))2<\/sup><\/p>\n

Par diff\u00e9rentiation partielle et annulation des d\u00e9riv\u00e9es premi\u00e8res par rapport aux deux estimateurs, les \u00e9quations normales de Gauss permettent d’aboutir \u00e0 des solutions analytiques uniques sous forme ferm\u00e9e. Le c\u00e9l\u00e8bre th\u00e9or\u00e8me de Gauss-Markov<\/a> stipule que, sous r\u00e9serve du respect des postulats classiques de lin\u00e9arit\u00e9, d’ind\u00e9pendance, d’esp\u00e9rance conditionnelle nulle et d’homog\u00e9n\u00e9it\u00e9 de la variance, les estimateurs issus des MCO poss\u00e8dent la propri\u00e9t\u00e9 remarquable d’\u00eatre les meilleurs estimateurs lin\u00e9aires sans biais disponibles (d\u00e9sign\u00e9s par l’acronyme BLUE, pour Best Linear Unbiased Estimators<\/em>). Cela implique qu’aucun autre estimateur lin\u00e9aire n’est capable d’afficher une variance d’\u00e9chantillonnage inf\u00e9rieure \u00e0 celle obtenue par les moindres carr\u00e9s ordinaires.<\/p>\n

Il importe toutefois de souligner la vuln\u00e9rabilit\u00e9 math\u00e9matique inh\u00e9rente au crit\u00e8re quadratique des moindres carr\u00e9s. En \u00e9levant au carr\u00e9 les distances r\u00e9siduelles, l’algorithme accorde un poids disproportionn\u00e9 aux points situ\u00e9s aux marges extr\u00eames de la distribution empirique. Par cons\u00e9quent, l’existence d’une asym\u00e9trie marqu\u00e9e ou la pr\u00e9sence d’observations aberrantes est susceptible de d\u00e9vier substantiellement la trajectoire de la droite, distordant les conclusions statistiques. Si l’approche par le maximum de vraisemblance (MLE) constitue une alternative conceptuelle puissante \u2014 convergeant vers des estimations parfaitement identiques \u00e0 celles des MCO sous l’hypoth\u00e8se stricte de normalit\u00e9 gaussienne des erreurs \u2014, les MCO conservent la primaut\u00e9 en pratique clinique et exp\u00e9rimentale en raison de leur simplicit\u00e9 computationnelle et de leur robustesse op\u00e9rationnelle \u00e9prouv\u00e9e.<\/p>\n

2. Formulation math\u00e9matique et postulats sous-jacents du mod\u00e8le lin\u00e9aire<\/h2>\n

2.1 Hypoth\u00e8se de lin\u00e9arit\u00e9 de la relation<\/h3>\n

L’hypoth\u00e8se primordiale conditionnant la validit\u00e9 interne d’un mod\u00e8le de r\u00e9gression lin\u00e9aire simple postule que la relation fonctionnelle reliant la variable ind\u00e9pendante \u00e0 la variable d\u00e9pendante est de nature lin\u00e9aire. Math\u00e9matiquement, cela implique que l’esp\u00e9rance conditionnelle de la r\u00e9ponse pour une valeur fix\u00e9e du pr\u00e9dicteur, not\u00e9e E(Y|X = x), constitue une transformation affine stricte de cette valeur explicative. Cette contrainte fondamentale impose que le changement marginal attendu au niveau de la variable crit\u00e8re pour un incr\u00e9ment d’une unit\u00e9 de x<\/em> demeure rigoureusement invariant, quel que soit le niveau initialement consid\u00e9r\u00e9 sur le continuum du pr\u00e9dicteur.<\/p>\n

En sciences du comportement, la violation de ce postulat survient fr\u00e9quemment lors de l’\u00e9tude de m\u00e9canismes r\u00e9gul\u00e9s par des lois psychophysiques ou psychobiologiques non monotones. L’illustration paradigmatique en est la c\u00e9l\u00e8bre loi de Yerkes-Dodson, qui th\u00e9orise une relation en cloche (en U invers\u00e9) entre le niveau d’\u00e9veil ou de stress d’un sujet et sa performance cognitive. Si un chercheur tente d’ajuster un mod\u00e8le lin\u00e9aire strict sur des donn\u00e9es r\u00e9gies par un processus curviligne quadratique ou exponentiel, les estimations de la pente β̂1<\/sub> s’av\u00e9reront biais\u00e9es et masqueront la r\u00e9alit\u00e9 ph\u00e9nom\u00e9nologique. L’\u00e9valuation de la lin\u00e9arit\u00e9 requiert par cons\u00e9quent une exploration minutieuse des trajectoires empiriques par l’entremise de fonctions non param\u00e9triques liss\u00e9es avant de statuer sur la pertinence d’une sp\u00e9cification lin\u00e9aire directe.<\/p>\n

2.2 Ind\u00e9pendance et homosc\u00e9dasticit\u00e9 des erreurs<\/h3>\n

Le second corpus de postulats concerne les propri\u00e9t\u00e9s intrins\u00e8ques du terme d’erreur r\u00e9siduelle. En premier lieu, l’hypoth\u00e8se d’ind\u00e9pendance mutuelle des r\u00e9sidus exige que la covariance stochastique entre deux erreurs distinctes, Cov(εi<\/sub>, εj<\/sub>), soit nulle pour tout couple d’observations i ≠ j<\/em>. Dans le contexte de la recherche psychologique, cette hypoth\u00e8se est syst\u00e9matiquement compromise d\u00e8s lors que les donn\u00e9es pr\u00e9sentent une structure hi\u00e9rarchique, embo\u00eet\u00e9e ou s\u00e9quentielle : c’est le cas typique des cohortes scolaires o\u00f9 les \u00e9l\u00e8ves d’une m\u00eame classe partagent des influences p\u00e9dagogiques communes, ou encore des protocoles longitudinaux impliquant des mesures r\u00e9p\u00e9t\u00e9es sur les m\u00eames sujets \u00e0 intervalles r\u00e9guliers. La pr\u00e9sence d’autocorr\u00e9lation r\u00e9siduelle alt\u00e8re drastiquement le calcul des degr\u00e9s de libert\u00e9 et conduit \u00e0 une sous-estimation artificielle des erreurs-types, g\u00e9n\u00e9rant un risque d’inflation dramatique de l’erreur de type I (faux positifs).<\/p>\n

En second lieu, l’hypoth\u00e8se d’homog\u00e9n\u00e9it\u00e9 de la variance des erreurs, d\u00e9nomm\u00e9e homosc\u00e9dasticit\u00e9<\/em>, stipule que la variance conditionnelle des perturbations stochastiques Var(εi<\/sub>|X = xi<\/sub>) = σ2<\/sup> doit demeurer rigoureusement constante sur l’int\u00e9gralit\u00e9 du domaine de d\u00e9finition du pr\u00e9dicteur. \u00c0 l’oppos\u00e9, l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 caract\u00e9rise une configuration pathologique o\u00f9 la dispersion des r\u00e9sidus s’accro\u00eet ou s’amenuise en fonction de la magnitude de x<\/em>. En psychopathologie exp\u00e9rimentale, il est courant de constater que les sujets affichant des niveaux mod\u00e9r\u00e9s d’anxi\u00e9t\u00e9 pr\u00e9sentent une variance comportementale restreinte, tandis que les individus hautement anxieux d\u00e9veloppent des r\u00e9ponses motrices erratiques et hautement dispers\u00e9es. Bien que l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 ne biaise pas les estimations ponctuelles des coefficients par les MCO, elle d\u00e9truit l’optimalit\u00e9 asymptotique de leur variance et invalide les tests statistiques bas\u00e9s sur la statistique t<\/em> et la statistique F<\/em>.<\/p>\n

2.3 Normalit\u00e9 conditionnelle des r\u00e9sidus<\/h3>\n

Le postulat de normalit\u00e9 des r\u00e9sidus stipule que la distribution d’\u00e9chantillonnage de l’erreur stochastique, conditionnellement \u00e0 n’importe quel niveau de la variable explicative, se conforme \u00e0 une loi de distribution gaussienne de moyenne nulle : εi<\/sub> ~ N<\/em>(0, σ2<\/sup>). Il est fondamental d’op\u00e9rer une distinction conceptuelle nette entre la normalit\u00e9 marginale des variables brutes et la normalit\u00e9 des r\u00e9sidus du mod\u00e8le ajust\u00e9. En effet, la r\u00e9gression lin\u00e9aire simple n’impose aucunement que la variable ind\u00e9pendante x<\/em> ou la variable r\u00e9ponse y<\/em> suivent isol\u00e9ment une loi normale non conditionnelle dans la population. Il est tout \u00e0 fait licite d’int\u00e9grer des pr\u00e9dicteurs asym\u00e9triques, uniformes ou bivalents, pourvu que la dispersion des \u00e9carts autour du plan de r\u00e9gression soit, elle, normalement distribu\u00e9e.<\/p>\n

Sur le plan inf\u00e9rentiel, ce postulat conditionne la validit\u00e9 exacte des distributions d’\u00e9chantillonnage mobilis\u00e9es pour le calcul des valeurs p<\/em> et l’\u00e9tablissement des intervalles de confiance \u00e0 seuil nominal garanti. N\u00e9anmoins, en vertu du th\u00e9or\u00e8me central limite, le mod\u00e8le lin\u00e9aire b\u00e9n\u00e9ficie d’une robustesse asymptotique consid\u00e9rable : au sein de grands \u00e9chantillons (g\u00e9n\u00e9ralement n<\/em> > 100 ou 200 en psychom\u00e9trie), les estimateurs des coefficients convergent vers une loi normale m\u00eame lorsque la distribution empirique des r\u00e9sidus s’\u00e9carte mod\u00e9r\u00e9ment de la gaussianit\u00e9 id\u00e9ale. Pour autant, dans les \u00e9tudes cliniques restreintes ou les protocoles de neuro-imagerie fonctionnelle impliquant des effectifs limit\u00e9s, le non-respect av\u00e9r\u00e9 de cette normalit\u00e9 conditionnelle peut compromettre l’interpr\u00e9tation des seuils de significativit\u00e9 statistique, requ\u00e9rant alors des ajustements m\u00e9thodologiques sp\u00e9cifiques.<\/p>\n

3. \u00c9tape 1 : Pr\u00e9paration de l’environnement R et chargement des donn\u00e9es<\/h2>\n

3.1 Configuration de l’espace de travail et biblioth\u00e8ques essentielles<\/h3>\n

Pour assurer la rigueur et la reproductibilit\u00e9 computationnelle exig\u00e9es par les sciences ouvertes contemporaines, la mise en place d’une session de travail R standardis\u00e9e constitue un pr\u00e9alable m\u00e9thodologique absolu. L’\u00e9cosyst\u00e8me Tidyverse<\/a>, con\u00e7u sous la direction m\u00e9thodologique d’Hadley Wickham, fournit une suite int\u00e9gr\u00e9e et coh\u00e9rente de packages optimis\u00e9s pour l’ingestion, la manipulation et la restitution visuelle des donn\u00e9es psychom\u00e9triques. L’int\u00e9gration harmonieuse des packages readr<\/em> pour l’importation d\u00e9limit\u00e9e, dplyr<\/em> pour les op\u00e9rations de filtrage et de transformation vectorielle, et ggplot2<\/em> pour la grammaire graphique garantit une syntaxe claire et p\u00e9renne.<\/p>\n

Au-del\u00e0 du chargement des biblioth\u00e8ques fondamentales, le chercheur doit obligatoirement verrouiller le g\u00e9n\u00e9rateur de nombres pseudo-al\u00e9atoires au moyen de l’instruction set.seed()<\/em> lorsque des proc\u00e9dures de simulation, de permutation ou de partitionnement sont engag\u00e9es. De surcro\u00eet, le param\u00e9trage des options globales de la session \u2014 notamment la gestion du nombre de chiffres significatifs affich\u00e9s \u00e0 l’\u00e9cran via l’option options(digits = 4, scipen = 999)<\/em> \u2014 pr\u00e9vient l’irruption impromptue de notations scientifiques cryptiques dans les fen\u00eatres d’\u00e9mulation de la console, facilitant ainsi la lecture imm\u00e9diate des m\u00e9triques de pr\u00e9cision num\u00e9rique par l’exp\u00e9rimentateur.<\/p>\n

3.2 Cr\u00e9ation d’un jeu de donn\u00e9es psychologique exp\u00e9rimental<\/h3>\n

Afin de concr\u00e9tiser l’expos\u00e9 des m\u00e9thodes d’estimation tout au long de cette monographie, nous concevons un jeu de donn\u00e9es exp\u00e9rimental r\u00e9aliste, simulant une \u00e9tude men\u00e9e en psychologie cognitive et diff\u00e9rentielle. Supposons qu’un laboratoire universitaire s’int\u00e9resse \u00e0 l’impact mesurable du volume horaire hebdomadaire allou\u00e9 \u00e0 la r\u00e9vision autonome (not\u00e9 Temps_Etude<\/em>, exprim\u00e9 en heures) sur le score final obtenu lors d’un examen standardis\u00e9 d’\u00e9valuation des capacit\u00e9s de raisonnement inductif (not\u00e9 Score_Examen<\/em>, calibr\u00e9 sur une \u00e9chelle psychom\u00e9trique standardis\u00e9e de 0 \u00e0 100 points).<\/p>\n

L’\u00e9chantillon d’\u00e9tude comprend une cohorte de n<\/em> = 120 \u00e9tudiants universitaires de premier cycle ayant consenti \u00e0 faire monitorer leur travail pr\u00e9paratoire via une plateforme d’apprentissage num\u00e9rique. Chaque enregistrement int\u00e8gre un identifiant alphanum\u00e9rique unique pour chaque individu (ID_Sujet<\/em>), \u00e9cartant ainsi toute ambigu\u00eft\u00e9 sur l’unit\u00e9 d’observation. Les valeurs de la variable explicative continue sont mod\u00e9lis\u00e9es pour refl\u00e9ter la variabilit\u00e9 empirique typique d’une population \u00e9tudiante, avec une moyenne th\u00e9orique de 20 heures et un \u00e9cart-type de 5 heures, tandis que la r\u00e9ponse est d\u00e9termin\u00e9e par une fonction lin\u00e9aire augment\u00e9e d’un terme stochastique h\u00e9t\u00e9rog\u00e8ne, mimant les fluctuations individuelles r\u00e9elles observ\u00e9es sur le terrain exp\u00e9rimental.<\/p>\n

3.3 Inspection initiale et nettoyage des donn\u00e9es<\/h3>\n

L’importation ou la g\u00e9n\u00e9ration d’un tableau d’observations (qu’il se pr\u00e9sente sous la forme canonique d’un data.frame<\/em> de base ou d’un tibble<\/em> optimis\u00e9) ne saurait d\u00e9boucher directement sur l’ajustement m\u00e9canique d’un mod\u00e8le sans un contr\u00f4le qualit\u00e9 pr\u00e9alable. L’analyse structurale par le biais des fonctions syst\u00e8me str()<\/em> ou dplyr::glimpse()<\/em> permet de certifier le typage strict des colonnes. Il est imp\u00e9ratif que les deux variables d’int\u00e9r\u00eat soient encod\u00e9es sous forme de vecteurs num\u00e9riques \u00e0 double pr\u00e9cision (double<\/em> ou numeric<\/em>), et non sous forme de facteurs cat\u00e9goriels ou de cha\u00eenes de caract\u00e8res textuelles, un pi\u00e8ge r\u00e9current r\u00e9sultant de formats d’importation mal configur\u00e9s.<\/p>\n

En second lieu, l’exp\u00e9rimentateur doit auditer de mani\u00e8re syst\u00e9matique l’existence de donn\u00e9es manquantes (not\u00e9es NA<\/em> dans la terminologie interne de R). L’\u00e9valuation du pourcentage de vacance par variable via colSums(is.na(donnees))<\/em> permet de d\u00e9terminer si une strat\u00e9gie de suppression univari\u00e9e (na.omit()<\/em>) est m\u00e9thodologiquement acceptable ou si des protocoles d’imputation multiple s’av\u00e8rent n\u00e9cessaires afin d’\u00e9viter tout biais d’attrition syst\u00e9matique. Enfin, le contr\u00f4le des bornes num\u00e9riques au moyen de summary()<\/em> permet d’identifier d’\u00e9ventuelles erreurs d’encodage mat\u00e9riel, telles qu’un score de 150 sur un bar\u00e8me limit\u00e9 \u00e0 100, qui d\u00e9natureraient les r\u00e9sultats de toute mod\u00e9lisation ult\u00e9rieure.<\/p>\n

4. \u00c9tape 2 : Analyse exploratoire et corr\u00e9lation bivari\u00e9e pr\u00e9alable<\/h2>\n

4.1 Statistiques descriptives univari\u00e9es<\/h3>\n

L’analyse exploratoire des donn\u00e9es repr\u00e9sente l’\u00e9tape indispensable \u00e0 toute entreprise de mod\u00e9lisation inf\u00e9rentielle. Avant d’articuler un lien fonctionnel entre deux construits, le psychologue quantitativiste doit ma\u00eetriser l’architecture univari\u00e9e de chaque dimension prise individuellement. La caract\u00e9risation des tendances centrales s’op\u00e8re par l’extraction conjointe de la moyenne arithm\u00e9tique et de la m\u00e9diane, dont la proximit\u00e9 relative \u00e9claire le degr\u00e9 de sym\u00e9trie de la distribution. En parall\u00e8le, la m\u00e9trique de dispersion est jaug\u00e9e par le truchement de l’\u00e9cart-type empirique ajust\u00e9 (fourni par la fonction sd()<\/em>) et de l’intervalle interquartile (calcul\u00e9 par IQR()<\/em>), fournissant un contrepoint robuste face aux variations atypiques.<\/p>\n

L’examen des propri\u00e9t\u00e9s morphologiques des distributions impose l’\u00e9valuation des coefficients d’asym\u00e9trie (skewness<\/em>) et d’aplatissement (kurtosis<\/em>), couramment disponibles au sein du package e1071<\/em> ou psych<\/em>. Une asym\u00e9trie marqu\u00e9e t\u00e9moigne d’un tassement des scores vers le plancher ou le plafond de l’\u00e9preuve psychom\u00e9trique, une pathologie d’\u00e9chantillonnage fr\u00e9quente en psychologie scolaire. La spatialisation visuelle de ces m\u00e9triques s’effectue au moyen d’histogrammes calibr\u00e9s selon la r\u00e8gle de Freedman-Diaconis ou de bo\u00eetes \u00e0 moustaches (boxplots<\/em>) standardis\u00e9es selon l’algorithme de Tukey, r\u00e9v\u00e9lant les discontinuit\u00e9s distributionnelles majeures.<\/p>\n

\"Boxplot
Boxplot for simple linear regression in R<\/figcaption><\/figure>\n

4.2 \u00c9valuation du coefficient de corr\u00e9lation de Pearson<\/h3>\n

Pr\u00e9alablement \u00e0 l’\u00e9valuation param\u00e9trique de la droite de r\u00e9gression, il convient de quantifier l’intensit\u00e9 du couplage lin\u00e9aire brut par le calcul du coefficient de corr\u00e9lation produit-moment de Bravais-Pearson, conventionnellement symbolis\u00e9 par r<\/em>. L’ex\u00e9cution de la commande standard cor.test(donnees$Temps_Etude, donnees$<\/span>Score_Examen)<\/em> renvoie non seulement l’estimation ponctuelle du coefficient, mais \u00e9galement la statistique de Student associ\u00e9e, les degr\u00e9s de libert\u00e9 inh\u00e9rents (df = n – 2<\/em>), la valeur p<\/em> bilat\u00e9rale et l’intervalle de confiance encadrant le param\u00e8tre dans la population au seuil de confiance de 95 %.<\/p>\n

L’interpr\u00e9tation clinique de ce coefficient requiert une circonspection \u00e9pist\u00e9mologique stricte. Un coefficient d’une magnitude \u00e9lev\u00e9e (par exemple r<\/em> = 0.65, d\u00e9notant un grand effet selon les balises empiriques actualis\u00e9es de Jacob Cohen pour les sciences humaines) certifie une relation lin\u00e9aire consistante au sein de l’\u00e9chantillon, mais ne garantit en rien l’absence de biais de confusion caus\u00e9 par un tiers facteur non mod\u00e9lis\u00e9, tel que la motivation intrins\u00e8que ou le quotient intellectuel sous-jacent. Il n’en demeure pas moins que dans le cadre univari\u00e9 de la r\u00e9gression lin\u00e9aire simple, le carr\u00e9 du coefficient de Pearson (r2<\/sup><\/em>) co\u00efncide rigoureusement avec le coefficient de d\u00e9termination du mod\u00e8le lin\u00e9aire estim\u00e9, marquant la continuit\u00e9 analytique intime unissant corr\u00e9lation et r\u00e9gression.<\/p>\n

4.3 Construction du diagramme de dispersion exploratoire<\/h3>\n

Aucune synth\u00e8se num\u00e9rique univari\u00e9e ou bivari\u00e9e ne saurait suppl\u00e9er l’inspection visuelle globale des donn\u00e9es brutes au moyen d’un diagramme de dispersion cart\u00e9sien (scatterplot<\/em>). L’adage statistique formalis\u00e9 par le quartet d’Anscombe illustre avec acuit\u00e9 que des jeux de donn\u00e9es aux propri\u00e9t\u00e9s descriptives \u00e9l\u00e9mentaires et aux coefficients de Pearson rigoureusement identiques peuvent d\u00e9couler de structures ph\u00e9nom\u00e9nologiques fondamentalement dissemblables, englobant des relations paraboliques pures, des s\u00e9parations de sous-groupes ou des artefacts d’\u00e9chantillonnage extr\u00eames.<\/p>\n

\"Scatterplot
Scatterplot for simple linear regression in R<\/figcaption><\/figure>\n

La mobilisation de ggplot2<\/em> via la superposition de points g\u00e9om\u00e9triques individuels (geom_point()<\/em>) permet de scruter la disposition spatiale des donn\u00e9es psychom\u00e9triques. L’int\u00e9gration syst\u00e9matique d’une ligne de tendance liss\u00e9e non param\u00e9trique bas\u00e9e sur la r\u00e9gression locale LOESS (geom_smooth(method = \u00ab\u00a0loess\u00a0\u00bb, se = TRUE)<\/em>) fournit un point d’appui visuel fondamental. Si la trajectoire de lissage locale \u00e9pouse sans torsion manifeste une tendance rectiligne, le postulat de lin\u00e9arit\u00e9 est corrobor\u00e9 par l’exp\u00e9rience visuelle, validant le recours subs\u00e9quent \u00e0 un ajustement param\u00e9trique lin\u00e9aire global.<\/p>\n

5. \u00c9tape 3 : Ajustement du mod\u00e8le de r\u00e9gression lin\u00e9aire simple avec lm()<\/h2>\n

5.1 Syntaxe formelle de la fonction lm()<\/h3>\n

L’op\u00e9ration de mod\u00e9lisation lin\u00e9aire dans R est gouvern\u00e9e par la fonction fondamentale lm()<\/em>, issue du package central stats<\/em>. Sa syntaxe repose sur l’impl\u00e9mentation de la grammaire symbolique introduite historiquement par Wilkinson et Rogers en 1973. L’argument central consiste en une formule formelle o\u00f9 la variable r\u00e9ponse se positionne \u00e0 gauche de l’op\u00e9rateur tilde (~<\/em>), tandis que le terme pr\u00e9dictif se situe imm\u00e9diatement \u00e0 sa droite :<\/p>\n

modele_reg <- lm(Score_Examen ~ Temps_Etude, data = donnees)<\/p>\n

L’utilisation explicite du param\u00e8tre data<\/em> constitue une bonne pratique logicielle cardinale. Elle garantit que l’interpr\u00e9teur R \u00e9value les noms de variables au sein de l’environnement lexical confin\u00e9 du tableau d’observations pass\u00e9 en argument, pr\u00e9venant l’injection involontaire de vecteurs homonymes flottant dans l’espace de travail global (Global Environment<\/em>). L’affectation du r\u00e9sultat \u00e0 un objet structur\u00e9, ici nomm\u00e9 avec coh\u00e9rence modele_reg<\/em>, \u00e9vite la dispersion des calculs et pr\u00e9serve l’\u00e9tat complet du mod\u00e8le ajust\u00e9 en m\u00e9moire en vue d’op\u00e9rations d’extraction ou de diagnostics ult\u00e9rieurs.<\/p>\n

5.2 Exploration interne de l’objet de classe ‘lm’<\/h3>\n

L’objet retourn\u00e9 par l’appel \u00e0 la fonction lm()<\/em> appartient formellement \u00e0 la classe S3 \u00e9ponyme lm<\/em>. Sous cette d\u00e9signation formelle se dissimule une liste complexe contenant une douzaine d’\u00e9l\u00e9ments computationnels cruciaux d\u00e9coulant de l’application de la d\u00e9composition matricielle QR aux donn\u00e9es empiriques. L’inspection des composantes de l’objet via names(modele_reg)<\/em> r\u00e9v\u00e8le l’existence d’\u00e9l\u00e9ments matriciels indispensables tels que coefficients<\/em>, residuals<\/em>, fitted.values<\/em>, rank<\/em>, weights<\/em> et df.residual<\/em>.<\/p>\n

Pour extraire les m\u00e9triques de mod\u00e9lisation avec rigueur, le chercheur doit privil\u00e9gier les fonctions d’acc\u00e8s g\u00e9n\u00e9riques plut\u00f4t que l’indexation directe manuelle par le symbole dollar. Ainsi, l’instruction coef(modele_reg)<\/em> extrait fid\u00e8lement le vecteur \u00e0 deux \u00e9l\u00e9ments formalisant l’ordonn\u00e9e \u00e0 l’origine (β̂0<\/sub>) et le coefficient directeur de la pente (β̂1<\/sub>). Parall\u00e8lement, l’appel \u00e0 fitted(modele_reg)<\/em> et residuals(modele_reg)<\/em> permet d’isoler instantan\u00e9ment les 120 pr\u00e9dictions ajust\u00e9es conditionnelles et les 120 \u00e9carts r\u00e9siduels bruts, assurant un pipeline de traitement fluide et r\u00e9sistant aux \u00e9ventuelles restructurations d’objets au sein des versions logicielles de R.<\/p>\n

5.3 Gestion des facteurs d’\u00e9chelle et standardisation<\/h3>\n

L’interpr\u00e9tation brute des coefficients de r\u00e9gression d\u00e9pend intrins\u00e8quement des unit\u00e9s de mesure physiques ou psychom\u00e9triques assign\u00e9es aux instruments. Dans de multiples contextes de recherche compar\u00e9e ou m\u00e9ta-analytique, il s’av\u00e8re hautement profitable de s’affranchir des unit\u00e9s arbitraires en calculant les coefficients de r\u00e9gression standardis\u00e9s, commun\u00e9ment d\u00e9sign\u00e9s par la lettre grecque b\u00eata (β*). Un coefficient standardis\u00e9 traduit le nombre d’\u00e9carts-types de d\u00e9placement sur la variable r\u00e9ponse cons\u00e9cutif \u00e0 l’accroissement d’un \u00e9cart-type sur le continuum du pr\u00e9dicteur.<\/p>\n

Dans l’environnement R, cette standardisation s’op\u00e8re \u00e9l\u00e9gamment sans alt\u00e9rer les structures de donn\u00e9es originelles en incorporant la fonction vectorielle scale()<\/em> directement au sein de la formule de mod\u00e9lisation : lm(scale(Score_Examen) ~ scale(Temps_Etude), data = donnees)<\/em>. Sous cette configuration standardis\u00e9e, l’ordonn\u00e9e \u00e0 l’origine converge rigoureusement vers une valeur nulle en raison du centrage des deux vecteurs autour de z\u00e9ro, tandis que la pente estim\u00e9e β* devient math\u00e9matiquement indiscernable du coefficient de corr\u00e9lation bivari\u00e9 de Pearson r<\/em>. Cette sym\u00e9trie offre un pont conceptuel imm\u00e9diat pour comparer l’ampleur d’un effet psychologique \u00e0 travers des protocoles ayant employ\u00e9 des m\u00e9triques de mesure divergentes.<\/p>\n

6. \u00c9tape 4 : Interpr\u00e9tation exhaustive des sorties statistiques du mod\u00e8le<\/h2>\n

6.1 D\u00e9composition de la sortie de la fonction summary()<\/h3>\n

La commande canonique summary(modele_reg)<\/em> constitue le passage oblig\u00e9 pour l’interrogation synoptique du mod\u00e8le de r\u00e9gression. Sa restitution textuelle s’organise selon une architecture modulaire standardis\u00e9e. La section liminaire rappelle l’appel symbolique (Call<\/em>) ayant g\u00e9n\u00e9r\u00e9 l’objet, garantissant la tra\u00e7abilit\u00e9 de la commande. Elle est imm\u00e9diatement suivie d’une synth\u00e8se distributionnelle des erreurs r\u00e9siduelles d\u00e9coup\u00e9e selon cinq rep\u00e8res quantiles fondamentaux : le minimum, le premier quartile, la m\u00e9diane, le troisi\u00e8me quartile et le maximum. Pour un mod\u00e8le respectant rigoureusement la normalit\u00e9 et la sym\u00e9trie th\u00e9orique, la m\u00e9diane des r\u00e9sidus doit osciller de mani\u00e8re infinit\u00e9simale autour de z\u00e9ro, et les valeurs absolues des quartiles 1Q et 3Q doivent afficher une quasi-isom\u00e9trie.<\/p>\n

Le tableau centralis\u00e9 des coefficients (Coefficients<\/em>) synth\u00e9tise les composantes inf\u00e9rentielles majeures r\u00e9parties en quatre colonnes analytiques :<\/p>\n