{"id":5561,"date":"2026-09-11T22:55:29","date_gmt":"2026-09-11T22:55:29","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-interpreter-sortie-regression-dans-r\/"},"modified":"2026-09-11T22:55:29","modified_gmt":"2026-09-11T22:55:29","slug":"comment-interpreter-sortie-regression-dans-r","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-interpreter-sortie-regression-dans-r","title":{"rendered":"Comment interpr\u00e9ter la sortie d’une r\u00e9gression dans R"},"content":{"rendered":"

L’analyse de r\u00e9gression lin\u00e9aire constitue la cl\u00e9 de vo\u00fbte de l’inf\u00e9rence statistique et de l’\u00e9conom\u00e9trie moderne. Utilis\u00e9e tant dans les sciences exp\u00e9rimentales que dans les sciences sociales ou biom\u00e9dicales, elle fournit un cadre rigoureux pour quantifier les relations existant entre une variable d’int\u00e9r\u00eat et une ou plusieurs covariables explicatives. Au sein du logiciel statistique open-source The R Project for Statistical Computing<\/a>, la mod\u00e9lisation lin\u00e9aire b\u00e9n\u00e9ficie d’une impl\u00e9mentation matricielle robuste \u00e0 travers la fonction native lm()<\/code>. N\u00e9anmoins, l’ex\u00e9cution computationnelle d’un mod\u00e8le ne repr\u00e9sente que la phase pr\u00e9liminaire de l’investigation empirique : la valeur heuristique d’une \u00e9tude r\u00e9side int\u00e9gralement dans la capacit\u00e9 du praticien \u00e0 interpr\u00e9ter fid\u00e8lement le tableau r\u00e9capitulatif g\u00e9n\u00e9r\u00e9 par l’appel de la commande summary()<\/code>.<\/p>\n

Cette restitution standardis\u00e9e, d’une grande densit\u00e9 informationnelle, condense en quelques lignes une multitude d’indicateurs param\u00e9triques, d’erreurs types, de tests d’hypoth\u00e8ses asymptotiques et de mesures de qualit\u00e9 d’ajustement globale. Trop souvent, les analystes n\u00e9ophytes ou les chercheurs press\u00e9s r\u00e9duisent cette sortie \u00e0 une simple chasse aux \u00e9toiles de significativit\u00e9, n\u00e9gligeant les avertissements implicites dissimul\u00e9s dans les distributions r\u00e9siduelles, l’inflation des erreurs standards ou les \u00e9carts entre coefficients bruts et ajust\u00e9s. Une lecture erron\u00e9e de ces r\u00e9sultats expose \u00e0 des conclusions fallacieuses, \u00e0 la publication de r\u00e9sultats non reproductibles et \u00e0 des erreurs substantielles d’inf\u00e9rence causale.<\/p>\n

Le pr\u00e9sent guide a pour vocation de d\u00e9construire m\u00e9thodiquement et exhaustivement chaque composante de la sortie d’une r\u00e9gression lin\u00e9aire sous R. En adoptant une perspective acad\u00e9mique alliant rigueur math\u00e9matique et contextualisation pratique, nous analyserons pas \u00e0 pas la structure de l’objet summary.lm<\/code>. De la v\u00e9rification de la commande initiale \u00e0 l’\u00e9valuation des r\u00e9sidus, de l’interpr\u00e9tation s\u00e9mantique des coefficients \u00e0 l’analyse de la statistique de Fisher, ce document offre une grille d’analyse exhaustive permettant de transformer une s\u00e9rie de valeurs brutes en un compte-rendu scientifique conforme aux normes les plus strictes de la recherche contemporaine.<\/p>\n

1. Introduction \u00e0 la mod\u00e9lisation par r\u00e9gression lin\u00e9aire sous l’environnement R<\/h2>\n

1.1 Fondements m\u00e9thodologiques de la fonction lm()<\/h3>\n

La fonction lm()<\/code>, acronyme de linear models<\/em>, constitue le pilier algorithmique de l’ajustement lin\u00e9aire dans le syst\u00e8me R. D’un point de vue math\u00e9matique, cette fonction met en \u0153uvre l’estimation par la m\u00e9thode des moindres carr\u00e9s ordinaires<\/a> (MCO). Le principe sous-jacent consiste \u00e0 d\u00e9terminer le vecteur de param\u00e8tres $\\hat{\\beta}$<\/span> qui minimise la somme des carr\u00e9s des \u00e9carts verticaux entre les valeurs observ\u00e9es de la variable r\u00e9ponse $y_i$<\/span> et les valeurs pr\u00e9dites par la droite ou l’hyperplan de r\u00e9gression $\\hat{y}_i$<\/span>. Alg\u00e9briquement, sous l’\u00e9criture matricielle classique $Y = X\\beta + \\varepsilon$<\/span>, l’estimateur des moindres carr\u00e9s ordinaires se r\u00e9sout via la formule canonique $\\hat{\\beta} = (X’X)^{-1}X’Y$<\/span>, \u00e0 la condition imp\u00e9rative que la matrice de conception $X$<\/span> soit de plein rang de colonnes, garantissant ainsi l’inversibilit\u00e9 du produit matriciel $X’X$<\/span>.<\/p>\n

Dans l’environnement R, la formulation des relations structurelles s’articule autour d’une syntaxe d\u00e9clarative utilisant l’op\u00e9rateur tilde (~<\/code>). La variable r\u00e9ponse se positionne syst\u00e9matiquement \u00e0 gauche de cet op\u00e9rateur, tandis que l’ensemble des covariables explicatives est dispos\u00e9 \u00e0 sa droite. Par exemple, une sp\u00e9cification univari\u00e9e s’\u00e9crira y ~ x<\/code>, signifiant que la variable $y$<\/span> est mod\u00e9lis\u00e9e en fonction de la variable $x$<\/span>. Cette syntaxe s’\u00e9tend sans rupture \u00e0 la r\u00e9gression lin\u00e9aire multiple par l’adjonction additive de r\u00e9gresseurs suppl\u00e9mentaires, formul\u00e9e sous la forme y ~ x1 + x2 + x3<\/code>. Il est crucial de souligner que l’op\u00e9rateur +<\/code> ne symbolise point ici une addition arithm\u00e9tique des vecteurs, mais l’inclusion conjointe des pr\u00e9dicteurs dans la matrice de mod\u00e9lisation.<\/p>\n

La distinction th\u00e9orique entre la r\u00e9gression lin\u00e9aire simple et la r\u00e9gression lin\u00e9aire multiple s’av\u00e8re fondamentale. Alors que le mod\u00e8le simple se borne \u00e0 projeter les donn\u00e9es dans un espace \u00e0 deux dimensions pour quantifier une corr\u00e9lation bivari\u00e9e lin\u00e9aris\u00e9e, la r\u00e9gression multiple permet de contr\u00f4ler math\u00e9matiquement la pr\u00e9sence de facteurs de confusion. Elle \u00e9value l’impact individuel de chaque variable en isolant les variations communes partag\u00e9es par les autres pr\u00e9dicteurs. Enfin, sur le plan de l’int\u00e9grit\u00e9 scientifique, l’usage document\u00e9 de la fonction lm()<\/code> r\u00e9pond aux standards actuels de la recherche reproductible. L’\u00e9criture explicite des formules au sein de scripts normalis\u00e9s garantit la tra\u00e7abilit\u00e9 int\u00e9grale de la cha\u00eene de traitement statistique, depuis les donn\u00e9es brutes jusqu’aux estimateurs finaux.<\/p>\n

1.2 R\u00f4le et g\u00e9n\u00e9ration de l’objet summary.lm<\/h3>\n

Lorsqu’un mod\u00e8le lin\u00e9aire est estim\u00e9 via l’instruction modele <- lm(formule, data)<\/code>, le logiciel R ne g\u00e9n\u00e8re qu’une restitution textuelle synth\u00e9tique limit\u00e9e aux coefficients estim\u00e9s. La richesse analytique de la r\u00e9gression n’est v\u00e9ritablement d\u00e9voil\u00e9e que par l’interm\u00e9diaire de la m\u00e9thode g\u00e9n\u00e9rique summary()<\/code>, qui invoque en arri\u00e8re-plan la fonction sp\u00e9cialis\u00e9e summary.lm()<\/code>. Cette m\u00e9thode proc\u00e8de \u00e0 une extraction rigoureuse de la structure interne de l’objet de classe lm<\/code>, qui s’apparente sur le plan programmatique \u00e0 une liste nomm\u00e9e contenant des vecteurs matriciels, les r\u00e9sidus bruts, les valeurs ajust\u00e9es, le rang de la matrice ainsi que les termes de la sp\u00e9cification initiale.<\/p>\n

L’ex\u00e9cution de summary(modele)<\/code> d\u00e9clenche un ensemble de calculs secondaires indispensables \u00e0 l’inf\u00e9rence. La fonction calcule l’\u00e9cart-type r\u00e9siduel, d\u00e9termine la matrice de variance-covariance des coefficients estim\u00e9s, d\u00e9rive les erreurs standards associ\u00e9es \u00e0 chaque estimation, calcule les statistiques de Student individuelles, r\u00e9sout les int\u00e9grales des lois de probabilit\u00e9 sous-jacentes pour d\u00e9gager les p-valeurs associ\u00e9es, et quantifie les indicateurs d’ad\u00e9quation globale tels que le coefficient de d\u00e9termination et la statistique globale de Fisher. L’objet ainsi retourn\u00e9, de classe summary.lm<\/code>, structure visuellement ces r\u00e9sultats en sections cardinales bien d\u00e9limit\u00e9es, assurant une transition harmonieuse entre calcul num\u00e9rique et interpr\u00e9tation statistique.<\/p>\n

Dans le domaine de la recherche empirique, de l’\u00e9conom\u00e9trie et de la psychom\u00e9trie quantitative, la ma\u00eetrise de cette sortie conditionne la validit\u00e9 des conclusions publi\u00e9es. L’objet summary.lm<\/code> ne se contente pas de pr\u00e9senter des estimations ponctuelles ; il condense l’int\u00e9gralit\u00e9 du profil stochastique du mod\u00e8le ajust\u00e9. En psychom\u00e9trie, o\u00f9 les \u00e9chelles d’attitudes, les scores de comp\u00e9tences cognitives et les variables d’\u00e9tat sont mod\u00e9lis\u00e9s au travers de pr\u00e9dicteurs multiples parfois corr\u00e9l\u00e9s, la lecture de cet objet permet de d\u00e9celer d’embl\u00e9e la pertinence th\u00e9orique des constructions factorielles, l’ad\u00e9quation de la variance expliqu\u00e9e et l’erreur d’estimation inh\u00e9rente aux mesures comportementales.<\/p>\n

1.3 Mise en situation avec le jeu de donn\u00e9es classique mtcars<\/h3>\n

Afin de contextualiser de mani\u00e8re pragmatique les d\u00e9veloppements th\u00e9oriques de cet article, nous mobilisons le jeu de donn\u00e9es standardis\u00e9 mtcars<\/code>, issu des extractions du magazine am\u00e9ricain Motor Trend<\/em> de 1974. Bien que classique, cette base de donn\u00e9es empirique offre un cadre id\u00e9al pour l’apprentissage m\u00e9thodologique en raison de la diversit\u00e9 de ses variables quantitatives continues et discr\u00e8tes, ainsi que des relations non purement d\u00e9terministes qu’elle renferme. Notre mod\u00e8le cible vise \u00e0 expliquer la consommation de carburant, mesur\u00e9e par la variable continue mpg<\/code> (miles par gallon am\u00e9ricain), \u00e0 partir de trois attributs m\u00e9caniques et structurels fondamentaux : la puissance motrice brute hp<\/code> (horsepower), le rapport de pont arri\u00e8re drat<\/code> (rear axle ratio), et le poids global du v\u00e9hicule wt<\/code> (exprim\u00e9 en milliers de livres anglo-saxonnes).<\/p>\n

L’impl\u00e9mentation algorithmique de cette r\u00e9gression multiple sous R s’op\u00e8re au moyen du bloc d’instructions canonique suivant :<\/p>\n

modele_voitures <- lm(mpg ~ hp + drat + wt, data = mtcars)<\/code>
\nsummary(modele_voitures)<\/code><\/p>\n

L’ex\u00e9cution de cet appel syst\u00e8me produit une sortie textuelle norm\u00e9e que nous diss\u00e9querons m\u00e9thodiquement tout au long de cet ouvrage. D’un point de vue de la d\u00e9marche hypoth\u00e9tico-d\u00e9ductive, ce mod\u00e8le est formul\u00e9 pour r\u00e9pondre \u00e0 des interrogations de recherche hautement sp\u00e9cifiques : dans quelle mesure l’alourdissement d’un v\u00e9hicule d\u00e9grade-t-il son rendement \u00e9nerg\u00e9tique lorsque la puissance et la transmission sont maintenues constantes ? Une puissance accrue se traduit-elle invariablement par une baisse d’autonomie kilom\u00e9trique par unit\u00e9 de carburant ? Enfin, ce groupe restreint de trois caract\u00e9ristiques m\u00e9caniques suffit-il \u00e0 capturer l’essentiel de la dispersion observ\u00e9e dans l’efficacit\u00e9 \u00e9nerg\u00e9tique des v\u00e9hicules automobiles ? L’\u00e9quation de r\u00e9gression estim\u00e9e repr\u00e9sentera notre r\u00e9f\u00e9rence computationnelle continue.<\/p>\n

2. Analyse de la section Call : Formulation et tra\u00e7abilit\u00e9 du mod\u00e8le<\/h2>\n

2.1 Comprendre la restitution de l’appel syst\u00e8me<\/h3>\n

La premi\u00e8re section affich\u00e9e en t\u00eate de la sortie de r\u00e9gression est syst\u00e9matiquement intitul\u00e9e Call<\/strong>. Loin d’\u00eatre un simple art\u00e9fact cosm\u00e9tique du terminal de commande, cette ligne joue un r\u00f4le documentaire primordial dans l’audit et la tra\u00e7abilit\u00e9 des analyses de donn\u00e9es quantitatives. La section Call<\/code> reproduit verbatim l’instruction d’instanciation telle qu’elle a \u00e9t\u00e9 soumise au moteur de calcul de R, \u00e0 l’instar de :<\/p>\n

Call: lm(formula = mpg ~ hp + drat + wt, data = mtcars)<\/code><\/p>\n

Cette r\u00e9troaction permet imm\u00e9diatement \u00e0 l’analyste de v\u00e9rifier que le mod\u00e8le interpr\u00e9t\u00e9 correspond rigoureusement \u00e0 l’intention th\u00e9orique initiale. Il n’est point rare, dans le cadre de projets complexes impliquant la manipulation de scripts volumineux, que des erreurs d’inattention conduisent \u00e0 l’ex\u00e9cution d’un mod\u00e8le avec une variable r\u00e9ponse mal orthographi\u00e9e, une variable log-transform\u00e9e omise, ou un jeu de donn\u00e9es obsol\u00e8te. Le Call<\/code> atteste formellement de la concordance entre le mod\u00e8le con\u00e7u et l’objet num\u00e9rique analys\u00e9 en m\u00e9moire vive.<\/p>\n

De surcro\u00eet, la v\u00e9rification minutieuse de cette ligne permet de rep\u00e9rer des erreurs courantes d’assignation globale. En R, si un chercheur a pr\u00e9c\u00e9demment attach\u00e9 un jeu de donn\u00e9es dans l’espace de travail global via la commande controvers\u00e9e attach()<\/code>, des ambigu\u00eft\u00e9s s’installent quant \u00e0 la provenance exacte des colonnes utilis\u00e9es par la formule. Le champ Call<\/code> clarifie express\u00e9ment si l’argument data<\/code> a \u00e9t\u00e9 sp\u00e9cifi\u00e9 de fa\u00e7on autonome ou si l’environnement a capt\u00e9 des variables isol\u00e9es. Il constitue la premi\u00e8re garantie d’int\u00e9grit\u00e9 de la reproductibilit\u00e9 scientifique.<\/p>\n

2.2 Gestion des arguments compl\u00e9mentaires dans lm()<\/h3>\n

La flexibilit\u00e9 de la fonction lm()<\/code> repose \u00e9galement sur sa capacit\u00e9 \u00e0 int\u00e9grer des arguments optionnels hautement structurants qui modifient en profondeur la population statistique soumise \u00e0 l’inf\u00e9rence. Le premier d’entre eux est l’argument subset<\/code>, qui autorise le chercheur \u00e0 restreindre l’ajustement du mod\u00e8le \u00e0 une fraction sp\u00e9cifique des observations r\u00e9pondant \u00e0 un pr\u00e9dicat logique d\u00e9termin\u00e9 (par exemple, subset = cyl == 6<\/code>). Lorsque cet argument est mobilis\u00e9, la section Call<\/code> en conserve la trace explicite, alertant le relecteur sur le fait que les coefficients obtenus ne s’appliquent pas \u00e0 la totalit\u00e9 de la population de l’\u00e9chantillon d’origine, mais uniquement \u00e0 la sous-population filtr\u00e9e.<\/p>\n

Le second param\u00e8tre fondamental r\u00e9side dans l’argument na.action<\/code>, lequel gouverne le traitement algorithmique des donn\u00e9es manquantes (not\u00e9es NA<\/code> sous R). Par d\u00e9faut, la plupart des environnements R exploitent la m\u00e9thode na.omit<\/code>, qui \u00e9limine d’office de l’estimation toute observation contenant au moins une valeur absente sur l’une des variables mobilis\u00e9es dans la formule. Ce processus, qualifi\u00e9 d’analyse de cas complets (complete-case analysis<\/em>), peut r\u00e9duire drastiquement l’effectif effectif $n$<\/span> sous-jacent au mod\u00e8le sans que l’analyste n’en prenne initialement conscience si les donn\u00e9es n’ont point \u00e9t\u00e9 inspect\u00e9es pr\u00e9alablement.<\/p>\n

L’utilisation de politiques alternatives telles que na.exclude<\/code> affectera quant \u00e0 elle la conservation des longueurs de vecteurs pour la g\u00e9n\u00e9ration ult\u00e9rieure de r\u00e9sidus et de valeurs pr\u00e9dites, facilitant la r\u00e9injection de ces donn\u00e9es dans le tableau original sans briser la structure dimensionnelle. Quel que soit le choix m\u00e9thodologique op\u00e9r\u00e9, ces arguments conditionnent directement le nombre de degr\u00e9s de libert\u00e9 r\u00e9siduels finaux. Une r\u00e9duction impr\u00e9vue de l’\u00e9chantillon d\u00e9grade la puissance statistique des tests d’hypoth\u00e8ses et peut introduire un biais de s\u00e9lection substantiel si le m\u00e9canisme sous-jacent de valeurs manquantes n’est pas strictement al\u00e9atoire au sens de Rubin.<\/p>\n

3. \u00c9valuation descriptive des r\u00e9sidus : La section Residuals<\/h2>\n

3.1 D\u00e9finition th\u00e9orique et calcul des r\u00e9sidus ordinaires<\/h3>\n

Imm\u00e9diatement apr\u00e8s le rappel de la formule, la sortie de r\u00e9gression expose un r\u00e9sum\u00e9 quantitatif condens\u00e9 sous la rubrique Residuals<\/strong>. Sur le plan th\u00e9orique fondamental, le r\u00e9sidu ordinaire associ\u00e9 \u00e0 la $i$<\/span>-i\u00e8me observation, couramment d\u00e9not\u00e9 $e_i$<\/span>, repr\u00e9sente l’\u00e9cart arithm\u00e9tique exact entre la valeur observ\u00e9e empiriquement de la variable d\u00e9pendante $y_i$<\/span> et la valeur th\u00e9orique ajust\u00e9e ou pr\u00e9dite par le mod\u00e8le lin\u00e9aire $\\hat{y}_i$<\/span> :<\/p>\n

$$e_i = y_i – \\hat{y}_i = y_i – (\\hat{\\beta}_0 + \\hat{\\beta}_1 x_{i1} + dots + \\hat{\\beta}_k x_{ik})$$<\/span><\/p>\n

Il importe de distinguer formellement le concept empirique de r\u00e9sidu ($e_i$<\/span>) du concept th\u00e9orique d’erreur stochastique invisible ($\\varepsilon_i$<\/span>). Les erreurs $\\varepsilon_i$<\/span> constituent des variables al\u00e9atoires non observables issues du processus g\u00e9n\u00e9rateur de donn\u00e9es th\u00e9orique, alors que les r\u00e9sidus $e_i$<\/span> sont les r\u00e9alisations num\u00e9riques concr\u00e8tes calcul\u00e9es \u00e0 partir des donn\u00e9es de l’\u00e9chantillon apr\u00e8s minimisation de la somme des carr\u00e9s. Selon les axiomes du th\u00e9or\u00e8me de Gauss-Markov<\/a>, la m\u00e9thode des moindres carr\u00e9s ordinaires contraint math\u00e9matiquement la moyenne arithm\u00e9tique de ces r\u00e9sidus ordinaires \u00e0 \u00eatre rigoureusement \u00e9gale \u00e0 z\u00e9ro, pourvu que le mod\u00e8le int\u00e8gre une constante (intercept).<\/p>\n

L’analyse minutieuse des r\u00e9sidus constitue le point de d\u00e9part de tout diagnostic de validit\u00e9 d’une mod\u00e9lisation. Les r\u00e9sidus renferment l’int\u00e9gralit\u00e9 de l’information que le mod\u00e8le lin\u00e9aire a \u00e9chou\u00e9 \u00e0 capturer au travers des covariables incluses. Si la sp\u00e9cification est correcte et si les hypoth\u00e8ses fondamentales sont respect\u00e9es, ces termes d’\u00e9cartement doivent se comporter comme un bruit blanc gaussien, d\u00e9nu\u00e9 de tout motif syst\u00e9matique, de d\u00e9pendance s\u00e9rielle ou d’asym\u00e9trie structurelle.<\/p>\n

3.2 Interpr\u00e9tation des quartiles de la distribution des r\u00e9sidus<\/h3>\n

Pour permettre une \u00e9valuation rapide de la forme de la distribution r\u00e9siduelle sans recourir imm\u00e9diatement \u00e0 des visualisations graphiques lourdes, la section Residuals<\/code> synth\u00e9tise la dispersion de ces \u00e9carts \u00e0 travers le r\u00e9sum\u00e9 \u00e0 cinq nombres de Tukey :<\/p>\n