{"id":4922,"date":"2026-10-14T18:01:20","date_gmt":"2026-10-14T18:01:20","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-calculer-correlation-variables-categorielles\/"},"modified":"2026-10-14T18:01:20","modified_gmt":"2026-10-14T18:01:20","slug":"comment-calculer-correlation-variables-categorielles","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-calculer-correlation-variables-categorielles","title":{"rendered":"Comment calculer la corr\u00e9lation entre des variables cat\u00e9gorielles"},"content":{"rendered":"

Dans le champ des sciences humaines, de la psychologie clinique, de la psychom\u00e9trie et des sciences cognitives, la mod\u00e9lisation des relations entre variables constitue le fondement de la validation th\u00e9orique et exp\u00e9rimentale. Qu’il s’agisse de mesurer l’impact d’un diagnostic nosographique sur l’adh\u00e9sion th\u00e9rapeutique, d’\u00e9valuer la concordance entre plusieurs \u00e9valuateurs ou de calibrer des items au sein d’une \u00e9chelle d’\u00e9valuation de la d\u00e9pression, les chercheurs sont confront\u00e9s de mani\u00e8re pr\u00e9pond\u00e9rante \u00e0 des observations qui \u00e9chappent aux distributions continues id\u00e9alis\u00e9es. Trop souvent, le r\u00e9flexe m\u00e9thodologique h\u00e9rit\u00e9 des formations statistiques introductives conduit \u00e0 appliquer m\u00e9caniquement le coefficient de corr\u00e9lation produit-moment de Pearson, au m\u00e9pris des postulats distributionnels fondamentaux qui conditionnent sa validit\u00e9.<\/p>\n

Cette pratique engendre des distorsions analytiques s\u00e9v\u00e8res, allant de la sous-estimation dramatique des tailles d’effet r\u00e9elles \u00e0 la production d’artefacts factoriels lors de l’analyse structurelle des questionnaires. Lorsque les donn\u00e9es se pr\u00e9sentent sous la forme de cat\u00e9gories discr\u00e8tes, nominales sans ordre hi\u00e9rarchique, ou ordinales issues d’\u00e9chelles de Likert, la notion m\u00eame de relation lin\u00e9aire doit \u00eatre red\u00e9finie. L’analyse des donn\u00e9es qualitatives exige une compr\u00e9hension approfondie des concepts de contingence, de r\u00e9duction proportionnelle de l’erreur et de mod\u00e9lisation de continuums latents sous-jacents, sans lesquels toute conclusion scientifique risque de reposer sur des bases \u00e9pist\u00e9mologiques erron\u00e9es.<\/p>\n

Le pr\u00e9sent trait\u00e9 m\u00e9thodologique propose une exploration exhaustive des paradigmes math\u00e9matiques et appliqu\u00e9s permettant d’estimer rigoureusement la corr\u00e9lation et l’association entre variables cat\u00e9gorielles. \u00c0 travers l’\u00e9tude du test d’ind\u00e9pendance du Chi-carr\u00e9, du V de Cramer, des corr\u00e9lations t\u00e9trachorique et polychorique, ainsi que des m\u00e9triques alternatives telles que le Phi, le Lambda de Goodman-Kruskal et les coefficients de concordance ordinale, ce guide offre aux chercheurs, cliniciens et analystes de donn\u00e9es la grille d’analyse et les algorithmes n\u00e9cessaires pour naviguer avec pr\u00e9cision au sein de leurs matrices de donn\u00e9es qualitatives.<\/p>\n

1. Introduction aux mesures d’association pour donn\u00e9es cat\u00e9gorielles en psychologie<\/h2>\n

1.1 Le d\u00e9fi de l’analyse bivari\u00e9e hors des distributions continues<\/h3>\n

L’\u00e9difice des statistiques param\u00e9triques classiques, formalis\u00e9 principalement \u00e0 la fin du XIXe et au d\u00e9but du XXe si\u00e8cle par Francis Galton, Karl Pearson et Ronald Fisher, a \u00e9t\u00e9 pens\u00e9 pour des variables continues satisfaisant \u00e0 l’hypoth\u00e8se de distribution normale bivari\u00e9e. En sciences humaines, et tout particuli\u00e8rement en psychologie clinique, diff\u00e9rentielle et cognitive, cette exigence de continuit\u00e9 m\u00e9trique s’av\u00e8re bien souvent une illusion th\u00e9orique ou une approximation insoutenable. Les donn\u00e9es recueillies rel\u00e8vent massivement de la taxonomie diagnostique (ex. pr\u00e9sence ou absence d’un trouble psychiatrique), de questionnaires \u00e0 choix forc\u00e9, de r\u00e9ponses comportementales binaires (succ\u00e8s ou \u00e9chec \u00e0 un item de test de performance), ou d’\u00e9valuations subjectives gradu\u00e9es.<\/p>\n

Face \u00e0 ces distributions non m\u00e9triques, le chercheur ne peut simplement substituer des \u00e9tiquettes num\u00e9riques arbitraires \u00e0 des modalit\u00e9s qualitatives et appliquer les outils de la variance et de la covariance classiques. La covariance repose sur la notion d’\u00e9cart \u00e0 la moyenne arithm\u00e9tique le long d’une unit\u00e9 de mesure constante. Or, assigner les valeurs 1, 2 et 3 \u00e0 des statuts relationnels tels que \u00ab c\u00e9libataire \u00bb, \u00ab mari\u00e9 \u00bb et \u00ab divorc\u00e9 \u00bb ne cr\u00e9e en aucun cas un intervalle mesurable o\u00f9 l’unit\u00e9 s\u00e9parant les deux premi\u00e8res cat\u00e9gories \u00e9quivaudrait \u00e0 celle s\u00e9parant les deux suivantes. Les propri\u00e9t\u00e9s alg\u00e9briques de transitivit\u00e9 et d’additivit\u00e9 sont absentes, ce qui rend caduque l’estimation directe des moments d’ordre sup\u00e9rieur.<\/p>\n

Il est donc n\u00e9cessaire d’adapter les m\u00e9triques relationnelles aux caract\u00e9ristiques intrins\u00e8ques des variables discr\u00e8tes. Cette adaptation requiert d’op\u00e9rer une distinction s\u00e9mantique et math\u00e9matique fondamentale entre trois concepts fr\u00e9quemment amalgam\u00e9s : la d\u00e9pendance statistique, l’association et la corr\u00e9lation latente. La d\u00e9pendance statistique renvoie \u00e0 l’\u00e9cart constat\u00e9 entre la distribution conjointe observ\u00e9e de deux variables et la distribution th\u00e9orique qu’on obtiendrait si les deux ph\u00e9nom\u00e8nes \u00e9voluaient de mani\u00e8re mutuellement stochastique. L’association d\u00e9crit l’intensit\u00e9 et parfois la directionnalit\u00e9 de cet \u00e9cart, quantifiant dans quelle mesure la connaissance de la modalit\u00e9 d’un individu sur une variable am\u00e9liore la pr\u00e9diction de sa modalit\u00e9 sur une autre. La corr\u00e9lation latente, quant \u00e0 elle, postule l’existence de construits psychologiques inobserv\u00e9s continus et norm\u00e9s, dont les variables observ\u00e9es discr\u00e8tes ne sont que les reflets imparfaits, tronqu\u00e9s par un processus de discr\u00e9tisation ou de seuillage cognitif.<\/p>\n

Ces distinctions ne sont pas de pures querelles terminologiques ; elles portent des implications m\u00e9thodologiques d\u00e9terminantes pour la validit\u00e9 de construit dans le cadre de la th\u00e9orie classique des tests et de la mod\u00e9lisation en \u00e9quations structurelles. Ignorer la nature discr\u00e8te d’une mesure fausse l’estimation des saturations factorielles, biaise les indices d’ajustement globaux et produit r\u00e9guli\u00e8rement des \u00ab facteurs de difficult\u00e9 \u00bb ou des scissions artificielles de construits th\u00e9oriquement unitaires, minant ainsi la r\u00e9plicabilit\u00e9 de la recherche psychologique.<\/p>\n

1.2 Objectifs p\u00e9dagogiques et champ d’application de l’analyse<\/h3>\n

L’objectif fondamental de cet article r\u00e9side dans la d\u00e9construction des automatismes analytiques non fond\u00e9s et l’\u00e9tablissement d’une grille de d\u00e9cision robuste pour l’investigation des relations bivari\u00e9es cat\u00e9gorielles. Pour manipuler ad\u00e9quatement ces outils, le praticien de la recherche doit assimiler les conditions pr\u00e9alables d’application de chaque indicateur : le type d’\u00e9chelle exploit\u00e9, les effectifs d’\u00e9chantillon minimaux requis par cellule, la sensibilit\u00e9 aux dissym\u00e9tries marginales, ainsi que le caract\u00e8re invariant ou non des indices face aux transformations monotones.<\/p>\n

Il s’agit \u00e9galement de r\u00e9pertorier et de pr\u00e9venir les fautes m\u00e9thodologiques courantes qui jalonnent la litt\u00e9rature quantitative en sciences du comportement. Parmi ces \u00e9cueils figurent l’emploi du Chi-carr\u00e9 comme pr\u00e9tendu indice de la force d’un lien, la conversion non justifi\u00e9e de tableaux de contingence complexes en coefficients de corr\u00e9lation lin\u00e9aire par lin\u00e9arisation forc\u00e9e, ou encore la confusion syst\u00e9matique entre l’association observ\u00e9e au niveau empirique manifeste et la corr\u00e9lation entre les propensions latentes d’un mod\u00e8le psychom\u00e9trique. De telles approximations m\u00e8nent in\u00e9vitablement \u00e0 des erreurs d’interpr\u00e9tation de type I (d\u00e9tection d’associations fallacieuses dues \u00e0 des effets de structure d’\u00e9chantillonnage) ou de type II (incapacit\u00e9 \u00e0 d\u00e9celer une convergence clinique r\u00e9elle masqu\u00e9e par une distribution marginale d\u00e9s\u00e9quilibr\u00e9e).<\/p>\n

Enfin, ce document propose un cadre d\u00e9cisionnel op\u00e9rationnel ordonn\u00e9 selon la nature des \u00e9chelles de mesure en pr\u00e9sence. En croisant les niveaux taxonomiques (nominal polytomique, binaire vrai, binaire artificiel, ordinal strict), nous d\u00e9finirons la m\u00e9trique optimale \u00e0 solliciter \u2014 depuis le V de Cramer ajust\u00e9 jusqu’aux estimateurs de vraisemblance polychorique \u2014, en explicitant chaque fois la th\u00e9orie de la mesure qui en sous-tend la pertinence et les limites d’inf\u00e9rence.<\/p>\n

2. Typologie des variables cat\u00e9gorielles : nominales, ordinales et binaires<\/h2>\n

2.1 Variables nominales et absence de hi\u00e9rarchie intrins\u00e8que<\/h3>\n

Les variables nominales repr\u00e9sentent le premier \u00e9chelon de la c\u00e9l\u00e8bre typologie de la mesure formalis\u00e9e par Stanley Smith Stevens dans ses travaux fondateurs sur la th\u00e9orie des \u00e9chelles (Stevens, 1946). Une variable nominale, ou qualitative pure, se d\u00e9finit par un ensemble de modalit\u00e9s qui ne partagent aucune relation d’ordre, de magnitude ou d’intervalle. Dans le champ de la psychologie et de la psychiatrie, des entit\u00e9s telles que les cat\u00e9gories diagnostiques du Manuel diagnostique et statistique des troubles mentaux (comme la diff\u00e9renciation entre trouble bipolaire, schizophr\u00e9nie et trouble d\u00e9pressif majeur), les typologies d’attachement selon Mary Ainsworth (s\u00e9cure, ins\u00e9cure-\u00e9vitant, ins\u00e9cure-r\u00e9sistant, d\u00e9sorganis\u00e9), ou les orientations professionnelles constituent des variables nominales canoniques.<\/p>\n

Sur le plan alg\u00e9brique, les modalit\u00e9s d’une \u00e9chelle nominale fonctionnent comme des classes d’\u00e9quivalence mutuellement exclusives et collectivement exhaustives. La seule op\u00e9ration logique autoris\u00e9e entre deux observations individuelles est l’\u00e9valuation de l’\u00e9galit\u00e9 ou de la diff\u00e9rence math\u00e9matique : un sujet $i$<\/span> appartient soit \u00e0 la classe $A_k$<\/span>, soit \u00e0 une classe alternative $A_j$<\/span>, sans qu’il soit possible d’\u00e9crire rationnellement que $A_k > A_j$<\/span> ou que $A_k – A_j = \\delta$<\/span>. Par cons\u00e9quent, aucune m\u00e9trique d’espacement spatial ou g\u00e9om\u00e9trique ne peut \u00eatre directement d\u00e9duite de ces assignations.<\/p>\n

Le traitement analytique de ces variables impose de respecter scrupuleusement deux contraintes fondamentales : l’exhaustivit\u00e9 des cat\u00e9gories, qui garantit que chaque unit\u00e9 statistique d’un \u00e9chantillon donn\u00e9 peut \u00eatre class\u00e9e sans ambigu\u00eft\u00e9, et l’exclusion mutuelle, qui prohibe l’assignation simultan\u00e9e d’un m\u00eame individu \u00e0 plusieurs classes de la m\u00eame partition. L’absence totale de m\u00e9tricit\u00e9 implique que tout indice statistique mesurant la d\u00e9pendance entre deux variables nominales doit \u00eatre structurellement invariant sous n’importe quelle permutation arbitraire des lignes ou des colonnes de la table de contingence qui les r\u00e9sume. Toute statistique modifiant sa valeur num\u00e9rique lorsque l’ordre de pr\u00e9sentation des lignes est invers\u00e9 ou r\u00e9arrang\u00e9 est incompatible avec l’essence alg\u00e9brique d’une \u00e9chelle nominale.<\/p>\n

2.2 Variables ordinales et \u00e9chelles d’\u00e9valuation comportementale<\/h3>\n

Les variables ordinales introduisent une propri\u00e9t\u00e9 math\u00e9matique absente des \u00e9chelles nominales : la relation d’ordre ou de gradation hi\u00e9rarchique. Dans ce cadre, il est possible d’\u00e9tablir que l’\u00e9tat d’un individu $A$<\/span> d\u00e9passe l’\u00e9tat d’un individu $B$<\/span> au regard d’une caract\u00e9ristique psychologique sp\u00e9cifique ($A > B$<\/span>). Les \u00e9chelles de type Likert (par exemple, des ancres de d\u00e9saccord ou d’accord allant de \u00ab Pas du tout d’accord \u00bb \u00e0 \u00ab Tout \u00e0 fait d’accord \u00bb), les stades de d\u00e9veloppement cognitif selon Piaget, les gradations de la s\u00e9v\u00e9rit\u00e9 symptomatique (l\u00e9ger, mod\u00e9r\u00e9, s\u00e9v\u00e8re, critique) et les rangs centiles obtenus \u00e0 des batteries neuropsychologiques constituent des exemples ubiquitaires de mesures ordinales.<\/p>\n

Toutefois, la sp\u00e9cificit\u00e9 contraignante de l’\u00e9chelle ordinale r\u00e9side dans la non-constance des intervalles num\u00e9riques. Bien que les modalit\u00e9s soient ordonn\u00e9es de mani\u00e8re monotone, la distance psychologique ou quantitative s\u00e9parant la modalit\u00e9 \u00ab Faible \u00bb de la modalit\u00e9 \u00ab Moyen \u00bb n’est nullement garantie d’\u00eatre \u00e9quivalente \u00e0 la distance s\u00e9parant \u00ab Moyen \u00bb de \u00ab \u00c9lev\u00e9 \u00bb. Il s’agit d’une m\u00e9trique topologique et non euclidienne. Par cons\u00e9quent, les op\u00e9rations arithm\u00e9tiques fondamentales d’addition et de soustraction sont th\u00e9oriquement prohib\u00e9es, car elles supposent une m\u00e9trique d’intervalles \u00e9gaux.<\/p>\n

Cette particularit\u00e9 pose des d\u00e9fis m\u00e9thodologiques majeurs pour l’\u00e9valuation psychologique. L’habitude tenace consistant \u00e0 attribuer des scores entiers (par exemple 1, 2, 3, 4, 5) aux options d’un item de type Likert, puis \u00e0 sommer ces valeurs pour g\u00e9n\u00e9rer un score total trait\u00e9 ensuite comme une variable continue, introduit une distorsion m\u00e9trique silencieuse mais pernicieuse. D\u00e8s lors que la fonction reliant la position d’un individu sur le trait psychologique latent et son score observ\u00e9 est non lin\u00e9aire \u2014 ce qui est la r\u00e8gle en pr\u00e9sence d’effets de seuil cognitif \u2014, l’analyse des corr\u00e9lations entre ces variables par des approches lin\u00e9aires na\u00efves induit des erreurs d’estimation qui compromettent la validit\u00e9 interne des recherches.<\/p>\n

2.3 Variables binaires et dichotomies naturelles versus artificielles<\/h3>\n

Les variables binaires, caract\u00e9ris\u00e9es par l’existence de deux modalit\u00e9s uniques, occupent une place singuli\u00e8re dans la th\u00e9orie de la mesure en raison de leurs propri\u00e9t\u00e9s math\u00e9matiques duales. Elles peuvent en effet \u00eatre trait\u00e9es indiff\u00e9remment comme des \u00e9chelles qualitatives nominales \u00e0 deux classes, ou comme des \u00e9chelles num\u00e9riques si l’on assigne les valeurs arbitraires 0 et 1 \u00e0 leurs modalit\u00e9s (codage bool\u00e9en ou indicatrice de Bernoulli). Toutefois, sur le plan \u00e9pist\u00e9mologique et distributionnel, une distinction capitale doit \u00eatre op\u00e9r\u00e9e entre les dichotomies dites naturelles ou vraies, et les dichotomies artificielles issues du d\u00e9coupage arbitraire d’un continuum.<\/p>\n

Une dichotomie naturelle correspond \u00e0 un ph\u00e9nom\u00e8ne intrins\u00e8quement bimodal ou cat\u00e9gorique dans la r\u00e9alit\u00e9 observ\u00e9e, o\u00f9 aucun \u00e9tat interm\u00e9diaire n’est concevable sur le plan th\u00e9orique. L’\u00e9tat de survie ou de d\u00e9c\u00e8s d’un organisme, le statut tabagique actuel strict (consommateur r\u00e9gulier actif versus non-fumeur absolu dans un protocole \u00e9pid\u00e9miologique circonscrit), ou la r\u00e9ussite versus l’\u00e9chec objectif \u00e0 une t\u00e2che \u00e0 seuil physique absolu illustrent cette classe de variables. Dans ce contexte, l’absence de continuum interm\u00e9diaire sous-jacent fait de la binarit\u00e9 une propri\u00e9t\u00e9 ontologique du ph\u00e9nom\u00e8ne.<\/p>\n

\u00c0 l’oppos\u00e9, les dichotomies artificielles r\u00e9sultent d’une op\u00e9ration de cat\u00e9gorisation impos\u00e9e par le chercheur ou par l’instrumentation sur une variable fonci\u00e8rement continue et normalement distribu\u00e9e dans la population g\u00e9n\u00e9rale. Typiquement, scinder un \u00e9chantillon clinique en deux groupes \u00ab anxieux \u00bb et \u00ab non-anxieux \u00bb \u00e0 partir d’un seuil clinique de score obtenu sur l’Inventaire d’anxi\u00e9t\u00e9 de Beck rel\u00e8ve de la dichotomie artificielle. De m\u00eame, un item de personnalit\u00e9 pos\u00e9 sous forme dichotomique (\u00ab \u00cates-vous d’humeur changeante ? Oui \/ Non \u00bb) force un trait de neuroticisme continu et quantitatif \u00e0 s’exprimer au travers d’une alternative discr\u00e8te binaire.<\/p>\n

Les cons\u00e9quences statistiques de cette r\u00e9duction de variance par seuillage binaire sont s\u00e9v\u00e8res. En discr\u00e9tisant une variable continue, on d\u00e9truit irr\u00e9versiblement une part substantielle de l’information quantitative contenue dans les donn\u00e9es (MacCallum et al., 2002). Sur le plan bivari\u00e9, cette op\u00e9ration entra\u00eene une chute m\u00e9canique dramatique de la taille d’effet estim\u00e9e : la covariance entre deux construits continus norm\u00e9s sous-jacents, lorsqu’elle est mesur\u00e9e au niveau de leurs reflets dichotomis\u00e9s artificiellement, subit une att\u00e9nuation pouvant atteindre 40 \u00e0 60 % de sa magnitude r\u00e9elle. Cette perte de puissance statistique augmente consid\u00e9rablement le risque d’erreur de type II et d\u00e9forme profond\u00e9ment la structure factorielle des instruments d’\u00e9valuation psychologique.<\/p>\n

3. Pourquoi le coefficient de corr\u00e9lation de Pearson est inadapt\u00e9<\/h2>\n

3.1 Violation des postulats de normalit\u00e9 bivari\u00e9e et de lin\u00e9arit\u00e9<\/h3>\n

Le coefficient de corr\u00e9lation produit-moment d\u00e9velopp\u00e9 par Karl Pearson constitue sans conteste l’outil statistique le plus r\u00e9pandu pour quantifier l’intensit\u00e9 de l’interd\u00e9pendance lin\u00e9aire entre deux variables. La formulation canonique du coefficient $r$<\/span> de Pearson s’exprime comme le rapport entre la covariance des deux variables observ\u00e9es $X$<\/span> et $Y$<\/span> et le produit de leurs \u00e9carts-types respectifs :<\/p>\n

r = Cov(X, Y) \/ [s(X) * s(Y)]<\/p>\n

Pour que ce coefficient constitue une estimation exacte et exempte de biais de l’association r\u00e9elle entre deux ph\u00e9nom\u00e8nes, et pour que les tests de significativit\u00e9 associ\u00e9s (fond\u00e9s sur la loi $t$<\/span> de Student ou la loi $F$<\/span> de Fisher-Snedecor) conservent leur validit\u00e9 nominale, les donn\u00e9es doivent satisfaire \u00e0 des postulats distributionnels rigoureux. Le plus contraignant de ces postulats est l’hypoth\u00e8se de normalit\u00e9 bivari\u00e9e conjointe, qui stipule que pour chaque valeur possible de $X$<\/span>, la distribution conditionnelle de $Y$<\/span> doit suivre une loi normale homosc\u00e9dastique, et r\u00e9ciproquement. Un corollaire imm\u00e9diat de ce mod\u00e8le est la lin\u00e9arit\u00e9 parfaite de l’esp\u00e9rance conditionnelle math\u00e9matique : $E(Y|X) = \\alpha + \\beta X$<\/span>.<\/p>\n

Lorsque les variables soumises \u00e0 l’analyse sont cat\u00e9gorielles (qu’elles soient nominales, ordinales discr\u00e8tes ou binaires), ce postulat de normalit\u00e9 bivari\u00e9e est in\u00e9luctablement viol\u00e9. Les distributions de probabilit\u00e9 conditionnelles ne peuvent en aucun cas \u00e9pouser la forme continue d’une cloche gaussienne, puisqu’elles se concentrent de mani\u00e8re discr\u00e8te sur un nombre restreint de points de masse ponctuelle isol\u00e9s. La distribution conjointe d’un ensemble de donn\u00e9es cat\u00e9gorielles n’est pas une surface de densit\u00e9 normale bidimensionnelle lisse, mais une fonction de masse multinomiale discr\u00e8te caract\u00e9ris\u00e9e par des sauts de probabilit\u00e9 abrupts.<\/p>\n

Cette discr\u00e9tisation contrainte induit une distorsion structurelle de la covariance empirique. Dans une table de contingence o\u00f9 les modalit\u00e9s ne poss\u00e8dent aucune \u00e9chelle m\u00e9trique constante, l’application de la formule de Pearson traite les codes num\u00e9riques arbitraires assign\u00e9s aux modalit\u00e9s comme des grandeurs scalaires physiques. Si la modalit\u00e9 diagnostique 1 est \u00ab Phobie sp\u00e9cifique \u00bb, 2 \u00ab Trouble panique \u00bb et 3 \u00ab Trouble obsessionnel-compulsif \u00bb, imposer une fonction de r\u00e9gression lin\u00e9aire sous-jacente \u00e9quivaut \u00e0 pr\u00e9supposer arbitrairement que le saut psychopathologique entre la phobie et la panique est rigoureusement identique en magnitude et en nature au saut entre la panique et le TOC. Par ailleurs, si la relation th\u00e9orique r\u00e9elle entre deux construits pr\u00e9sente une dynamique non lin\u00e9aire ou asym\u00e9trique (comme un effet de seuil ou une saturation en plateau), le coefficient de Pearson se r\u00e9v\u00e8le incapable d’appr\u00e9hender cette structure, r\u00e9duisant la taille d’effet \u00e0 une moyenne lin\u00e9aire artificielle proche de z\u00e9ro.<\/p>\n

3.2 Sensibilit\u00e9 aux distributions marginales et effet plafond<\/h3>\n

L’une des limites les plus d\u00e9vastatrices et pourtant fr\u00e9quemment sous-estim\u00e9es du coefficient de corr\u00e9lation lin\u00e9aire de Pearson appliqu\u00e9 \u00e0 des donn\u00e9es discr\u00e8tes concerne sa d\u00e9pendance m\u00e9canique directe envers les distributions marginales des variables analys\u00e9es. Il est math\u00e9matiquement d\u00e9montr\u00e9 que pour deux variables binaires cod\u00e9es 0 et 1 (configuration o\u00f9 le coefficient de Pearson est formellement \u00e9quivalent au coefficient Phi), la valeur maximale th\u00e9orique atteignable par $r$<\/span> (not\u00e9e $r_{\\max}$<\/span>) ne peut \u00eatre \u00e9gale \u00e0 $+1,0$<\/span> que si et seulement si les proportions marginales des deux variables sont strictement identiques.<\/p>\n

Si la variable $X$<\/span> pr\u00e9sente une proportion de succ\u00e8s de $p_X = 0,10$<\/span> (par exemple, un trouble clinique hautement sp\u00e9cifique rare) et que la variable $Y$<\/span> pr\u00e9sente une pr\u00e9valence de $p_Y = 0,80$<\/span> (par exemple, la pr\u00e9sence d’un sympt\u00f4me anxieux g\u00e9n\u00e9ralis\u00e9 tr\u00e8s fr\u00e9quent), la borne sup\u00e9rieure th\u00e9orique du coefficient de Pearson n’est plus $+1,0$<\/span>, mais s’effondre \u00e0 une valeur nettement inf\u00e9rieure, avoisinant souvent $0,20$ ou $0,30$, quand bien m\u00eame la d\u00e9pendance clinique sous-jacente entre les deux entit\u00e9s serait maximale et absolue (c’est-\u00e0-dire que la totalit\u00e9 des individus poss\u00e9dant le trouble $X$<\/span> poss\u00e9deraient syst\u00e9matiquement le sympt\u00f4me $Y$<\/span>).<\/p>\n

Ce ph\u00e9nom\u00e8ne d’effet plafond et de restriction d’amplitude marginale induit un biais syst\u00e9mique dans l’\u00e9valuation psychom\u00e9trique. La dissym\u00e9trie des proportions de fr\u00e9quences marginales comprime artificiellement la covariance empirique dans un intervalle \u00e9troit d\u00e9pendant uniquement des seuils de r\u00e9ponse, et non de la force v\u00e9ritable du lien psychologique liant les deux construits. Le chercheur utilisant le $r$<\/span> de Pearson dans cette configuration conclura \u00e0 tort \u00e0 une association faible ou mod\u00e9r\u00e9e entre deux facteurs cliniques, alors que cette faible valeur n’est qu’un artefact math\u00e9matique provoqu\u00e9 par l’asym\u00e9trie des pr\u00e9valences marginales. D\u00e8s lors, toute tentative d’interpr\u00e9tation comparative de matrices de corr\u00e9lation bas\u00e9es sur Pearson pour des items dont les taux d’endossement diff\u00e8rent s’av\u00e8re m\u00e9thodologiquement biais\u00e9e.<\/p>\n

\"\"<\/figure>\n

4. Le test d’ind\u00e9pendance du Chi-carr\u00e9 comme socle fondamental<\/h2>\n

4.1 Construction et formalisation du tableau de contingence<\/h3>\n

Pour s’\u00e9manciper des distorsions m\u00e9triques du formalisme param\u00e9trique lin\u00e9aire, l’analyse bivari\u00e9e des donn\u00e9es qualitatives prend racine dans le tableau de contingence, \u00e9galement d\u00e9sign\u00e9 sous le terme de table crois\u00e9e ou matrice de fr\u00e9quences conjointes. Con\u00e7u pour croiser simultan\u00e9ment deux variables cat\u00e9gorielles $X$<\/span> et $Y$<\/span> comportant respectivement $R$<\/span> modalit\u00e9s en lignes ($i = 1, dots, R$<\/span>) et $C$<\/span> modalit\u00e9s en colonnes ($j = 1, dots, C$<\/span>), le tableau de contingence r\u00e9sume l’ensemble de l’information empirique disponible dans un \u00e9chantillon de taille globale $N$<\/span>.<\/p>\n

Chaque cellule de cette matrice bidimensionnelle contient un effectif observ\u00e9, not\u00e9 $O_{ij}$<\/span> (ou $n_{ij}$<\/span>), qui correspond au d\u00e9nombrement absolu des sujets de l’\u00e9chantillon pr\u00e9sentant simultan\u00e9ment la modalit\u00e9 $i$<\/span> sur la variable $X$<\/span> et la modalit\u00e9 $j$<\/span> sur la variable $Y$<\/span>. En sommant ces effectifs conjoints le long des lignes et des colonnes, on obtient les distributions marginales de l’\u00e9chantillon :<\/p>\n

n_{icdot} = sum_{j=1}^{C} O_{ij} quad text{et} quad n_{cdot j} = sum_{i=1}^{R} O_{ij}<\/p>\n

L’hypoth\u00e8se nulle ($H_0$<\/span>) fondamentale sous-tendant l’analyse de cette matrice est l’hypoth\u00e8se d’ind\u00e9pendance statistique stochastique au sens de la th\u00e9orie des probabilit\u00e9s. Deux \u00e9v\u00e9nements al\u00e9atoires sont dits ind\u00e9pendants si et seulement si leur probabilit\u00e9 conjointe \u00e9quivaut au produit de leurs probabilit\u00e9s marginales respectives : $P(X = i \\cap Y = j) = P(X = i) \\times P(Y = j)$<\/span>. En transposant cette d\u00e9finition th\u00e9orique aux grandeurs d’\u00e9chantillonnage, on d\u00e9rive pour chaque cellule la fr\u00e9quence th\u00e9orique attendue sous l’hypoth\u00e8se d’ind\u00e9pendance, traditionnellement not\u00e9e $E_{ij}$<\/span> (pour Expected frequency<\/em>) :<\/p>\n

E_{ij} = (n_{icdot} times n_{cdot j}) \/ N<\/p>\n

Cette fr\u00e9quence th\u00e9orique repr\u00e9sente le nombre exact d’individus que l’on observerait dans la case $(i, j)$<\/span> si la r\u00e9partition des modalit\u00e9s de la variable $Y$<\/span> \u00e9tait rigoureusement homog\u00e8ne \u00e0 travers toutes les strates d\u00e9finies par la variable $X$<\/span>. La matrice des \u00e9carts $(O_{ij} – E_{ij})$<\/span> constitue l’espace r\u00e9siduel sur lequel se fondent l’ensemble des tests d’ind\u00e9pendance et des m\u00e9triques d’association globale pour variables nominales.<\/p>\n

4.2 Statistique du Chi-carr\u00e9 de Pearson : principe et calcul<\/h3>\n

Introduite par Karl Pearson dans sa contribution fondamentale de 1900 (Pearson, 1900<\/a>), la statistique du Chi-carr\u00e9 d’ind\u00e9pendance (not\u00e9e $\\chi^2$<\/span>) mesure l’ampleur globale de la d\u00e9viation quadratique relative entre les fr\u00e9quences conjointes empiriquement observ\u00e9es ($O_{ij}$<\/span>) et les fr\u00e9quences th\u00e9oriques attendues sous le mod\u00e8le d’ind\u00e9pendance stochastique ($E_{ij}$<\/span>). Sa formulation math\u00e9matique standard s’\u00e9crit :<\/p>\n

chi^2 = sum_{i=1}^{R} sum_{j=1}^{C} frac{(O_{ij} – E_{ij})^2}{E_{ij}}<\/p>\n

L’\u00e9l\u00e9vation au carr\u00e9 du r\u00e9sidu brut $(O_{ij} – E_{ij})$<\/span> neutralise les compensations de signes entre les d\u00e9viations positives et n\u00e9gatives, tout en p\u00e9nalisant de mani\u00e8re exponentielle les divergences majeures par rapport au mod\u00e8le d’ind\u00e9pendance. La division par la fr\u00e9quence th\u00e9orique $E_{ij}$<\/span> assure une pond\u00e9ration relative indispensable : une d\u00e9viation de 10 individus n’a pas la m\u00eame signification statistique selon qu’elle survient dans une cellule dont l’effectif attendu est de 15 sujets ou dans une cellule o\u00f9 l’on attendait 1 000 sujets.<\/p>\n

Sous l’hypoth\u00e8se nulle $H_0$<\/span> d’ind\u00e9pendance statistique et lorsque la taille de l’\u00e9chantillon $N$<\/span> tend vers l’infini, la distribution asymptotique de cette statistique suit fid\u00e8lement une loi de probabilit\u00e9 continue du $\\chi^2$<\/span>, dont le nombre de degr\u00e9s de libert\u00e9 ($ddl$<\/span> ou $df$<\/span>) est d\u00e9termin\u00e9 par le produit des dimensions marginales libres du tableau :<\/p>\n

ddl = (R – 1) times (C – 1)<\/p>\n

Toutefois, cette convergence vers la loi continue du Chi-carr\u00e9 n’est asymptotiquement valide que si certaines conditions d’\u00e9chantillonnage sont scrupuleusement respect\u00e9es. Le crit\u00e8re standardis\u00e9 pr\u00e9dominant dans la pratique statistique est la r\u00e8gle d’effectifs de Cochran (Cochran, 1954). Cette r\u00e8gle stipule que la statistique du $\\chi^2$<\/span> de Pearson est asymptotiquement robuste si et seulement si :<\/p>\n