{"id":6027,"date":"2026-09-16T04:22:25","date_gmt":"2026-09-16T04:22:25","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/variables-dichotomiques-definition-exemples\/"},"modified":"2026-09-16T04:22:32","modified_gmt":"2026-09-16T04:22:32","slug":"variables-dichotomiques-definition-exemples","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=variables-dichotomiques-definition-exemples","title":{"rendered":"Que sont les variables dichotomiques ? (D\u00e9finition et exemple)"},"content":{"rendered":"

La quantification des ph\u00e9nom\u00e8nes observables constitue le pivot m\u00e9thodologique sur lequel repose l’ensemble des sciences contemporaines, qu’il s’agisse de la psychologie cognitive, de l’\u00e9pid\u00e9miologie clinique, de la sociologie quantitative ou des neurosciences comportementales. Dans cette qu\u00eate de formalisation empirique, le chercheur est constamment confront\u00e9 \u00e0 une tension fondamentale entre la complexit\u00e9 continue de la r\u00e9alit\u00e9 et la n\u00e9cessit\u00e9 d’une cat\u00e9gorisation intelligible. Au c\u0153ur de cette tension se d\u00e9ploie un outil m\u00e9trologique d’une apparente simplicit\u00e9 mais d’une port\u00e9e analytique redoutable : la variable dichotomique<\/strong>. Capable de r\u00e9duire l’espace des \u00e9tats possibles d’un ph\u00e9nom\u00e8ne \u00e0 une alternative binaire irr\u00e9ductible, cette structure de donn\u00e9es gouverne une immense portion des d\u00e9cisions empiriques, de l’admission d’un patient dans un protocole th\u00e9rapeutique \u00e0 la validation d’une th\u00e9orie neurocomputationnelle du traitement du signal.<\/p>\n

Pourtant, sous cette simplicit\u00e9 op\u00e9rationnelle se dissimulent des enjeux conceptuels et math\u00e9matiques profonds. Qualifier une variable de dichotomique ne consiste pas simplement \u00e0 constater l’existence de deux \u00e9tiquettes textuelles distinctes dans un fichier de donn\u00e9es. Cela implique d’adh\u00e9rer \u00e0 des postulats pr\u00e9cis concernant l’exhaustivit\u00e9 des cat\u00e9gories, leur \u00e9tanch\u00e9it\u00e9 mutuelle, ainsi que la nature sous-jacente du construit mesur\u00e9. Une confusion fr\u00e9quente persiste entre les dichotomies qui rel\u00e8vent de la structure ontologique m\u00eame de l’objet d’\u00e9tude et celles qui r\u00e9sultent d’un acte volontaire, parfois d\u00e9l\u00e9t\u00e8re, de discr\u00e9tisation impos\u00e9 par le chercheur sur un continuum latent. La manipulation de ces variables conditionne directement le choix des mod\u00e8les probabilistes, la pr\u00e9servation de la puissance statistique et la validit\u00e9 des inf\u00e9rences causales qui en d\u00e9coulent.<\/p>\n

Cet article propose une exploration encyclop\u00e9dique et rigoureuse de la variable dichotomique au sein de l’\u00e9difice statistique moderne. \u00c0 travers une articulation syst\u00e9matique entre fondements \u00e9pist\u00e9mologiques, d\u00e9veloppements m\u00e9trologiques, formulations probabilistes et applications computationnelles, nous examinerons la place unique qu’occupe le codage binaire dans les sciences empiriques. Du positionnement de ces variables dans la taxonomie de Stevens jusqu’aux subtilit\u00e9s algorithmiques de la r\u00e9gression logistique et de l’analyse des tables de contingence, cette monographie dresse un panorama exhaustif des th\u00e9ories, des controverses historiques et des imp\u00e9ratifs m\u00e9thodologiques indispensables \u00e0 tout praticien de la recherche quantitative.<\/p>\n

1. Introduction et fondements conceptuels de la variable dichotomique<\/h2>\n

1.1 D\u00e9finition formelle et caract\u00e9ristiques intrins\u00e8ques<\/h3>\n

Sur le plan m\u00e9trologique et math\u00e9matique, une variable dichotomique<\/strong> \u2014 fr\u00e9quemment d\u00e9sign\u00e9e sous les vocables de variable binaire ou variable \u00e0 deux \u00e9tats \u2014 est une variable statistique dont l’espace \u00e9chantillonnal, traditionnellement not\u00e9 $\\Omega$<\/span>, est partitionn\u00e9 en exactement deux modalit\u00e9s qualitatives ou quantitatives. La premi\u00e8re caract\u00e9ristique fondamentale de cette structure r\u00e9side dans le principe d’exclusion mutuelle<\/strong> : pour toute unit\u00e9 d’observation $i$<\/span> appartenant \u00e0 la population cible, la r\u00e9alisation de la variable ne peut prendre qu’une seule et unique modalit\u00e9 \u00e0 un instant $t$<\/span> donn\u00e9. Si nous notons les deux modalit\u00e9s $A$<\/span> et $B$<\/span>, l’intersection de ces deux sous-ensembles est rigoureusement vide ($A cap B = emptyset$<\/span>). Aucune observation ne peut donc \u00eatre simultan\u00e9ment assign\u00e9e aux deux cat\u00e9gories, ce qui \u00e9limine toute ambigu\u00eft\u00e9 taxonomique au niveau de l’enregistrement de la donn\u00e9e.<\/p>\n

La seconde caract\u00e9ristique cardinale est le principe d’exhaustivit\u00e9<\/strong>. L’union des deux modalit\u00e9s couvre l’int\u00e9gralit\u00e9 de l’espace des r\u00e9alisations possibles pour le ph\u00e9nom\u00e8ne consid\u00e9r\u00e9 ($A \\cup B = \\Omega$<\/span>). Dans le champ de la collecte de donn\u00e9es psychom\u00e9triques et cliniques, ce postulat impose que chaque participant puisse \u00eatre sans \u00e9quivoque class\u00e9 dans l’un des deux compartiments th\u00e9oriques pr\u00e9vus par le protocole exp\u00e9rimental. Cette exhaustivit\u00e9 garantit la fermeture du syst\u00e8me descriptif et permet l’application des axiomes fondamentaux des probabilit\u00e9s de Kolmogorov, o\u00f9 la probabilit\u00e9 associ\u00e9e \u00e0 la modalit\u00e9 $B$<\/span> d\u00e9coule imm\u00e9diatement de celle de la modalit\u00e9 $A$<\/span> par la relation de compl\u00e9mentarit\u00e9 $P(B) = 1 – P(A)$<\/span>.<\/p>\n

Dans l’op\u00e9rationnalisation empirique, ces variables jouent un r\u00f4le crucial de simplification des observables comportementaux et cliniques. Face \u00e0 des dynamiques psychologiques hautement intriqu\u00e9es, l’assignation binaire permet de condenser un ensemble massif de micro-comportements en un \u00e9tat synth\u00e9tique unique (par exemple, la survenue ou la non-survenue d’une crise d’angoisse). N\u00e9anmoins, cette simplification impose d’op\u00e9rer une distinction conceptuelle capitale entre une dichotomie naturelle<\/em> (ou authentique) et une dichotomie artificielle<\/em>. Une dichotomie naturelle renvoie \u00e0 un \u00e9tat du monde dont la manifestation intrins\u00e8que est discr\u00e8te et binaire par essence biologique, physique ou administrative (par exemple, la survie d’un organisme, le statut d’une commande informatique ex\u00e9cut\u00e9e ou non). En revanche, la dichotomie artificielle correspond \u00e0 la discr\u00e9tisation arbitraire d’un continuum sous-jacent continu (comme classer les individus en \u00ab d\u00e9pressifs \u00bb versus \u00ab non d\u00e9pressifs \u00bb sur la base d’une note seuil arbitraire sur une \u00e9chelle continue de s\u00e9v\u00e9rit\u00e9). Cette d\u00e9marcation conceptuelle gouverne l’ensemble des choix analytiques ult\u00e9rieurs.<\/p>\n

\"\"<\/figure>\n

1.2 Origine \u00e9tymologique et rep\u00e8res historiques en m\u00e9trologie<\/h3>\n

D’un point de vue philologique, le vocable \u00ab dichotomie \u00bb trouve sa racine dans la langue grecque ancienne, form\u00e9 par la fusion du pr\u00e9fixe dicha-<\/em> (\u03b4\u03b9\u03c7\u1fb6), signifiant \u00ab en deux parties \u00bb, \u00ab doublement \u00bb ou \u00ab scind\u00e9 \u00bb, et du suffixe verbal -tomia<\/em>, d\u00e9riv\u00e9 du verbe temnein<\/em> (\u03c4\u03ad\u03bc\u03bd\u03b5\u03b9\u03bd), qui se traduit par \u00ab couper \u00bb ou \u00ab trancher \u00bb. Dans la tradition philosophique platonicienne et aristot\u00e9licienne, la m\u00e9thode dichotomique constituait l’instrument dialectique privil\u00e9gi\u00e9 de la division logique (diairesis<\/em>), consistant \u00e0 scinder un genre g\u00e9n\u00e9ral en deux esp\u00e8ces oppos\u00e9es et compl\u00e9mentaires afin de cerner l’essence d’un concept. Cette racine \u00e9tymologique traduit avec une remarquable pr\u00e9cision la nature de l’op\u00e9ration statistique contemporaine : un sectionnement net de l’espace empirique qui refuse toute forme de gradation interm\u00e9diaire.<\/p>\n

L’introduction formelle de la mesure binaire au sein des sciences quantitatives s’acc\u00e9l\u00e8re au XIXe si\u00e8cle avec la naissance de la psychophysique, discipline inaugur\u00e9e par Gustav Theodor Fechner dans ses c\u00e9l\u00e8bres Elemente der Psychophysik<\/em> (1860). En cherchant \u00e0 quantifier les relations math\u00e9matiques unissant l’\u00e9nergie d’un stimulus physique \u00e0 la sensation psychologique \u00e9prouv\u00e9e, Fechner dut formaliser la notion de \u00ab seuil absolu \u00bb (Absolutschwelle<\/em>). Dans ce cadre, la r\u00e9ponse du sujet exp\u00e9rimental est fondamentalement binaire : \u00ab oui, je per\u00e7ois \u00bb ou \u00ab non, je ne per\u00e7ois pas \u00bb. La mesure quantitative continue de la sensibilit\u00e9 sensorielle \u00e9mergeait ainsi de l’agr\u00e9gation probabiliste de jugements dichotomiques r\u00e9p\u00e9t\u00e9s, jetant les ponts initiaux entre le qualitatif discret et le continu latent.<\/p>\n

Presque simultan\u00e9ment, le math\u00e9maticien britannique George Boole publiait en 1854 son trait\u00e9 An Investigation of the Laws of Thought<\/em>, \u00e9tablissant l’alg\u00e8bre binaire (alg\u00e8bre bool\u00e9enne) o\u00f9 les propositions logiques ne prennent que deux valeurs de v\u00e9rit\u00e9 : le Vrai (1) et le Faux (0). Au tournant du XXe si\u00e8cle, la fusion conceptuelle entre l’alg\u00e8bre bool\u00e9enne et le calcul des probabilit\u00e9s, port\u00e9e par des pionniers de la statistique moderne tels que Karl Pearson et George Udny Yule, permit de transposer la logique binaire vers l’analyse empirique des populations. Les controverses acharn\u00e9es entre Pearson et Yule quant \u00e0 la fa\u00e7on d’estimer l’association entre deux caract\u00e8res binaires ont constitu\u00e9 le creuset duquel sont n\u00e9s les coefficients de corr\u00e9lation modernes, ouvrant la voie aux m\u00e9thodologies statistiques avanc\u00e9es qui structurent la recherche contemporaine.<\/p>\n

1.3 Importance de la conceptualisation binaire en recherche psychologique<\/h3>\n

Au sein de la recherche psychologique et psychiatrique, la conceptualisation binaire r\u00e9pond \u00e0 des exigences th\u00e9oriques, m\u00e9thodologiques et pragmatiques de premier ordre. Sur le plan nosographique, l’ensemble des syst\u00e8mes de classification contemporains, \u00e0 l’image du Manuel diagnostique et statistique des troubles mentaux (DSM-5)<\/a> \u00e9labor\u00e9 par l’American Psychiatric Association, repose sur une architecture d\u00e9cisionnelle dichotomique. Bien que la symptomatologie clinique d’un patient pr\u00e9sente une variabilit\u00e9 ph\u00e9nom\u00e9nologique continue, le syst\u00e8me m\u00e9dical requiert imp\u00e9rativement une d\u00e9cision binaire : le trouble est soit pr\u00e9sent, soit absent. Cette formalisation conditionne l’acc\u00e8s aux prises en charge th\u00e9rapeutiques, la prescription m\u00e9dicamenteuse standardis\u00e9e et l’inclusion rigoureuse des participants dans les essais cliniques randomis\u00e9s.<\/p>\n

Sur le plan exp\u00e9rimental, la r\u00e9duction de l’observation comportementale \u00e0 une r\u00e9ponse binaire constitue le socle des paradigmes d’\u00e9valuation sensorielle et cognitive \u00e9l\u00e9mentaire. Dans le cadre de la th\u00e9orie de la d\u00e9tection du signal (TDS), d\u00e9velopp\u00e9e initialement par David Green et John Swets, le comportement d’un individu face \u00e0 une sc\u00e8ne perceptive ambig\u00fce est d\u00e9compos\u00e9 en une matrice \u00e9l\u00e9mentaire croisant l’\u00e9tat du monde (stimulus pr\u00e9sent ou absent) avec la r\u00e9ponse motrice ou verbale du sujet (d\u00e9tection ou non-d\u00e9tection). Ce dispositif permet d’isoler exp\u00e9rimentalement la sensibilit\u00e9 perceptive intrins\u00e8que ($d’$<\/span>) du biais de r\u00e9ponse cognitif ($\\beta$<\/span>). Sans cette \u00e9puration dichotomique initiale, l’\u00e9valuation conjointe de ces param\u00e8tres sous-jacents demeurerait m\u00e9thodologiquement insoluble.<\/p>\n

Enfin, les protocoles psychom\u00e9triques et neurocognitifs exploitent massivement les paradigmes \u00e0 choix forc\u00e9 \u00e0 deux alternatives (commun\u00e9ment d\u00e9sign\u00e9s par l’acronyme 2AFC, pour Two-Alternative Forced Choice<\/em>). Qu’il s’agisse de mesurer le temps d’acc\u00e8s au lexique mental dans des t\u00e2ches de d\u00e9cision lexicale (le stimulus pr\u00e9sent\u00e9 constitue-t-il un mot r\u00e9el ou un pseudo-mot ?), d’\u00e9valuer la reconnaissance mn\u00e9sique d’items pr\u00e9alablement encod\u00e9s (item ancien versus item nouveau), ou d’enregistrer des potentiels \u00e9voqu\u00e9s en \u00e9lectroenc\u00e9phalographie lors d’un paradigme de type oddball<\/em> (stimulus standard versus stimulus d\u00e9viant), l’architecture dichotomique conf\u00e8re une pr\u00e9cision op\u00e9rationnelle maximale en \u00e9liminant les strat\u00e9gies parasites de compromis ou de r\u00e9ponses ind\u00e9cises chez le participant.<\/p>\n

2. Taxonomie statistique : Place des variables dichotomiques parmi les \u00e9chelles de mesure<\/h2>\n

2.1 La typologie de Stevens et l’\u00e9chelle nominale<\/h3>\n

Pour comprendre la place sp\u00e9cifique des variables dichotomiques dans l’\u00e9chafaudage statistique, il convient de se r\u00e9f\u00e9rer \u00e0 la classification paradigmatique formalis\u00e9e par le psychologue Stanley Smith Stevens dans son article fondateur de 1946 publi\u00e9 dans la revue Science<\/a>, intitul\u00e9 On the Theory of Scales of Measurement<\/em>. Stevens a structur\u00e9 la m\u00e9trologie des sciences empiriques en quatre niveaux d’\u00e9chelles hi\u00e9rarchis\u00e9es selon les op\u00e9rations math\u00e9matiques qu’elles autorisent : nominale, ordinale, d’intervalles et de rapports. Dans cette classification, la variable dichotomique s’inscrit au niveau le plus fondamental de la mesure : l’\u00e9chelle nominale<\/strong>.<\/p>\n

L’\u00e9chelle nominale se d\u00e9finit exclusivement par des relations d’\u00e9quivalence ($=$<\/span>) ou de non-\u00e9quivalence ($\\neq$<\/span>) entre les entit\u00e9s observ\u00e9es. Les nombres qui peuvent \u00eatre assign\u00e9s \u00e0 ses modalit\u00e9s n’ont aucune signification quantitative intrins\u00e8que ; ils ne constituent que des \u00e9tiquettes ou des d\u00e9signateurs symboliques conventionnels. En cons\u00e9quence, cette \u00e9chelle poss\u00e8de la propri\u00e9t\u00e9 d’\u00eatre invariante sous toute transformation univoque<\/em> (ou bijective). Cela signifie que remplacer les codes num\u00e9riques conventionnels ${0, 1}$<\/span> par ${1, 2}$<\/span>, ${10, 100}$<\/span> ou m\u00eame par les symboles textuels ${\\text{\u00c9chec}, \\text{Succ\u00e8s}}$<\/span> n’alt\u00e8re en rien l’int\u00e9grit\u00e9 de l’information statistique contenue dans la distribution. La pr\u00e9servation stricte des identit\u00e9s qualitatives repr\u00e9sente la condition n\u00e9cessaire et suffisante de la validit\u00e9 de l’\u00e9chelle nominale.<\/p>\n

Au sein de cette cat\u00e9gorie nominale, il importe toutefois de distinguer formellement la variable dichotomique stricte des variables nominales polytomiques. Ces derni\u00e8res admettent trois cat\u00e9gories ou davantage sans relation d’ordre (par exemple, le groupe sanguin ABO, l’affiliation religieuse ou la sp\u00e9cialit\u00e9 m\u00e9dicale d’un praticien). Si une variable nominale polytomique \u00e0 $k$<\/span> modalit\u00e9s n\u00e9cessite la manipulation de $k-1$<\/span> degr\u00e9s de libert\u00e9 pour \u00eatre enti\u00e8rement d\u00e9crite dans un espace multidimensionnel, la variable dichotomique ($k=2$<\/span>) condense cette information en un degr\u00e9 de libert\u00e9 unique. Cette singularit\u00e9 lui conf\u00e8re des propri\u00e9t\u00e9s math\u00e9matiques exceptionnelles qui transcendent les restrictions habituelles impos\u00e9es aux \u00e9chelles nominales classiques.<\/p>\n

2.2 Propri\u00e9t\u00e9s ordinales des variables dichotomiques ordonn\u00e9es<\/h3>\n

Bien que la variable dichotomique rel\u00e8ve structurellement du niveau nominal, une grande partie des variables binaires utilis\u00e9es en sciences humaines pr\u00e9sente une asym\u00e9trie s\u00e9mantique intrins\u00e8que. Lorsque les deux modalit\u00e9s refl\u00e8tent un gradient d’intensit\u00e9, de comp\u00e9tence ou d’accumulation d’un trait latent \u2014 comme l’opposition entre l’\u00e9chec et la r\u00e9ussite \u00e0 un test cognitif, ou la distinction entre un niveau d’anxi\u00e9t\u00e9 faible et un niveau \u00e9lev\u00e9 \u2014, la variable acquiert imm\u00e9diatement les propri\u00e9t\u00e9s d’une \u00e9chelle ordinale<\/strong>. La relation de non-\u00e9quivalence se double d’une relation d’ordre strict non sym\u00e9trique et transitive ($A < B$<\/span>).<\/p>\n

Cette propri\u00e9t\u00e9 ordinale constitue le fondement direct des mod\u00e8les de cumulativit\u00e9 psychom\u00e9trique, dont l’arch\u00e9type est l’\u00e9chelle de Guttman<\/a> (ou scalogramme de Guttman). Dans un instrument d’\u00e9valuation construit selon cette logique, une s\u00e9rie d’items dichotomiques est ordonn\u00e9e le long d’un continuum d’endossement ou de difficult\u00e9 croissante. L’acceptation d’un item situ\u00e9 \u00e0 un niveau d’exigence $k$<\/span> implique math\u00e9matiquement l’acceptation de tous les items de niveau inf\u00e9rieur ($k-1, k-2, dots, 1$<\/span>). Les r\u00e9ponses binaires individuelles ${0, 1}$<\/span> ne sont plus de simples descripteurs nominaux d\u00e9sordonn\u00e9s ; elles refl\u00e8tent directement la progression d’un individu le long d’une \u00e9chelle ordinale sous-jacente.<\/p>\n

Sur le plan m\u00e9thodologique, l’attribution d’un ordre formel \u00e0 une variable binaire autorise un traitement quasi-quantitatif dans de nombreuses proc\u00e9dures d’analyse de donn\u00e9es. En fixant arbitrairement l’ordre $0 < 1$<\/span>, la valeur $1$ d\u00e9note conventionnellement une pr\u00e9sence plus marqu\u00e9e du construit psychologique mesur\u00e9 (aptitude sup\u00e9rieure, pathologie plus s\u00e9v\u00e8re, accord id\u00e9ologique plus net). D\u00e8s lors, le chercheur peut l\u00e9gitimement calculer des corr\u00e9lations de rang (telles que le tau de Kendall ou le rho de Spearman) ou employer des mod\u00e8les de r\u00e9gression ordinale sans violer les hypoth\u00e8ses fondamentales relatives \u00e0 la structure sous-jacente des donn\u00e9es.<\/p>\n

2.3 Comparaison structurelle avec les \u00e9chelles d’intervalles et de rapports<\/h3>\n

Pour appr\u00e9hender les fronti\u00e8res analytiques de la variable dichotomique, il est imp\u00e9ratif de la confronter aux \u00e9chelles de mesure sup\u00e9rieures d\u00e9finies par Stevens : l’\u00e9chelle d’intervalles (qui dispose d’une unit\u00e9 de mesure constante mais d’un z\u00e9ro arbitraire, comme la temp\u00e9rature en degr\u00e9s Celsius ou les scores standardis\u00e9s de quotient intellectuel) et l’\u00e9chelle de rapports (qui poss\u00e8de un z\u00e9ro absolu et universel, comme la dur\u00e9e d’un temps de r\u00e9action mesur\u00e9e en millisecondes ou la concentration sanguine d’une hormone en picogrammes par millilitre).<\/p>\n

La variable dichotomique souffre par nature d’une absence absolue de m\u00e9trique intrins\u00e8que : il n’existe aucune distance g\u00e9om\u00e9trique ou physique objective s\u00e9parant l’\u00e9tat $0$ de l’\u00e9tat $1$. Il est impossible de postuler que l’\u00e9cart qualitatif entre l’absence et la pr\u00e9sence d’un trouble psychiatrique \u00e9quivaut \u00e0 un intervalle standardis\u00e9 constant susceptible d’\u00eatre report\u00e9 le long d’un axe lin\u00e9aire. Par cons\u00e9quent, les op\u00e9rations arithm\u00e9tiques fondamentales telles que l’addition, la soustraction ou la multiplication directe des modalit\u00e9s qualitatives brutes sont conceptuellement d\u00e9nu\u00e9es de sens. Calculer la moyenne arithm\u00e9tique de deux \u00e9tiquettes qualitatives est une absurdit\u00e9 s\u00e9miotique.<\/p>\n

Cependant, une propri\u00e9t\u00e9 math\u00e9matique remarquable \u00e9merge lorsque les modalit\u00e9s binaires sont cod\u00e9es num\u00e9riquement par les valeurs $0$ et $1$. Dans cette situation pr\u00e9cise, la moyenne arithm\u00e9tique de l’\u00e9chantillon d’observations, not\u00e9e $\\bar{X}$<\/span>, perd son statut de mesure de tendance centrale spatiale pour devenir rigoureusement \u00e9quivalente \u00e0 la proportion empirique<\/strong> d’individus pr\u00e9sentant la modalit\u00e9 cod\u00e9e $1$. Si nous observons un \u00e9chantillon de taille $N$<\/span> o\u00f9 $k$<\/span> individus ont la valeur $1$ et $N-k$<\/span> individus ont la valeur $0$, la formulation math\u00e9matique classique de la moyenne donne :<\/p>\n

$$\\bar{X} = \\frac{1}{N} \\sum_{i=1}^N X_i = \\frac{k \\times 1 + (N-k) \\times 0}{N} = \\frac{k}{N} = p$$<\/span><\/p>\n

Cette convergence fondamentale permet d’int\u00e9grer une variable initialement nominale dans des calculs analytiques quantitatifs continus, sous r\u00e9serve d’interpr\u00e9ter syst\u00e9matiquement la moyenne arithm\u00e9tique obtenue non pas comme un score individuel observable, mais comme une probabilit\u00e9 marginale d’appartenance \u00e0 la cat\u00e9gorie cible au sein de l’\u00e9chantillon analys\u00e9.<\/p>\n

3. Exemples appliqu\u00e9s dans les sciences du comportement et la recherche clinique<\/h2>\n

3.1 Variables d\u00e9mographiques et statuts individuels<\/h3>\n

Dans la recherche empirique appliqu\u00e9e \u00e0 la sociologie, \u00e0 la psychologie sociale et \u00e0 la m\u00e9decine du sport, les variables dichotomiques constituent des facteurs de stratification d\u00e9mographique largement sollicit\u00e9s. L’exemple le plus r\u00e9pandu r\u00e9side dans le sexe biologique individuel, historiquement cat\u00e9goris\u00e9 sous une forme strictement binaire : masculin versus f\u00e9minin. Bien que les d\u00e9bats biologiques et sociologiques contemporains soulignent la nuance entre sexe chromosomique, assignation anatomique et identit\u00e9 de genre non binaire, les \u00e9tudes \u00e9pid\u00e9miologiques standardis\u00e9es exploitent encore massivement cette dichotomie fondamentale afin d’\u00e9tudier les dimorphismes sexuels dans l’expression des maladies cardiovasculaires ou la vuln\u00e9rabilit\u00e9 diff\u00e9rentielle aux d\u00e9pressions majeures.<\/p>\n

Un autre exemple classique issu des sciences de l’activit\u00e9 physique et de la psychologie de la performance concerne le statut d’athl\u00e8te<\/em>. Dans une multitude d’investigations s’int\u00e9ressant \u00e0 la r\u00e9gulation du stress comp\u00e9titif ou aux fonctions ex\u00e9cutives spatiales, les participants sont assign\u00e9s de fa\u00e7on bivalente soit au groupe des athl\u00e8tes professionnels (soumis \u00e0 un entra\u00eenement intensif r\u00e9mun\u00e9r\u00e9 et r\u00e9gulier), soit au groupe des athl\u00e8tes amateurs (ou individus pratiquant une activit\u00e9 sportive \u00e0 titre r\u00e9cr\u00e9atif non structur\u00e9). Ce d\u00e9coupage binaire permet d’op\u00e9rationnaliser un contraste environnemental net pour \u00e9valuer l’impact d’une surcharge d’entra\u00eenement sur la plasticit\u00e9 c\u00e9r\u00e9brale.<\/p>\n

Enfin, en psychologie environnementale et en sociologie urbaine, les recherches \u00e9cologiques exploitent fr\u00e9quemment la nature de l’habitat individuel comme variable ind\u00e9pendante dichotomique : milieu de vie r\u00e9sidentiel<\/em> versus milieu commercial<\/em> (ou urbain dense versus rural). Cette partition binaire sert de proxy analytique pour estimer l’exposition diff\u00e9rentielle \u00e0 la pollution sonore, aux \u00eelots de chaleur ou au stress chronique induit par la densit\u00e9 d\u00e9mographique, fournissant ainsi des pr\u00e9dicteurs macroscopiques dans les \u00e9quations structurelles de bien-\u00eatre subjectif.<\/p>\n

\"Examples
Examples of dichotomous variables<\/figcaption><\/figure>\n

3.2 Indicateurs cliniques, diagnostiques et psychopathologiques<\/h3>\n

Le champ de la psychopathologie clinique fournit incontestablement l’illustration la plus concr\u00e8te des imp\u00e9ratifs de la variable dichotomique. Lors de la passation d’un entretien semi-structur\u00e9 valid\u00e9 tel que la Structured Clinical Interview for DSM-5 (SCID-5)<\/a>, le clinicien \u00e9value m\u00e9thodiquement la pr\u00e9sence ou l’absence d’un trouble de l’humeur. Bien que les manifestations affectives varient de fa\u00e7on continue d’un jour \u00e0 l’autre, le r\u00e9sultat synth\u00e9tique de l’\u00e9valuation diagnostique demeure r\u00e9solument binaire : le patient r\u00e9pond aux crit\u00e8res du trouble d\u00e9pressif majeur, ou bien il n’y r\u00e9pond pas.<\/p>\n

Dans le domaine de l’\u00e9valuation de l’efficacit\u00e9 th\u00e9rapeutique des psychoth\u00e9rapies, le statut de r\u00e9mission<\/em> post-intervention constitue la variable d\u00e9pendante princeps de tout essai clinique contr\u00f4l\u00e9. \u00c0 l’issue d’un protocole standardis\u00e9 de th\u00e9rapie cognitivo-comportementale (TCC) de douze semaines ciblant les troubles paniques, chaque participant est assign\u00e9 \u00e0 l’une des deux modalit\u00e9s suivantes : \u00ab succ\u00e8s th\u00e9rapeutique \u00bb (r\u00e9mission symptomatique compl\u00e8te objectiv\u00e9e par la n\u00e9gativation des crit\u00e8res d’inclusion) versus \u00ab \u00e9chec th\u00e9rapeutique \u00bb (persistance d’attaques de panique invalidantes ou abandon pr\u00e9coce du protocole). Cette simplification est indispensable pour calculer des indicateurs de sant\u00e9 publique tels que le nombre de sujets \u00e0 traiter (Number Needed to Treat<\/em>, NNT).<\/p>\n

De m\u00eame, dans les d\u00e9marches de d\u00e9pistage \u00e9pid\u00e9miologique \u00e0 large \u00e9chelle, les instruments d’auto-\u00e9valuation tels que le Patient Health Questionnaire-9<\/em> (PHQ-9) ou le General Health Questionnaire<\/em> (GHQ-12) font l’objet d’un seuillage standardis\u00e9. Le clinicien ne retient pas l’infinit\u00e9 des nuances du score composite global, mais d\u00e9termine si un seuil clinique de d\u00e9tresse psychologique<\/strong> est formellement atteint ou non atteint. Ce franchissement binaire d\u00e9clenche de fa\u00e7on algorithmique l’orientation du patient vers une consultation psychiatrique approfondie ou vers des investigations compl\u00e9mentaires, d\u00e9montrant l’alignement strict entre mesure binaire et action m\u00e9dicale.<\/p>\n

3.3 Mesures cognitives et paradigmes de performance<\/h3>\n

Au sein des sciences cognitives, de la neuropsychologie et de la psychom\u00e9trie scolaire, la r\u00e9ponse comportementale \u00e0 l’\u00e9chelle de l’item unitaire est presque universellement mod\u00e9lis\u00e9e sous forme dichotomique. Dans les batteries standardis\u00e9es d’intelligence g\u00e9n\u00e9rale telles que les \u00e9chelles de Wechsler (WAIS-IV, WISC-V), la r\u00e9ussite d’un individu \u00e0 un item sp\u00e9cifique \u2014 qu’il s’agisse de reproduire un arrangement g\u00e9om\u00e9trique \u00e0 l’aide de cubes bicolores ou de fournir la d\u00e9finition pr\u00e9cise d’un mot rare \u2014 est encod\u00e9e de fa\u00e7on bivalente : r\u00e9ussite<\/em> (1 point) versus \u00e9chec<\/em> (0 point). C’est la sommation probabiliste de ces r\u00e9ussites dichotomiques qui engendre ensuite les scores composites continus \u00e9talonn\u00e9s.<\/p>\n

Dans les paradigmes chronom\u00e9triques informatis\u00e9s \u00e9tudiant l’attention s\u00e9lective, comme la t\u00e2che de Stroop ou la t\u00e2che de Flanker, la variable d’int\u00e9r\u00eat imm\u00e9diate enregistr\u00e9e \u00e0 chaque essai est l’exactitude de la r\u00e9ponse motrice<\/strong> : la frappe sur la touche du clavier est soit correcte (concordance avec la consigne exp\u00e9rimentale), soit incorrecte (erreur de s\u00e9lection ou omission). L’analyse de cette modalit\u00e9 binaire permet d’alimenter les mod\u00e8les de diffusion de drift (Drift-Diffusion Models<\/em>), o\u00f9 la probabilit\u00e9 d’une d\u00e9cision correcte est coupl\u00e9e au temps de r\u00e9action pour isoler la vitesse d’accumulation de l’information neuronale du temps d’ex\u00e9cution motrice p\u00e9riph\u00e9rique.<\/p>\n

Enfin, dans le contexte de la docimologie et des examens acad\u00e9miques standardis\u00e9s (concours m\u00e9dicaux, certifications professionnelles, examens du barreau), la d\u00e9cision finale d’\u00e9valuation se condense de fa\u00e7on irr\u00e9versible en une variable dichotomique universelle : admis<\/em> versus recal\u00e9<\/em>. Quelles que soient l’extr\u00eame finesse de l’\u00e9chelle de notation initiale (par exemple, des moyennes chiffr\u00e9es calcul\u00e9es au milli\u00e8me de point pr\u00e8s) et la distribution des comp\u00e9tences cognitives r\u00e9elles des candidats, l’exigence soci\u00e9tale et administrative force l’\u00e9crasement de la variance continue au profit d’un verdict binaire non n\u00e9gociable.<\/p>\n

4. Distinction comparative : Dichotomie, polytomie et continuit\u00e9<\/h2>\n

4.1 Variables dichotomiques versus polytomiques qualitatives<\/h3>\n

La distinction entre variables dichotomiques et variables polytomiques s’articule autour de la cardinalit\u00e9 de la partition impos\u00e9e \u00e0 l’espace \u00e9chantillonnal. Alors qu’une variable dichotomique scinde rigoureusement la r\u00e9alit\u00e9 en deux classes ($k=2$<\/span>), une variable nominale polytomique d\u00e9coupe cet espace en un nombre fini de cat\u00e9gories sup\u00e9rieur \u00e0 deux ($k > 2$<\/span>). Cette extension du nombre de classes alt\u00e8re profond\u00e9ment la nature des relations combinatoires et la complexit\u00e9 des mod\u00e8les statistiques requis.<\/p>\n

Consid\u00e9rons \u00e0 titre d’illustration le domaine de la sociologie sportive : l’\u00e9valuation d’un athl\u00e8te peut s’effectuer par le prisme d’une variable binaire de succ\u00e8s (ayant remport\u00e9 au moins un titre au cours de la saison versus n’ayant remport\u00e9 aucun titre) ou par une variable de division sportive polytomique (Division 1, Division 2, Division 3, Division R\u00e9gionale). Alors que la premi\u00e8re modalit\u00e9 capture un contraste monolithique, la seconde introduit une multiplicit\u00e9 de comparaisons par paires possibles, pr\u00e9cis\u00e9ment au nombre de $\\frac{k(k-1)}{2}$<\/span>, soit six comparaisons bilat\u00e9rales distinctes pour quatre divisions sportives.<\/p>\n

Cette prolif\u00e9ration de classes entra\u00eene des cons\u00e9quences directes sur la taille minimale d’\u00e9chantillon n\u00e9cessaire pour garantir la robustesse des analyses inf\u00e9rentielles. Dans une table de contingence polytomique, le nombre de cellules crois\u00e9es s’accro\u00eet de fa\u00e7on exponentielle avec le nombre de modalit\u00e9s des variables en jeu. Or, pour que les tests asymptotiques d’ind\u00e9pendance (comme le test du Chi-deux de Pearson) soient valides, les effectifs th\u00e9oriques dans chaque cellule ne doivent pas descendre en de\u00e7\u00e0 d’un certain seuil critique (habituellement fix\u00e9 \u00e0 5 individus par case). L’\u00e9clatement des donn\u00e9es sur de multiples cat\u00e9gories polytomiques fragmente l’\u00e9chantillon, g\u00e9n\u00e8re des cellules sous-peupl\u00e9es et effondre dramatiquement la puissance statistique des tests, l\u00e0 o\u00f9 le format dichotomique maximise la concentration des effectifs dans un nombre restreint de cellules d’analyse.<\/p>\n

4.2 Variables dichotomiques versus variables quantitatives continues<\/h3>\n

La divergence entre une variable dichotomique et une variable quantitative continue rel\u00e8ve d’un ab\u00eeme informationnel. Une variable continue, telle que la moyenne de points inscrits par match par un basketteur sur une saison compl\u00e8te, ou la pression art\u00e9rielle systolique mesur\u00e9e en millim\u00e8tres de mercure, est d\u00e9finie sur un intervalle non d\u00e9nombrable de la droite des nombres r\u00e9els ($\\mathbb{R}$<\/span>). Elle poss\u00e8de une granularit\u00e9 th\u00e9oriquement infinie, limit\u00e9e uniquement par la pr\u00e9cision technologique de l’instrument de mesure.<\/p>\n

\u00c0 l’oppos\u00e9, la conversion d’une telle dynamique en une variable dichotomique (par exemple, classer les joueurs en \u00ab performants \u00bb si leur moyenne d\u00e9passe 20 points par match versus \u00ab non performants \u00bb dans le cas contraire) op\u00e8re une r\u00e9duction drastique de la granularit\u00e9 informationnelle<\/strong>. Deux athl\u00e8tes affichant respectivement 20,1 points et 38,5 points par match sont artificiellement assimil\u00e9s \u00e0 la m\u00eame classe d’\u00e9quivalence (\u00ab performant \u00bb), tandis qu’un joueur affichant 19,9 points se trouve exclu et projet\u00e9 dans la cat\u00e9gorie oppos\u00e9e aux c\u00f4t\u00e9s d’individus n’ayant inscrit aucun point de la saison.<\/p>\n

Cette discr\u00e9tisation brutale engendre une perte inh\u00e9rente de variance<\/strong> ph\u00e9nom\u00e9nologique. Dans la th\u00e9orie statistique classique, la variance d’une variable quantitative mesure l’\u00e9tendue des diff\u00e9rences interindividuelles r\u00e9elles au sein de la population. En \u00e9crasant ces distances m\u00e9triques au sein de deux blocs rigides, le chercheur d\u00e9truit irr\u00e9versiblement une part consid\u00e9rable de la covariance potentielle liant cette mesure \u00e0 d’autres construits psychologiques. La fid\u00e9lit\u00e9 de la mesure s’en trouve diminu\u00e9e, et les relations fonctionnelles complexes (lin\u00e9aires, polynomiales ou exponentielles) sont nivel\u00e9es en une simple diff\u00e9rence de moyennes entre deux groupes artificiellement homog\u00e9n\u00e9is\u00e9s.<\/p>\n

4.3 Tableau r\u00e9capitulatif des divergences conceptuelles<\/h3>\n

Afin de synth\u00e9tiser les caract\u00e9ristiques discriminantes r\u00e9gissant ces trois grandes familles de variables m\u00e9trologiques, le tableau ci-dessous explicite leurs divergences structurales en mati\u00e8re de niveau de mesure formel, de flexibilit\u00e9 op\u00e9rationnelle, d’erreur de mesure et d’ad\u00e9quation \u00e9cologique.<\/p>\n\n\n\n\n\n\n\n\n\n
Crit\u00e8re d’\u00e9valuation<\/th>\nVariable dichotomique<\/th>\nVariable nominale polytomique<\/th>\nVariable quantitative continue<\/th>\n<\/tr>\n<\/thead>\n
Niveau de mesure de Stevens<\/strong><\/td>\nNominale (avec propri\u00e9t\u00e9s ordinales \u00e9mergentes si ordonn\u00e9e).<\/td>\nNominale stricte (ou ordinale si les classes pr\u00e9sentent une hi\u00e9rarchie intrins\u00e8que).<\/td>\nIntervalles ou rapports selon l’existence d’un z\u00e9ro absolu.<\/td>\n<\/tr>\n
Granularit\u00e9 informationnelle<\/strong><\/td>\nMinimale : partition bivalente de l’espace ($k=2$<\/span>).<\/td>\nInterm\u00e9diaire : partition multinomiale finie ($k > 2$<\/span>).<\/td>\nMaximale : infinit\u00e9 th\u00e9orique de valeurs r\u00e9elles ordonn\u00e9es.<\/td>\n<\/tr>\n
Flexibilit\u00e9 analytique<\/strong><\/td>\nTr\u00e8s \u00e9lev\u00e9e pour la mod\u00e9lisation probabiliste (r\u00e9gression logistique, probit).<\/td>\nMod\u00e9r\u00e9e : n\u00e9cessite des param\u00e9trisations multinomiales complexes et des corrections d’alpha.<\/td>\nExtr\u00eame : accessible \u00e0 tous les tests param\u00e9triques, mod\u00e9lisations lin\u00e9aires et non-lin\u00e9aires.<\/td>\n<\/tr>\n
Risque d’erreur de classification<\/strong><\/td>\nCritique au niveau du seuil si la variable est une dichotomie artificielle.<\/td>\nMod\u00e9r\u00e9 \u00e0 \u00e9lev\u00e9 : confusion inter-classes adjacentes fr\u00e9quente.<\/td>\nR\u00e9duit \u00e0 l’erreur technique m\u00e9trologique continue de l’instrument.<\/td>\n<\/tr>\n
Pertinence \u00e9cologique d\u00e9cisionnelle<\/strong><\/td>\nMaximale pour les d\u00e9cisions cliniques, l\u00e9gales ou administratives binaires.<\/td>\n\u00c9lev\u00e9e pour la cartographie typologique et les classifications descriptives.<\/td>\nFaible pour la d\u00e9cision imm\u00e9diate, maximale pour l’explication th\u00e9orique fine.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Ce tableau met en exergue les arbitrages strat\u00e9giques auxquels est confront\u00e9 le m\u00e9thodologiste : opter pour une variable dichotomique garantit une communicabilit\u00e9 imm\u00e9diate et une ad\u00e9quation totale avec les contraintes d\u00e9cisionnelles r\u00e9elles, mais se paie au prix fort d’une d\u00e9gradation de la richesse m\u00e9trique originelle.<\/p>\n

5. M\u00e9thodologie de dichotomisation des variables continues<\/h2>\n

5.1 Techniques de seuillage empirique et rationnel<\/h3>\n

Malgr\u00e9 les avertissements r\u00e9currents de la communaut\u00e9 des statisticiens, la pratique de la dichotomisation<\/strong> \u2014 consistant \u00e0 transformer une variable initialement recueillie sous une forme continue en une variable binaire \u2014 demeure omnipr\u00e9sente dans la litt\u00e9rature appliqu\u00e9e. Deux approches principales guident cette transformation : le seuillage purement empirique et le seuillage fond\u00e9 sur des crit\u00e8res rationnels ou \u00e9pid\u00e9miologiques.<\/p>\n

La technique empirique la plus c\u00e9l\u00e8bre et la plus controvers\u00e9e est sans conteste la scission par la m\u00e9diane<\/strong> (median split<\/em>). Son principe math\u00e9matique est d’une d\u00e9sarmante simplicit\u00e9 : on calcule la m\u00e9diane empirique $Me$<\/span> de la variable continue $X$<\/span> au sein de l’\u00e9chantillon observ\u00e9, puis on assigne la modalit\u00e9 $0$ (cat\u00e9gorie \u00ab faible \u00bb) \u00e0 tous les individus dont le score v\u00e9rifie $X_i le Me$<\/span>, et la modalit\u00e9 $1$ (cat\u00e9gorie \u00ab \u00e9lev\u00e9 \u00bb) \u00e0 tous ceux dont le score v\u00e9rifie $X_i > Me$<\/span>. La s\u00e9duction exerc\u00e9e par cette technique repose sur la garantie d’obtenir deux groupes d’effectifs parfaitement sym\u00e9triques et \u00e9quilibr\u00e9s ($N\/2$<\/span>), ce qui procure une sensation rassurante de puissance exp\u00e9rimentale maximale pour les plans factoriels d’analyse de variance (ANOVA).<\/p>\n

\u00c0 l’oppos\u00e9 de cette approche data-d\u00e9pendante, le seuillage rationnel repose sur l’introduction de points de coupure \u00e9talonn\u00e9s en amont par des enqu\u00eates \u00e9pid\u00e9miologiques rigoureuses ou des crit\u00e8res physiologiques universels. C’est le cas, par exemple, de la d\u00e9finition de l’ob\u00e9sit\u00e9 clinique fix\u00e9e \u00e0 un indice de masse corporelle (IMC) strictement sup\u00e9rieur \u00e0 30 kg\/m\u00b2, ou du seuil de glyc\u00e9mie \u00e0 jeun de 1,26 g\/L pour diagnostiquer le diab\u00e8te de type 2. Dans ces conditions, la fronti\u00e8re binaire ne d\u00e9pend pas des fluctuations idiosyncrasiques de l’\u00e9chantillon analys\u00e9, mais refl\u00e8te une discontinuit\u00e9 biologique document\u00e9e o\u00f9 le risque de morbidit\u00e9 s’accro\u00eet de fa\u00e7on non-lin\u00e9aire.<\/p>\n

\"Convert
Convert continuous variable into dichotomous variable<\/figcaption><\/figure>\n

5.2 Scission par centiles extr\u00eames et exclusion du tiers m\u00e9dian<\/h3>\n

Conscients de la zone de flou entourant les individus situ\u00e9s imm\u00e9diatement de part et d’autre d’une m\u00e9diane centrale, certains chercheurs adoptent une strat\u00e9gie alternative agressive : la m\u00e9thode des groupes extr\u00eames<\/strong>. Cette technique consiste \u00e0 partitionner la distribution continue initiale en terciles ou en quartiles, puis \u00e0 \u00e9liminer d\u00e9lib\u00e9r\u00e9ment de l’ensemble des analyses statistiques les participants appartenant au segment central (le tiers m\u00e9dian ou les deux quartiles interm\u00e9diaires), pour ne conserver que les deux groupes extr\u00eames oppos\u00e9s (par exemple, le premier tercile versus le troisi\u00e8me tercile).<\/p>\n

L’objectif avou\u00e9 de ce protocole est de maximiser artificiellement le contraste exp\u00e9rimental en comparant des ph\u00e9notypes ou des profils cognitifs r\u00e9solument polaris\u00e9s (les scores exceptionnellement bas oppos\u00e9s aux scores exceptionnellement hauts). Sur le plan visuel et descriptif, cette manipulation garantit une s\u00e9paration spectaculaire des moyennes de groupes et assure l’obtention de valeurs de $p$<\/span> spectaculairement significatives lors des tests d’hypoth\u00e8se de Student.<\/p>\n

N\u00e9anmoins, les vices m\u00e9thodologiques inh\u00e9rents \u00e0 cette d\u00e9marche sont colossaux. En premier lieu, l’\u00e9viction de 30 % \u00e0 50 % des participants collect\u00e9s repr\u00e9sente un gaspillage \u00e9thique et financier inadmissible des ressources allou\u00e9es \u00e0 la recherche. En second lieu, cette proc\u00e9dure introduit une distorsion majeure de la distribution des donn\u00e9es, conduisant \u00e0 une inflation artificielle monumentale de la taille d’effet apparente<\/strong> (comme le $d$<\/span> de Cohen ou le $\\eta^2$<\/span>). Les conclusions tir\u00e9es d’un tel \u00e9chantillon tronqu\u00e9 sont absolument incapables de se g\u00e9n\u00e9raliser \u00e0 la population g\u00e9n\u00e9rale, au sein de laquelle les profils interm\u00e9diaires mod\u00e9r\u00e9s constituent pr\u00e9cis\u00e9ment la majorit\u00e9 statistique \u00e9crasante.<\/p>\n

5.3 Algorithmes de classification optimale et arbres de d\u00e9cision<\/h3>\n

Avec l’av\u00e8nement de l’apprentissage automatique (machine learning<\/em>) et de la mod\u00e9lisation non param\u00e9trique, la fixation des seuils de dichotomisation a \u00e9t\u00e9 automatis\u00e9e par des algorithmes d’optimisation math\u00e9matique de partitionnement r\u00e9cursif, dont le chef de file est l’algorithme CART (Classification and Regression Trees<\/em>) formalis\u00e9 par Leo Breiman et ses collaborateurs (1984).<\/p>\n

Dans ce cadre computationnel, le logiciel \u00e9value exhaustivement l’ensemble des valeurs possibles de la variable continue pr\u00e9dictive afin d’identifier le point de coupure unique $c^*$<\/span> qui maximise l’homog\u00e9n\u00e9it\u00e9 interne des deux sous-groupes r\u00e9sultants par rapport \u00e0 une variable cible d\u00e9pendante. Cette recherche de s\u00e9paration optimale s’appuie sur la minimisation de crit\u00e8res math\u00e9matiques rigoureux d’impuret\u00e9, au premier rang desquels figurent l’indice d’impuret\u00e9 de Gini<\/strong> et l’entropie informationnelle de Shannon<\/strong>. Le seuil retenu est celui qui maximise le gain d’information (Information Gain<\/em>) en divisant le n\u0153ud parent en deux n\u0153uds terminaux aussi purs que possible.<\/p>\n

Bien que s\u00e9duisante par son objectivit\u00e9 math\u00e9matique apparente, cette approche algorithmique pr\u00e9sente un risque critique : le surapprentissage<\/strong> (overfitting<\/em>). Dans la mesure o\u00f9 l’algorithme exploite opportunistement les variations al\u00e9atoires et le bruit d’\u00e9chantillonnage propres au jeu de donn\u00e9es d’entra\u00eenement pour caler le point de coupure, le seuil identifi\u00e9 pr\u00e9sente une probabilit\u00e9 d’instabilit\u00e9 extr\u00eame d’un \u00e9chantillon \u00e0 un autre. Pour conjurer cette fragilit\u00e9 intrins\u00e8que, il est m\u00e9thodologiquement imp\u00e9ratif d’int\u00e9grer des protocoles stricts de validation crois\u00e9e (k-fold cross-validation<\/em>) ou d’appliquer des techniques d’\u00e9lagage (pruning<\/em>) sur des cohortes ind\u00e9pendantes de r\u00e9plication avant de consid\u00e9rer le seuil dichotomique comme g\u00e9n\u00e9ralisable.<\/p>\n

6. Implications \u00e9pist\u00e9mologiques et controverses autour de la dichotomisation<\/h2>\n

6.1 Perte d’information et r\u00e9duction drastique de la puissance statistique<\/h3>\n

La critique \u00e9pist\u00e9mologique la plus virulente dirig\u00e9e contre la dichotomisation artificielle des variables continues a \u00e9t\u00e9 magistralement formul\u00e9e par le statisticien et psychologue Jacob Cohen dans son article programmatique de 1983, intitul\u00e9 The Cost of Dichotomization<\/em>. Cohen y d\u00e9montre math\u00e9matiquement que lorsqu’une variable normalement distribu\u00e9e est dichotomis\u00e9e au niveau de sa m\u00e9diane, l’op\u00e9ration d\u00e9truit irr\u00e9m\u00e9diablement environ un cinqui\u00e8me ($\\approx 20%$<\/span>) de sa variance explicative lorsqu’elle est corr\u00e9l\u00e9e \u00e0 une autre variable continue, et jusqu’\u00e0 38 % de sa variance lorsque deux variables continues sont simultan\u00e9ment dichotomis\u00e9es.<\/p>\n

Pour appr\u00e9hender la magnitude de ce d\u00e9sastre m\u00e9thodologique, il a \u00e9t\u00e9 prouv\u00e9 par Irwin et McClelland (2003) ainsi que par MacCallum, Zhang, Preacher et Rucker (2002) dans un article de r\u00e9f\u00e9rence paru dans Psychological Methods<\/a>, que dichotomiser une variable continue ind\u00e9pendante \u00e9quivaut, en termes de perte de puissance statistique<\/strong>, \u00e0 supprimer purement et simplement entre un tiers et la moiti\u00e9 de l’\u00e9chantillon de recherche. En d’autres termes, un chercheur ayant recrut\u00e9 et test\u00e9 laborieusement 300 participants r\u00e9duit l’efficacit\u00e9 de son dispositif d’inf\u00e9rence \u00e0 celle d’un \u00e9chantillon de 150 \u00e0 200 sujets d\u00e8s l’instant o\u00f9 il convertit ses pr\u00e9dicteurs continus en deux classes ordinales simplistes.<\/p>\n

Sur le plan g\u00e9om\u00e9trique, cette perte s’illustre par l’att\u00e9nuation artificielle de la corr\u00e9lation lin\u00e9aire<\/strong>. Si deux variables $X$<\/span> et $Y$<\/span> partagent une corr\u00e9lation bivari\u00e9e de Bravais-Pearson $\\rho_{XY} = 0.50$<\/span>, la dichotomisation par la m\u00e9diane de la variable $X$<\/span> convertit cette mesure en une corr\u00e9lation point-bis\u00e9riale dont la limite asymptotique maximale est born\u00e9e par :<\/p>\n

$$r_{pb} = \\rho_{XY} \\times \\sqrt{\\frac{2}{\\pi}} \\approx 0.50 \\times 0.798 = 0.399$$<\/span><\/p>\n

Le chercheur sous-estime donc syst\u00e9matiquement la force r\u00e9elle de la relation sous-jacente d’au moins 20 %, augmentant dramatiquement le risque de commettre une erreur de type II<\/strong> ($\\beta$<\/span>) en \u00e9chouant \u00e0 rejeter l’hypoth\u00e8se nulle d’absence de relation alors m\u00eame que le ph\u00e9nom\u00e8ne existe bel et bien dans la population parente.<\/p>\n

6.2 Risque d’erreurs de type I et corr\u00e9lations fallacieuses<\/h3>\n

Si la r\u00e9duction de la puissance statistique repr\u00e9sente un pr\u00e9judice m\u00e9thodologique s\u00e9v\u00e8re, les travaux novateurs de Maxwell et Delaney (1993) ont mis en lumi\u00e8re un danger plus pernicieux encore : l’inflation spectaculaire du taux de faux positifs<\/strong> (erreur de type I, $\\alpha$<\/span>). Contrairement \u00e0 l’intuition na\u00efve sugg\u00e9rant que la perte d’information ne fait qu’affaiblir les tests, ces auteurs ont d\u00e9montr\u00e9 que dans des mod\u00e8les multivari\u00e9s impliquant deux variables ind\u00e9pendantes initialement corr\u00e9l\u00e9es, la dichotomisation de l’un ou des deux r\u00e9gresseurs peut faire \u00e9merger des interactions statistiques purement fallacieuses et des effets principaux factices inexistants dans les donn\u00e9es r\u00e9elles.<\/p>\n

Ce ph\u00e9nom\u00e8ne s’explique par le fait que la discr\u00e9tisation binaire redistribue de mani\u00e8re non lin\u00e9aire la covariance r\u00e9siduelle entre les facteurs. Lorsque deux pr\u00e9dicteurs continus $X_1$<\/span> et $X_2$<\/span> sont substantiellement corr\u00e9l\u00e9s entre eux et pr\u00e9disent conjointement une variable d\u00e9pendante $Y$<\/span>, la dichotomisation de $X_1$<\/span> alt\u00e8re la capacit\u00e9 du mod\u00e8le \u00e0 contr\u00f4ler statistiquement la variance partag\u00e9e avec $X_2$<\/span>. Une portion de la variance de $X_1$<\/span> est alors artificiellement transf\u00e9r\u00e9e \u00e0 l’effet de $X_2$<\/span> ou projet\u00e9e dans le terme d’interaction $X_1 \\times X_2$<\/span>, conduisant le logiciel \u00e0 afficher une significativit\u00e9 statistique ($p < 0.05$<\/span>) enti\u00e8rement imputable \u00e0 l’art\u00e9fact de codage.<\/p>\n

De surcro\u00eet, la libert\u00e9 laiss\u00e9e \u00e0 l’investigateur de choisir le seuil de dichotomisation apr\u00e8s avoir visualis\u00e9 la distribution des donn\u00e9es constitue l’une des armes les plus destructrices du p-hacking<\/strong> (flexibilit\u00e9 des degr\u00e9s de libert\u00e9 du chercheur). En testant successivement une scission par la m\u00e9diane, par la moyenne, par le 40e centile ou par les quartiles extr\u00eames, un praticien peu scrupuleux peut presque syst\u00e9matiquement d\u00e9nicher une partition arbitraire qui fait basculer la valeur de $p$<\/span> sous le seuil fatidique de $0.05$, publiant ainsi une relation empirique incapable de r\u00e9sister \u00e0 la moindre tentative de r\u00e9plication ind\u00e9pendante.<\/p>\n

6.3 Cas l\u00e9gitimes et imp\u00e9ratifs pratiques de dichotomisation<\/h3>\n

Face \u00e0 ce r\u00e9quisitoire statistique sans concession, il convient n\u00e9anmoins de s’interroger sur l’existence de contextes empiriques dans lesquels la dichotomisation d’une variable s’av\u00e8re non seulement admissible, mais conceptuellement et pratiquement indispensable. Le premier cas de figure rel\u00e8ve de l’imp\u00e9ratif d’action cat\u00e9gorielle<\/strong>. En m\u00e9decine d’urgence, en psychiatrie d’intervention ou en s\u00e9lection des ressources humaines, la prise de d\u00e9cision est par essence indivisible : prescrire une antibioth\u00e9rapie ou s’abstenir, hospitaliser un patient suicidaire sous contrainte ou le laisser retourner \u00e0 son domicile, embaucher un candidat ou rejeter son dossier. Dans ces sc\u00e9narios pragmatiques, la nuance m\u00e9trique continue doit imp\u00e9rativement s’effacer au profit d’un seuil d’action binaire clair et sans ambigu\u00eft\u00e9 op\u00e9rationnelle.<\/p>\n

Le second cas l\u00e9gitime concerne l’am\u00e9lioration de la communicabilit\u00e9 des r\u00e9sultats<\/strong> aupr\u00e8s des d\u00e9cideurs publics et des professionnels de terrain non statisticiens. Annoncer qu’un programme national de pr\u00e9vention permet de r\u00e9duire de 35 % la cote d’apparition du d\u00e9crochage scolaire (odds ratio de 0.65) est incomparablement plus accessible et persuasif pour les tutelles administratives que d’expliquer une r\u00e9gression montrant qu’un accroissement d’un \u00e9cart-type sur un indice d’engagement p\u00e9dagogique composite engendre une d\u00e9viation de 0.18 unit\u00e9 standardis\u00e9e sur une \u00e9chelle multidimensionnelle d’ajustement scolaire.<\/p>\n

Enfin, sur le plan purement m\u00e9thodologique, la dichotomisation se justifie pleinement lorsque la variable mesur\u00e9e pr\u00e9sente des asym\u00e9tries distributionnelles extr\u00eames<\/strong> et irr\u00e9cup\u00e9rables par les transformations math\u00e9matiques conventionnelles (comme la transformation logarithmique ou de Box-Cox). C’est le cas des distributions hautement censur\u00e9es \u00e0 gauche, dites de \u00ab plancher massif \u00bb, o\u00f9 95 % de l’\u00e9chantillon affiche un score rigoureusement nul (par exemple, le nombre de tentatives de suicide ant\u00e9rieures ou le nombre de jours d’incarc\u00e9ration chez de jeunes adultes scolaris\u00e9s). Dans une telle configuration, tenter de mod\u00e9liser le continuum m\u00e9trique viole dramatiquement les hypoth\u00e8ses de normalit\u00e9 des r\u00e9sidus ; convertir la variable en une modalit\u00e9 binaire stricte (pr\u00e9sence versus absence d’\u00e9v\u00e9nement) constitue la r\u00e9ponse analytique la plus robuste et la plus honn\u00eate sur le plan math\u00e9matique.<\/p>\n

7. Codage num\u00e9rique et pr\u00e9paration des donn\u00e9es bivari\u00e9es<\/h2>\n

7.1 Le codage binaire canonique (0 \/ 1) ou variable muette<\/h3>\n

La pr\u00e9paration d’un jeu de donn\u00e9es quantitatives int\u00e9grant des variables dichotomiques requiert une rigueur formelle absolue lors de l’assignation des valeurs num\u00e9riques dans la matrice logicielle. La modalit\u00e9 de param\u00e9trisation standardis\u00e9e par excellence est le codage binaire canonique<\/strong>, universellement d\u00e9sign\u00e9 dans la litt\u00e9rature sous l’anglicisme de dummy coding<\/em> (ou codage indicateur). Il repose sur l’attribution de la valeur $0$ \u00e0 une modalit\u00e9 d\u00e9finie comme groupe de r\u00e9f\u00e9rence sociologique ou clinique, et de la valeur $1$ \u00e0 la modalit\u00e9 d’int\u00e9r\u00eat focal ou exp\u00e9rimental :<\/p>\n

$$X_i = \\begin{\\cases} 1 &a\\mp; \\text{si l’unit\u00e9 } i \\text{ poss\u00e8de la caract\u00e9ristique cible} 0 &a\\mp; \\text{si l’unit\u00e9 } i \\text{ appartient \u00e0 la cat\u00e9gorie de r\u00e9f\u00e9rence} \\end{\\cases}$$<\/span><\/p>\n

Ce codage conf\u00e8re des propri\u00e9t\u00e9s alg\u00e9briques exceptionnelles \u00e0 la variable, simplifiant consid\u00e9rablement le calcul de son esp\u00e9rance math\u00e9matique<\/strong>. Dans le cadre d’un \u00e9chantillonnage al\u00e9atoire suivant une loi de Bernoulli de param\u00e8tre $p$<\/span>, o\u00f9 $p$<\/span> repr\u00e9sente la probabilit\u00e9 th\u00e9orique de succ\u00e8s ($X=1$<\/span>), l’esp\u00e9rance $E(X)$<\/span> correspond directement \u00e0 cette probabilit\u00e9 :<\/p>\n

$$E(X) = (1 \\times P(X=1)) + (0 \\times P(X=0)) = 1 \\times p + 0 \\times (1-p) = p$$<\/span><\/p>\n

Dans un mod\u00e8le d’analyse de r\u00e9gression lin\u00e9aire classique, l’int\u00e9gration d’un r\u00e9gresseur cod\u00e9 sous cette forme indicatrice facilite l’interpr\u00e9tation des coefficients estim\u00e9s par les moindres carr\u00e9s ordinaires. L’ordonn\u00e9e \u00e0 l’origine (constante $\\beta_0$<\/span>) quantifie pr\u00e9cis\u00e9ment la moyenne esp\u00e9r\u00e9e de la variable d\u00e9pendante au sein du seul groupe de r\u00e9f\u00e9rence ($X=0$<\/span>), tandis que la pente de r\u00e9gression ($\\beta_1$<\/span>) mesure directement et rigoureusement l’\u00e9cart arithm\u00e9tique entre la moyenne du groupe cible ($X=1$<\/span>) et celle de ce groupe de r\u00e9f\u00e9rence. Le test de Student associ\u00e9 \u00e0 $\\beta_1$<\/span> devient alors strictement \u00e9quivalent au test de comparaison de deux moyennes ind\u00e9pendantes.<\/p>\n

7.2 Le codage par contraste ou codage d’effet (-1 \/ 1)<\/h3>\n

Une modalit\u00e9 alternative de codage, particuli\u00e8rement pris\u00e9e au sein de la communaut\u00e9 de la psychologie exp\u00e9rimentale et des plans factoriels complexes d’analyse de variance (ANOVA), est le codage d’effet<\/strong> (effect coding<\/em>), \u00e9galement d\u00e9sign\u00e9 sous le terme de syst\u00e8me de contraste sym\u00e9trique. Dans ce syst\u00e8me de num\u00e9risation, les deux modalit\u00e9s ne sont plus cod\u00e9es ${0, 1}$<\/span>, mais sont assign\u00e9es aux valeurs enti\u00e8res sym\u00e9triques ${-1, +1}$<\/span> :<\/p>\n

$$X_i = \\begin{\\cases} +1 &a\\mp; \\text{si l’unit\u00e9 } i \\text{ appartient au groupe exp\u00e9rimental} -1 &a\\mp; \\text{si l’unit\u00e9 } i \\text{ appartient au groupe contr\u00f4le} \\end{\\cases}$$<\/span><\/p>\n

L’avantage conceptuel fondamental de cette param\u00e9trisation r\u00e9side dans l’\u00e9limination de l’asym\u00e9trie induite par le groupe de r\u00e9f\u00e9rence du codage indicateur. Dans un mod\u00e8le lin\u00e9aire param\u00e9tr\u00e9 par codage d’effet avec des effectifs \u00e9quilibr\u00e9s au sein des cellules, l’ordonn\u00e9e \u00e0 l’origine ($\\beta_0$<\/span>) ne capture plus la performance isol\u00e9e d’une cat\u00e9gorie particuli\u00e8re, mais s’interpr\u00e8te rigoureusement comme la grande moyenne non pond\u00e9r\u00e9e<\/strong> de l’ensemble de la population d’\u00e9tude ($\\mu$<\/span>). Le coefficient de pente associ\u00e9 $\\beta_1$<\/span> quantifie quant \u00e0 lui la d\u00e9viation exacte du groupe assign\u00e9 \u00e0 $+1$<\/span> par rapport \u00e0 cette moyenne g\u00e9n\u00e9rale (la d\u00e9viation du groupe $-1$<\/span> \u00e9tant sym\u00e9triquement \u00e9gale \u00e0 $-\\beta_1$<\/span>).<\/p>\n

En outre, sur le plan computationnel, l’usage de contrastes centr\u00e9s sur z\u00e9ro ($\\sum X_i = 0$<\/span>) assure l’orthogonalit\u00e9 g\u00e9om\u00e9trique stricte entre le vecteur de la variable binaire et le vecteur constant de l’ordonn\u00e9e \u00e0 l’origine. Cette propri\u00e9t\u00e9 \u00e9limine toute colin\u00e9arit\u00e9 structurelle entre ces termes dans la matrice de conception ($X^TX$<\/span>), ce qui stabilise grandement l’inversion matricielle et conf\u00e8re une robustesse accrue \u00e0 l’estimation des effets principaux au sein des mod\u00e8les factoriels int\u00e9grant des termes d’interactions d’ordre sup\u00e9rieur ($X_1 \\times X_2$<\/span>).<\/p>\n

7.3 Gestion des donn\u00e9es manquantes et audit de codage<\/h3>\n

L’une des vuln\u00e9rabilit\u00e9s majeures guettant l’analyste de donn\u00e9es r\u00e9side dans la confusion logicielle entourant le typage informatique des variables dichotomiques et le traitement insidieux des valeurs manquantes (missing values<\/em>). Dans de nombreux environnements de calcul statistique historiques (tels que SAS ou certaines extensions SPSS), il \u00e9tait fr\u00e9quent que les non-r\u00e9ponses ou les donn\u00e9es manquantes soient cod\u00e9es num\u00e9riquement par les valeurs $-99$<\/span>, $999$ ou m\u00eame par un point ($.$<\/span>). Si l’analyste omet de d\u00e9clarer explicitement ces modalit\u00e9s comme des codes d’exclusion syst\u00e8me, le compilateur traitera ces entiers astronomiques comme des r\u00e9alisations empiriques continues, d\u00e9vastant instantan\u00e9ment le calcul des proportions et l’ajustement des mod\u00e8les.<\/p>\n

De surcro\u00eet, lors de la mise en \u0153uvre de proc\u00e9dures modernes d’imputation multiple par \u00e9quations cha\u00een\u00e9es (comme l’algorithme MICE sous l’environnement R), le chercheur doit scrupuleusement auditer le typage interne de la variable. Si une variable binaire cod\u00e9e ${0, 1}$<\/span> est malencontreusement laiss\u00e9e sous le format num\u00e9rique continu (numeric<\/em> ou float<\/em>) au lieu d’\u00eatre formellement convertie en facteur nominal binaire (factor<\/em> en R, ou category<\/em> sous Python Pandas), l’algorithme d’imputation appliquera par d\u00e9faut une r\u00e9gression lin\u00e9aire standard. Cette b\u00e9vue math\u00e9matique produira des valeurs imput\u00e9es aberrantes sous forme de fractions continues d\u00e9cimales (telles que $0.42$ ou $0.87$), d\u00e9truisant la coh\u00e9rence ontologique bivalente du syst\u00e8me d’observation.<\/p>\n

Pour parer \u00e0 ces \u00e9cueils, l’analyste doit imp\u00e9rativement prescrire une routine d’audit pr\u00e9-analytique syst\u00e9matique : v\u00e9rification des tables de fr\u00e9quences marginales, validation du caract\u00e8re strictement bimodal des r\u00e9alisations ${0, 1}$<\/span>, v\u00e9rification de l’absence totale de valeurs hors champ, et param\u00e9trisation explicite de mod\u00e8les de r\u00e9gression logistique pr\u00e9dictive pour imputer les valeurs binaires manquantes sous l’hypoth\u00e8se de donn\u00e9es manquantes au hasard (MAR, pour Missing at Random<\/em>).<\/p>\n

8. Statistiques descriptives pour variables dichotomiques<\/h2>\n

8.1 Fr\u00e9quences, proportions et pourcentages cumul\u00e9s<\/h3>\n

L’exploration statistique univari\u00e9e d’une variable dichotomique se structure int\u00e9gralement autour du d\u00e9nombrement des effectifs d’occurrence de ses deux \u00e9tats exclusifs. Pour un \u00e9chantillon de taille $N$<\/span>, l’analyste d\u00e9termine la fr\u00e9quence absolue $n_1$<\/span> de la modalit\u00e9 d’int\u00e9r\u00eat ($X=1$<\/span>) et la fr\u00e9quence absolue $n_0$<\/span> de la modalit\u00e9 compl\u00e9mentaire ($X=0$<\/span>), l’identit\u00e9 comptable imposant que $n_0 + n_1 = N$<\/span>. \u00c0 partir de ces effectifs bruts, on d\u00e9rive la fr\u00e9quence relative<\/strong> ou proportion empirique<\/strong>, universellement d\u00e9sign\u00e9e par la lettre $p$<\/span> :<\/p>\n

$$p = \\frac{n_1}{N} \\quad \\text{et} \\quad q = 1 – p = \\frac{n_0}{N}$$<\/span><\/p>\n

Ces proportions, lorsqu’elles sont multipli\u00e9es par 100, s’expriment sous forme de pourcentages marginaux. Dans ce cadre univari\u00e9, le calcul de pourcentages cumul\u00e9s n’a de r\u00e9elle pertinence s\u00e9mantique que dans la mesure o\u00f9 la variable dichotomique poss\u00e8de une nature ordinale d\u00e9clar\u00e9e (par exemple, quantifier le pourcentage d’individus n’ayant pas valid\u00e9 un crit\u00e8re diagnostique, puis le cumul exhaustif de 100 % incluant les individus l’ayant valid\u00e9).<\/p>\n

Toutefois, la simple communication de la proportion empirique ponctuelle $p$<\/span> s’av\u00e8re insuffisante dans une d\u00e9marche d’inf\u00e9rence scientifique rigoureuse ; celle-ci doit \u00eatre obligatoirement encadr\u00e9e par un intervalle de confiance<\/strong> refl\u00e9tant la marge d’erreur d’\u00e9chantillonnage pour un niveau de confiance fix\u00e9 (habituellement $1 – \\alpha = 0.95$<\/span>). Si l’approximation normale de Wald ($\\hat{p} \\pm Z_{alpha\/2} \\sqrt{\\frac{\\hat{p}(1-\\hat{p})}{N}}$<\/span>) a \u00e9t\u00e9 historiquement surutilis\u00e9e en raison de sa commodit\u00e9 calculatoire, elle est aujourd’hui formellement proscrite pour les petits \u00e9chantillons ou les proportions extr\u00eames en raison de ses d\u00e9faillances de couverture empirique. On lui substitue d\u00e9sormais syst\u00e9matiquement l’intervalle de score de Wilson<\/strong> ou l’intervalle exact de Clopper-Pearson<\/strong>, fond\u00e9 sur la distribution binomiale exacte :<\/p>\n

$$\\text{IC}_{\\text{Wilson}} = \\frac{\\hat{p} + \\frac{Z^2}{2N} \\pm Z \\sqrt{\\frac{\\hat{p}(1-\\hat{p})}{N} + \\frac{Z^2}{4N^2}}}{1 + \\frac{Z^2}{N}}$$<\/span><\/p>\n

\"\"<\/figure>\n

8.2 Indices de tendance centrale et de dispersion binaire<\/h3>\n

La caract\u00e9risation de la tendance centrale et de la dispersion d’une variable dichotomique r\u00e9v\u00e8le une \u00e9l\u00e9gance alg\u00e9brique singuli\u00e8re. Sur le plan qualitatif strict, le mode<\/strong> constitue l’unique mesure directe de tendance centrale autoris\u00e9e : il correspond tout simplement \u00e0 la modalit\u00e9 qui recueille la fr\u00e9quence d’occurrence la plus \u00e9lev\u00e9e dans l’\u00e9chantillon (la cat\u00e9gorie majoritaire). Si la proportion $p > 0.50$<\/span>, la modalit\u00e9 cod\u00e9e $1$ est le mode ; si $p < 0.50$<\/span>, c’est la modalit\u00e9 $0$ ; en cas d’\u00e9quiprobabilit\u00e9 stricte ($p = 0.50$<\/span>), la distribution est qualifi\u00e9e de bimodale sym\u00e9trique.<\/p>\n

Sur le plan quantitatif, d\u00e8s lors que les donn\u00e9es sont cod\u00e9es selon la convention indicatrice canonique ${0, 1}$<\/span>, l’esp\u00e9rance arithm\u00e9tique converge vers la proportion $p$<\/span>, autorisant l’\u00e9valuation formelle de la dispersion des scores individuels autour de cette valeur moyenne. La formule g\u00e9n\u00e9rale de la variance populationnelle s’\u00e9crit alors :<\/p>\n

$$\\sigma^2 = E[(X – E(X))^2] = P(X=1)(1 – p)^2 + P(X=0)(0 – p)^2$$<\/span><\/p>\n

En rempla\u00e7ant les probabilit\u00e9s d’occurrence par leurs valeurs analytiques respectives $p$<\/span> et $1-p$<\/span>, l’expression se simplifie de fa\u00e7on spectaculaire :<\/p>\n

$$\\sigma^2 = p(1 – p)^2 + (1 – p)(-p)^2 = p(1 – p)[(1 – p) + p] = p(1 – p)$$<\/span><\/p>\n

Cette relation math\u00e9matique canonique, $\\sigma^2 = p(1 – p) = pq$<\/span>, d\u00e9montre que la variance d’une variable binaire est enti\u00e8rement et exclusivement d\u00e9pendante de sa moyenne<\/em>. Cette interd\u00e9pendance constitue une propri\u00e9t\u00e9 structurelle majeure : il est rigoureusement impossible d’alt\u00e9rer la moyenne d’une distribution binaire sans modifier simultan\u00e9ment sa variance, ce qui distingue fondamentalement la loi de Bernoulli de la loi normale (o\u00f9 moyenne $\\mu$<\/span> et variance $\\sigma^2$<\/span> sont deux param\u00e8tres fonctionnellement ind\u00e9pendants). En d\u00e9rivant cette fonction par rapport \u00e0 $p$<\/span>, on constate que la d\u00e9riv\u00e9e premi\u00e8re ($1 – 2p$<\/span>) s’annule pour $p = 0.50$<\/span>. La variance binaire est donc maximale<\/strong> ($\\sigma^2_{\\max} = 0.5 \\times 0.5 = 0.25$<\/span>) lorsque la population est parfaitement scind\u00e9e en deux moiti\u00e9s \u00e9gales, et s’effondre asymptotiquement vers z\u00e9ro au fur et \u00e0 mesure que l’une des classes devient ultra-minoritaire ($p to 0$<\/span> ou $p to 1$<\/span>).<\/p>\n

8.3 Tabulations crois\u00e9es et tables de contingence 2×2<\/h3>\n

L’analyse conjointe de deux variables dichotomiques constitue le carrefour de la recherche bivari\u00e9e en \u00e9pid\u00e9miologie, en psychologie et en sociologie. Cette association est syst\u00e9matiquement organis\u00e9e sous la forme d’une table de contingence $2 \\times 2$<\/span><\/strong> (ou tableau crois\u00e9 \u00e0 quatre cases), croisant les deux modalit\u00e9s de la variable d’exposition ou de traitement (lignes) avec les deux modalit\u00e9s de la variable d’issue clinique ou comportementale (colonnes) :<\/p>\n\n\n\n\n\n\n\n
Exposition \/ Groupe<\/th>\n\u00c9v\u00e9nement Pr\u00e9sent ($Y = 1$<\/span>)<\/th>\n\u00c9v\u00e9nement Absent ($Y = 0$<\/span>)<\/th>\nTotal Marginal<\/th>\n<\/tr>\n<\/thead>\n
Expos\u00e9 ($X = 1$<\/span>)<\/strong><\/td>\n$a$<\/span> (Vrais Positifs)<\/td>\n$b$<\/span> (Faux Positifs)<\/td>\n$a + b = n_1$<\/span><\/td>\n<\/tr>\n
Non-expos\u00e9 ($X = 0$<\/span>)<\/strong><\/td>\n$c$<\/span> (Faux N\u00e9gatifs)<\/td>\n$d$<\/span> (Vrais N\u00e9gatifs)<\/td>\n$c + d = n_0$<\/span><\/td>\n<\/tr>\n
Total Marginal<\/td>\n$a + c = m_1$<\/span><\/td>\n$b + d = m_0$<\/span><\/td>\n$N = a + b + c + d$<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

\u00c0 partir de cette matrice fondamentale se d\u00e9ploient trois niveaux d’analyse probabiliste. Les probabilit\u00e9s conjointes<\/em> quantifient la proportion globale de participants situ\u00e9s \u00e0 l’intersection sp\u00e9cifique de deux modalit\u00e9s (par exemple, $P(X=1 cap Y=1) = a \/ N$<\/span>). Les probabilit\u00e9s marginales<\/em> d\u00e9crivent les distributions univari\u00e9es globales de chaque variable isol\u00e9e ($P(X=1) = (a+b)\/N$<\/span> et $P(Y=1) = (a+c)\/N$<\/span>). Enfin, les probabilit\u00e9s conditionnelles<\/em> \u00e9valuent la probabilit\u00e9 de survenue de l’issue clinique sous la condition expresse de l’appartenance \u00e0 un groupe donn\u00e9, fournissant le risque absolu<\/strong> chez les expos\u00e9s ($R_1 = \\frac{a}{a+b}$<\/span>) et chez les non-expos\u00e9s ($R_0 = \\frac{c}{c+d}$<\/span>).<\/p>\n

Cette structure autorise l’extraction imm\u00e9diate de deux mesures fondamentales d’association \u00e9pid\u00e9miologique : le Risque Relatif (RR)<\/strong>, d\u00e9fini comme le quotient des deux risques absolus ($RR = \\frac{a\/(a+b)}{c\/(c+d)}$<\/span>), et le Rapport de Cotes<\/strong> (ou Odds Ratio<\/em>, OR). Ce dernier compare la cote de l’\u00e9v\u00e9nement dans le premier groupe \u00e0 celle du second groupe, et se calcule de fa\u00e7on extr\u00eamement directe par le produit crois\u00e9 des cellules de la table :<\/p>\n

$$\\text{OR} = \\frac{\\frac{a}{b}}{\\frac{c}{d}} = \\frac{a \\times d}{b \\times c}$$<\/span><\/p>\n

L’invariance math\u00e9matique remarquable de l’Odds Ratio par rapport \u00e0 la transposition des lignes et des colonnes en fait la mesure d’association privil\u00e9gi\u00e9e pour les \u00e9tudes cas-t\u00e9moins r\u00e9trospectives, o\u00f9 le calcul direct des v\u00e9ritables risques absolus est math\u00e9matiquement rendu impossible par le protocole d’\u00e9chantillonnage.<\/p>\n

9. Analyses d’association et inf\u00e9rence bivari\u00e9e<\/h2>\n

9.1 Le test d’ind\u00e9pendance du Chi-deux et la correction de Yates<\/h3>\n

Pour d\u00e9terminer si la distribution conjointe observ\u00e9e dans une table de contingence $2 \\times 2$<\/span> traduit une association statistiquement significative ou si elle peut \u00eatre raisonnablement attribu\u00e9e aux simples fluctuations de l’\u00e9chantillonnage al\u00e9atoire, la proc\u00e9dure inf\u00e9rentielle reine est le test d’ind\u00e9pendance du Chi-deux de Karl Pearson<\/strong>. Ce test repose sur la comparaison syst\u00e9matique des effectifs empiriquement observ\u00e9s ($O_{ij}$<\/span>) au sein de chaque cellule avec les effectifs dits th\u00e9oriques ou attendus ($E_{ij}$<\/span>) sous l’hypoth\u00e8se nulle ($H_0$<\/span>) d’ind\u00e9pendance stochastique stricte entre les deux variables.<\/p>\n

L’effectif th\u00e9orique d’une cellule croisant la ligne $i$<\/span> et la colonne $j$<\/span> est d\u00e9riv\u00e9 du produit de leurs probabilit\u00e9s marginales respectives :<\/p>\n

$$E_{ij} = \\frac{\\text{Total Ligne } i \\times \\text{Total Colonne } j}{N}$$<\/span><\/p>\n

La statistique du Chi-deux s’obtient alors par la sommation standardis\u00e9e des \u00e9carts quadratiques calcul\u00e9s sur les quatre cellules de la table :<\/p>\n

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

Pour une table $2 \\times 2$<\/span>, cette statistique suit asymptotiquement une loi du $\\chi^2$<\/span> \u00e0 un unique degr\u00e9 de libert\u00e9<\/strong> ($df = (r-1)(c-1) = (2-1)(2-1) = 1$<\/span>). N\u00e9anmoins, dans la mesure o\u00f9 la loi continue du $\\chi^2$<\/span> est employ\u00e9e pour approximer une distribution d’\u00e9chantillonnage intrins\u00e8quement discr\u00e8te, Frank Yates a propos\u00e9 en 1934 une modification algorithmique consistant \u00e0 soustraire $0.5$ \u00e0 la valeur absolue de chaque \u00e9cart avant \u00e9l\u00e9vation au carr\u00e9 :<\/p>\n

$$\\chi^2_{\\text{Yates}} = \\sum_{i=1}^2 \\sum_{j=1}^2 \\frac{(|O_{ij} – E_{ij}| – 0.5)^2}{E_{ij}}$$<\/span><\/p>\n

Bien que la correction de continuit\u00e9 de Yates<\/strong> ait \u00e9t\u00e9 historiquement int\u00e9gr\u00e9e par d\u00e9faut dans des progiciels comme SPSS, la litt\u00e9rature statistique contemporaine (notamment les travaux d’Alan Agresti) d\u00e9conseille largement son usage routinier. Cette correction s’av\u00e8re en pratique excessivement conservatrice, provoquant une chute injustifi\u00e9e de la puissance statistique r\u00e9elle et augmentant ind\u00fbment le taux d’erreurs de type II, en particulier lorsque les effectifs marginaux sont \u00e9quilibr\u00e9s.<\/p>\n

9.2 Le test exact de Fisher pour petits \u00e9chantillons<\/h3>\n

Lorsque la taille globale de l’\u00e9chantillon $N$<\/span> est tr\u00e8s modeste ou que les fr\u00e9quences marginales sont extr\u00eamement d\u00e9s\u00e9quilibr\u00e9es (aboutissant \u00e0 des effectifs th\u00e9oriques $E_{ij} < 5$<\/span> dans une ou plusieurs cellules), les propri\u00e9t\u00e9s asymptotiques du test du Chi-deux de Pearson s’effondrent. Dans ces circonstances, l’analyste doit imp\u00e9rativement d\u00e9laisser les approximations asymptotiques et mobiliser le test exact de Fisher<\/strong> (Fisher’s Exact Test<\/em>), introduit par Sir Ronald A. Fisher en 1935.<\/p>\n

Le test exact de Fisher repose sur le conditionnement strict des marges de la table $2 \\times 2$<\/span>. En postulant que les totaux marginaux ($a+b$<\/span>, $c+d$<\/span>, $a+c$<\/span>, $b+d$<\/span>) sont fixes et immuables, l’espace probabiliste des r\u00e9alisations des effectifs internes de la table suit rigoureusement une distribution hyperg\u00e9om\u00e9trique<\/strong> sans replacement. La probabilit\u00e9 exacte d’observer la configuration sp\u00e9cifique des effectifs internes ${a, b, c, d}$<\/span> conditionnellement aux marges s’exprime par le quotient combinatoire suivant :<\/p>\n

$$P({a, b, c, d}) = \\frac{\\binom{a+b}{a} \\binom{c+d}{c}}{\\binom{N}{a+c}} = \\frac{(a+b)! , (c+d)! , (a+c)! , (b+d)!}{a! , b! , c! , d! , N!}$$<\/span><\/p>\n

L’\u00e9valuation de la significativit\u00e9 statistique ($p$<\/span>-value) s’obtient alors en sommant les probabilit\u00e9s exactes de la table observ\u00e9e et de toutes les tables th\u00e9oriques possibles qui pr\u00e9senteraient un d\u00e9s\u00e9quilibre en faveur de l’association encore plus extr\u00eame que celui constat\u00e9 dans les donn\u00e9es. Longtemps limit\u00e9 par la lourdeur des calculs factoriels pour les grands effectifs, le test exact de Fisher est d\u00e9sormais ex\u00e9cutable instantan\u00e9ment par les architectures computationnelles modernes et constitue l’\u00e9talon-or absolu de l’inf\u00e9rence bivari\u00e9e sur variables dichotomiques en pr\u00e9sence de faibles \u00e9chantillons.<\/p>\n

9.3 Coefficients de corr\u00e9lation applicables aux donn\u00e9es dichotomiques<\/h3>\n

L’estimation de l’amplitude d’une association bivari\u00e9e implique de recourir \u00e0 des coefficients de corr\u00e9lation sp\u00e9cifiquement adapt\u00e9s \u00e0 la nature des variables impliqu\u00e9es. Lorsque le chercheur analyse l’association entre deux variables dichotomiques naturelles<\/strong>, le coefficient appropri\u00e9 est le coefficient Phi ($phi$<\/span>)<\/strong>. Sur le plan computationnel, $phi$<\/span> est strictement \u00e9quivalent au coefficient de corr\u00e9lation produit-moment de Pearson calcul\u00e9 sur deux vecteurs cod\u00e9s num\u00e9riquement en ${0, 1}$<\/span>, et il est directement li\u00e9 \u00e0 la statistique du Chi-deux par la relation fonctionnelle :<\/p>\n

$$\\phi = \\sqrt{\\frac{\\chi^2}{N}} = \\frac{ad – bc}{\\sqrt{(a+b)(c+d)(a+c)(b+d)}}$$<\/span><\/p>\n

Le coefficient $phi$<\/span> oscille entre $-1$<\/span> et $+1$<\/span> lorsque les distributions marginales des deux variables sont rigoureusement identiques ($p_X = p_Y$<\/span>). Si les proportions marginales divergent, la borne th\u00e9orique maximale de $phi$<\/span> se trouve m\u00e9caniquement compress\u00e9e sous l’unit\u00e9, ce qui constitue une limitation importante lors de la comparaison de sous-groupes h\u00e9t\u00e9rog\u00e8nes.<\/p>\n

Lorsque les deux variables dichotomiques analys\u00e9es r\u00e9sultent de la discr\u00e9tisation artificielle de deux continuums latents normalement distribu\u00e9s au sein de la population, l’emploi de $phi$<\/span> sous-estime syst\u00e9matiquement la force de la liaison. Il convient alors d’estimer la corr\u00e9lation t\u00e9trachorique ($r_{tet}$<\/span>)<\/strong>. D\u00e9velopp\u00e9e par Karl Pearson en 1900, la corr\u00e9lation t\u00e9trachorique mod\u00e9lise la table $2 \\times 2$<\/span> comme une partition d’une distribution normale bivari\u00e9e continue, estimant par le maximum de vraisemblance la corr\u00e9lation lin\u00e9aire sous-jacente qui aurait \u00e9t\u00e9 observ\u00e9e si les construits n’avaient pas \u00e9t\u00e9 artificiellement \u00e9cras\u00e9s par un seuillage dichotomique.<\/p>\n

Enfin, lorsque l’analyste cherche \u00e0 corr\u00e9ler une variable dichotomique ($X in {0, 1}$<\/span>) et une variable quantitative continue ($Y$<\/span>)<\/strong>, le coefficient formellement requis est la corr\u00e9lation point-bis\u00e9riale ($r_{pb}$<\/span>)<\/strong>. Sa formulation math\u00e9matique explicite sa d\u00e9pendance directe \u00e0 la diff\u00e9rence des moyennes continues entre les deux groupes binaires :<\/p>\n

$$r_{pb} = \\frac{\\bar{Y}_1 – \\bar{Y}_0}{S_Y} \\sqrt{p(1 – p)}$$<\/span><\/p>\n

o\u00f9 $\\bar{Y}_1$<\/span> et $\\bar{Y}_0$<\/span> repr\u00e9sentent respectivement les moyennes du groupe $1$ et du groupe $0$, $S_Y$<\/span> l’\u00e9cart-type global de la variable continue, et $p$<\/span> la proportion d’individus dans le groupe $1$. La corr\u00e9lation point-bis\u00e9riale s’inscrit au c\u0153ur de la th\u00e9orie classique des tests psychom\u00e9triques pour \u00e9valuer l’indice de discrimination des items (la corr\u00e9lation entre la r\u00e9ussite binaire \u00e0 un item et le score total continu obtenu au test).<\/p>\n

10. Mod\u00e9lisation multivari\u00e9e : R\u00e9gression logistique et variables binaires d\u00e9pendantes<\/h2>\n

10.1 Inadaptation de la r\u00e9gression lin\u00e9aire classique (MCO)<\/h3>\n

L’un des \u00e9cueils m\u00e9thodologiques les plus fr\u00e9quents en analyse quantitative r\u00e9side dans la tentative d’appliquer le mod\u00e8le de r\u00e9gression lin\u00e9aire classique par la m\u00e9thode des moindres carr\u00e9s ordinaires (MCO) lorsque la variable d\u00e9pendante $Y$<\/span> est une variable dichotomique cod\u00e9e ${0, 1}$<\/span>. Bien que ce mod\u00e8le \u2014 d\u00e9sign\u00e9 sous le terme de Mod\u00e8le de Probabilit\u00e9 Lin\u00e9aire<\/em> (MPL) \u2014 conserve une certaine intuitivit\u00e9 descriptive, il viole de mani\u00e8re catastrophique les trois postulats statistiques fondamentaux garantissant la validit\u00e9 du th\u00e9or\u00e8me de Gauss-Markov.<\/p>\n

Le premier vice rh\u00e9dibitoire du MPL concerne l’inad\u00e9quation de son espace de pr\u00e9diction. Une fonction de r\u00e9gression lin\u00e9aire de la forme $\\hat{Y} = \\beta_0 + \\sum \\beta_j X_j$<\/span> se d\u00e9ploie sans contrainte le long de la droite r\u00e9elle ($]-\\infty, +\\infty[$<\/span>). Par cons\u00e9quent, pour des valeurs extr\u00eames des pr\u00e9dicteurs $X$<\/span>, le mod\u00e8le pr\u00e9dit in\u00e9vitablement des \u00ab probabilit\u00e9s \u00bb math\u00e9matiquement absurdes, rigoureusement inf\u00e9rieures \u00e0 z\u00e9ro ($\\hat{p} < 0$<\/span>) ou strictement sup\u00e9rieures \u00e0 l’unit\u00e9 ($\\hat{p} > 1$<\/span>), ruinant toute tentative d’interpr\u00e9tation probabiliste rigoureuse.<\/p>\n

Le second vice rel\u00e8ve de la violation syst\u00e9matique de l’hypoth\u00e8se d’homosc\u00e9dasticit\u00e9<\/strong> (variance constante des r\u00e9sidus). Comme d\u00e9montr\u00e9 pr\u00e9c\u00e9demment, la variance d’une variable binaire d\u00e9pend intrins\u00e8quement de son esp\u00e9rance selon la fonction $p(1-p)$<\/span>. Pour un individu $i$<\/span> ayant une combinaison sp\u00e9cifique de pr\u00e9dicteurs $X_i$<\/span>, la variance de son terme d’erreur conditionnel s’\u00e9crit formellement :<\/p>\n

$$operatorname{Var}(\\epsilon_i mid X_i) = P(Y_i=1 mid X_i)(1 – P(Y_i=1 mid X_i)) = (\\beta^T X_i)(1 – \\beta^T X_i)$$<\/span><\/p>\n

Cette variance est fonctionnellement instable et varie d’un individu \u00e0 un autre en fonction de ses valeurs pr\u00e9dictives, induisant une h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 structurelle totale<\/strong>. En d\u00e9coule une invalidation compl\u00e8te du calcul des erreurs-types des coefficients : les statistiques de Student et les valeurs de $p$<\/span> produites par le logiciel sont s\u00e9v\u00e8rement biais\u00e9es, entra\u00eenant des d\u00e9cisions inf\u00e9rentielles totalement erron\u00e9es.<\/p>\n

Le troisi\u00e8me vice est la non-normalit\u00e9 absolue des termes d’erreur<\/strong>. Les r\u00e9sidus $\\epsilon_i = Y_i – \\hat{Y}_i$<\/span> ne peuvent prendre, pour une valeur fix\u00e9e de $\\hat{Y}_i$<\/span>, que deux r\u00e9alisations possibles : soit $1 – \\hat{Y}_i$<\/span>, soit $-\\hat{Y}_i$<\/span>. La distribution des erreurs est donc strictement discr\u00e8te et bimodale, d\u00e9fiant de mani\u00e8re flagrante le postulat de normalit\u00e9 des r\u00e9sidus requis pour valider les tests d’hypoth\u00e8se en petits et moyens \u00e9chantillons.<\/p>\n

\"\"<\/figure>\n

10.2 Principes fondamentaux de la r\u00e9gression logistique binaire<\/h3>\n

Pour d\u00e9passer les apories fatales du Mod\u00e8le de Probabilit\u00e9 Lin\u00e9aire, la statistique multivari\u00e9e contemporaine recourt universellement \u00e0 la r\u00e9gression logistique binaire<\/strong>, formalis\u00e9e par David Cox en 1958. Ce mod\u00e8le appartient \u00e0 la famille des Mod\u00e8les Lin\u00e9aires G\u00e9n\u00e9ralis\u00e9s (GLM) et repose sur l’application d’une fonction de lien logit<\/strong> charg\u00e9e de compresser la dynamique continue du pr\u00e9dicteur lin\u00e9aire au sein du domaine de d\u00e9finition probabiliste restreint $[0, 1]$<\/span>.<\/p>\n

La m\u00e9canique th\u00e9orique proc\u00e8de en trois \u00e9tapes math\u00e9matiques successives. On d\u00e9finit initialement la probabilit\u00e9 conditionnelle de succ\u00e8s $p = P(Y=1 mid X)$<\/span>. On extrait ensuite la cote<\/strong> (odds<\/em>), qui rapporte la probabilit\u00e9 de survenue de l’\u00e9v\u00e9nement \u00e0 sa probabilit\u00e9 d’\u00e9chec compl\u00e9mentaire : $\\text{odds} = \\frac{p}{1-p}$<\/span>. Enfin, on applique le logarithme n\u00e9p\u00e9rien \u00e0 cette cote pour former la transformation logit<\/strong> :<\/p>\n

$$operatorname{logit}(p) = \\ln\\left(\\frac{p}{1-p}\\right) = \\beta_0 + \\beta_1 X_1 + \\beta_2 X_2 + dots + \\beta_k X_k$$<\/span><\/p>\n

En isolant alg\u00e9briquement la probabilit\u00e9 $p$<\/span> par inversion de la fonction logit, on d\u00e9rive l’\u00e9quation de la courbe logistique sigmo\u00efde :<\/p>\n

$$p = \\frac{1}{1 + e^{-(\\beta_0 + \\sum \\beta_j X_j)}} = \\frac{e^{\\beta_0 + \\sum \\beta_j X_j}}{1 + e^{\\beta_0 + \\sum \\beta_j X_j}}$$<\/span><\/p>\n

Cette formulation garantit avec une rigueur absolue que quelle que soit l’ampleur des coefficients $\\beta$<\/span> ou des valeurs prises par les pr\u00e9dicteurs $X$<\/span>, la probabilit\u00e9 estim\u00e9e $\\hat{p}$<\/span> sera math\u00e9matiquement asymptotique \u00e0 $0$ lorsque le terme lin\u00e9aire tend vers $-\\infty$<\/span>, et asymptotique \u00e0 $1$ lorsqu’il tend vers $+\\infty$<\/span>, sans jamais franchir les fronti\u00e8res de l’intervalle $[0, 1]$<\/span>.<\/p>\n

L’estimation des coefficients $\\beta$<\/span> ne peut plus s’effectuer par la m\u00e9thode matricielle des moindres carr\u00e9s analytiques ; elle requiert la m\u00e9thode d’optimisation num\u00e9rique par le maximum de vraisemblance<\/strong> (Maximum Likelihood Estimation<\/em>, MLE), g\u00e9n\u00e9ralement r\u00e9solue par l’algorithme it\u00e9ratif de Newton-Raphson. L’interpr\u00e9tation s\u00e9mantique des param\u00e8tres s’effectue en passant \u00e0 l’exponentielle des coefficients : $e^{\\beta_j}$<\/span> quantifie pr\u00e9cis\u00e9ment l’Odds Ratio ajust\u00e9<\/strong> associ\u00e9 \u00e0 une augmentation d’une unit\u00e9 de la variable explicative $X_j$<\/span>, toutes les autres covariables du mod\u00e8le \u00e9tant maintenues strictement constantes.<\/p>\n

10.3 \u00c9valuation de l’ajustement du mod\u00e8le et classification<\/h3>\n

L’\u00e9valuation de la qualit\u00e9 pr\u00e9dictive et de la validit\u00e9 d’un mod\u00e8le de r\u00e9gression logistique repose sur une batterie d’indices sp\u00e9cifiques, dissoci\u00e9s des coefficients de d\u00e9termination $R^2$<\/span> classiques. L’analyste examine en premier lieu la d\u00e9viance r\u00e9siduelle<\/strong> ($D = -2 ln(L)$<\/span>, o\u00f9 $L$<\/span> est la vraisemblance maximale du mod\u00e8le). La comparaison entre la d\u00e9viance du mod\u00e8le nul (sans r\u00e9gresseurs) et la d\u00e9viance du mod\u00e8le ajust\u00e9 suit asymptotiquement une loi du $\\chi^2$<\/span> et permet de r\u00e9aliser le test du rapport de vraisemblance (Likelihood Ratio Test<\/em>) pour juger de l’apport global de l’ensemble des pr\u00e9dicteurs.<\/p>\n

Pour tester l’ad\u00e9quation locale de l’ajustement aux donn\u00e9es, le test d’ajustement de Hosmer-Lemeshow<\/strong> partitionne les participants en d\u00e9ciles de risque pr\u00e9dit (g\u00e9n\u00e9ralement 10 classes ordonn\u00e9es de la probabilit\u00e9 estim\u00e9e la plus faible \u00e0 la plus forte) et compare par une statistique de type Chi-deux les fr\u00e9quences observ\u00e9es et les fr\u00e9quences pr\u00e9dites au sein de chaque d\u00e9cile. Une absence de significativit\u00e9 statistique ($p > 0.05$<\/span>) atteste d’un bon calibrage probabiliste du mod\u00e8le.<\/p>\n

Sur le plan d\u00e9cisionnel, les probabilit\u00e9s continues pr\u00e9dites $\\hat{p}_i in [0, 1]$<\/span> sont converties en classifications binaires r\u00e9elles en fixant un seuil de coupure (conventionnellement $c = 0.50$<\/span>). Cette discr\u00e9tisation engendre une matrice de confusion<\/strong> qui permet d’extraire des m\u00e9triques cliniques indispensables :<\/p>\n