{"id":4786,"date":"2026-09-11T13:16:05","date_gmt":"2026-09-11T13:16:05","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/introduction-regression-logistique\/"},"modified":"2026-09-11T13:16:06","modified_gmt":"2026-09-11T13:16:06","slug":"introduction-regression-logistique","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=introduction-regression-logistique","title":{"rendered":"Introduction \u00e0 la r\u00e9gression logistique"},"content":{"rendered":"

Dans le paysage contemporain de l’analyse de donn\u00e9es quantitatives et de la mod\u00e9lisation statistique appliqu\u00e9e aux sciences humaines, la compr\u00e9hension fine des m\u00e9canismes d\u00e9cisionnels, comportementaux et psychopathologiques constitue un enjeu \u00e9pist\u00e9mologique majeur. Pendant des d\u00e9cennies, le mod\u00e8le de r\u00e9gression lin\u00e9aire classique<\/a> par les moindres carr\u00e9s ordinaires a constitu\u00e9 le pilier fondamental de la recherche empirique. Toutefois, lorsqu’un chercheur est confront\u00e9 \u00e0 des ph\u00e9nom\u00e8nes dont la nature intrins\u00e8que est binaire — la survenue ou l’absence d’un \u00e9pisode d\u00e9pressif caract\u00e9ris\u00e9, l’\u00e9chec ou la r\u00e9ussite \u00e0 une t\u00e2che cognitive complexe, la d\u00e9mission d’un collaborateur ou son maintien en poste —, les assises th\u00e9oriques du mod\u00e8le lin\u00e9aire standard s’effondrent sous le poids de violations math\u00e9matiques r\u00e9dhibitoires.<\/p>\n

La transition vers la r\u00e9gression logistique ne rel\u00e8ve pas d’une simple pr\u00e9f\u00e9rence technique ou d’un raffinement accessoire ; elle incarne un changement de paradigme fondamental dans la mani\u00e8re de conceptualiser la relation entre des covariables — qu’elles soient psychom\u00e9triques, sociod\u00e9mographiques ou neurobiologiques — et un \u00e9v\u00e9nement discret. En substituant \u00e0 l’hypoth\u00e8se de lin\u00e9arit\u00e9 continue l’\u00e9l\u00e9gance de la transformation sigmo\u00efdale et de la m\u00e9trique des cotes (odds<\/em>), la r\u00e9gression logistique permet de pr\u00e9server l’int\u00e9grit\u00e9 probabiliste des pr\u00e9dictions tout en s’affranchissant des contraintes restrictives d’homosc\u00e9dasticit\u00e9 et de normalit\u00e9 des r\u00e9sidus.<\/p>\n

Ce guide exhaustif a pour vocation d’offrir une immersion rigoureuse, didactique et approfondie dans les fondements th\u00e9oriques, les m\u00e9canismes algorithmiques, l’interpr\u00e9tation diagnostique et les applications concr\u00e8tes de la r\u00e9gression logistique binaire et de ses extensions polytomiques. Con\u00e7u sp\u00e9cifiquement pour les chercheurs, statisticiens et praticiens des sciences comportementales et biom\u00e9dicales, ce document d\u00e9taille l’ensemble de la cha\u00eene m\u00e9thodologique, depuis la formulation analytique du mod\u00e8le jusqu’aux normes les plus strictes de publication acad\u00e9mique.<\/p>\n

1. Fondements th\u00e9oriques : De la r\u00e9gression lin\u00e9aire \u00e0 la r\u00e9gression logistique<\/h2>\n

1.1 Limites de la r\u00e9gression lin\u00e9aire pour les variables cat\u00e9gorielles<\/h3>\n

L’application directe de la m\u00e9thode des moindres carr\u00e9s ordinaires (MCO) \u00e0 une variable d\u00e9pendante dichotomique — souvent qualifi\u00e9e de mod\u00e8le de probabilit\u00e9 lin\u00e9aire (MPL) — se heurte \u00e0 des apories structurales insurmontables. En premier lieu, la fonction lin\u00e9aire Y = \u03b2\u2080 + \u03b2\u2081X + \u03b5<\/em> postule une relation sans borne entre les pr\u00e9dicteurs et la variable d\u00e9pendante. D\u00e8s lors que l’on interpr\u00e8te la valeur ajust\u00e9e \u0176<\/em> comme une probabilit\u00e9 conditionnelle d’occurrence de l’\u00e9v\u00e9nement, le mod\u00e8le produit in\u00e9vitablement, pour des valeurs extr\u00eames des covariables, des probabilit\u00e9s estim\u00e9es aberrantes, strictement inf\u00e9rieures \u00e0 0 ou sup\u00e9rieures \u00e0 1. Cette incoh\u00e9rence axiologique vicie la validit\u00e9 interne du mod\u00e8le, une probabilit\u00e9 ne pouvant math\u00e9matiquement s’extraire de l’intervalle ferm\u00e9 [0, 1].<\/p>\n

En second lieu, l’hypoth\u00e8se cardinale d’homosc\u00e9dasticit\u00e9 — stipulant la variance constante du terme d’erreur conditionnellement aux pr\u00e9dicteurs — est syst\u00e9matiquement viol\u00e9e dans le cadre d’une variable r\u00e9ponse binaire Y \u2208 {0, 1}<\/em>. Si l’on pose P(Y = 1 | X) = \u03c0(X)<\/em>, la variable al\u00e9atoire suit une distribution de Bernoulli dont la variance th\u00e9orique s’exprime par la fonction Var(Y | X) = \u03c0(X)(1 – \u03c0(X))<\/em>. Cette variance d\u00e9pend intrins\u00e8quement du niveau des covariables X<\/em> ; elle atteint son paroxysme lorsque \u03c0(X) = 0,5<\/em> et converge vers z\u00e9ro aux bornes extr\u00eames. L’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 qui en d\u00e9coule n’invalide pas la non-biaicit\u00e9 des estimateurs MCO, mais elle d\u00e9truit leur efficacit\u00e9 statistique, rendant les calculs d’erreurs-types erron\u00e9s et les tests d’hypoth\u00e8ses associ\u00e9s (notamment le test t<\/em> de Student) fallacieux.<\/p>\n

Enfin, l’hypoth\u00e8se de normalit\u00e9 des r\u00e9sidus \u03b5 = Y – \u03c0(X)<\/em> est intrins\u00e8quement intenable. Pour une valeur fix\u00e9e du vecteur de pr\u00e9dicteurs, le r\u00e9sidu ne peut prendre que deux valeurs discr\u00e8tes : 1 – \u03c0(X)<\/em> si l’\u00e9v\u00e9nement survient, ou -\u03c0(X)<\/em> si l’\u00e9v\u00e9nement fait d\u00e9faut. L’erreur conditionnelle suit donc une distribution discr\u00e8te bimodale hautement asym\u00e9trique, ce qui compromet d\u00e9finitivement l’inf\u00e9rence statistique standard reposant sur la loi normale pour des \u00e9chantillons de taille modeste.<\/p>\n

1.2 Concept de classification probabiliste en sciences comportementales<\/h3>\n

Dans l’investigation des conduites humaines, les ph\u00e9nom\u00e8nes mesur\u00e9s ne r\u00e9pondent que tr\u00e8s exceptionnellement \u00e0 des d\u00e9terminismes m\u00e9canistes univoques. La psychologie diff\u00e9rentielle, la neuropsychologie et la psychiatrie computationnelle appr\u00e9hendent l’individu \u00e0 travers des structures de vuln\u00e9rabilit\u00e9, des gradients de traits et des constellations de facteurs de risque. D\u00e8s lors, substituer un mod\u00e8le de classification probabiliste \u00e0 une classification d\u00e9terministe d\u00e9coule d’un imp\u00e9ratif th\u00e9orique : il ne s’agit pas d’affirmer si un individu pr\u00e9cis manifestera un comportement avec certitude, mais d’estimer avec pr\u00e9cision sa propension — ou probabilit\u00e9 latente — \u00e0 \u00e9mettre ce comportement \u00e0 l’int\u00e9rieur d’un contexte \u00e9cologique donn\u00e9.<\/p>\n

Sur le plan \u00e9pist\u00e9mologique, la mod\u00e9lisation probabiliste permet de s\u00e9parer la composante structurelle du ph\u00e9nom\u00e8ne — capt\u00e9e par les scores psychom\u00e9triques, les variables physiologiques ou les ant\u00e9c\u00e9dents environnementaux — du bruit stochastique r\u00e9siduel inh\u00e9rent \u00e0 l’ind\u00e9termination des conduites humaines. L’approche d\u00e9terministe impose une dichotomie artificielle pr\u00e9matur\u00e9e, alors que la r\u00e9gression logistique pr\u00e9serve la nuance m\u00e9trique continue de la probabilit\u00e9 conditionnelle P(Y = 1 | X)<\/em>.<\/p>\n

Dans les contextes diagnostiques et d’\u00e9valuation, la prise en compte de l’incertitude probabiliste est le seul rempart contre les erreurs de d\u00e9cision clinique. Attribuer \u00e0 un patient une probabilit\u00e9 de rechute de 51 % ne v\u00e9hicule pas la m\u00eame signification clinique que de lui attribuer une probabilit\u00e9 de 95 %, bien que ces deux valeurs soient cat\u00e9goris\u00e9es de fa\u00e7on identique par un algorithme binaire fonctionnant au seuil standard de 0,5. L’estimation probabiliste offre la flexibilit\u00e9 n\u00e9cessaire pour int\u00e9grer des fonctions d’utilit\u00e9 et de co\u00fbt diff\u00e9rentiels, pivots de la d\u00e9cision clinique rationnelle.<\/p>\n

1.3 Nature des variables d\u00e9pendantes dichotomiques en psychologie<\/h3>\n

La mod\u00e9lisation de variables r\u00e9ponses dichotomiques s’av\u00e8re omnipr\u00e9sente dans tous les domaines des sciences de l’esprit. En psychopathologie clinique, les classifications nosographiques telles que le Manuel diagnostique et statistique des troubles mentaux (DSM-5<\/a>) ou la Classification internationale des maladies (CIM-11) op\u00e8rent selon des fronti\u00e8res discr\u00e8tes : un sujet r\u00e9pond ou ne r\u00e9pond pas aux crit\u00e8res de l’\u00e9pisode d\u00e9pressif caract\u00e9ris\u00e9, de l’\u00e9tat de stress post-traumatique ou du trouble panique. Bien que la symptomatologie sous-jacente s’inscrive sur un continuum dimensionnel, l’action clinique — l’initiation d’une chimioth\u00e9rapie antid\u00e9pressive ou la prescription d’une psychoth\u00e9rapie structur\u00e9e — est cat\u00e9gorielle.<\/p>\n

En neuropsychologie cognitive, les paradigmes exp\u00e9rimentaux font appel de fa\u00e7on pr\u00e9pond\u00e9rante \u00e0 des variables dichotomiques lors de l’administration d’\u00e9preuves mesurant l’attention soutenue, la flexibilit\u00e9 mentale ou la m\u00e9moire \u00e9pisodique. La performance \u00e0 un essai sp\u00e9cifique au test d’appariement de cartes de Wisconsin ou au paradigme d’inhibition de la r\u00e9ponse (Go\/No-Go) se quantifie classiquement par un code binaire : succ\u00e8s (1) ou \u00e9chec\/erreur (0). L’analyse logistique permet de mod\u00e9liser comment la vitesse d’encodage, l’\u00e2ge chronologique ou la charge cognitive influencent la probabilit\u00e9 d’une ex\u00e9cution motrice sans faute.<\/p>\n

En psychologie de la sant\u00e9 et recherche sur l’observance th\u00e9rapeutique, l’adh\u00e9sion \u00e0 un protocole ou l’interruption pr\u00e9matur\u00e9e de la prise en charge (dropout<\/em>) constitue l’exemple canonique d’une issue binaire. La pr\u00e9servation de l’engagement dans une th\u00e9rapie comportementale et cognitive contre les addictions est conditionn\u00e9e par des variables d’alliance th\u00e9rapeutique, de motivation au changement et de soutien per\u00e7u. Mod\u00e9liser avec pr\u00e9cision ces comportements d’abandon r\u00e9pond \u00e0 une double exigence scientifique et organisationnelle au sein des institutions de soins.<\/p>\n

2. La fonction logistique et la transformation Logit<\/h2>\n

2.1 Propri\u00e9t\u00e9s math\u00e9matiques de la courbe sigmo\u00efde<\/h3>\n

Pour contraindre structurellement les pr\u00e9dictions d’un mod\u00e8le statistique \u00e0 s’inscrire dans l’intervalle probabiliste born\u00e9 [0, 1], l’analyse math\u00e9matique a recours \u00e0 la courbe sigmo\u00efde standard, couramment d\u00e9nomm\u00e9e fonction logistique standard. Cette fonction non lin\u00e9aire prend la forme alg\u00e9brique canonique suivante :<\/p>\n

f(z) = 1 \/ (1 + e-z<\/sup>) = ez<\/sup> \/ (1 + ez<\/sup>)<\/em><\/p>\n

Lorsque la variable interm\u00e9diaire z<\/em> — qui repr\u00e9sentera ult\u00e9rieurement la combinaison lin\u00e9aire de nos pr\u00e9dicteurs — tend vers l’infini n\u00e9gatif (z \u2192 -\u221e<\/em>), la quantit\u00e9 e-z<\/sup><\/em> cro\u00eet ind\u00e9finiment, conduisant le d\u00e9nominateur vers l’infini et la fonction f(z)<\/em> vers une asymptote horizontale \u00e0 0. R\u00e9ciproquement, lorsque z<\/em> tend vers l’infini positif (z \u2192 +\u221e<\/em>), e-z<\/sup><\/em> converge vers 0, contraignant f(z)<\/em> \u00e0 s’approcher ind\u00e9finiment de son asymptote horizontale sup\u00e9rieure fix\u00e9e \u00e0 1. Cette propri\u00e9t\u00e9 d’enclosement strict \u00e9radique le risque de produire des probabilit\u00e9s impossibles.<\/p>\n

La courbe sigmo\u00efde se distingue par une sym\u00e9trie centrale remarquable autour de son point d’inflexion, situ\u00e9 pr\u00e9cis\u00e9ment aux coordonn\u00e9es (z = 0, f(z) = 0,5)<\/em>. En ce point, la d\u00e9riv\u00e9e premi\u00e8re de la fonction atteint son maximum — la pente est la plus abrupte —, ce qui signifie que de menues variations des pr\u00e9dicteurs autour de ce seuil m\u00e9dian induisent des modifications substantielles de la probabilit\u00e9 pr\u00e9dite. \u00c0 mesure que l’on s’\u00e9carte du point d’inflexion vers les r\u00e9gions asymptotiques, la d\u00e9riv\u00e9e premi\u00e8re tend asymptotiquement vers z\u00e9ro : le mod\u00e8le exprime ainsi un ph\u00e9nom\u00e8ne de saturation ou de rendement marginal d\u00e9croissant.<\/p>\n

2.2 Du risque absolu au concept de cote (Odds)<\/h3>\n

L’appr\u00e9hension intuitive des r\u00e9sultats de la r\u00e9gression logistique exige une compr\u00e9hension pr\u00e9alable du concept de cote, issu historiquement de la th\u00e9orie des probabilit\u00e9s appliqu\u00e9es aux jeux d’argent et adopt\u00e9 par l’\u00e9pid\u00e9miologie anglo-saxonne sous le terme d’odds<\/a>. Si l’on d\u00e9signe par p<\/em> la probabilit\u00e9 de survenue d’un \u00e9v\u00e9nement d’int\u00e9r\u00eat au sein d’une population cible, la cote de cet \u00e9v\u00e9nement est d\u00e9finie formellement comme le ratio entre la probabilit\u00e9 de survenue et la probabilit\u00e9 compl\u00e9mentaire de non-survenue :<\/p>\n

Cote = p \/ (1 – p)<\/em><\/p>\n

Cette formulation induit un basculement m\u00e9trologique fondamental. Alors que la probabilit\u00e9 p<\/em> est confin\u00e9e dans l’espace ferm\u00e9 [0, 1], la cote s’\u00e9tend quant \u00e0 elle sur un espace asym\u00e9trique non born\u00e9 \u00e0 droite, soit l’intervalle [0, +\u221e[. Une cote inf\u00e9rieure \u00e0 1 indique que l’\u00e9v\u00e9nement a moins d’une chance sur deux de survenir ; une cote \u00e9gale \u00e0 1 — la cote unitaire — correspond \u00e0 une probabilit\u00e9 stricte de 0,5, symbolisant l’\u00e9quiprobabilit\u00e9 parfaite entre survenue et non-survenue (comme dans le tirage \u00e0 pile ou face d’une pi\u00e8ce non truqu\u00e9e). \u00c0 l’inverse, d\u00e8s lors que la probabilit\u00e9 exc\u00e8de 0,5, la cote cro\u00eet de fa\u00e7on exponentielle vers l’infini (une probabilit\u00e9 de 0,80 correspondant par exemple \u00e0 une cote de 0,80 \/ 0,20 = 4, signifiant que l’\u00e9v\u00e9nement a quatre fois plus de chances de se produire que d’\u00e9chouer).<\/p>\n

2.3 La transformation logit et le r\u00e9tablissement de la lin\u00e9arit\u00e9<\/h3>\n

Bien que le concept de cote lib\u00e8re la m\u00e9trique de son plafond sup\u00e9rieur unitaire, son asym\u00e9trie — born\u00e9e par z\u00e9ro \u00e0 gauche, mais infinie \u00e0 droite — demeure impropre \u00e0 l’ajustement par des combinaisons lin\u00e9aires de pr\u00e9dicteurs pouvant l\u00e9gitimement produire des valeurs n\u00e9gatives. Pour pallier cette incongruit\u00e9 topologique, la r\u00e9gression logistique applique la fonction logarithme n\u00e9p\u00e9rien (ou log naturel) \u00e0 la cote, op\u00e9ration math\u00e9matique d\u00e9sign\u00e9e sous le terme de transformation logit<\/a> :<\/p>\n

Logit(p) = ln(Cote) = ln( p \/ (1 – p) )<\/em><\/p>\n

En projetant le ratio p \/ (1 – p)<\/em> dans l’espace logarithmique, la fonction logit op\u00e8re une d\u00e9formation m\u00e9trique essentielle : l’intervalle semi-born\u00e9 [0, +\u221e[ est converti en un espace continu parfaitement continu et bidirectionnellement sym\u00e9trique, s’\u00e9tendant de ]-\u221e, +\u221e[. Lorsque la probabilit\u00e9 p<\/em> tend vers 0, la cote converge vers 0 et son logarithme plonge vers l’infini n\u00e9gatif ; lorsque p<\/em> est exactement \u00e9gal \u00e0 0,5, le logit s’annule (ln(1) = 0<\/em>) ; et lorsque p<\/em> tend vers 1, le logit s’\u00e9l\u00e8ve vers l’infini positif.<\/p>\n

Cette transformation r\u00e9ussit le tour de force de r\u00e9tablir une parfaite lin\u00e9arit\u00e9 entre les variables explicatives et une grandeur latente non born\u00e9e, tout en garantissant par r\u00e9tro-conversion (l’exponentiation inverse) que les probabilit\u00e9s conditionnelles estim\u00e9es ne violeront jamais les postulats de l’analyse stochastique.<\/p>\n

3. Formulation math\u00e9matique du mod\u00e8le de r\u00e9gression logistique<\/h2>\n

3.1 \u00c9quation fondamentale du mod\u00e8le binaire<\/h3>\n

La formulation math\u00e9matique de la r\u00e9gression logistique binaire univari\u00e9e ou multivari\u00e9e d\u00e9coule directement de l’\u00e9galisation entre le logit de la probabilit\u00e9 conditionnelle et la combinaison lin\u00e9aire des variables pr\u00e9dictives. Pour un individu i<\/em> caract\u00e9ris\u00e9 par un vecteur de k<\/em> pr\u00e9dicteurs Xi<\/sub> = (Xi1<\/sub>, Xi2<\/sub>, …, Xik<\/sub>)<\/em>, le mod\u00e8le postule la relation fonctionnelle suivante :<\/p>\n

Logit(P(Yi<\/sub> = 1 | Xi<\/sub>)) = ln[ P(Yi<\/sub> = 1 | Xi<\/sub>) \/ (1 – P(Yi<\/sub> = 1 | Xi<\/sub>)) ] = \u03b2\u2080 + \u03b2\u2081Xi1<\/sub> + \u03b2\u2082Xi2<\/sub> + … + \u03b2k<\/sub>Xik<\/sub><\/em><\/p>\n

En inversant l’op\u00e9rateur logarithmique par l’application de la fonction exponentielle des deux c\u00f4t\u00e9s de l’\u00e9galit\u00e9, nous pouvons isoler la cote conditionnelle, puis exprimer directement la probabilit\u00e9 conditionnelle de succ\u00e8s par l’\u00e9quation logistique inverse :<\/p>\n

P(Yi<\/sub> = 1 | Xi<\/sub>) = e(\u03b2\u2080 + \u2211 \u03b2\u2c7cXij<\/sub>)<\/sup> \/ (1 + e(\u03b2\u2080 + \u2211 \u03b2\u2c7cXij<\/sub>)<\/sup>) = 1 \/ (1 + e-(\u03b2\u2080 + \u2211 \u03b2\u2c7cXij<\/sub>)<\/sup>)<\/em><\/p>\n

Dans ce cadre structurel, le param\u00e8tre \u03b2\u2080<\/em> (l’ordonn\u00e9e \u00e0 l’origine ou constante du mod\u00e8le) repr\u00e9sente la valeur du logit de l’\u00e9v\u00e9nement lorsque l’ensemble des pr\u00e9dicteurs continus et cat\u00e9goriels inclus dans le mod\u00e8le sont fix\u00e9s \u00e0 la valeur z\u00e9ro. Par cons\u00e9quent, la transformation logistique inverse de \u03b2\u2080<\/em> — soit 1 \/ (1 + e-\u03b2\u2080<\/sup>)<\/em> — refl\u00e8te la probabilit\u00e9 de base (ou pr\u00e9valence intrins\u00e8que) d’occurrence de l’\u00e9v\u00e9nement lorsque l’ensemble des covariables d’ajustement est nul.<\/p>\n

3.2 Int\u00e9gration de pr\u00e9dicteurs continus et cat\u00e9goriels<\/h3>\n

La flexibilit\u00e9 op\u00e9rationnelle du mod\u00e8le logistique r\u00e9side dans sa propension \u00e0 incorporer simultan\u00e9ment des covariables issues d’\u00e9chelles de mesure h\u00e9t\u00e9rog\u00e8nes. Lorsqu’un pr\u00e9dicteur psychom\u00e9trique continu (par exemple, le score global \u00e0 une \u00e9chelle d’\u00e9valuation de la n\u00e9vrose ou de l’anxi\u00e9t\u00e9-trait) est introduit, le coefficient \u03b2<\/em> associ\u00e9 quantifie la variation marginale du logit pour chaque incr\u00e9ment d’une unit\u00e9 sur l’\u00e9chelle de ce test, en maintenant constantes toutes les autres variables du mod\u00e8le.<\/p>\n

Pour les variables ind\u00e9pendantes cat\u00e9gorielles — telles que l’appartenance \u00e0 un groupe th\u00e9rapeutique (contr\u00f4le, placebo, intervention comportementale) ou le statut marital —, un codage pr\u00e9alable s’av\u00e8re indispensable. Le codage binaire indicatif (dummy coding<\/em>) constitue la modalit\u00e9 standard : une modalit\u00e9 de r\u00e9f\u00e9rence est d\u00e9finie de mani\u00e8re th\u00e9orique ou empirique, et k – 1<\/em> variables dichotomiques indicatrices sont inject\u00e9es dans la r\u00e9gression. Le coefficient \u03b2<\/em> associ\u00e9 \u00e0 chaque modalit\u00e9 indicatrice repr\u00e9sente alors la d\u00e9viation en log-odds de ce groupe par rapport au groupe de r\u00e9f\u00e9rence choisi. \u00c0 l’inverse, le codage d’\u00e9cart (effect coding<\/em>) compare chaque modalit\u00e9 non pas \u00e0 un groupe pivot, mais \u00e0 la moyenne g\u00e9n\u00e9rale non pond\u00e9r\u00e9e de l’ensemble des modalit\u00e9s, offrant une interpr\u00e9tation analogue \u00e0 celle des contrastes en analyse de variance.<\/p>\n

Afin de comparer directement l’importance relative de pr\u00e9dicteurs continus aux unit\u00e9s de mesure disparates (par exemple, comparer l’impact du cortisol salivaire en nmol\/L \u00e0 celui du score total au BDI-II), le statisticien peut recourir \u00e0 la standardisation centr\u00e9e-r\u00e9duite des covariables avant estimation. Le coefficient obtenu refl\u00e8te alors le changement de log-odds induit par une d\u00e9viation standard d’augmentation sur le pr\u00e9dicteur consid\u00e9r\u00e9.<\/p>\n

3.3 Hypoth\u00e8se de distribution sous-jacente<\/h3>\n

D’un point de vue fondamental, la r\u00e9gression logistique s’inscrit au sein de la th\u00e9orie unifi\u00e9e des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s (GLM)<\/a>, formalis\u00e9e par Nelder et Wedderburn en 1972. Dans ce cadre, la variable d\u00e9pendante Y<\/em> conditionnellement aux covariables suit une distribution issue de la famille exponentielle, pr\u00e9cis\u00e9ment une loi de Bernoulli pour des \u00e9v\u00e9nements individuels binaires. L’esp\u00e9rance conditionnelle E(Y | X)<\/em> co\u00efncide rigoureusement avec la probabilit\u00e9 d’occurrence \u03c0(X)<\/em>.<\/p>\n

Le mod\u00e8le lin\u00e9aire g\u00e9n\u00e9ralis\u00e9 couple la composante al\u00e9atoire (la distribution de Bernoulli) \u00e0 la composante syst\u00e9matique lin\u00e9aire au moyen d’une fonction de liaison math\u00e9matique g(\u00b7)<\/em> telle que g(E(Y|X)) = \u03b7 = X\u03b2<\/em>. Dans la r\u00e9gression logistique, la fonction de liaison s\u00e9lectionn\u00e9e est la fonction logit, qui pr\u00e9sente la propri\u00e9t\u00e9 singuli\u00e8re d’\u00eatre la fonction de lien canonique<\/strong> de la distribution de Bernoulli. Ce statut canonique implique des simplifications analytiques consid\u00e9rables lors de l’inversion de l’information de Fisher et conf\u00e8re aux statistiques de suffisance des propri\u00e9t\u00e9s math\u00e9matiques optimales de r\u00e9gularit\u00e9.<\/p>\n

Il est instructif de situer le mod\u00e8le logistique en miroir du mod\u00e8le probit<\/a>, son principal alter ego historique. Si la r\u00e9gression logistique recourt \u00e0 la fonction de r\u00e9partition de la loi logistique, le mod\u00e8le probit adopte la fonction de r\u00e9partition de la loi normale standard cumul\u00e9e \u03a6(z)<\/em> comme fonction de lien inverse. Les deux courbes se superposent de mani\u00e8re quasi parfaite entre les probabilit\u00e9s 0,1 et 0,9. Toutefois, la distribution logistique poss\u00e8de des queues de distribution plus lourdes (kurtosis plus \u00e9lev\u00e9e) que la loi normale. Le choix du lien logit en sciences comportementales pr\u00e9vaut largement pour une raison d’intelligibilit\u00e9 : seul le lien logit permet une r\u00e9tro-transformation directe des coefficients en ratios de cotes (Odds Ratios), absents du mod\u00e8le probit.<\/p>\n

4. Estimation des param\u00e8tres : La m\u00e9thode du maximum de vraisemblance<\/h2>\n

4.1 Principes de la fonction de vraisemblance<\/h3>\n

Contrairement aux mod\u00e8les de r\u00e9gression lin\u00e9aire qui emploient l’inversion matricielle analytique directe pour minimiser la somme des carr\u00e9s des \u00e9carts, la r\u00e9gression logistique fait appel \u00e0 la th\u00e9orie de l’estimation par le maximum de vraisemblance (MLE)<\/a>. Cette approche statistique fondamentale part du postulat d’ind\u00e9pendance conditionnelle des observations pour formuler la probabilit\u00e9 conjointe — appel\u00e9e fonction de vraisemblance L(\u03b2)<\/em> — d’observer tr\u00e8s exactement le patron empirique de donn\u00e9es recueilli dans l’\u00e9chantillon, sous l’hypoth\u00e8se d’un vecteur de coefficients \u03b2<\/em> donn\u00e9.<\/p>\n

Pour un \u00e9chantillon al\u00e9atoire de n<\/em> observations ind\u00e9pendantes (y\u2081, y\u2082, …, y\u2099)<\/em> o\u00f9 chaque y\u1d62<\/em> prend la valeur 0 ou 1 avec une probabilit\u00e9 \u03c0\u1d62 = P(Y\u1d62 = 1 | X\u1d62)<\/em>, la fonction de vraisemblance s’exprime comme le produit des probabilit\u00e9s individuelles de Bernoulli :<\/p>\n

L(\u03b2) = \u220f [ \u03c0\u1d62y\u1d62<\/sup> \u00d7 (1 – \u03c0\u1d62)(1 – y\u1d62)<\/sup> ]<\/em><\/p>\n

Comme le produit de centaines ou de milliers de probabilit\u00e9s fractionnaires engendre des nombres infinit\u00e9simaux susceptibles de g\u00e9n\u00e9rer des erreurs de d\u00e9passement de capacit\u00e9 arithm\u00e9tique (underflow<\/em>) au sein des calculateurs num\u00e9riques, l’op\u00e9ration standard consiste \u00e0 appliquer le logarithme n\u00e9p\u00e9rien \u00e0 la fonction de vraisemblance, d\u00e9finissant ainsi la fonction de log-vraisemblance<\/strong> (log-likelihood<\/em>, not\u00e9e \u2113(\u03b2)<\/em> ou LL<\/em>) :<\/p>\n

\u2113(\u03b2) = ln(L(\u03b2)) = \u2211 [ y\u1d62 ln(\u03c0\u1d62) + (1 – y\u1d62) ln(1 – \u03c0\u1d62) ]<\/em><\/p>\n

La fonction logarithmique \u00e9tant strictement monotone et croissante, maximiser la log-vraisemblance revient strictement au m\u00eame que maximiser la vraisemblance originelle, tout en transformant le produit matriciel en une sommation lin\u00e9aire plus stable et calculatoirement optimale.<\/p>\n

4.2 Proc\u00e9dures d’optimisation num\u00e9rique it\u00e9rative<\/h3>\n

L’obtention des coefficients optimaux \u03b2\u0302<\/em> implique th\u00e9oriquement d’annuler les d\u00e9riv\u00e9es partielles de la log-vraisemblance par rapport \u00e0 chacun des param\u00e8tres, constituant un syst\u00e8me de k + 1<\/em> \u00e9quations dites \u00e9quations du gradient (ou score) :<\/p>\n

\u2202\u2113(\u03b2) \/ \u2202\u03b2\u2c7c = \u2211 (y\u1d62 – \u03c0\u1d62) Xij<\/sub> = 0<\/em><\/p>\n

Toutefois, en raison de la pr\u00e9sence de la non-lin\u00e9arit\u00e9 introduite par l’exponentielle au sein de \u03c0\u1d62<\/em>, ce syst\u00e8me n’admet aucune solution analytique ferm\u00e9e (closed-form solution<\/em>). Il est indispensable de d\u00e9ployer un algorithme d’optimisation num\u00e9rique it\u00e9rative. La proc\u00e9dure de r\u00e9f\u00e9rence est l’algorithme de Newton-Raphson<\/strong>, qui proc\u00e8de par approximations quadratiques successives de la surface de log-vraisemblance \u00e0 partir d’un vecteur initial \u03b2\u207d\u2070\u207e<\/em>.<\/p>\n

\u00c0 chaque it\u00e9ration t + 1<\/em>, le nouveau vecteur de param\u00e8tres est mis \u00e0 jour selon l’\u00e9quation matricielle :<\/p>\n

\u03b2\u207d\u1d57\u207a\u00b9\u207e = \u03b2\u207d\u1d57\u207e – [ H(\u03b2\u207d\u1d57\u207e) ]\u207b\u00b9 \u00d7 U(\u03b2\u207d\u1d57\u207e)<\/em><\/p>\n

o\u00f9 U(\u03b2\u207d\u1d57\u207e)<\/em> repr\u00e9sente le vecteur gradient du score et H(\u03b2\u207d\u1d57\u207e)<\/em> d\u00e9signe la matrice hessienne, c’est-\u00e0-dire la matrice des d\u00e9riv\u00e9es secondes partielles de la log-vraisemblance par rapport aux param\u00e8tres. Dans le cadre canonique du mod\u00e8le logistique, cette proc\u00e9dure se reformule rigoureusement sous la forme de l’algorithme des moindres carr\u00e9s repond\u00e9r\u00e9s it\u00e9ratifs (IRLS, Iteratively Reweighted Least Squares<\/em>)<\/strong>. L’algorithme r\u00e9\u00e9value les r\u00e9sidus et les poids \u00e0 chaque cycle jusqu’\u00e0 ce que la diff\u00e9rence de log-vraisemblance entre deux \u00e9tapes cons\u00e9cutives passe sous un seuil infinit\u00e9simal de tol\u00e9rance (couramment 10\u207b\u2076<\/em> ou 10\u207b\u2078<\/em>), attestant de la convergence de l’estimateur.<\/p>\n

4.3 Probl\u00e9matiques de non-convergence et de s\u00e9paration<\/h3>\n

En pratique, l’algorithme de Newton-Raphson peut \u00e9chouer \u00e0 converger ou aboutir \u00e0 des estimations hautement pathologiques lorsqu’il est confront\u00e9 au ph\u00e9nom\u00e8ne math\u00e9matique de s\u00e9paration<\/a> des donn\u00e9es, identifi\u00e9 initialement par Albert et Anderson (1984). La s\u00e9paration parfaite (complete separation<\/em>) survient lorsqu’une variable ind\u00e9pendante continue ou une combinaison lin\u00e9aire de pr\u00e9dicteurs divise les sujets de fa\u00e7on si absolue qu’il est possible de tracer un hyperplan s\u00e9parant int\u00e9gralement les cas Y = 1<\/em> des cas Y = 0<\/em> sans la moindre superposition empirique.<\/p>\n

La quasi-s\u00e9paration (quasi-complete separation<\/em>) se produit quant \u00e0 elle lorsque, pour un sous-ensemble d’une covariable ou d’un croisement de cat\u00e9gories, tous les individus observ\u00e9s pr\u00e9sentent invariablement la m\u00eame modalit\u00e9 de la variable r\u00e9ponse (par exemple, aucun patient d’une tranche d’\u00e2ge donn\u00e9e n’a rechut\u00e9). Face \u00e0 ces configurations, l’algorithme tente d’estimer une probabilit\u00e9 de 1 ou de 0, ce qui correspond math\u00e9matiquement \u00e0 un logit \u00e9gal \u00e0 +\u221e ou -\u221e. Les it\u00e9rations s’encha\u00eenent sans atteindre le crit\u00e8re d’arr\u00eat usuel, conduisant les logiciels statistiques \u00e0 \u00e9mettre des alertes de non-convergence, caract\u00e9ris\u00e9es par des coefficients r\u00e9gressifs d\u00e9mesur\u00e9ment \u00e9lev\u00e9s et des erreurs-types qui explosent vers des valeurs gigantesques.<\/p>\n

Pour rem\u00e9dier \u00e0 ces distorsions d\u00e9vastatrices sans devoir amputer arbitrairement les donn\u00e9es, plusieurs strat\u00e9gies de r\u00e9gularisation ont \u00e9t\u00e9 d\u00e9velopp\u00e9es. La m\u00e9thode la plus \u00e9l\u00e9gante en inf\u00e9rence classique est la m\u00e9thode de p\u00e9nalisation de Firth<\/strong> (1993), qui introduit un terme de p\u00e9nalisation proportionnel \u00e0 la racine carr\u00e9e du d\u00e9terminant de la matrice d’information de Fisher directement dans la fonction de vraisemblance, garantissant des estimations finies et non biais\u00e9es m\u00eame en situation de s\u00e9paration compl\u00e8te. Dans les contextes de grande dimensionnalit\u00e9 o\u00f9 le nombre de pr\u00e9dicteurs menace la stabilit\u00e9 de l’estimation, le recours \u00e0 la r\u00e9gression logistique p\u00e9nalis\u00e9e sous contrainte Ridge<\/a> (p\u00e9nalit\u00e9 L2) ou Lasso<\/a> (p\u00e9nalit\u00e9 L1) permet de contraindre les coefficients et de stabiliser drastiquement le mod\u00e8le.<\/p>\n

5. Interpr\u00e9tation des coefficients et notion d’Odds Ratio<\/h2>\n
\"Interpret
Interpret logistic regression output<\/figcaption><\/figure>\n

5.1 Signification des coefficients bruts en \u00e9chelle logit<\/h3>\n

L’obtention des r\u00e9sultats bruts d’une r\u00e9gression logistique livre un vecteur de coefficients not\u00e9s \u03b2<\/em> qui s’expriment sur l’\u00e9chelle continue du logit. De par la nature m\u00eame de la transformation, le coefficient \u03b2\u2c7c<\/em> traduit la modification attendue du logarithme de la cote<\/strong> (ou log-odds) d’occurrence de l’\u00e9v\u00e9nement d’int\u00e9r\u00eat induite par l’accroissement d’une unit\u00e9 de la variable explicative X\u2c7c<\/em>, toutes les autres covariables du mod\u00e8le \u00e9tant maintenues constantes.<\/p>\n

Le signe associ\u00e9 au coefficient renseigne directement sur la directionnalit\u00e9 de l’effet. Un coefficient \u03b2<\/em> positif d\u00e9note qu’une augmentation de la valeur du pr\u00e9dicteur \u00e9l\u00e8ve le log-odds, et par cons\u00e9quent accro\u00eet de mani\u00e8re monotone la probabilit\u00e9 que l’\u00e9v\u00e9nement survienne. Sym\u00e9triquement, un coefficient n\u00e9gatif atteste qu’une hausse du pr\u00e9dicteur entra\u00eene une diminution de la probabilit\u00e9 conditionnelle d’occurrence de l’issue clinique ou comportementale. Si le coefficient est rigoureusement nul, le pr\u00e9dicteur n’exerce aucune influence sur la propension de l’\u00e9v\u00e9nement.<\/p>\n

Cependant, l’interpr\u00e9tation concr\u00e8te et la vulgarisation clinique de ces coefficients bruts s’av\u00e8rent p\u00e9rilleuses en pratique. L’esprit humain ne conceptualise pas spontan\u00e9ment les ph\u00e9nom\u00e8nes en termes d’unit\u00e9s de log-odds. Affirmer \u00e0 une \u00e9quipe m\u00e9dicale qu’une th\u00e9rapie abaisse le risque d’\u00e9puisement professionnel de « 0,693 unit\u00e9 logit » pr\u00e9sente une utilit\u00e9 communicative quasi nulle. C’est pr\u00e9cis\u00e9ment cette opacit\u00e9 psychom\u00e9trique qui impose le recours syst\u00e9matique \u00e0 l’exponentiation des coefficients.<\/p>\n

5.2 Calcul et d\u00e9chiffrage de l’Odds Ratio exponenti\u00e9<\/h3>\n

Pour convertir le coefficient lin\u00e9aire abstrait en une grandeur interpr\u00e9table par les chercheurs et cliniciens, on applique la fonction exponentielle au coefficient estim\u00e9, ce qui g\u00e9n\u00e8re l’Odds Ratio (OR)<\/strong> ou rapport des cotes<\/em> :<\/p>\n

OR = e\u03b2<\/sup><\/em><\/p>\n

L’Odds Ratio constitue un multiplicateur d’\u00e9chelle. Il quantifie la mani\u00e8re dont la cote<\/em> (et non la probabilit\u00e9) d’occurrence de l’\u00e9v\u00e9nement est multipli\u00e9e \u00e0 chaque incr\u00e9ment unitaire de la variable ind\u00e9pendante continue, ou lors du passage de la modalit\u00e9 de r\u00e9f\u00e9rence \u00e0 la modalit\u00e9 cible pour un pr\u00e9dicteur dichotomique. La valeur pivot fondamentale de l’Odds Ratio est 1,00<\/strong>, laquelle correspond \u00e0 l’exponentiation d’un coefficient nul (e\u2070 = 1<\/em>) et caract\u00e9rise l’absence totale d’association statistique entre le pr\u00e9dicteur et la variable d\u00e9pendante.<\/p>\n

Lorsque l’Odds Ratio est strictement sup\u00e9rieur \u00e0 1, l’exposition ou l’accroissement du trait favorise la survenue de l’issue. \u00c0 titre d’illustration, si un mod\u00e8le \u00e9tudiant le maintien dans les soins psychiatriques met en \u00e9vidence un Odds Ratio de 1,45 pour une \u00e9chelle d’alliance th\u00e9rapeutique, cela signifie que chaque point suppl\u00e9mentaire sur cette \u00e9chelle majore la cote de r\u00e9tention de 45 % (calcul\u00e9 par la relation (OR – 1) \u00d7 100 %<\/em>). \u00c0 l’oppos\u00e9, un Odds Ratio compris dans l’intervalle ouvert ]0, 1[ d\u00e9signe un facteur protecteur ou inhibiteur. Un Odds Ratio de 0,60 indique que la cote de survenue de l’\u00e9v\u00e9nement est r\u00e9duite de 40 % (calcul\u00e9 par (1 – OR) \u00d7 100 %<\/em>) pour chaque unit\u00e9 additionnelle du pr\u00e9dicteur.<\/p>\n

5.3 Calcul des intervalles de confiance et significativit\u00e9<\/h3>\n

L’estimation ponctuelle de l’Odds Ratio n’offre qu’une approximation \u00e9chantillonnale du param\u00e8tre populationnel sous-jacent. Il est imp\u00e9ratif d’assortir chaque estimation d’un intervalle de confiance \u00e0 95 % (IC 95 %), qui cristallise le degr\u00e9 de pr\u00e9cision statistique du recueil empirique. Le calcul de cet intervalle ne s’effectue jamais directement sur l’\u00e9chelle multiplicative des Odds Ratios en raison de son asym\u00e9trie structurale prononc\u00e9e (les effets r\u00e9ducteurs \u00e9tant comprim\u00e9s entre 0 et 1, tandis que les effets amplificateurs s’\u00e9tendent de 1 \u00e0 l’infini).<\/p>\n

La d\u00e9marche statistique rigoureuse implique de d\u00e9river d’abord l’intervalle de confiance sym\u00e9trique sur l’\u00e9chelle normale du logit brut en utilisant l’erreur-type du coefficient (SE(\u03b2)<\/em>), d\u00e9riv\u00e9e des \u00e9l\u00e9ments diagonaux de l’inverse de la matrice d’information de Fisher :<\/p>\n

IC\u2089\u2085%(\u03b2) = [ \u03b2 – 1,96 \u00d7 SE(\u03b2) ; \u03b2 + 1,96 \u00d7 SE(\u03b2) ]<\/em><\/p>\n

Ce n’est qu’\u00e0 l’issue de cette \u00e9tape que l’on applique la transformation exponentielle aux bornes inf\u00e9rieure et sup\u00e9rieure obtenues, ce qui projette l’intervalle sur l’\u00e9chelle asym\u00e9trique des Odds Ratios :<\/p>\n

IC\u2089\u2085%(OR) = [ e(\u03b2 – 1,96 \u00d7 SE(\u03b2))<\/sup> ; e(\u03b2 + 1,96 \u00d7 SE(\u03b2))<\/sup> ]<\/em><\/p>\n

L’inf\u00e9rence statistique sur la significativit\u00e9 de l’Odds Ratio est directe : si l’intervalle de confiance \u00e0 95 % englobe la valeur unitaire neutre 1,00 (par exemple, IC 95 % [0,92 ; 1,84]), le chercheur ne peut rejeter l’hypoth\u00e8se nulle H\u2080 : \u03b2 = 0<\/em> au seuil de significativit\u00e9 conventionnel \u03b1 = 0,05<\/em>. \u00c0 l’inverse, un intervalle excluant 1,00 (par exemple, IC 95 % [1,12 ; 2,35]) confirme que l’effet observ\u00e9 est statistiquement robuste et non imputable aux seules fluctuations d’\u00e9chantillonnage.<\/p>\n

6. Hypoth\u00e8ses sous-jacentes et diagnostics de validit\u00e9<\/h2>\n

6.1 Hypoth\u00e8se de lin\u00e9arit\u00e9 du logit pour les variables continues<\/h3>\n

Bien que la r\u00e9gression logistique s’affranchisse de l’hypoth\u00e8se de lin\u00e9arit\u00e9 directe entre les pr\u00e9dicteurs et la probabilit\u00e9 conditionnelle \u03c0(X)<\/em>, elle repose imp\u00e9rieusement sur l’hypoth\u00e8se d’une relation lin\u00e9aire stricte entre chaque variable ind\u00e9pendante continue et le logit<\/strong> de la probabilit\u00e9. Si la relation v\u00e9ritable entre une dimension psychologique — comme le niveau d’\u00e9veil physiologique (arousal<\/em>) — et la performance \u00e0 un test suit une forme curvilin\u00e9aire en U invers\u00e9 (loi de Yerkes-Dodson), l’ajustement d’un terme logistique unitaire lin\u00e9aire standard g\u00e9n\u00e9rera des biais de mod\u00e9lisation notables et une sous-estimation syst\u00e9matique de l’association r\u00e9elle.<\/p>\n

Pour tester formellement cette assertion m\u00e9thodologique, la proc\u00e9dure de r\u00e9f\u00e9rence la plus \u00e9l\u00e9gante est le test de Box-Tidwell<\/a>. Cette technique consiste \u00e0 enrichir le mod\u00e8le d’\u00e9valuation en y ajoutant, pour chaque covariable continue X<\/em> d’int\u00e9r\u00eat, un terme d’interaction non lin\u00e9aire compos\u00e9 du produit de la variable avec sa propre transformation logarithmique, soit X \u00d7 ln(X)<\/em>. Si le coefficient de r\u00e9gression associ\u00e9 \u00e0 ce terme d’interaction s’av\u00e8re statistiquement significatif au test de Wald, l’hypoth\u00e8se de lin\u00e9arit\u00e9 du logit est formellement rejet\u00e9e.<\/p>\n

Face \u00e0 une infraction constat\u00e9e \u00e0 la lin\u00e9arit\u00e9 du logit, le praticien dispose de plusieurs voies de r\u00e9m\u00e9diation. Il est possible de discr\u00e9tiser la variable en quantiles cliniquement pertinents, bien que cette m\u00e9thode entra\u00eene une perte de puissance statistique. Une approche m\u00e9thodologique sup\u00e9rieure r\u00e9side dans l’adjonction de polyn\u00f4mes orthogonaux d’ordre sup\u00e9rieur ou, id\u00e9alement, dans le d\u00e9ploiement de fonctions de lissage par des splines de r\u00e9gression cubiques restreintes<\/strong> (restricted cubic splines<\/em>), qui \u00e9pousent avec souplesse les modulations empiriques sans d\u00e9naturer la mod\u00e9lisation sous-jacente.<\/p>\n

6.2 Ind\u00e9pendance des observations et structure des donn\u00e9es<\/h3>\n

L’estimation par le maximum de vraisemblance classique repose de mani\u00e8re incontournable sur l’hypoth\u00e8se d’ind\u00e9pendance statistique des r\u00e9sidus individuels. Dans les paradigmes exp\u00e9rimentaux ou longitudinaux des sciences comportementales, cette clause d’ind\u00e9pendance est fr\u00e9quemment mise \u00e0 mal par des designs factoriels imbriqu\u00e9s ou s\u00e9quentiels. D\u00e8s lors que les donn\u00e9es proviennent de mesures r\u00e9p\u00e9t\u00e9es recueillies aupr\u00e8s des m\u00eames participants (\u00e9tudes \u00e9cologiques momentan\u00e9es – EMA, suivis de cohortes pr\u00e9\/post-test) ou d’unit\u00e9s sociales clusteris\u00e9es (\u00e9l\u00e8ves au sein de classes scolaires, patients regroup\u00e9s par th\u00e9rapeute ou centre hospitalier), les observations issues d’une m\u00eame grappe pr\u00e9sentent une covariance intra-classe non nulle.<\/p>\n

L’ignorance d\u00e9lib\u00e9r\u00e9e de cette d\u00e9pendance intra-groupe provoque une sous-estimation artificielle dramatique des erreurs-types des param\u00e8tres. En pr\u00e9tendant disposer de n<\/em> observations strictement autonomes alors que l’information empirique est redondante, le mod\u00e8le engendre des statistiques de test artificiellement gonfl\u00e9es, multipliant le risque de commettre une erreur de type I (faux positif).<\/p>\n

Pour traiter ad\u00e9quatement cette complexit\u00e9 structurale, la r\u00e9gression logistique binaire standard doit \u00eatre d\u00e9laiss\u00e9e au profit de mod\u00e9lisations avanc\u00e9es : soit les \u00e9quations d’estimation g\u00e9n\u00e9ralis\u00e9es (GEE<\/strong>, Generalized Estimating Equations<\/em>) qui corrigent empiriquement la matrice de variance-covariance via des erreurs-types dites « sandwich » robustes, soit, de mani\u00e8re encore plus robuste et raffin\u00e9e, les mod\u00e8les mixtes logistiques g\u00e9n\u00e9ralis\u00e9s (GLMM)<\/strong>. Ces derniers incorporent des effets al\u00e9atoires sp\u00e9cifiques aux sujets ou aux contextes, s\u00e9parant la variabilit\u00e9 inter-individuelle des d\u00e9terminants populationnels globaux.<\/p>\n

6.3 Multicolin\u00e9arit\u00e9 et dimensionnement de l’\u00e9chantillon<\/h3>\n

La pr\u00e9sence d’une multicolin\u00e9arit\u00e9 s\u00e9v\u00e8re — c’est-\u00e0-dire d’intercorr\u00e9lations lin\u00e9aires excessives entre deux ou plusieurs pr\u00e9dicteurs — repr\u00e9sente un \u00e9cueil classique lors de l’administration de batteries psychom\u00e9triques explorant des construits voisins (par exemple, anxi\u00e9t\u00e9, n\u00e9vrosisme et stress per\u00e7u). Bien que la colin\u00e9arit\u00e9 ne biaise pas l’estimation ponctuelle des coefficients, elle a pour effet d\u00e9l\u00e9t\u00e8re de gonfler la variance d’\u00e9chantillonnage de ces derniers. Les erreurs-types deviennent massives, les intervalles de confiance s’\u00e9largissent d\u00e9mesur\u00e9ment et des pr\u00e9dicteurs th\u00e9oriquement d\u00e9terminants peuvent perdre toute significativit\u00e9 statistique individuelle.<\/p>\n

Le diagnostic de la multicolin\u00e9arit\u00e9 s’op\u00e8re usuellement par le calcul du Facteur d’Inflation de la Variance (VIF)<\/strong> et de la tol\u00e9rance. En pratique, une valeur de VIF exc\u00e9dant le seuil de 5 (voire 10 selon les crit\u00e8res les plus conservateurs) ou une tol\u00e9rance chutant sous 0,20 atteste d’une redondance d’information critique, justifiant soit la synth\u00e8se des covariables par des m\u00e9thodes d’analyse en composantes principales, soit l’exclusion th\u00e9orique de l’un des pr\u00e9dicteurs redondants.<\/p>\n

Parall\u00e8lement, la validit\u00e9 asymptotique de la m\u00e9thode du maximum de vraisemblance impose des exigences strictes quant au dimensionnement de l’\u00e9chantillon. En r\u00e9gression logistique, la puissance statistique et la pr\u00e9vention du surajustement (overfitting<\/em>) ne d\u00e9pendent pas tant du volume total N<\/em> des sujets inclus que du d\u00e9nombrement de la classe d’\u00e9v\u00e9nements la moins repr\u00e9sent\u00e9e (les \u00e9v\u00e9nements Y = 1<\/em> ou les non-\u00e9v\u00e9nements Y = 0<\/em>). La litt\u00e9rature m\u00e9thodologique moderne pr\u00e9conise rigoureusement la r\u00e8gle empirique dite des \u00c9v\u00e9nements Par Variable (EPV)<\/strong> : un ratio minimal de 10 \u00e0 20 \u00e9v\u00e9nements de l’issue la plus rare par param\u00e8tre (coefficient) introduit dans le mod\u00e8le final. L’ignorance de cette contrainte lors de l’\u00e9tude d’issues cliniques rares (comme le passage \u00e0 l’acte suicidaire ou l’entr\u00e9e pr\u00e9coce dans la psychose) produit des mod\u00e8les instables caract\u00e9ris\u00e9s par un optimisme d’ajustement artificiel incapable de se g\u00e9n\u00e9raliser \u00e0 des \u00e9chantillons ind\u00e9pendants.<\/p>\n

7. \u00c9valuation de l’ajustement global du mod\u00e8le<\/h2>\n

7.1 Statistique de d\u00e9viance et test du rapport de vraisemblance<\/h3>\n

L’\u00e9valuation de la qualit\u00e9 globale d’ajustement d’un mod\u00e8le logistique repose fondamentalement sur la m\u00e9trique de la d\u00e9viance<\/strong>, qui mat\u00e9rialise l’\u00e9cart de log-vraisemblance entre le mod\u00e8le th\u00e9orique id\u00e9al — le mod\u00e8le satur\u00e9 poss\u00e9dant autant de param\u00e8tres que d’observations individuelles et ajustant impeccablement les donn\u00e9es — et le mod\u00e8le candidat restreint sp\u00e9cifi\u00e9 par le chercheur. La d\u00e9viance r\u00e9siduelle (Residual Deviance<\/em>) s’exprime par la formule :<\/p>\n

D = -2 \u00d7 [ \u2113(mod\u00e8le candidat) – \u2113(mod\u00e8le satur\u00e9) ]<\/em><\/p>\n

Dans les mod\u00e8les pour donn\u00e9es individuelles o\u00f9 le mod\u00e8le satur\u00e9 a une vraisemblance \u00e9gale \u00e0 1 (donc un logit nul), la d\u00e9viance se simplifie en -2 \u00d7 \u2113(mod\u00e8le candidat)<\/em>, grandeur commun\u00e9ment d\u00e9sign\u00e9e sous la terminologie -2LL<\/strong> (-2 Log-Likelihood<\/em>).<\/p>\n

Pour tester formellement si l’adjonction d’un bloc de covariables explicatives conf\u00e8re un gain pr\u00e9dictif statistiquement authentique par rapport \u00e0 un mod\u00e8le r\u00e9duit (ou au mod\u00e8le nul ne comportant que l’ordonn\u00e9e \u00e0 l’origine), on emploie le test du rapport de vraisemblance (Likelihood Ratio Test – LRT)<\/strong>. La statistique de test correspond \u00e0 la diff\u00e9rence de d\u00e9viance entre les deux mod\u00e8les embo\u00eet\u00e9s :<\/p>\n

G = -2LL(mod\u00e8le nul) – [-2LL(mod\u00e8le complet)]<\/em><\/p>\n

En vertu du th\u00e9or\u00e8me de Wilks, sous l’hypoth\u00e8se nulle d’inutilit\u00e9 pr\u00e9dictive des covariables additionnelles, la quantit\u00e9 G<\/em> suit asymptotiquement une loi du chi-deux (\u03c7\u00b2<\/em>) dont le nombre de degr\u00e9s de libert\u00e9 (ddl<\/em>) correspond pr\u00e9cis\u00e9ment \u00e0 la diff\u00e9rence du nombre de param\u00e8tres estim\u00e9s entre les deux sp\u00e9cifications. Un test du chi-deux statistiquement significatif (p < 0,05<\/em>) permet de rejeter l’hypoth\u00e8se nulle et atteste que le mod\u00e8le complet explique une fraction statistiquement significative de la variabilit\u00e9 logistique de l’\u00e9v\u00e9nement.<\/p>\n

7.2 Test d’ad\u00e9quation de Hosmer-Lemeshow<\/h3>\n

Tandis que le test du rapport de vraisemblance \u00e9value l’utilit\u00e9 globale des coefficients, le test de Hosmer-Lemeshow<\/a> propose une \u00e9valuation directe du calibrage du mod\u00e8le — c’est-\u00e0-dire de la concordance empirique entre les taux d’\u00e9v\u00e9nements observ\u00e9s et les probabilit\u00e9s conditionnelles pr\u00e9dites par l’\u00e9quation math\u00e9matique \u00e0 travers l’ensemble du spectre de risque.<\/p>\n

L’algorithme de calcul d\u00e9bute par le classement de l’int\u00e9gralit\u00e9 des sujets de l’\u00e9chantillon par ordre croissant de probabilit\u00e9 pr\u00e9dite \u03c0\u0302\u1d62<\/em>. Les observations sont ensuite fractionn\u00e9es en un nombre pr\u00e9d\u00e9fini de classes ordinales contigu\u00ebs, traditionnellement g = 10<\/em> groupes (les d\u00e9ciles de risque pr\u00e9dit). Au sein de chaque strate k<\/em>, la proc\u00e9dure calcule la fr\u00e9quence observ\u00e9e des succ\u00e8s (O\u2096<\/em>) et la compare \u00e0 l’effectif attendu (E\u2096 = \u2211 \u03c0\u0302\u1d62<\/em>) calcul\u00e9 sous les hypoth\u00e8ses du mod\u00e8le. La statistique de test adopte une structure de type Pearson :<\/p>\n

H = \u2211 [ (O\u2096 – E\u2096)\u00b2 \/ (N\u2096 \u00d7 \u03c0\u0304\u2096 \u00d7 (1 – \u03c0\u0304\u2096)) ]<\/em><\/p>\n

La statistique H<\/em> suit approximativement une loi du chi-deux \u00e0 g – 2<\/em> degr\u00e9s de libert\u00e9 (soit usuellement 10 – 2 = 8 ddl<\/em>). \u00c0 l’inverse de la conventionnelle recherche d’une valeur p < 0,05<\/em>, le chercheur esp\u00e8re ici obtenir une p-valeur non significative (p > 0,05)<\/strong>. L’\u00e9chec du rejet de l’hypoth\u00e8se nulle signale en effet qu’il n’existe pas de divergence statistique significative entre les observations du terrain et les pr\u00e9dictions computationnelles, corroborant ainsi le bon calibrage global du mod\u00e8le.<\/p>\n

Il importe toutefois de souligner les r\u00e9serves m\u00e9thodologiques \u00e9mises par les biostatisticiens contemporains vis-\u00e0-vis de ce test. Le test de Hosmer-Lemeshow souffre d’une sensibilit\u00e9 excessive \u00e0 la taille de l’\u00e9chantillon : avec de vastes cohortes (N > 10 000<\/em>), de minuscules discordances sans pertinence clinique font rejeter l’ad\u00e9quation du mod\u00e8le ; \u00e0 l’inverse, dans de petits \u00e9chantillons, le test pr\u00e9sente une puissance statistique d\u00e9ficiente incapable de d\u00e9celer des anomalies de calibrage flagrantes.<\/p>\n

7.3 Indicateurs de pseudo-R-deux<\/h3>\n

L’absence de d\u00e9composition de la variance par somme des carr\u00e9s interdit le recours au coefficient de d\u00e9termination classique R\u00b2<\/em> des moindres carr\u00e9s ordinaires. Pour pallier cette lacune et proposer une m\u00e9trique intuitive renseignant sur la part relative de variabilit\u00e9 expliqu\u00e9e par le mod\u00e8le logistique, plusieurs indicateurs de pseudo-R\u00b2<\/strong> ont \u00e9t\u00e9 d\u00e9velopp\u00e9s, dont l’interpr\u00e9tation exige une grande pr\u00e9caution \u00e9pist\u00e9mologique.<\/p>\n

Le R\u00b2 de McFadden<\/strong> — sans doute le plus rigoureux conceptuellement — repose sur la comparaison directe des fonctions de log-vraisemblance entre le mod\u00e8le nul (intercept seul, \u2113\u2080<\/em>) et le mod\u00e8le ajust\u00e9 complet (\u2113\u2098<\/em>) :<\/p>\n

R\u00b2McFadden<\/sub> = 1 – ( \u2113\u2098 \/ \u2113\u2080 )<\/em><\/p>\n

Si les covariables n’apportent aucun pouvoir explicatif, \u2113\u2098 \u2248 \u2113\u2080<\/em> et le ratio tend vers 1, annulant l’indice de McFadden. Si le mod\u00e8le ajustait parfaitement l’\u00e9v\u00e9nement (vraisemblance unitaire, \u2113\u2098 = 0<\/em>), l’indicateur atteindrait 1,00. En psychologie et recherche comportementale, des valeurs de R\u00b2McFadden<\/sub><\/em> comprises entre 0,20 et 0,40<\/strong> caract\u00e9risent un ajustement hautement performant, \u00e9quivalant grossi\u00e8rement \u00e0 un R\u00b2<\/em> lin\u00e9aire oscillant entre 0,70 et 0,90.<\/p>\n

Deux autres formules dominent la litt\u00e9rature empirique : le R\u00b2 de Cox & Snell<\/strong>, bas\u00e9 sur la d\u00e9viance statistique, qui poss\u00e8de l’inconv\u00e9nient th\u00e9orique majeur d’avoir une borne sup\u00e9rieure maximale strictement inf\u00e9rieure \u00e0 1 (plafonnant souvent autour de 0,75 pour des distributions asym\u00e9triques), et le R\u00b2 de Nagelkerke<\/strong> (ou Cragg-Uhler), qui introduit une division correctrice par la borne maximale th\u00e9orique afin de restaurer une amplitude s’\u00e9tendant formellement de 0 \u00e0 1 :<\/p>\n

R\u00b2Nagelkerke<\/sub> = [ 1 – ( L\u2080 \/ L\u2098 )2\/n<\/sup> ] \/ [ 1 – ( L\u2080 )2\/n<\/sup> ]<\/em><\/p>\n

Il est imp\u00e9ratif que le praticien ne confonde jamais ces grandeurs avec une v\u00e9ritable proportion de variance expliqu\u00e9e, au risque de d\u00e9pr\u00e9cier ind\u00fbment des mod\u00e8les psychologiques dont les qualit\u00e9s de discrimination s’av\u00e8rent par ailleurs exemplaires.<\/p>\n

8. Performance diagnostique et pr\u00e9cision de la classification<\/h2>\n

8.1 Matrice de confusion et m\u00e9triques d\u00e9riv\u00e9es<\/h3>\n

D\u00e8s lors qu’un mod\u00e8le logistique a d\u00e9livr\u00e9 une probabilit\u00e9 conditionnelle continue \u03c0\u0302\u1d62<\/em> pour chaque individu, le chercheur ou le clinicien est fr\u00e9quemment contraint de basculer dans l’univers de l’action discr\u00e8te en assignant chaque sujet \u00e0 une cat\u00e9gorie pr\u00e9dite : \u00e9v\u00e9nement ou non-\u00e9v\u00e9nement. Cette dichotomisation s’op\u00e8re par la confrontation des pr\u00e9dictions \u00e0 l’\u00e9tat de r\u00e9alit\u00e9 empirique via une matrice de confusion<\/strong> (tableau de contingence \u00e0 double entr\u00e9e croisant r\u00e9alit\u00e9 clinique et d\u00e9cision algorithmique).<\/p>\n

Cette confrontation g\u00e9n\u00e8re quatre quadrants fondamentaux : les Vrais Positifs (VP<\/em>, sujets pr\u00e9sentant le trouble et class\u00e9s comme tels), les Faux Positifs (FP<\/em> ou erreur de type I, sujets sains \u00e9tiquet\u00e9s \u00e0 tort comme pathologiques), les Vrais N\u00e9gatifs (VN<\/em>, sujets exempts d’atteinte class\u00e9s sains) et les Faux N\u00e9gatifs (FN<\/em> ou erreur de type II, sujets porteurs de l’affection non identifi\u00e9s par le mod\u00e8le). \u00c0 partir de cette partition, plusieurs m\u00e9triques de performance s’imposent :<\/p>\n