{"id":7006,"date":"2026-09-16T15:38:41","date_gmt":"2026-09-16T15:38:41","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-calculer-sst-ssr-sse-dans-r\/"},"modified":"2026-09-16T15:38:41","modified_gmt":"2026-09-16T15:38:41","slug":"comment-calculer-sst-ssr-sse-dans-r","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-calculer-sst-ssr-sse-dans-r","title":{"rendered":"Comment calculer SST, SSR et SSE dans R"},"content":{"rendered":"

L’analyse de r\u00e9gression lin\u00e9aire constitue la pierre angulaire de l’inf\u00e9rence statistique contemporaine, fournissant un cadre rigoureux pour formaliser, tester et quantifier les relations fonctionnelles entre des ph\u00e9nom\u00e8nes observables. Au c\u0153ur de cette m\u00e9thodologie r\u00e9side un principe math\u00e9matique d’une remarquable \u00e9l\u00e9gance : la d\u00e9composition de la variabilit\u00e9 globale observ\u00e9e au sein d’une variable r\u00e9ponse en composantes orthogonales et interpr\u00e9tables. Cette partition, universellement d\u00e9sign\u00e9e sous le vocable de d\u00e9composition de la somme des carr\u00e9s, permet de scinder la dispersion totale des donn\u00e9es en une part syst\u00e9matique imputable aux pr\u00e9dicteurs th\u00e9oriques et une part r\u00e9siduelle inh\u00e9rente aux perturbations al\u00e9atoires ou aux variables non observ\u00e9es. Pour le chercheur, le statisticien ou le biostatisticien, ma\u00eetriser cette arithm\u00e9tique ne rel\u00e8ve pas d’un simple exercice acad\u00e9mique, mais conditionne la compr\u00e9hension intime de la qualit\u00e9 d’ajustement, des tests d’hypoth\u00e8ses omnibus et de l’estimation de la taille d’effet.<\/p>\n

Dans l’\u00e9cosyst\u00e8me du logiciel libre R pour le calcul statistique<\/a>, ces op\u00e9rations sont g\u00e9n\u00e9ralement dissimul\u00e9es sous le capot de routines hautement optimis\u00e9es telles que la fonction lm()<\/code> et les tables d’analyse de variance associ\u00e9es. Si cette abstraction logicielle garantit une efficacit\u00e9 computationnelle ind\u00e9niable, elle peut paradoxalement opacifier les m\u00e9canismes sous-jacents qui relient les donn\u00e9es empiriques brutes aux statistiques inf\u00e9rentielles finales. R\u00e9aliser le calcul pas \u00e0 pas de la somme totale des carr\u00e9s (SST), de la somme des carr\u00e9s de la r\u00e9gression (SSR) et de la somme des carr\u00e9s des erreurs (SSE) permet de r\u00e9concilier l’abstraction alg\u00e9brique avec la r\u00e9alit\u00e9 de la programmation vectorielle. Cette d\u00e9marche permet d’\u00e9clairer la signification g\u00e9om\u00e9trique des projections dans l’espace euclidien tout en consolidant les comp\u00e9tences pratiques requises pour diagnostiquer des anomalies num\u00e9riques ou impl\u00e9menter des extensions analytiques personnalis\u00e9es.<\/p>\n

Ce guide exhaustif a pour vocation d’articuler les fondements conceptuels, les formulations math\u00e9matiques rigoureuses et les protocoles algorithmiques directs permettant de calculer, valider et interpr\u00e9ter SST, SSR et SSE dans R. En ancrant notre r\u00e9flexion dans le contexte m\u00e9thodologique des sciences comportementales et psychologiques — o\u00f9 la quantification du bruit de mesure et des diff\u00e9rences interindividuelles s’av\u00e8re critique —, nous explorerons la m\u00e9canique interne des moindres carr\u00e9s ordinaires. \u00c0 travers un exemple empirique minutieusement document\u00e9, nous d\u00e9montrerons comment transformer les \u00e9quations fondamentales en scripts optimis\u00e9s, v\u00e9rifier la parfaite convergence avec les sorties de l’analyse de variance, et d\u00e9river des indices d’\u00e9valuation essentiels tels que le coefficient de d\u00e9termination simple et ajust\u00e9.<\/p>\n

1. Fondements th\u00e9oriques de la d\u00e9composition de la variance en r\u00e9gression lin\u00e9aire<\/h2>\n

1.1 Le r\u00f4le fondamental de la somme des carr\u00e9s dans la mod\u00e9lisation statistique<\/h3>\n

La mod\u00e9lisation statistique lin\u00e9aire s’efforce de r\u00e9sumer la structure sous-jacente d’un nuage de points multidimensionnel en d\u00e9couvrant une trajectoire d\u00e9terministe optimale au travers d’observations intrins\u00e8quement dispers\u00e9es. La variabilit\u00e9 globale d’un \u00e9chantillon traduit l’amplitude des \u00e9carts existant entre chaque observation individuelle et une valeur centrale de r\u00e9f\u00e9rence, traditionnellement choisie comme \u00e9tant la moyenne arithm\u00e9tique de l’\u00e9chantillon. Dans une perspective de r\u00e9duction de dimension, la moyenne empirique repr\u00e9sente le mod\u00e8le le plus rudimentaire concevable, ne mobilisant aucun pr\u00e9dicteur externe pour expliquer les fluctuations observ\u00e9es. Mesurer la dispersion autour de ce centre de gravit\u00e9 n\u00e9cessite l’emploi d’op\u00e9rateurs math\u00e9matiques capables de traiter les d\u00e9viations positives et n\u00e9gatives sans qu’elles ne s’annulent mutuellement, ce qui justifie l’utilisation des \u00e9carts quadratiques.<\/p>\n

L’adoption syst\u00e9matique de m\u00e9triques quadratiques dans le paradigme gaussien ne rel\u00e8ve pas d’un choix arbitraire, mais s’enracine dans les propri\u00e9t\u00e9s math\u00e9matiques des normes hilbertiennes. En p\u00e9nalisant de mani\u00e8re disproportionn\u00e9e les \u00e9carts de grande magnitude, l’\u00e9l\u00e9vation au carr\u00e9 conf\u00e8re \u00e0 la fonction de perte une stricte convexit\u00e9, garantissant ainsi l’existence et l’unicit\u00e9 d’un extremum global lors de la minimisation. Le cadre classique des moindres carr\u00e9s ordinaires, conceptualis\u00e9 ind\u00e9pendamment par Carl Friedrich Gauss et Adrien-Marie Legendre, postule que la meilleure approximation lin\u00e9aire d’un ph\u00e9nom\u00e8ne est celle qui minimise pr\u00e9cis\u00e9ment la somme de ces distances quadratiques verticales entre les points observ\u00e9s et l’hyperplan d’ajustement.<\/p>\n

Cette approche permet une transition fluide entre la simple statistique descriptive et l’inf\u00e9rence formelle. Sous l’hypoth\u00e8se de normalit\u00e9 des perturbations stochastiques, la minimisation quadratique devient math\u00e9matiquement \u00e9quivalente \u00e0 l’estimation par le maximum de vraisemblance, dotant les coefficients estim\u00e9s de propri\u00e9t\u00e9s asymptotiques remarquables d’optimalit\u00e9, formalis\u00e9es par le th\u00e9or\u00e8me de Gauss-Markov. D\u00e8s lors, la somme des carr\u00e9s s’\u00e9rige en mesure \u00e9talon de l’incertitude : quantifier avec pr\u00e9cision comment cette incertitude globale se redistribue lors de l’introduction de variables explicatives constitue la d\u00e9marche inaugurale de toute tentative de mod\u00e9lisation explicative ou pr\u00e9dictive.<\/p>\n

1.2 Application m\u00e9thodologique en recherche psychologique et comportementale<\/h3>\n

Dans les disciplines relevant de la psychologie diff\u00e9rentielle, de la psychom\u00e9trie et des sciences comportementales, la variabilit\u00e9 des r\u00e9ponses empiriques constitue \u00e0 la fois l’objet d’\u00e9tude principal et le d\u00e9fi m\u00e9thodologique majeur. Les mesures psychologiques, qu’il s’agisse de temps de r\u00e9action, de quotients intellectuels ou de scores composites sur des \u00e9chelles d’anxi\u00e9t\u00e9, manifestent une h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 substantielle d’un individu \u00e0 l’autre. Cette dispersion interindividuelle r\u00e9sulte d’un entrelacement complexe d’effets environnementaux, de facteurs g\u00e9n\u00e9tiques, de dynamiques cognitives sp\u00e9cifiques et d’une quantit\u00e9 in\u00e9vitable de fluctuations non contr\u00f4l\u00e9es. La partition de la somme des carr\u00e9s fournit le m\u00e9canisme analytique n\u00e9cessaire pour d\u00e9m\u00ealer ces sources de variation concurrentes au sein des cohortes exp\u00e9rimentales.<\/p>\n

Lorsque le chercheur \u00e9value l’impact d’une variable pr\u00e9dictive — comme le nombre d’heures consacr\u00e9es \u00e0 la pr\u00e9paration cognitive sur le score obtenu \u00e0 un examen acad\u00e9mique standardis\u00e9 —, l’enjeu consiste \u00e0 d\u00e9terminer quelle proportion des \u00e9carts constat\u00e9s d\u00e9coule fid\u00e8lement de ce facteur syst\u00e9matique. Dans ce cadre, la somme des carr\u00e9s de la r\u00e9gression isole la signature de l’effet d’apprentissage ou de l’intervention cibl\u00e9e, tandis que la somme des carr\u00e9s des erreurs absorbe l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 r\u00e9siduelle li\u00e9e aux biais cognitifs non mesur\u00e9s, \u00e0 la fatigue momentan\u00e9e des sujets ou \u00e0 l’impr\u00e9cision inh\u00e9rente aux instruments d’\u00e9valuation psychom\u00e9trique. Sans cette dissociation m\u00e9trique, toute inf\u00e9rence relative \u00e0 l’efficacit\u00e9 d’un protocole \u00e9ducatif ou th\u00e9rapeutique se trouverait biais\u00e9e par la confusion entre l’effet substantiel du traitement et le bruit stochastique sous-jacent.<\/p>\n

En outre, la standardisation des protocoles d’\u00e9valuation en psychologie exige une reproductibilit\u00e9 sans faille des m\u00e9thodes d’estimation. L’adoption explicite de d\u00e9compositions de variance formalis\u00e9es garantit que les conclusions tir\u00e9es d’un \u00e9chantillon particulier peuvent \u00eatre compar\u00e9es \u00e0 des donn\u00e9es issues de r\u00e9plications trans-\u00e9chantillonnales ou de m\u00e9ta-analyses contemporaines. Les exigences m\u00e9thodologiques prescrites notamment par l’American Psychological Association<\/a> imposent une transparence absolue dans la communication des indices de variabilit\u00e9 expliqu\u00e9e et r\u00e9siduelle, condition pr\u00e9alable indispensable \u00e0 la consolidation de mod\u00e8les psychologiques cumulatifs et falsifiables.<\/p>\n

1.3 L’identit\u00e9 fondamentale de la somme des carr\u00e9s : SST = SSR + SSE<\/h3>\n

L’architecture de la r\u00e9gression lin\u00e9aire univari\u00e9e et multivari\u00e9e repose sur une identit\u00e9 alg\u00e9brique fondamentale : la d\u00e9composition orthogonale de la somme des carr\u00e9s totale (SST) en la somme exacte de la somme des carr\u00e9s de la r\u00e9gression (SSR) et de la somme des carr\u00e9s des erreurs (SSE). Cette relation s’\u00e9nonce selon l’\u00e9quation canonique :<\/p>\n

SST = SSR + SSE<\/p>\n

Pour appr\u00e9hender la port\u00e9e de cette \u00e9galit\u00e9, il est imp\u00e9ratif de consid\u00e9rer l’\u00e9cart de chaque observation empirique par rapport \u00e0 la moyenne g\u00e9n\u00e9rale de l’\u00e9chantillon. Cet \u00e9cart global peut \u00eatre d\u00e9compos\u00e9 de mani\u00e8re tautologique par l’insertion de la valeur ajust\u00e9e par le mod\u00e8le pour l’observation consid\u00e9r\u00e9e :<\/p>\n

(yi<\/sub> – ȳ) = (ŷi<\/sub> – ȳ) + (yi<\/sub> – ŷi<\/sub>)<\/p>\n

En \u00e9levant les deux membres de cette \u00e9quation au carr\u00e9 et en appliquant l’op\u00e9rateur de sommation sur l’ensemble des n<\/em> observations constituant l’\u00e9chantillon, on obtient trois termes distincts : la somme des carr\u00e9s des \u00e9carts entre les pr\u00e9dictions et la moyenne, la somme des carr\u00e9s des r\u00e9sidus, et un terme de produit crois\u00e9 :<\/p>\n

Σ(yi<\/sub> – ȳ)² = Σ(ŷi<\/sub> – ȳ)² + Σ(yi<\/sub> – ŷi<\/sub>)² + 2 Σ(ŷi<\/sub> – ȳ)(yi<\/sub> – ŷi<\/sub>)<\/p>\n

L’\u00e9tape critique de la d\u00e9monstration math\u00e9matique consiste \u00e0 \u00e9tablir que le terme de produit crois\u00e9 s’annule rigoureusement sous les conditions standards des moindres carr\u00e9s ordinaires. Ce r\u00e9sultat d\u00e9coule directement des \u00e9quations normales qui d\u00e9finissent les estimateurs des coefficients de r\u00e9gression. D\u00e8s lors que le mod\u00e8le int\u00e8gre une constante (l’ordonn\u00e9e \u00e0 l’origine), le vecteur des r\u00e9sidus empiriques est orthogonal au vecteur unit\u00e9, ce qui implique que la somme des r\u00e9sidus simples est strictement nulle. Par ailleurs, les \u00e9quations d’estimation garantissent que le vecteur des r\u00e9sidus est orthogonal \u00e0 chaque colonne de la matrice de conception, et par cons\u00e9quent \u00e0 toute combinaison lin\u00e9aire des pr\u00e9dicteurs, y compris le vecteur des valeurs ajust\u00e9es lui-m\u00eame. Du fait de cette double orthogonalit\u00e9, le produit scalaire entre le vecteur des \u00e9carts expliqu\u00e9s et le vecteur des r\u00e9sidus s’annule uniform\u00e9ment dans l’espace vectoriel euclidien \u00e0 n<\/em> dimensions.<\/p>\n

Cette conservation arithm\u00e9tique parfaite signifie que la variance totale observ\u00e9e ne subit aucune distorsion ni d\u00e9perdition lors du processus d’estimation : elle est int\u00e9gralement redistribu\u00e9e entre la dynamique d\u00e9terministe captur\u00e9e par les pr\u00e9dicteurs et l’incertitude non structur\u00e9e. Il convient n\u00e9anmoins de souligner que cette \u00e9galit\u00e9 repose crucialement sur l’inclusion d’une ordonn\u00e9e \u00e0 l’origine dans le mod\u00e8le et sur l’hypoth\u00e8se de lin\u00e9arit\u00e9 fonctionnelle. Dans les configurations pathologiques o\u00f9 un mod\u00e8le lin\u00e9aire est forc\u00e9 de passer par l’origine sans constante, l’orthogonalit\u00e9 fondamentale entre les r\u00e9sidus et la moyenne empirique se trouve rompue, provoquant la faillite de l’identit\u00e9 SST = SSR + SSE et rendant l’interpr\u00e9tation des ratios de variance probl\u00e9matique. Cette d\u00e9composition constitue \u00e9galement le fondement math\u00e9matique de l’analyse de la variance univari\u00e9e et factorielle, d\u00e9montrant l’unit\u00e9 structurelle profonde des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9raux.<\/p>\n

2. D\u00e9finition math\u00e9matique et conceptuelle de la SST (Sum of Squares Total)<\/h2>\n

2.1 Formulation alg\u00e9brique de la variabilit\u00e9 globale<\/h3>\n

La somme totale des carr\u00e9s, conventionnellement abr\u00e9g\u00e9e sous le sigle SST (pour Sum of Squares Total<\/em>), quantifie l’int\u00e9gralit\u00e9 de la dispersion empirique exhib\u00e9e par la variable d\u00e9pendante autour de sa valeur centrale. Sur le plan alg\u00e9brique, elle se d\u00e9finit comme la sommation sur les n<\/em> individus de l’\u00e9chantillon des carr\u00e9s des distances s\u00e9parant chaque valeur observ\u00e9e de la moyenne arithm\u00e9tique globale de la variable r\u00e9ponse :<\/p>\n

SST = Σi=1<\/sub>n<\/sup> (yi<\/sub> – ȳ)²<\/p>\n

Dans cette formulation, yi<\/sub><\/em> repr\u00e9sente la r\u00e9alisation scalaire mesur\u00e9e pour le i<\/em>-\u00e8me sujet, tandis que ȳ<\/em> d\u00e9signe l’estimateur sans biais de l’esp\u00e9rance math\u00e9matique de la distribution marginale de Y<\/em>, calcul\u00e9 selon le ratio habituel de la somme des observations sur l’effectif total de l’\u00e9chantillon. La moyenne empirique joue ici un r\u00f4le \u00e9pist\u00e9mologique capital : elle incarne le mod\u00e8le d’ajustement trivial, ou mod\u00e8le nul, c’est-\u00e0-dire l’hypoth\u00e8se dans laquelle aucun pr\u00e9dicteur n’exerce la moindre influence informative sur la r\u00e9ponse. La SST mat\u00e9rialise donc le volume total d’incertitude ou d’erreur de pr\u00e9diction commise si l’on devait assigner \u00e0 chaque observation future une estimation invariable \u00e9quivalente \u00e0 la moyenne historique.<\/p>\n

D’un point de vue g\u00e9om\u00e9trique, si l’on con\u00e7oit l’ensemble des observations comme un point unique positionn\u00e9 dans un espace euclidien vectoriel \u00e0 n<\/em> dimensions, la SST correspond exactement au carr\u00e9 de la distance euclidienne s\u00e9parant le vecteur d’observation y<\/strong> de sa projection orthogonale sur la droite vectorielle engendr\u00e9e par le vecteur unit\u00e9. Par ailleurs, la SST jouit d’une propri\u00e9t\u00e9 remarquable d’invariance face aux transformations affines simples par translation : l’addition ou la soustraction d’une constante scalaire arbitraire \u00e0 chaque composante de y<\/em> laisse la valeur de la SST strictement inchang\u00e9e, confirmant sa vocation exclusive de m\u00e9trique de dispersion pure affranchie de la localisation spatiale du centre de gravit\u00e9 des donn\u00e9es.<\/p>\n

2.2 Interpr\u00e9tation de la dispersion dans les mesures psychologiques<\/h3>\n

Dans l’investigation empirique des processus psychologiques, la SST refl\u00e8te l’ampleur brute des diff\u00e9rences individuelles constat\u00e9es au sein d’une population cible. Loin de repr\u00e9senter une simple imperfection de mesure, cette dispersion traduit la diversit\u00e9 ph\u00e9notypique, cognitive ou motivationnelle inh\u00e9rente aux groupes humains. Par exemple, lors de l’administration d’un test standardis\u00e9 mesurant l’efficacit\u00e9 du contr\u00f4le ex\u00e9cutif, une SST \u00e9lev\u00e9e t\u00e9moigne d’une forte h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des comp\u00e9tences cognitives au sein de la cohorte \u00e9valu\u00e9e, variant d’individus pr\u00e9sentant d’importantes difficult\u00e9s d’inhibition \u00e0 des profils particuli\u00e8rement performants.<\/p>\n

N\u00e9anmoins, la sensibilit\u00e9 intrins\u00e8que de la SST aux valeurs extr\u00eames et aberrantes constitue une vuln\u00e9rabilit\u00e9 m\u00e9thodologique document\u00e9e dans la litt\u00e9rature statistique. En raison de l’\u00e9l\u00e9vation au carr\u00e9 des \u00e9carts, une unique observation d\u00e9viante r\u00e9sultant par exemple d’un comportement non coop\u00e9ratif d’un participant ou d’une erreur d’enregistrement peut gonfler artificiellement la magnitude de la SST. Cette distorsion modifie m\u00e9caniquement la ligne de base comparative, r\u00e9duisant artificiellement le pouvoir explicatif relatif des pr\u00e9dicteurs l\u00e9gitimes ou, \u00e0 l’inverse, masquer des r\u00e9gularit\u00e9s subtiles.<\/p>\n

Sur le plan math\u00e9matique, la SST entretient une relation proportionnelle directe avec la variance d’\u00e9chantillon non biais\u00e9e de la variable r\u00e9ponse, formalis\u00e9e par la relation sy<\/sub>² = SST \/ (n – 1). Cette connexion intime illustre le fait que la SST repr\u00e9sente le num\u00e9rateur exact de la variance empirique. Dans les \u00e9tudes exp\u00e9rimentales pr\u00e9visionnelles, la connaissance de l’amplitude de la SST s’av\u00e8re indispensable pour conduire des analyses de puissance statistique a priori. Une variance totale excessivement restreinte, cons\u00e9cutive par exemple \u00e0 un ph\u00e9nom\u00e8ne de restriction de variance ou \u00e0 un effet de plafond dans l’instrument psychom\u00e9trique, limitera in\u00e9luctablement la magnitude maximale d\u00e9tectable pour les effets de r\u00e9gression, r\u00e9duisant ainsi la puissance des inf\u00e9rences statistiques ult\u00e9rieures.<\/p>\n

2.3 Degr\u00e9s de libert\u00e9 associ\u00e9s \u00e0 la somme totale des carr\u00e9s<\/h3>\n

Le concept de degr\u00e9s de libert\u00e9 incarne le nombre de dimensions ind\u00e9pendantes selon lesquelles les donn\u00e9es d’un \u00e9chantillon sont libres de varier lors de l’estimation d’une quantit\u00e9 statistique. Pour la somme totale des carr\u00e9s, le nombre de degr\u00e9s de libert\u00e9 allou\u00e9s est formellement \u00e9gal \u00e0 n<\/em> – 1, o\u00f9 n<\/em> repr\u00e9sente la taille globale de l’\u00e9chantillon observ\u00e9. Cette d\u00e9duction d\u00e9coule directement de la contrainte lin\u00e9aire impos\u00e9e par l’estimation pr\u00e9alable de la moyenne arithm\u00e9tique ȳ<\/em> \u00e0 partir des m\u00eames donn\u00e9es empiriques.<\/p>\n

Pour clarifier cette contrainte d’un point de vue alg\u00e9brique, consid\u00e9rons le vecteur des \u00e9carts centr\u00e9s (y1<\/sub> – ȳ, y2<\/sub> – ȳ, …, yn<\/sub> – ȳ). Par d\u00e9finition m\u00eame de la moyenne arithm\u00e9tique, la somme exacte de ces n<\/em> \u00e9carts scalaires est invariablement nulle :<\/p>\n

Σi=1<\/sub>n<\/sup> (yi<\/sub> – ȳ) = 0<\/p>\n

Cette relation d’interd\u00e9pendance lin\u00e9aire stricte implique que d\u00e8s lors que n<\/em> – 1 \u00e9carts ont \u00e9t\u00e9 fix\u00e9s de mani\u00e8re arbitraire, la valeur du dernier \u00e9cart est math\u00e9matiquement d\u00e9termin\u00e9e sans aucune ambigu\u00eft\u00e9. En d’autres termes, le nuage des \u00e9carts ne dispose plus de n<\/em> degr\u00e9s de libert\u00e9 dans l’espace euclidien originel, mais se trouve restreint \u00e0 un sous-espace vectoriel ou hyperplan de dimensionnalit\u00e9 r\u00e9duite \u00e0 n<\/em> – 1.<\/p>\n

Ce diviseur n<\/em> – 1 joue un r\u00f4le central dans la th\u00e9orie des statistiques d’\u00e9chantillonnage d\u00e9velopp\u00e9e par Student et Ronald Fisher. Il constitue le facteur de normalisation requis pour corriger le biais syst\u00e9matique qui affecterait l’estimateur na\u00eff de la variance de la population s’il \u00e9tait divis\u00e9 par l’effectif n<\/em> brut. En divisant la somme totale des carr\u00e9s par ses n<\/em> – 1 degr\u00e9s de libert\u00e9 respectifs, on obtient le carr\u00e9 moyen total (MST), estimateur non biais\u00e9 de la variance marginale de la variable al\u00e9atoire sous-jacente.<\/p>\n

3. D\u00e9finition math\u00e9matique et conceptuelle de la SSR (Sum of Squares Regression)<\/h2>\n

3.1 Formulation alg\u00e9brique de la variabilit\u00e9 expliqu\u00e9e<\/h3>\n

La somme des carr\u00e9s de la r\u00e9gression, couramment d\u00e9sign\u00e9e par l’acronyme SSR (pour Sum of Squares Regression<\/em> ou somme des carr\u00e9s du mod\u00e8le), capture la part syst\u00e9matique de la variabilit\u00e9 totale qui se trouve explicitement capt\u00e9e et expliqu\u00e9e par l’ensemble des variables pr\u00e9dictives incorpor\u00e9es dans l’\u00e9quation lin\u00e9aire. Son expression math\u00e9matique repose sur l’agr\u00e9gation des d\u00e9viations quadratiques s\u00e9parant les pr\u00e9dictions calcul\u00e9es par le mod\u00e8le de la moyenne empirique inconditionnelle :<\/p>\n

SSR = Σi=1<\/sub>n<\/sup> (ŷi<\/sub> – ȳ)²<\/p>\n

Dans cette formalisation, chaque valeur ŷi<\/sub><\/em> repr\u00e9sente la projection de l’observation correspondante sur la droite ou l’hyperplan de r\u00e9gression ajust\u00e9. La SSR \u00e9value pr\u00e9cis\u00e9ment le d\u00e9placement op\u00e9r\u00e9 par l’analyste lorsqu’il abandonne l’estimation primitive bas\u00e9e sur la seule moyenne pour adopter une estimation individualis\u00e9e conditionn\u00e9e par la valeur prise par les pr\u00e9dicteurs. Chaque \u00e9cart individuel (ŷi<\/sub> – ȳ) quantifie l’ajustement directionnel apport\u00e9 par la mod\u00e9lisation \u00e0 l’\u00e9gard d’une observation sp\u00e9cifique.<\/p>\n

Dans le contexte restreint de la r\u00e9gression lin\u00e9aire simple comportant un unique pr\u00e9dicteur continu x<\/em>, cette m\u00e9trique s’articule directement autour de la pente estim\u00e9e β̂1<\/sub>. Sachant que la droite d’ajustement s’\u00e9crit classiquement sous la forme ŷi<\/sub> = β̂0<\/sub> + β̂1<\/sub>xi<\/sub> et que la droite passe obligatoirement par le centre de gravit\u00e9 de l’\u00e9chantillon (β̂0<\/sub> = ȳ – β̂1<\/sub>x̄), l’\u00e9cart pr\u00e9dit par rapport \u00e0 la moyenne se simplifie \u00e9l\u00e9gamment en β̂1<\/sub>(xi<\/sub> – x̄). Par cons\u00e9quent, la SSR univari\u00e9e peut \u00eatre reformul\u00e9e selon l’\u00e9quivalence alg\u00e9brique suivante :<\/p>\n

SSR = (β̂1<\/sub>)² Σi=1<\/sub>n<\/sup> (xi<\/sub> – x̄)²<\/p>\n

Cette relation d\u00e9montre avec clart\u00e9 que la SSR est proportionnelle \u00e0 la variance du pr\u00e9dicteur, modul\u00e9e par le carr\u00e9 de la pente de r\u00e9gression. Elle incarne la covariance structurelle liant la variable ind\u00e9pendante \u00e0 la r\u00e9ponse : plus la relation lin\u00e9aire unissant les deux grandeurs est prononc\u00e9e, plus la magnitude scalaire de la SSR s’accro\u00eet, absorbant ainsi une fraction grandissante de la somme totale des carr\u00e9s disponible.<\/p>\n

3.2 Quantification de l’effet des variables pr\u00e9dictives<\/h3>\n

Dans le p\u00e9rim\u00e8tre de la recherche exp\u00e9rimentale et observationnelle, la SSR sert de jauge objective pour \u00e9valuer l’intensit\u00e9 avec laquelle un construit th\u00e9orique ou un d\u00e9terminant externe module les manifestations comportementales des participants. En psychologie cognitive, par exemple, lorsqu’une \u00e9quipe de recherche postule que le temps de sommeil allou\u00e9 durant la nuit pr\u00e9c\u00e9dant un protocole de rappel mn\u00e9sique conditionne directement les performances cognitives, la SSR quantifie la variabilit\u00e9 des performances attribuable sans \u00e9quivoque \u00e0 ce param\u00e8tre physiologique mesurable.<\/p>\n

Consid\u00e9rer la SSR sous l’angle du gain d’information permet d’appr\u00e9cier la valeur heuristique des th\u00e9ories propos\u00e9es. Un mod\u00e8le statistique qui g\u00e9n\u00e8re une SSR proche de z\u00e9ro indique que les pr\u00e9dictions ŷi<\/sub><\/em> demeurent confin\u00e9es \u00e0 proximit\u00e9 imm\u00e9diate de la moyenne globale ȳ<\/em>, sugg\u00e9rant que les variations observ\u00e9es chez le pr\u00e9dicteur n’entra\u00eenent aucune modulation substantielle de la r\u00e9ponse. Dans cette situation, la th\u00e9orie postul\u00e9e \u00e9choue \u00e0 r\u00e9duire l’ignorance initiale du chercheur quant aux d\u00e9terminants r\u00e9els du comportement \u00e9tudi\u00e9.<\/p>\n

\u00c0 l’inverse, une SSR imposante d\u00e9note un pouvoir de structuration consid\u00e9rable des pr\u00e9dicteurs. Dans les \u00e9tudes d’intervention psychologique — qu’il s’agisse de th\u00e9rapies comportementales appliqu\u00e9es \u00e0 l’anxi\u00e9t\u00e9 ou de programmes d’entra\u00eenement m\u00e9tacognitif —, l’amplification de la SSR au d\u00e9triment de l’erreur r\u00e9siduelle constitue l’indice d’une diff\u00e9rentiation nette des trajectoires des participants sous l’effet des conditions exp\u00e9rimentales. Elle mat\u00e9rialise l’efficacit\u00e9 substantielle des construits op\u00e9rationnalis\u00e9s, validant la pertinence de l’ancrage th\u00e9orique retenu pour l’\u00e9laboration de la recherche.<\/p>\n

3.3 Degr\u00e9s de libert\u00e9 et carr\u00e9 moyen de la r\u00e9gression (MSR)<\/h3>\n

\u00c0 l’instar de la somme des carr\u00e9s totale, la somme des carr\u00e9s de la r\u00e9gression est indissociable d’un nombre sp\u00e9cifique de degr\u00e9s de libert\u00e9, dont la d\u00e9termination conditionne la comparabilit\u00e9 des grandeurs calcul\u00e9es. Le nombre de degr\u00e9s de libert\u00e9 allou\u00e9 \u00e0 la SSR \u00e9quivaut rigoureusement au nombre p<\/em> de param\u00e8tres pr\u00e9dictifs continus ou cat\u00e9goriels introduits dans l’\u00e9quation de r\u00e9gression, \u00e0 l’exclusion formelle du terme constant (l’ordonn\u00e9e \u00e0 l’origine). Dans le cas paradigmatique de la r\u00e9gression lin\u00e9aire univari\u00e9e, nous disposons d’un seul pr\u00e9dicteur libre, ce qui assigne invariablement 1 degr\u00e9 de libert\u00e9 \u00e0 la SSR :<\/p>\n

dfSSR<\/sub> = p = 1<\/p>\n

Le carr\u00e9 moyen de la r\u00e9gression, d\u00e9sign\u00e9 sous le sigle MSR (pour Mean Square Regression<\/em>), est obtenu par la division canonique de la somme des carr\u00e9s de la r\u00e9gression par ses degr\u00e9s de libert\u00e9 propres :<\/p>\n

MSR = SSR \/ dfSSR<\/sub> = SSR \/ p<\/p>\n

Cette mise \u00e0 l’\u00e9chelle scalaire transforme la somme cumul\u00e9e des \u00e9carts en une mesure de variance par dimension explicative int\u00e9gr\u00e9e. Le MSR constitue la composante fondamentale du num\u00e9rateur de la statistique inf\u00e9rentielle F<\/em> de Fisher-Snedecor. Si l’hypoth\u00e8se nulle d’absence totale d’association lin\u00e9aire est v\u00e9rifi\u00e9e dans la population (β1<\/sub> = 0), le MSR constitue un estimateur convergent de la variance du terme d’erreur stochastique σ². Si, en revanche, un effet directionnel substantiel structure les observations, l’esp\u00e9rance math\u00e9matique du MSR exc\u00e8de syst\u00e9matiquement σ² d’une quantit\u00e9 proportionnelle \u00e0 l’amplitude du v\u00e9ritable coefficient sous-jacent, fournissant le levier probabiliste indispensable pour rejeter l’hypoth\u00e8se nulle avec une pr\u00e9cision contr\u00f4l\u00e9e.<\/p>\n

4. D\u00e9finition math\u00e9matique et conceptuelle de la SSE (Sum of Squares Error)<\/h2>\n

4.1 Formulation alg\u00e9brique de la variabilit\u00e9 r\u00e9siduelle<\/h3>\n

La somme des carr\u00e9s des erreurs ou somme des carr\u00e9s r\u00e9siduelle, universellement abr\u00e9g\u00e9e sous le sigle SSE (pour Sum of Squares Error<\/em> ou Residual Sum of Squares<\/em>), mesure l’ensemble des divergences observables entre les donn\u00e9es r\u00e9elles et les valeurs pronostiqu\u00e9es par le mod\u00e8le statistique ajust\u00e9. Elle traduit la part d’incertitude qui r\u00e9siste \u00e0 la tentative d’explication formul\u00e9e par la r\u00e9gression. Sur le plan math\u00e9matique, elle s’\u00e9tablit par l’accumulation des carr\u00e9s des r\u00e9sidus empiriques observ\u00e9s pour l’ensemble des n<\/em> sujets constituant l’\u00e9chantillon :<\/p>\n

SSE = Σi=1<\/sub>n<\/sup> (yi<\/sub> – ŷi<\/sub>)² = Σi=1<\/sub>n<\/sup> ei<\/sub>²<\/p>\n

Dans cette \u00e9galit\u00e9 fondamentale, le r\u00e9sidu d’\u00e9chantillonnage ei<\/sub><\/em> repr\u00e9sente la distance arithm\u00e9tique verticale existant entre la r\u00e9alisation empirique yi<\/sub><\/em> et l’estimation th\u00e9orique ŷi<\/sub><\/em> situ\u00e9e sur la surface de r\u00e9gression. Le crit\u00e8re d’optimisation classique des moindres carr\u00e9s ordinaires consiste tr\u00e8s pr\u00e9cis\u00e9ment \u00e0 d\u00e9terminer le vecteur des param\u00e8tres inconnus de mani\u00e8re \u00e0 minimiser la quantit\u00e9 scalaire repr\u00e9sent\u00e9e par la SSE. Les valeurs finales des coefficients β̂0<\/sub> et β̂1<\/sub> correspondent au minimum absolu de cette fonction de co\u00fbt quadratique.<\/p>\n

L’ampleur absolue de la SSE exerce une influence directe et d\u00e9terminante sur la pr\u00e9cision pr\u00e9dictive individuelle permise par le mod\u00e8le. Lorsque la SSE atteint une valeur substantielle relativement \u00e0 la SST, l’\u00e9talement vertical des points observ\u00e9s autour de la droite de r\u00e9gression demeure pr\u00e9pond\u00e9rant. Dans cette conjoncture, bien que la trajectoire g\u00e9n\u00e9rale mod\u00e9lis\u00e9e puisse \u00eatre statistiquement non nulle, la capacit\u00e9 de l’\u00e9quation \u00e0 d\u00e9duire le score exact d’une observation sp\u00e9cifique demeure restreinte, les pr\u00e9dictions individuelles \u00e9tant grev\u00e9es d’une incertitude stochastique majeure.<\/p>\n

4.2 Origine des r\u00e9sidus dans les sciences comportementales<\/h3>\n

Au sein des disciplines explorant la complexit\u00e9 du comportement humain, la pr\u00e9sence d’une somme r\u00e9siduelle des carr\u00e9s substantielle constitue la r\u00e8gle m\u00e9thodologique plut\u00f4t que l’exception. Les r\u00e9sidus statistiques ne traduisent pas uniquement des imperfections de calcul ou des erreurs de codage ; ils agr\u00e8gent une multiplicit\u00e9 de composantes latentes indissociables des protocoles empiriques en sciences humaines.<\/p>\n

La premi\u00e8re source majeure de variation r\u00e9siduelle r\u00e9side dans l’erreur de mesure inh\u00e9rente aux instruments psychom\u00e9triques. Contrairement aux grandeurs physiques conventionnelles telles que la masse ou la longueur, les construits psychologiques — tels que l’estime de soi, l’extraversion ou la charge mentale subjective — sont inf\u00e9r\u00e9s au travers d’\u00e9chelles de Likert ou de tests comportementaux sujets \u00e0 des fluctuations d’attention, \u00e0 des biais d’auto-\u00e9valuation et \u00e0 une consistance interne imparfaite. Cette fid\u00e9lit\u00e9 limit\u00e9e de l’instrumentation engendre une variabilit\u00e9 r\u00e9siduelle al\u00e9atoire incompressible qui vient gonfler la SSE.<\/p>\n

La deuxi\u00e8me source \u00e9mane des d\u00e9terminants comportementaux non inclus dans la sp\u00e9cification du mod\u00e8le. Un comportement humain n’est jamais r\u00e9gi par un m\u00e9canisme univari\u00e9 : la performance \u00e0 un examen acad\u00e9mique d\u00e9pend non seulement du temps de r\u00e9vision mesur\u00e9, mais \u00e9galement des pr\u00e9dispositions g\u00e9n\u00e9tiques cognitives, de la motivation intrins\u00e8que, de la nutrition, de l’\u00e9tat \u00e9motionnel aigu et de facteurs socio\u00e9conomiques contextuels. En omettant ces dimensions dans un mod\u00e8le lin\u00e9aire simple, leurs influences s’agr\u00e8gent au sein du vecteur des r\u00e9sidus. Enfin, les processus psychologiques manifestent fr\u00e9quemment des dynamiques de saturation ou des seuils critiques non lin\u00e9aires : tenter de capturer de telles relations au moyen d’une fonction strictement affine contraint les courbures r\u00e9elles du ph\u00e9nom\u00e8ne \u00e0 s’int\u00e9grer directement au sein de la SSE sous forme d’erreur de sp\u00e9cification fonctionnelle.<\/p>\n

4.3 Degr\u00e9s de libert\u00e9 et variance r\u00e9siduelle non biais\u00e9e (MSE)<\/h3>\n

L’\u00e9valuation statistique rigoureuse de la SSE exige de tenir compte du nombre de restrictions lin\u00e9aires impos\u00e9es \u00e0 l’\u00e9chantillon par l’estimation simultan\u00e9e de l’ensemble des param\u00e8tres du mod\u00e8le. Pour une r\u00e9gression lin\u00e9aire standard int\u00e9grant p<\/em> variables explicatives ind\u00e9pendantes ainsi qu’un terme constant, le nombre de param\u00e8tres totaux inf\u00e9r\u00e9s \u00e0 partir des donn\u00e9es s’\u00e9l\u00e8ve \u00e0 p<\/em> + 1. En cons\u00e9quence, les degr\u00e9s de libert\u00e9 associ\u00e9s \u00e0 la somme des carr\u00e9s r\u00e9siduelle s’\u00e9tablissent selon la formule universelle :<\/p>\n

dfSSE<\/sub> = n – p – 1<\/p>\n

Dans le cas d’une r\u00e9gression univari\u00e9e comportant un unique pr\u00e9dicteur (p<\/em> = 1), les degr\u00e9s de libert\u00e9 r\u00e9siduels se simplifient en n<\/em> – 2. La perte de deux degr\u00e9s de libert\u00e9 refl\u00e8te la double contrainte g\u00e9om\u00e9trique impos\u00e9e par la fixation simultan\u00e9e de la constante (β̂0<\/sub>) et de la pente (β̂1<\/sub>). Le carr\u00e9 moyen des erreurs, abr\u00e9g\u00e9 sous l’acronyme MSE (pour Mean Squared Error<\/em>), est formul\u00e9 par le ratio entre la SSE et son nombre effectif de degr\u00e9s de libert\u00e9 r\u00e9siduels :<\/p>\n

MSE = s² = SSE \/ (n – p – 1)<\/p>\n

Cette quantit\u00e9 scalaire rev\u00eat une importance cardinale en inf\u00e9rence statistique : le MSE constitue l’estimateur sans biais de la variance th\u00e9orique σ² des perturbations stochastiques du mod\u00e8le de population. Sa racine carr\u00e9e positive, conventionnellement d\u00e9sign\u00e9e comme l’erreur standard des r\u00e9sidus ou l’erreur type de l’estimation (residual standard error<\/em>), d\u00e9finit l’\u00e9chelle m\u00e9trique absolue des \u00e9carts de pr\u00e9diction. C’est \u00e0 partir du MSE que sont calcul\u00e9es les variances d’\u00e9chantillonnage des coefficients estim\u00e9s, conditionnant la largeur des intervalles de confiance et la pr\u00e9cision des intervalles de pr\u00e9vision associ\u00e9s aux futures observations empiriques.<\/p>\n

5. Pr\u00e9paration de l’environnement de travail et configuration du jeu de donn\u00e9es dans R<\/h2>\n

5.1 Initialisation de la session de calcul sous R<\/h3>\n

L’amorce de toute analyse statistique computationnelle dans l’environnement R requiert une initialisation m\u00e9thodique de l’espace de travail afin d’assurer l’int\u00e9grit\u00e9, la clart\u00e9 et la parfaite reproductibilit\u00e9 des op\u00e9rations. Avant d’instancier des variables num\u00e9riques en m\u00e9moire vive, il est imp\u00e9ratif d’assainir l’environnement global en purgeant les objets r\u00e9siduels issus de sessions ant\u00e9rieures. Cette op\u00e9ration \u00e9vite les conflits d’assignation ou l’utilisation accidentelle de vecteurs obsol\u00e8tes lors de l’\u00e9valuation des scripts.<\/p>\n

La gestion rigoureuse des options d’affichage num\u00e9rique constitue un autre imp\u00e9ratif computationnel. Par d\u00e9faut, R utilise un syst\u00e8me d’affichage dynamique des valeurs en virgule flottante qui peut tronquer les d\u00e9cimales ou basculer vers la notation scientifique d\u00e8s que des grandeurs d’\u00e9chelles divergentes sont manipul\u00e9es. Le param\u00e9trage de la commande options(digits = 7, scipen = 999)<\/code> permet d’interdire le recours intempestif aux exposants scientifiques pour les nombres de taille mod\u00e9r\u00e9e tout en assurant une r\u00e9solution d\u00e9cimale suffisante pour appr\u00e9cier les faibles variations lors de la v\u00e9rification de l’\u00e9galit\u00e9 arithm\u00e9tique de la d\u00e9composition de la variance.<\/p>\n

Enfin, bien que l’analyse que nous menons repose sur un jeu de donn\u00e9es d\u00e9terministe, l’inclusion d’une graine al\u00e9atoire formalis\u00e9e via la commande set.seed(42)<\/code> s’inscrit au c\u0153ur des bonnes pratiques de recherche reproductible pr\u00e9conis\u00e9es par les consortiums scientifiques internationaux, garantissant que toute proc\u00e9dure de r\u00e9-\u00e9chantillonnage ou de validation crois\u00e9e ult\u00e9rieure convergera vers des r\u00e9sultats strictement identiques d’un environnement machine \u00e0 un autre.<\/p>\n

5.2 Cr\u00e9ation du jeu de donn\u00e9es empirique en m\u00e9moire<\/h3>\n

Afin d’illustrer la d\u00e9composition math\u00e9matique pas \u00e0 pas de mani\u00e8re p\u00e9dagogique et concr\u00e8te, nous instancions un jeu de donn\u00e9es repr\u00e9sentatif d’une recherche en psychologie de l’\u00e9ducation. L’investigation porte sur l’influence du temps d’\u00e9tude autonome consacr\u00e9 par des \u00e9tudiants universitaires sur la performance obtenue lors d’une \u00e9preuve d’\u00e9valuation cognitive sommative. Nous consid\u00e9rons un \u00e9chantillon constitu\u00e9 de n<\/em> = 10 sujets ayant fait l’objet d’un suivi temporel rigoureux.<\/p>\n

Sur le plan programmatique, nous d\u00e9clarons d’abord le vecteur num\u00e9rique repr\u00e9sentant la variable pr\u00e9dictive hours<\/code>, mesur\u00e9e en heures de travail hebdomadaire, contenant les valeurs ordonn\u00e9es : 2, 4, 5, 6, 7, 8, 9, 10, 11, et 12. Concomitamment, nous instancions le vecteur de la variable r\u00e9ponse score<\/code>, refl\u00e9tant les r\u00e9sultats standardis\u00e9s sur une \u00e9chelle acad\u00e9mique th\u00e9orique variant de 0 \u00e0 100 : 55, 60, 65, 63, 68, 75, 78, 84, 82, et 90. Ces deux s\u00e9ries quantitatives sont imm\u00e9diatement encapsul\u00e9es au sein d’une structure de donn\u00e9es rectangulaire native en R : un objet de type data.frame<\/code> nomm\u00e9 df_study<\/code>.<\/p>\n

La validation de l’int\u00e9grit\u00e9 de cette structure s’op\u00e8re par l’interrogation syst\u00e9matique de ses m\u00e9tadonn\u00e9es \u00e0 l’aide des fonctions natives str(df_study)<\/code> et summary(df_study)<\/code>. Cette \u00e9tape v\u00e9rifie que les vecteurs sont identifi\u00e9s avec le typage double pr\u00e9cision (num<\/code>), exempts de toute valeur manquante (NA<\/code>) qui n\u00e9cessiterait des imputations pr\u00e9alables, et que les bornes d’\u00e9chantillonnage respectent scrupuleusement la distribution plausible des construits mesur\u00e9s.<\/p>\n

5.3 Exploration descriptive univari\u00e9e pr\u00e9liminaire<\/h3>\n

L’inspection analytique pr\u00e9alable des distributions marginales constitue un pr\u00e9requis incontournable avant tout ajustement de mod\u00e8le. Le calcul des m\u00e9triques de tendance centrale r\u00e9v\u00e8le que la moyenne empirique de la variable explicative s’\u00e9tablit pr\u00e9cis\u00e9ment \u00e0 mean(df_study$hours)<\/code> = 7.40 heures, accompagn\u00e9e d’un \u00e9cart-type d’\u00e9chantillon de sd(df_study$hours)<\/code> = 3.17 heures. Pour la variable crit\u00e8re, la moyenne g\u00e9n\u00e9rale se fixe \u00e0 mean(df_study$score)<\/code> = 72.00 points, pour une dispersion standard de sd(df_study$score)<\/code> = 11.24 points.<\/p>\n

L’\u00e9valuation de la covariance empirique non biais\u00e9e entre les deux s\u00e9ries statistiques via la commande cov(df_study$hours, df_study$<\/span>score)<\/code> renvoie une valeur positive substantielle de 34.22. Cette grandeur, normalis\u00e9e par le produit des \u00e9carts-types respectifs, se traduit par le calcul du coefficient de corr\u00e9lation lin\u00e9aire de Pearson via l’instruction cor(df_study$hours, df_study$<\/span>score)<\/code>, fournissant un coefficient r<\/em> approximatif de 0.9604. Une corr\u00e9lation de cette magnitude d\u00e9note une co-variation positive remarquable entre les heures de r\u00e9vision et les scores finaux.<\/p>\n

Sur le plan de l’interpr\u00e9tation psychologique pr\u00e9liminaire, une telle liaison bivari\u00e9e conforte l’hypoth\u00e8se cognitive d’une consolidation mn\u00e9sique d\u00e9pendant \u00e9troitement de la r\u00e9p\u00e9tition temporelle de la t\u00e2che. L’absence apparente d’asym\u00e9trie extr\u00eame ou de discontinuit\u00e9s aberrantes dans ces indicateurs de base autorise l’engagement dans une formalisation inf\u00e9rentielle par r\u00e9gression lin\u00e9aire univari\u00e9e.<\/p>\n

6. Ajustement du mod\u00e8le de r\u00e9gression lin\u00e9aire avec la fonction lm()<\/h2>\n

6.1 Ex\u00e9cution de la mod\u00e9lisation statistique univari\u00e9e<\/h3>\n

Dans l’environnement statistique R, l’estimation des mod\u00e8les lin\u00e9aires param\u00e9triques repose sur l’appel \u00e0 la fonction primitive lm()<\/code> (abr\u00e9viation de linear model<\/em>). Cette routine impl\u00e9mente l’estimation par les moindres carr\u00e9s ordinaires en s’appuyant sur une syntaxe symbolique d\u00e9clarative inspir\u00e9e du formalisme de Wilkinson et Rogers. Dans notre cas d’\u00e9tude, la formalisation de la relation s’ex\u00e9cute par l’instruction :<\/p>\n

modele_regression <- lm(score ~ hours, data = df_study)<\/code><\/p>\n

L’expression score ~ hours<\/code> explicite sans ambigu\u00eft\u00e9 la directionnalit\u00e9 th\u00e9orique postul\u00e9e : la variable situ\u00e9e \u00e0 gauche du tilde repr\u00e9sente le crit\u00e8re endog\u00e8ne continu (la r\u00e9ponse y<\/em>), tandis que l’\u00e9l\u00e9ment situ\u00e9 \u00e0 droite d\u00e9finit le pr\u00e9dicteur exog\u00e8ne continu (l’argument x<\/em>). L’op\u00e9rateur tilde inclut par d\u00e9faut et de fa\u00e7on implicite l’estimation d’une ordonn\u00e9e \u00e0 l’origine (β0<\/sub>), mod\u00e9lisant le niveau de performance attendu en cas de nullit\u00e9 totale de la variable pr\u00e9dictive.<\/p>\n

Sous le capot logiciel, R n’emploie pas l’inversion analytique directe de la matrice de produit scalaire classique (X’X)-1<\/sup>X’y — dont la susceptibilit\u00e9 aux erreurs d’arrondi num\u00e9rique face \u00e0 des conditions de quasi-colin\u00e9arit\u00e9 est bien document\u00e9e en math\u00e9matiques appliqu\u00e9es. R orchestre une d\u00e9composition QR optimis\u00e9e<\/a> de la matrice de conception enrichie du vecteur colonne unitaire, issue des biblioth\u00e8ques d’alg\u00e8bre lin\u00e9aire de r\u00e9f\u00e9rence LINPACK et LAPACK. Ce proc\u00e9d\u00e9 factorise la matrice des pr\u00e9dicteurs en un produit d’une matrice orthogonale Q<\/em> et d’une matrice triangulaire sup\u00e9rieure R<\/em>, garantissant une stabilit\u00e9 num\u00e9rique maximale lors de la r\u00e9solution du syst\u00e8me d’\u00e9quations normales.<\/p>\n

6.2 Extraction programmatique des composantes du mod\u00e8le<\/h3>\n

L’ex\u00e9cution de la fonction lm()<\/code> g\u00e9n\u00e8re dans l’environnement R un objet complexe de classe lm<\/em> structur\u00e9 sous forme de liste nomm\u00e9e encapsulant l’ensemble des m\u00e9tadonn\u00e9es analytiques du mod\u00e8le ajust\u00e9. Pour extraire les param\u00e8tres sans violer les principes d’encapsulation logicielle, il convient d’employer les fonctions d’acc\u00e8s g\u00e9n\u00e9riques d\u00e9di\u00e9es. L’appel \u00e0 la fonction coef(modele_regression)<\/code> extrait le vecteur bidimensionnel des estimations des param\u00e8tres β̂.<\/p>\n

Pour notre jeu de donn\u00e9es, les coefficients retourn\u00e9s s’\u00e9tablissent rigoureusement \u00e0 β̂0<\/sub> = 46.7460 points pour l’ordonn\u00e9e \u00e0 l’origine et β̂1<\/sub> = 3.4127 points par heure pour la pente de r\u00e9gression. L’\u00e9quation de pr\u00e9diction empirique s’\u00e9crit formellement : ŷi<\/sub> = 46.7460 + 3.4127 * hoursi<\/sub>. L’extraction du vecteur des valeurs pr\u00e9vues par cette droite s’effectue au moyen de l’appel \u00e0 la fonction fitted(modele_regression)<\/code>, g\u00e9n\u00e9rant une s\u00e9rie de dix estimations scalaires conditionnelles correspondant aux projections de chaque sujet.<\/p>\n

Concomitamment, la fonction residuals(modele_regression)<\/code> extrait le vecteur des \u00e9carts r\u00e9siduels empiriques, correspondant math\u00e9matiquement \u00e0 la diff\u00e9rence \u00e9l\u00e9ment par \u00e9l\u00e9ment entre les observations r\u00e9elles et les valeurs mod\u00e9lis\u00e9es (yi<\/sub> – ŷi<\/sub>). L’interrogation dimensionnelle par les fonctions length(fitted(modele_regression))<\/code> et length(residuals(modele_regression))<\/code> confirme que ces structures pr\u00e9servent rigoureusement la longueur de l’\u00e9chantillon initial (n<\/em> = 10), condition sine qua non \u00e0 la validit\u00e9 des op\u00e9rations vectorielles ult\u00e9rieures.<\/p>\n

6.3 Inspection critique du sommaire statistique<\/h3>\n

L’\u00e9valuation des propri\u00e9t\u00e9s globales du mod\u00e8le s’op\u00e8re par l’invocation de la m\u00e9thode d’inspection standardis\u00e9e via l’instruction summary(modele_regression)<\/code>. L’affichage textuel qui en r\u00e9sulte agr\u00e8ge un volume substantiel d’indices statistiques indispensables au diagnostic m\u00e9thodologique. Les erreurs standards associ\u00e9es \u00e0 chaque coefficient estim\u00e9 — figurant dans la colonne intitul\u00e9e Std. Error<\/em> — \u00e9valuent l’incertitude d’\u00e9chantillonnage relative \u00e0 chaque param\u00e8tre : elles s’\u00e9l\u00e8vent respectivement \u00e0 2.7667 pour la constante et \u00e0 0.3508 pour la pente du pr\u00e9dicteur temporel.<\/p>\n

Le ratio de chaque coefficient par son erreur standard d\u00e9termine la statistique de test de Student (t value<\/em>), dont la significativit\u00e9 bilat\u00e9rale est consign\u00e9e dans la colonne Pr(>|t|)<\/em>. Pour le pr\u00e9dicteur des heures d’\u00e9tude, la valeur de t<\/em> atteint 9.728, s’accompagnant d’une p-valeur infinit\u00e9simale de l’ordre de 0.0000109, largement inf\u00e9rieure aux seuils conventionnels de rejet alpha (α = 0.05 ou 0.01). Cette observation autorise le rejet ferme de l’hypoth\u00e8se nulle de nullit\u00e9 du coefficient de r\u00e9gression.<\/p>\n

Dans la partie inf\u00e9rieure du sommaire figure le coefficient de d\u00e9termination sous la mention Multiple R-squared<\/em>, affichant la valeur de 0.9223. Cet indice r\u00e9v\u00e8le d’embl\u00e9e que plus de 92% de la dispersion des scores d’examen est math\u00e9matiquement structur\u00e9e par la dur\u00e9e de pr\u00e9paration. Toutefois, ce sommaire synth\u00e9tique ne d\u00e9voile pas la partition arithm\u00e9tique brute des sommes de carr\u00e9s qui fondent ces d\u00e9ductions inf\u00e9rentielles, justifiant pleinement notre d\u00e9marche de d\u00e9construction algorithmique directe.<\/p>\n

7. Calcul pas \u00e0 pas de la SST (Sum of Squares Total) dans R<\/h2>\n

7.1 D\u00e9termination de la moyenne de r\u00e9f\u00e9rence de la variable r\u00e9ponse<\/h3>\n

L’ancrage initial du calcul de la variabilit\u00e9 totale impose la d\u00e9termination rigoureuse de la tendance centrale de la variable crit\u00e8re, qui sert de point d’origine g\u00e9om\u00e9trique pour l’\u00e9valuation de tous les \u00e9carts quadratiques. Dans l’interpr\u00e9teur R, nous extrayons cette grandeur scalaire fondamentale en appliquant la fonction primitive mean()<\/code> au vecteur des scores empiriques contenus dans notre tableau de donn\u00e9es, selon la commande :<\/p>\n

y_bar <- mean(df_study$score)<\/code><\/p>\n

L’ex\u00e9cution de cette commande renvoie la valeur scalaire exacte de 72.0. Dans le cadre de l’ing\u00e9nierie des donn\u00e9es et de l’analyse statistique robuste, il convient d’anticiper la pr\u00e9sence potentielle d’enregistrements manquants au sein d’\u00e9chantillons psychologiques volumineux. L’adjonction syst\u00e9matique du param\u00e8tre logique na.rm = TRUE<\/code> au sein de la signature de la fonction garantit la neutralisation des valeurs nulles sans interruption brutale du pipeline computationnel.<\/p>\n

D’un point de vue conceptuel, la valeur y_bar<\/code> mat\u00e9rialise l’hypoth\u00e8se nulle la plus stricte concevable dans l’espace de la r\u00e9gression : celle d’un univers statistique o\u00f9 la dur\u00e9e d’\u00e9tude n’apporterait strictement aucun \u00e9clairage pr\u00e9dictif sur les performances cognitives des individus. Dans un tel sc\u00e9nario de r\u00e9f\u00e9rence, le score pronostiqu\u00e9 pour n’importe quel participant — qu’il ait \u00e9tudi\u00e9 deux heures ou douze heures — se r\u00e9duirait invariablement \u00e0 cette constante de 72 points. L’ensemble des calculs ult\u00e9rieurs visera pr\u00e9cis\u00e9ment \u00e0 quantifier l’ampleur des erreurs individuelles commises par cette pr\u00e9diction uniforme.<\/p>\n

7.2 Vectorisation des \u00e9carts quadratiques totaux<\/h3>\n

Disposant de la valeur centrale y_bar<\/code>, l’\u00e9tape subs\u00e9quente consiste \u00e0 mesurer la d\u00e9viation sp\u00e9cifique manifest\u00e9e par chaque observation individuelle par rapport \u00e0 ce r\u00e9f\u00e9rentiel moyen. La puissance idiomatique du langage R s’exprime pleinement \u00e0 cette \u00e9tape gr\u00e2ce au m\u00e9canisme de vectorisation interne ex\u00e9cut\u00e9 au niveau du code C sous-jacent, \u00e9liminant le besoin de concevoir des boucles it\u00e9ratives formelles de type for<\/code>.<\/p>\n

Nous soustrayons directement le scalaire y_bar<\/code> du vecteur de donn\u00e9es df_study$score<\/code>, avant de soumettre le vecteur diff\u00e9rentiel r\u00e9sultant \u00e0 l’op\u00e9rateur d’\u00e9l\u00e9vation \u00e0 la puissance arithm\u00e9tique ^2<\/code>. L’instruction s’impl\u00e9mente comme suit :<\/p>\n

ecarts_totaux_quadratiques <- (df_study$score - y_bar)^2<\/code><\/p>\n

Cette commande g\u00e9n\u00e8re un nouveau vecteur num\u00e9rique de dix \u00e9l\u00e9ments dont chaque entr\u00e9e individuelle repr\u00e9sente le carr\u00e9 de l’\u00e9cart \u00e0 la moyenne. Pour le premier participant, ayant obtenu un score de 55 points, l’\u00e9cart brut s’\u00e9tablit \u00e0 55 – 72 = -17 points, dont le carr\u00e9 donne 289. Pour le dernier sujet, ayant obtenu 90 points, la d\u00e9viation brute s’\u00e9l\u00e8ve \u00e0 90 – 72 = +18 points, g\u00e9n\u00e9rant un carr\u00e9 de 324. Ce passage au carr\u00e9 accomplit deux fonctions fondamentales : il supprime toute possibilit\u00e9 de compensation arithm\u00e9tique entre d\u00e9viations n\u00e9gatives et positives lors de l’agr\u00e9gation, et il module le poids relatif de chaque \u00e9cart en amplifiant la contribution des observations p\u00e9riph\u00e9riques.<\/p>\n

7.3 Sommation arithm\u00e9tique et encapsulation fonctionnelle<\/h3>\n

L’aboutissement du calcul de la SST n\u00e9cessite l’agr\u00e9gation scalaire de l’ensemble des composantes du vecteur des \u00e9carts quadratiques totaux pr\u00e9c\u00e9demment obtenu. Cette r\u00e9duction dimensionnelle s’accomplit par l’invocation de la fonction d’accumulation primitive sum()<\/code> :<\/p>\n

sst <- sum(ecarts_totaux_quadratiques)<\/code><\/p>\n

L’assignation de cette sommation renvoie la valeur scalaire finale de sst<\/code> = 1136.0. Cette valeur synth\u00e9tise le volume global d’incertitude quadratique incarn\u00e9 par la distribution des scores d’examen dans notre cohorte de dix \u00e9tudiants. Pour p\u00e9renniser cette d\u00e9marche et l’int\u00e9grer au sein de processus analytiques r\u00e9utilisables, il est recommand\u00e9 de formaliser ce traitement sous la forme d’une fonction R g\u00e9n\u00e9rique respectant les paradigmes de programmation fonctionnelle :<\/p>\n

calculer_sst <- function(y) {
\n  y_clean <- na.omit(y)
\n  y_mean <- mean(y_clean)
\n  return(sum((y_clean - y_mean)^2))
\n}<\/code><\/p>\n

Cette fonction encapsul\u00e9e accepte n’importe quel vecteur num\u00e9rique en entr\u00e9e, \u00e9limine proprement les \u00e9ventuelles donn\u00e9es manquantes via na.omit()<\/code>, calcule la moyenne arithm\u00e9tique correspondante et renvoie la SST avec une efficacit\u00e9 m\u00e9moire optimale. L’\u00e9valuation de calculer_sst(df_study$score)<\/code> confirme instantan\u00e9ment le r\u00e9sultat de 1136.0, scellant la premi\u00e8re \u00e9tape de notre partition de la variance.<\/p>\n

8. Calcul pas \u00e0 pas de la SSR (Sum of Squares Regression) dans R<\/h2>\n

8.1 Exploitation des valeurs pr\u00e9dites par l’\u00e9quation de r\u00e9gression<\/h3>\n

La d\u00e9rivation computationnelle de la somme des carr\u00e9s de la r\u00e9gression (SSR) exige la disponibilit\u00e9 pr\u00e9alable des valeurs attendues ou ajust\u00e9es par le mod\u00e8le pour chaque niveau observ\u00e9 de la variable ind\u00e9pendante. Deux voies m\u00e9thodologiques s’offrent au programmeur sous R pour obtenir ce vecteur de pr\u00e9dictions, toutes deux convergentes mais \u00e9clairant diff\u00e9remment l’alg\u00e8bre sous-jacente.<\/p>\n

La premi\u00e8re m\u00e9thode, purement programmatique, exploite l’objet de r\u00e9gression modele_regression<\/code> pr\u00e9c\u00e9demment calibr\u00e9 en extrayant les projections conditionnelles via la fonction g\u00e9n\u00e9rique fitted()<\/code> :<\/p>\n

y_pred <- fitted(modele_regression)<\/code><\/p>\n

La seconde m\u00e9thode, r\u00e9solument p\u00e9dagogique et manuelle, consiste \u00e0 reconstituer directement les pr\u00e9dictions lin\u00e9aires en appliquant l’\u00e9quation affine param\u00e9trique \u00e0 partir des coefficients scalaires β̂ extraits :<\/p>\n

y_pred_manuel <- coef(modele_regression)[1] + coef(modele_regression)[2] * df_study$hours<\/code><\/p>\n

L’\u00e9valuation bool\u00e9enne via la commande identical(round(y_pred, 10), round(y_pred_manuel, 10))<\/code> valide la concordance num\u00e9rique absolue des deux approches \u00e0 hauteur de la dixi\u00e8me d\u00e9cimale. Une v\u00e9rification fondamentale m\u00e9rite d’\u00eatre soulign\u00e9e \u00e0 ce stade : la moyenne arithm\u00e9tique des pr\u00e9dictions g\u00e9n\u00e9r\u00e9es par le mod\u00e8le, \u00e9valu\u00e9e par mean(y_pred)<\/code>, est rigoureusement identique \u00e0 la moyenne empirique des scores r\u00e9els y_bar<\/code> (soit exactement 72.0 points). Cette \u00e9galit\u00e9 math\u00e9matique d\u00e9coule de la pr\u00e9sence de l’ordonn\u00e9e \u00e0 l’origine dans la r\u00e9gression et constitue un pr\u00e9requis direct \u00e0 l’orthogonalit\u00e9 de la d\u00e9composition.<\/p>\n

8.2 Calcul de la dispersion expliqu\u00e9e par rapport \u00e0 la moyenne<\/h3>\n

Ayant isol\u00e9 le vecteur des pr\u00e9dictions conditionnelles y_pred<\/code> et valid\u00e9 que son centre de gravit\u00e9 s’aligne rigoureusement sur celui des donn\u00e9es d’origine, nous pouvons \u00e9valuer l’amplitude des \u00e9carts s\u00e9parant chaque pronostic individualis\u00e9 de la pr\u00e9diction na\u00efve incarn\u00e9e par la moyenne g\u00e9n\u00e9rale. Chaque d\u00e9viation \u00e9l\u00e9mentaire (ŷi<\/sub> – ȳ) refl\u00e8te la part de la note d’un \u00e9tudiant sp\u00e9cifiquement imputable \u00e0 son volume de travail document\u00e9.<\/p>\n

Sur le plan algorithmique sous R, cette op\u00e9ration s’ex\u00e9cute \u00e0 travers une nouvelle instruction vectoris\u00e9e soustrayant le scalaire y_bar<\/code> du vecteur des valeurs ajust\u00e9es y_pred<\/code>, suivie de l’\u00e9l\u00e9vation des composantes \u00e0 la puissance 2 :<\/p>\n

ecarts_expliques_quadratiques <- (y_pred - y_bar)^2<\/code><\/p>\n

L’accumulation finale de ces \u00e9carts s’op\u00e8re par la sommation directe du vecteur r\u00e9sultant \u00e0 l’aide de la primitive sum()<\/code>, scellant le montant scalaire d\u00e9finitif de la SSR :<\/p>\n

ssr <- sum(ecarts_expliques_quadratiques)<\/code><\/p>\n

Le renvoi de l’objet ssr<\/code> affiche une valeur quantitative d’environ 1047.781. Ce chiffre illustre le fait que sur les 1136.0 unit\u00e9s de dispersion quadratique totale qui caract\u00e9risent les r\u00e9sultats de l’examen, pr\u00e8s de 1047.8 unit\u00e9s sont directement et syst\u00e9matiquement corr\u00e9l\u00e9es aux disparit\u00e9s de temps d’\u00e9tude observ\u00e9es entre les participants.<\/p>\n

8.3 Analyse de sensibilit\u00e9 et robustesse de la SSR<\/h3>\n

L’amplitude num\u00e9rique finale prise par la SSR d\u00e9pend \u00e9troitement de deux propri\u00e9t\u00e9s structurales des donn\u00e9es : la pente β̂1<\/sub> de la relation et la variance de l’\u00e9chantillon propre au pr\u00e9dicteur hours<\/code>. Comme nous l’avons th\u00e9oris\u00e9 \u00e0 la section 3.1, l’\u00e9quation factoris\u00e9e SSR = (β̂1<\/sub>)² Σ(xi<\/sub> – x̄)² peut \u00eatre v\u00e9rifi\u00e9e directement dans la console R via la syntaxe analytique suivante :<\/p>\n

ssr_analytique <- (coef(modele_regression)[2]^2) * sum((df_study$hours - mean(df_study$<\/span>hours))^2)<\/code><\/p>\n

Le r\u00e9sultat de cette formulation alternative s’aligne rigoureusement sur notre calcul vectoriel pr\u00e9c\u00e9dent, fournissant 1047.781. Cette double confirmation met en relief la sensibilit\u00e9 quadratique de la SSR \u00e0 la pente du mod\u00e8le : si l’effet fonctionnel de l’heure d’\u00e9tude venait \u00e0 doubler sous l’effet d’une m\u00e9thode p\u00e9dagogique optimis\u00e9e, la SSR quadruplerait pour une variance d’entr\u00e9e \u00e9quivalente, absorbant une proportion drastiquement sup\u00e9rieure de la variance totale.<\/p>\n

\u00c0 l’inverse, si la covariance empirique entre les pr\u00e9dicteurs et le crit\u00e8re tendait vers z\u00e9ro, la pente estim\u00e9e s’annihilerait, r\u00e9duisant l’ensemble des valeurs pr\u00e9vues y_pred<\/code> \u00e0 une s\u00e9rie uniforme confondue avec la moyenne y_bar<\/code>. Dans cette circonstance, la SSR s’effondrerait vers z\u00e9ro, signifiant que le mod\u00e8le n’explique aucune dispersion. Pour syst\u00e9matiser ce calcul dans nos analyses courantes, nous formalisons une fonction d\u00e9di\u00e9e :<\/p>\n

calculer_ssr <- function(modele) {
\n  y_pred <- fitted(modele)
\n  y_bar <- mean(fitted(modele) + residuals(modele))
\n  return(sum((y_pred - y_bar)^2))
\n}<\/code><\/p>\n

L’\u00e9valuation de calculer_ssr(modele_regression)<\/code> confirme imm\u00e9diatement la stabilit\u00e9 du r\u00e9sultat \u00e0 1047.781 unit\u00e9s quadratiques.<\/p>\n

9. Calcul pas \u00e0 pas de la SSE (Sum of Squares Error) dans R<\/h2>\n

9.1 M\u00e9thode directe bas\u00e9e sur l’extraction des r\u00e9sidus<\/h3>\n

La premi\u00e8re strat\u00e9gie pour d\u00e9terminer la somme des carr\u00e9s r\u00e9siduelle dans l’environnement R consiste \u00e0 exploiter directement les r\u00e9sidus d’\u00e9chantillonnage calibr\u00e9s par l’algorithme des moindres carr\u00e9s. Ces grandeurs repr\u00e9sentent les \u00e9carts verticaux stochastiques qui subsistent entre les donn\u00e9es r\u00e9elles et la droite de mod\u00e9lisation param\u00e9trique. Nous extrayons le vecteur des r\u00e9sidus \u00e0 l’aide de la m\u00e9thode native residuals()<\/code> appliqu\u00e9e \u00e0 notre objet de classe lm<\/em> :<\/p>\n

residus_modele <- residuals(modele_regression)<\/code><\/p>\n

L’examen vectoriel de cet objet montre des valeurs r\u00e9parties de part et d’autre de z\u00e9ro, par exemple -1.5714 pour le premier sujet ou +1.8413 pour le troisi\u00e8me. Il est instructif de v\u00e9rifier num\u00e9riquement une propri\u00e9t\u00e9 fondamentale garantie par la th\u00e9orie statistique : la somme simple non pond\u00e9r\u00e9e de ces r\u00e9sidus bruts s’annule rigoureusement sous l’effet de l’ordonn\u00e9e \u00e0 l’origine. L’\u00e9valuation de sum(residus_modele)<\/code> dans la console R renvoie une valeur de l’ordre de 0.00000000000000888, une quantit\u00e9 indiscernable de z\u00e9ro \u00e0 la pr\u00e9cision machine pr\u00e8s.<\/p>\n

Pour calculer la SSE selon sa d\u00e9finition premi\u00e8re, nous \u00e9levons chaque r\u00e9sidu au carr\u00e9 de mani\u00e8re vectoris\u00e9e et agr\u00e9geons l’ensemble des composantes scalaires au moyen de la primitive sum()<\/code> :<\/p>\n

sse <- sum(residus_modele^2)<\/code><\/p>\n

L’ex\u00e9cution de cette instruction r\u00e9v\u00e8le une valeur d\u00e9finitive de sse<\/code> = 88.21864. Cette grandeur capture la fraction irr\u00e9ductible de variation des scores acad\u00e9miques qui \u00e9chappe \u00e0 la mod\u00e9lisation univari\u00e9e bas\u00e9e sur le volume horaire d’\u00e9tude.<\/p>\n

9.2 M\u00e9thode alternative bas\u00e9e sur la diff\u00e9rence explicite<\/h3>\n

Dans une optique de validation algorithmique ind\u00e9pendante — particuli\u00e8rement utile lors du d\u00e9veloppement d’estimateurs robustes ou d’algorithmes personnalis\u00e9s n’h\u00e9ritant pas des structures internes de l’objet lm<\/em> —, la SSE peut \u00eatre d\u00e9termin\u00e9e directement \u00e0 partir des vecteurs bruts sans solliciter l’extracteur de r\u00e9sidus interne. Cette d\u00e9marche consiste \u00e0 soustraire \u00e9l\u00e9ment par \u00e9l\u00e9ment le vecteur des pr\u00e9dictions conditionnelles calcul\u00e9es y_pred<\/code> du vecteur des observations initiales df_study$score<\/code> :<\/p>\n

residus_manuels <- df_study$score - y_pred
\nsse_alternative <- sum(residus_manuels^2)<\/code><\/p>\n

La comparaison num\u00e9rique entre sse<\/code> et sse_alternative<\/code> confirme une stricte superposition des deux valeurs scalaires \u00e0 88.21864. Cette convergence illustre la stabilit\u00e9 des calculs \u00e9l\u00e9mentaires au sein de l’interpr\u00e9teur R, lequel respecte rigoureusement la norme internationale IEEE 754 pour l’arithm\u00e9tique en virgule flottante en double pr\u00e9cision.<\/p>\n

La manipulation de ces r\u00e9sidus explicites permet en outre d’\u00e9valuer la distribution des erreurs de pr\u00e9vision individuelle. Il devient ais\u00e9 de rep\u00e9rer que l’\u00e9cart quadratique le plus s\u00e9v\u00e8re concerne le deuxi\u00e8me sujet (\u00e9tudiant ayant travaill\u00e9 4 heures pour un score de 60), dont le r\u00e9sidu s’\u00e9l\u00e8ve \u00e0 -0.39 points, tandis que pour le dixi\u00e8me participant (12 heures d’\u00e9tude pour 90 points), l’\u00e9cart atteint +2.30 points. L’\u00e9l\u00e9vation au carr\u00e9 de ces d\u00e9viations assure qu’aucune information relative \u00e0 l’ampleur absolue des erreurs n’est occult\u00e9e lors de l’estimation de l’incertitude.<\/p>\n

9.3 D\u00e9duction de la SSE par compl\u00e9mentarit\u00e9 alg\u00e9brique<\/h3>\n

Puisque l’identit\u00e9 arithm\u00e9tique fondamentale \u00e9tablie \u00e0 la section 1.3 garantit que la variabilit\u00e9 globale de la variable r\u00e9ponse est int\u00e9gralement partitionn\u00e9e selon la relation SST = SSR + SSE, une troisi\u00e8me voie computationnelle s’offre au statisticien pour isoler la SSE : la soustraction alg\u00e9brique directe de la variance mod\u00e9lis\u00e9e \u00e0 la variance totale observ\u00e9e :<\/p>\n

sse_deduite <- sst - ssr<\/code><\/p>\n

L’\u00e9valuation de cette diff\u00e9rence simple renvoie la valeur scalaire de : 1136.0 – 1047.781 = 88.21864. La correspondance parfaite observ\u00e9e entre cette grandeur d\u00e9duite et les calculs r\u00e9siduels directs des sections 9.1 et 9.2 apporte la d\u00e9monstration empirique de la parfaite fermeture du bilan de variance au sein de notre session logicielle.<\/p>\n

Il convient n\u00e9anmoins de formuler une mise en garde m\u00e9thodologique concernant l’utilisation syst\u00e9matique de cette m\u00e9thode par soustraction dans des contextes computationnels extr\u00eames. Lorsque des jeux de donn\u00e9es massifs comportant des millions d’observations sont analys\u00e9s, ou lorsque le mod\u00e8le souffre d’un conditionnement num\u00e9rique critique (forte multicolin\u00e9arit\u00e9), l’op\u00e9ration de soustraction entre deux nombres flottants volumineux et de magnitude quasi identique peut souffrir d’un ph\u00e9nom\u00e8ne de perte de signification arithm\u00e9tique (annulation catastrophique). Dans la pratique statistique rigoureuse, la m\u00e9thode directe bas\u00e9e sur l’accumulation quadratique des r\u00e9sidus bruts sum(residuals(modele)^2)<\/code> doit syst\u00e9matiquement \u00eatre privil\u00e9gi\u00e9e comme r\u00e9f\u00e9rence m\u00e9trologique.<\/p>\n

10. Validation des r\u00e9sultats et convergence avec la table ANOVA dans R<\/h2>\n

10.1 Extraction de la table d’analyse de la variance standard<\/h3>\n

L’ensemble des calculs scalaires et vectoriels que nous avons d\u00e9velopp\u00e9s manuellement trouve son homologue institutionnel dans la table d’analyse de la variance, accessible nativement dans R par l’application de la fonction g\u00e9n\u00e9rique anova()<\/code> sur l’objet mod\u00e9lis\u00e9 :<\/p>\n

table_anova <- anova(modele_regression)<\/code><\/p>\n

L’interrogation de cet objet — qui h\u00e9rite formellement des classes anova<\/em> et data.frame<\/em> — affiche une matrice structur\u00e9e d\u00e9taillant la r\u00e9partition s\u00e9quentielle de la variance au sein du mod\u00e8le. Deux lignes analytiques structurent cette restitution :<\/p>\n