{"id":6447,"date":"2026-10-14T18:02:07","date_gmt":"2026-10-14T18:02:07","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-tester-la-normalite-dans-stata\/"},"modified":"2026-10-14T18:02:07","modified_gmt":"2026-10-14T18:02:07","slug":"comment-tester-la-normalite-dans-stata","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-tester-la-normalite-dans-stata","title":{"rendered":"Comment tester la normalit\u00e9 dans Stata"},"content":{"rendered":"

L’analyse statistique appliqu\u00e9e repose sur un ensemble d’axiomes fondamentaux dont la v\u00e9rification conditionne la robustesse, la validit\u00e9 interne et la port\u00e9e inf\u00e9rentielle des conclusions scientifiques. Parmi ces postulats, l’hypoth\u00e8se selon laquelle les variables al\u00e9atoires observ\u00e9es \u2014 ou plus pr\u00e9cis\u00e9ment les perturbations stochastiques sous-jacentes \u2014 suivent une loi normale occupe une position pr\u00e9\u00e9minente dans la mod\u00e9lisation param\u00e9trique. Que l’on mobilise l’\u00e9conom\u00e9trie, la biom\u00e9trie, la psychom\u00e9trie ou la sociologie quantitative, la loi de Gauss constitue le socle th\u00e9orique de l’estimation par les moindres carr\u00e9s ordinaires, de l’analyse de la variance (ANOVA<\/a>) et des m\u00e9thodes multivari\u00e9es canoniques. N\u00e9anmoins, l’acceptation dogmatique de cette r\u00e9gularit\u00e9 distributionnelle expose le chercheur \u00e0 des distorsions diagnostiques s\u00e9v\u00e8res, pouvant compromettre la significativit\u00e9 statistique des tests d’hypoth\u00e8ses et invalider les pr\u00e9dictions d’un mod\u00e8le.<\/p>\n

Dans l’environnement de calcul statistique Stata<\/a>, l’\u00e9valuation de la normalit\u00e9 ne saurait se r\u00e9duire \u00e0 une routine m\u00e9canique ou \u00e0 l’application aveugle d’un indicateur unique. Le logiciel fournit un \u00e9ventail complet d’outils analytiques allant de repr\u00e9sentations graphiques fines \u00e0 des tests formels d’ad\u00e9quation bas\u00e9s sur l’alignement des quantiles, les d\u00e9compositions de moments ou la distance empirique globale. Comprendre les fondements th\u00e9oriques, les \u00e9quations sous-jacentes, les propri\u00e9t\u00e9s d’\u00e9chantillonnage et les sensibilit\u00e9s relatives de ces proc\u00e9dures s’av\u00e8re indispensable pour tout praticien soucieux d’int\u00e9grit\u00e9 m\u00e9thodologique. Une telle d\u00e9marche permet de d\u00e9passer l’opposition simpliste entre rejet et acceptation d’une distribution pour adopter une approche diagnostique int\u00e9gr\u00e9e et gradu\u00e9e.<\/p>\n

Ce trait\u00e9 m\u00e9thodologique propose une exploration exhaustive de l’ensemble des techniques diagnostiques de la normalit\u00e9 univari\u00e9e, r\u00e9siduelle et multivari\u00e9e impl\u00e9ment\u00e9es sous Stata. \u00c0 travers un expos\u00e9 m\u00e9thodique associant la d\u00e9rivation math\u00e9matique des statistiques de test, l’explication minutieuse de la syntaxe de programmation, l’analyse d\u00e9taill\u00e9e des sorties num\u00e9riques et l’interpr\u00e9tation des structures graphiques, ce document fournit aux analystes de donn\u00e9es, doctorants et chercheurs chevronn\u00e9s une feuille de route rigoureuse pour auditer la conformit\u00e9 de leurs donn\u00e9es empiriques aux exigences distributionnelles de la th\u00e9orie statistique classique.<\/p>\n

1. Introduction aux hypoth\u00e8ses distributionnelles et au postulat de normalit\u00e9 dans Stata<\/h2>\n

1.1 Importance de la distribution gaussienne en recherche empirique<\/h3>\n

La primaut\u00e9 de la distribution normale dans l’inf\u00e9rence statistique contemporaine d\u00e9coule de sa structure math\u00e9matique \u00e9l\u00e9gante, caract\u00e9ris\u00e9e par une sym\u00e9trie parfaite autour de son esp\u00e9rance math\u00e9matique et une d\u00e9croissance exponentielle de ses densit\u00e9s marginales. Dans le cadre de l’inf\u00e9rence param\u00e9trique classique, la d\u00e9rivation exacte des distributions d’\u00e9chantillonnage des estimateurs \u2014 notamment les lois de Student pour les coefficients de r\u00e9gression et les lois de Fisher-Snedecor pour les contrastes lin\u00e9aires simultan\u00e9s \u2014 d\u00e9pend de l’hypoth\u00e8se de normalit\u00e9 des termes d’erreur. Lorsque cette condition d’ellipticit\u00e9 est enfreinte dans des \u00e9chantillons de dimension restreinte, la distribution empirique des statistiques de test s’\u00e9carte substantiellement de leurs lois th\u00e9oriques tabul\u00e9es. Cela entra\u00eene une alt\u00e9ration de l’erreur de premi\u00e8re esp\u00e8ce, augmentant le risque de faux positifs, ainsi qu’une d\u00e9t\u00e9rioration de la puissance statistique des estimateurs.<\/p>\n

Le th\u00e9or\u00e8me central limite (Central Limit Theorem<\/a>) est fr\u00e9quemment invoqu\u00e9 dans la pratique \u00e9conom\u00e9trique pour att\u00e9nuer la port\u00e9e des non-normalit\u00e9s. Selon ce principe fondamental formul\u00e9 sous les conditions de Lindeberg-L\u00e9vy ou de Liapounov, la somme de variables al\u00e9atoires ind\u00e9pendantes et identiquement distribu\u00e9es, dot\u00e9es d’une variance finie, converge asymptotiquement vers une distribution gaussienne standardis\u00e9e, quelle que soit la loi m\u00e8re sous-jacente. Si ce m\u00e9canisme de convergence justifie l’application asymptotique des tests de Wald ou du multiplicateur de Lagrange sur des macro-\u00e9chantillons, il ne saurait exon\u00e9rer l’analyste d’une \u00e9valuation rigoureuse sur des cohortes limit\u00e9es ou interm\u00e9diaires. Dans les \u00e9chantillons finis, les \u00e9carts marqu\u00e9s par rapport \u00e0 la normalit\u00e9 \u2014 en particulier les distributions bimodalit\u00e9s prononc\u00e9es, les asym\u00e9tries fortes ou les queues de distribution \u00e9paisses \u2014 d\u00e9gradent l’efficacit\u00e9 relative des estimateurs lin\u00e9aires sans biais et rendent impr\u00e9cis le calcul des intervalles de confiance.<\/p>\n

Au-del\u00e0 de la simple inf\u00e9rence sur les moyennes conditionnelles, le maintien du postulat de normalit\u00e9 s’av\u00e8re critique lors de la construction d’intervalles de pr\u00e9diction individuels. Contrairement aux intervalles de confiance encadrant l’esp\u00e9rance de la variable d\u00e9pendante, dont la pr\u00e9cision b\u00e9n\u00e9ficie directement de la loi des grands nombres, la d\u00e9limitation d’un intervalle de pr\u00e9vision pour une observation singuli\u00e8re incorpore directement la variance du terme r\u00e9siduel individuel. Si la distribution des erreurs n’est pas strictement normale, les bornes de pr\u00e9diction calcul\u00e9es sur la base de la loi de Student standard sous-estimeront ou surestimeront la probabilit\u00e9 r\u00e9elle de couverture, induisant des erreurs de ciblage d\u00e9cisionnel dans les applications cliniques, actuarielles ou \u00e9conom\u00e9triques.<\/p>\n

1.2 Distinction entre normalit\u00e9 univari\u00e9e, r\u00e9siduelle et multivari\u00e9e<\/h3>\n

Une confusion m\u00e9thodologique r\u00e9currente consiste \u00e0 exiger la normalit\u00e9 marginale des variables d\u00e9pendantes ou ind\u00e9pendantes observ\u00e9es avant toute d\u00e9marche de mod\u00e9lisation. En r\u00e9alit\u00e9, le cadre du mod\u00e8le lin\u00e9aire g\u00e9n\u00e9ralis\u00e9 n’impose aucune contrainte de normalit\u00e9 sur la distribution brute des r\u00e9gresseurs, ni m\u00eame sur la distribution marginale inconditionnelle de la variable expliqu\u00e9e. Les pr\u00e9dicteurs peuvent \u00eatre binaires, nominaux, polytomiques ou asym\u00e9triques sans enfreindre les propri\u00e9t\u00e9s des moindres carr\u00e9s ordinaires. Ce qui importe pour la validit\u00e9 du mod\u00e8le param\u00e9trique n’est pas la normalit\u00e9 marginale d’une variable prise isol\u00e9ment, mais la conformit\u00e9 de la distribution conditionnelle de la variable d\u00e9pendante sachant les pr\u00e9dicteurs, ce qui \u00e9quivaut \u00e0 exiger la normalit\u00e9 de la composante stochastique r\u00e9siduelle non capt\u00e9e par le mod\u00e8le.<\/p>\n

La normalit\u00e9 r\u00e9siduelle renvoie sp\u00e9cifiquement \u00e0 la distribution du vecteur des perturbations inobservables dans la population parente. Dans une r\u00e9gression lin\u00e9aire multiple, ces perturbations sont suppos\u00e9es \u00eatre g\u00e9n\u00e9r\u00e9es par un processus stochastique sph\u00e9rique, caract\u00e9ris\u00e9 par une esp\u00e9rance math\u00e9matique conditionnelle nulle, une homosc\u00e9dasticit\u00e9 et une ind\u00e9pendance s\u00e9rielle, le tout sous-tendu par une distribution normale. L’audit de normalit\u00e9 doit par cons\u00e9quent s’orienter en priorit\u00e9 vers les r\u00e9sidus estim\u00e9s apr\u00e8s convergence de l’algorithme d’optimisation, plut\u00f4t que vers la variable d\u00e9pendante brute dont l’allure multimodale peut simplement refl\u00e9ter l’effet de stratification de covariables discr\u00e8tes sous-jacentes.<\/p>\n

Enfin, la normalit\u00e9 multivari\u00e9e pose des exigences conceptuelles beaucoup plus restrictives que la juxtaposition de normalit\u00e9s marginales univari\u00e9es. Un vecteur al\u00e9atoire multidimensionnel suit une loi normale multivari\u00e9e si et seulement si toute combinaison lin\u00e9aire scalaire de ses composantes suit une loi normale univari\u00e9e. Il est math\u00e9matiquement d\u00e9montr\u00e9 que l’existence de distributions marginales univari\u00e9es parfaitement gaussiennes pour plusieurs variables distinctes ne garantit en rien que leur distribution conjointe respecte la normalit\u00e9 multivari\u00e9e. Cette distinction est cruciale dans les architectures analytiques fond\u00e9es sur l’estimation du maximum de vraisemblance \u00e0 information compl\u00e8te, telles que l’analyse factorielle confirmatoire, la mod\u00e9lisation par \u00e9quations structurelles (SEM<\/a>) ou l’analyse discriminante lin\u00e9aire de Fisher.<\/p>\n

1.3 Pr\u00e9sentation du jeu de donn\u00e9es de travail et pr\u00e9paration de l’environnement<\/h3>\n

Afin de concr\u00e9tiser l’ensemble des d\u00e9marches diagnostiques pr\u00e9sent\u00e9es au sein de ce trait\u00e9, nous mobiliserons le jeu de donn\u00e9es classique int\u00e9gr\u00e9 \u00e0 l’environnement logiciel Stata, accessible via l’archive interne sysuse auto.dta<\/code>. Ce corpus recueille les caract\u00e9ristiques techniques, dimensionnelles et \u00e9conomiques d’une flotte de 74 mod\u00e8les d’automobiles commercialis\u00e9s en 1978. La composition de ce fichier combine des m\u00e9triques continues affichant des niveaux variables d’asym\u00e9trie et d’aplatissement, ce qui permet d’illustrer la r\u00e9ponse empirique des diff\u00e9rents algorithmes de test face \u00e0 des configurations distributionnelles diversifi\u00e9es.<\/p>\n

L’initialisation d’un environnement d’analyse rigoureux dans Stata n\u00e9cessite la configuration pr\u00e9alable d’un fichier journal permettant la tra\u00e7abilit\u00e9 int\u00e9grale des manipulations et l’ex\u00e9cution d’une inspection pr\u00e9liminaire des observations manquantes. Les variables principales qui feront l’objet de nos exp\u00e9rimentations sont le prix (price<\/code>), la consommation de carburant exprim\u00e9e en miles par gallon (mpg<\/code>), le poids du v\u00e9hicule (weight<\/code>) et la cylindr\u00e9e du moteur (displacement<\/code>). Les commandes fondamentales d’amorce se structurent comme suit :<\/p>\n

sysuse auto, clear<\/code>
\ndescribe price mpg weight displacement<\/code>
\nsummarize price mpg weight displacement<\/code>
\nmisstable summarize price mpg weight displacement<\/code><\/p>\n

L’instruction misstable summarize<\/code> garantit l’exhaustivit\u00e9 des sous-\u00e9chantillons d’analyse en r\u00e9pertoriant les valeurs manquantes structurelles. La pr\u00e9sence de valeurs absentes non al\u00e9atoires peut biaiser les distributions marginales en \u00e9liminant s\u00e9lectivement les extr\u00eames. Dans le jeu de donn\u00e9es auto.dta<\/code>, l’int\u00e9grit\u00e9 des 74 observations est pr\u00e9serv\u00e9e pour ces vecteurs continus, fournissant un cadre de calibration stable pour l’ensemble des estimateurs univari\u00e9s et multivari\u00e9s.<\/p>\n

2. \u00c9valuation graphique pr\u00e9liminaire : L’histogramme et la superposition de densit\u00e9 normale<\/h2>\n

2.1 Syntaxe fondamentale et structure de la commande histogram<\/h3>\n

L’histogramme constitue la m\u00e9thode exploratoire non param\u00e9trique la plus intuitive pour visualiser la fonction de masse ou de densit\u00e9 empirique d’un vecteur continu. Dans l’\u00e9cosyst\u00e8me Stata, la commande histogram<\/code> (ou son abr\u00e9viation autoris\u00e9e hist<\/code>) partitionne le support de la variable \u00e9tudi\u00e9e en une s\u00e9rie d’intervalles contigus, appel\u00e9s classes ou r\u00e9ceptacles statistiques, puis comptabilise la fr\u00e9quence des r\u00e9alisations observ\u00e9es au sein de chaque segment. Cette discr\u00e9tisation permet d’identifier imm\u00e9diatement les propri\u00e9t\u00e9s qualitatives de la distribution : la localisation du mode central, l’\u00e9ventuelle bimodalit\u00e9 r\u00e9v\u00e9latrice d’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9s sous-jacentes, le sens de l’asym\u00e9trie lat\u00e9rale ainsi que l’\u00e9paisseur apparente des queues de distribution.<\/p>\n

Le param\u00e9trage par d\u00e9faut de Stata calcule une ordonn\u00e9e calibr\u00e9e en densit\u00e9 statistique, assurant que la somme des aires des rectangles \u00e9l\u00e9mentaires soit rigoureusement \u00e9gale \u00e0 l’unit\u00e9. N\u00e9anmoins, l’analyste peut modifier l’\u00e9chelle verticale pour adapter la restitution aux conventions de son champ disciplinaire en mobilisant des options sp\u00e9cifiques :<\/p>\n