{"id":7100,"date":"2026-09-16T16:38:14","date_gmt":"2026-09-16T16:38:14","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-effectuer-analyse-univariee-dans-r-avec-exemples\/"},"modified":"2026-09-16T16:38:20","modified_gmt":"2026-09-16T16:38:20","slug":"comment-effectuer-analyse-univariee-dans-r-avec-exemples","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-effectuer-analyse-univariee-dans-r-avec-exemples","title":{"rendered":"Comment effectuer une analyse univari\u00e9e dans R (avec exemples)"},"content":{"rendered":"

Dans le champ de la recherche quantitative contemporaine, particuli\u00e8rement au sein des sciences psychologiques, cognitives et comportementales, l’int\u00e9grit\u00e9 empirique d’une \u00e9tude repose invariablement sur la rigueur de sa phase descriptive pr\u00e9liminaire. L’av\u00e8nement des mod\u00e8les pr\u00e9dictifs complexes, des \u00e9quations structurelles et des algorithmes d’apprentissage automatique a parfois rel\u00e9gu\u00e9 au second plan l’examen scrupuleux des distributions individuelles. Pourtant, faire l’\u00e9conomie d’une analyse univari\u00e9e approfondie expose le chercheur \u00e0 des biais d’interpr\u00e9tation majeurs, \u00e0 des violations silencieuses des postulats math\u00e9matiques sous-jacents aux tests param\u00e9triques, et ultimement, \u00e0 la non-reproductibilit\u00e9 de ses conclusions. Le logiciel statistique open source R<\/a> constitue \u00e0 cet \u00e9gard l’environnement computationnel le plus flexible et le plus exhaustif pour ausculter chaque dimension empirique avant toute tentative de mod\u00e9lisation inf\u00e9rentielle.<\/p>\n

L’analyse univari\u00e9e s’attache \u00e0 d\u00e9composer, r\u00e9sumer et caract\u00e9riser le comportement d’une variable isol\u00e9e, sans chercher \u00e0 \u00e9tablir dans l’imm\u00e9diat de corr\u00e9lations ou de liens de causalit\u00e9 avec d’autres mesures. En psychom\u00e9trie, cette d\u00e9marche s’av\u00e8re d\u00e9cisive. Elle permet de confronter les donn\u00e9es recueillies aux attentes th\u00e9oriques formul\u00e9es lors de la conception des instruments de mesure, qu’il s’agisse d’\u00e9chelles d’attitudes, d’inventaires de personnalit\u00e9, d’\u00e9preuves neuropsychologiques standardis\u00e9es ou d’enregistrements chronom\u00e9triques de temps de r\u00e9action. \u00c0 travers l’estimation de la tendance centrale, l’\u00e9valuation de la dispersion et la mod\u00e9lisation de la morphologie distributionnelle, le praticien met au jour la r\u00e9alit\u00e9 empirique du construit psychologique mesur\u00e9, tout en d\u00e9tectant les artefacts exp\u00e9rimentaux susceptibles de d\u00e9naturer les calculs ult\u00e9rieurs.<\/p>\n

Ce guide exhaustif a pour vocation de fournir aux chercheurs, aux doctorants et aux analystes de donn\u00e9es un protocole m\u00e9thodologique complet et op\u00e9rationnel pour conduire une analyse univari\u00e9e exemplaire dans R. Articulant socle th\u00e9orique rigoureux, consid\u00e9rations \u00e9pist\u00e9mologiques et mise en \u0153uvre programmatique d\u00e9taill\u00e9e, cet ouvrage didactique explore les indicateurs descriptifs classiques et robustes, les m\u00e9thodes d’audit distributionnel, la visualisation graphique sous les syst\u00e8mes de base et ggplot2<\/a>, ainsi que la d\u00e9tection et la r\u00e9gulation des observations aberrantes. En cl\u00f4ture, une \u00e9tude de cas clinique int\u00e9grale d\u00e9montrera l’articulation s\u00e9quentielle de ces outils, depuis le vecteur de donn\u00e9es brutes jusqu’\u00e0 la r\u00e9daction acad\u00e9mique finale standardis\u00e9e selon les normes de l’American Psychological Association (APA).<\/p>\n

1. Fondements conceptuels et \u00e9pist\u00e9mologiques de l’analyse univari\u00e9e en psychologie<\/h2>\n

1.1 D\u00e9finition et r\u00f4le de l’analyse univari\u00e9e dans la d\u00e9marche scientifique<\/h3>\n

L’analyse univari\u00e9e constitue le premier palier de l’exploration quantitative. \u00c9pist\u00e9mologiquement, elle se d\u00e9finit comme l’\u00e9tude statistique descriptive et inf\u00e9rentielle d’une seule variable al\u00e9atoire consid\u00e9r\u00e9e de mani\u00e8re autonome. Contrairement aux approches bivari\u00e9es ou multivari\u00e9es, qui s’int\u00e9ressent aux covariations, aux structures latentes ou aux d\u00e9pendances conditionnelles, la perspective univari\u00e9e isole le vecteur d’observations pour en comprendre les propri\u00e9t\u00e9s intrins\u00e8ques. Dans la d\u00e9marche scientifique hypoth\u00e9tico-d\u00e9ductive, cette \u00e9tape n’est pas une simple formalit\u00e9 bureaucratique de pr\u00e9traitement ; elle incarne un moment critique de corroboration empirique o\u00f9 le chercheur v\u00e9rifie si l’instrument de mesure a fonctionn\u00e9 conform\u00e9ment aux attendus th\u00e9oriques de son protocole exp\u00e9rimental.<\/p>\n

Dans le domaine de la psychom\u00e9trie et des neurosciences comportementales, l’importance pr\u00e9liminaire de l’analyse univari\u00e9e dans le nettoyage et le contr\u00f4le de la qualit\u00e9 des donn\u00e9es s’av\u00e8re fondamentale. Avant de postuler l’existence d’un effet th\u00e9rapeutique, d’une dissociation cognitive ou d’une corr\u00e9lation entre deux traits de personnalit\u00e9, il est indispensable de s’assurer que les scores collect\u00e9s ne sont pas le produit d’erreurs d’encodage, de dysfonctionnements logiciels, d’un manque d’engagement des r\u00e9pondants ou d’artefacts d’\u00e9chantillonnage. L’examen des fr\u00e9quences, des valeurs minimales et maximales ainsi que des distributions de probabilit\u00e9 permet d’assainir la base de donn\u00e9es avant que les erreurs initiales ne se propagent et ne se d\u00e9multiplient au sein d’\u00e9quations de r\u00e9gression ou de mod\u00e8les factoriels complexes.<\/p>\n

Il convient d’\u00e9tablir une distinction formelle stricte entre la statistique descriptive univari\u00e9e et la mod\u00e9lisation statistique inf\u00e9rentielle. Si la premi\u00e8re vise \u00e0 synth\u00e9tiser l’information contenue dans l’\u00e9chantillon par des indicateurs de position et de dispersion sans postuler de structure causale, elle constitue n\u00e9anmoins le socle indispensable \u00e0 la seconde. En effet, les tests d’hypoth\u00e8ses inf\u00e9rentiels classiques, tels que le test t de Student, l’analyse de variance univari\u00e9e (ANOVA) ou la r\u00e9gression lin\u00e9aire ordinaire des moindres carr\u00e9s, reposent sur des postulats distributionnels pr\u00e9cis, au premier rang desquels figure la normalit\u00e9 des r\u00e9sidus. L’analyse univari\u00e9e permet de tester ces pr\u00e9requis en amont et de d\u00e9terminer si les donn\u00e9es n\u00e9cessitent des transformations math\u00e9matiques, l’usage de statistiques robustes ou le recours \u00e0 des cadres d’inf\u00e9rence non param\u00e9triques.<\/p>\n

1.2 Taxonomie des variables psychologiques et \u00e9chelles de mesure de Stevens<\/h3>\n

Toute manipulation statistique dans l’environnement R exige une compr\u00e9hension sans faille de la nature math\u00e9matique des donn\u00e9es trait\u00e9es. En 1946, le psychologue Stanley Smith Stevens a introduit une typologie fondatrice distinguant quatre niveaux d’\u00e9chelles de mesure : nominale, ordinale, d’intervalle et de rapport. Cette taxonomie conditionne de mani\u00e8re absolue la l\u00e9gitimit\u00e9 des op\u00e9rations arithm\u00e9tiques autoris\u00e9es et guide le choix des fonctions R \u00e0 mobiliser. Les variables nominales repr\u00e9sentent le niveau m\u00e9trologique le plus \u00e9l\u00e9mentaire, caract\u00e9ris\u00e9 par des classes qualitatives mutuellement exclusives et exhaustives, sans hi\u00e9rarchie sous-jacente. En psychologie, elles renvoient typiquement aux cat\u00e9gorisations nosographiques (par exemple, diagnostic de trouble d\u00e9pressif majeur versus trouble anxieux g\u00e9n\u00e9ralis\u00e9 versus groupe t\u00e9moin), aux typologies de personnalit\u00e9 ou au codage binaire du genre et des conditions exp\u00e9rimentales. Dans R, ces grandeurs sont impl\u00e9ment\u00e9es via le type factor<\/em>, o\u00f9 les seules op\u00e9rations valides sont le d\u00e9nombrement et le calcul de proportions.<\/p>\n

Les variables ordinales introduisent une relation d’ordre ou de rang entre les modalit\u00e9s, bien que la distance psychologique ou quantitative s\u00e9parant deux \u00e9chelons successifs demeure inconnue ou non constante. L’arch\u00e9type en psychom\u00e9trie r\u00e9side dans les \u00e9chelles de Likert \u00e0 5 ou 7 points, abondamment utilis\u00e9es pour \u00e9valuer le degr\u00e9 d’accord face \u00e0 des assertions psychologiques, ainsi que dans les stades de d\u00e9veloppement piag\u00e9tiens ou les classements d’aptitude scolaire. Bien qu’une pratique courante mais controvers\u00e9e assimile les scores de Likert \u00e0 des donn\u00e9es continues, leur nature fondamentale impose sur le plan univari\u00e9 une mod\u00e9lisation par des facteurs ordonn\u00e9s (ordered factor<\/em> dans R), privil\u00e9giant la m\u00e9diane et les percentiles au d\u00e9triment de la moyenne arithm\u00e9tique.<\/p>\n

Les variables d’intervalle et de rapport atteignent le statut de mesures quantitatives continues ou pseudo-continues. L’\u00e9chelle d’intervalle se caract\u00e9rise par des \u00e9carts constants et num\u00e9riquement \u00e9gaux entre les unit\u00e9s de mesure, mais dispose d’un z\u00e9ro arbitraire, d\u00e9fini par convention sociotechnique plut\u00f4t que par une absence physique du ph\u00e9nom\u00e8ne. Les scores composites issus de questionnaires standardis\u00e9s, les indices d’intelligence globale (QI standardis\u00e9 avec une moyenne th\u00e9orique de 100 et un \u00e9cart-type de 15) et les temp\u00e9ratures en degr\u00e9s Celsius illustrent ce niveau. L’\u00e9chelle de rapport, quant \u00e0 elle, poss\u00e8de un z\u00e9ro absolu et non arbitraire, signifiant l’absence totale de la propri\u00e9t\u00e9 physique mesur\u00e9e. Les temps de r\u00e9action cognitifs enregistr\u00e9s en millisecondes, la conductance cutan\u00e9e, la fr\u00e9quence cardiaque ou le taux de cortisol salivaire rel\u00e8vent de cette \u00e9chelle. Dans ces deux derniers cas, l’ensemble des op\u00e9rations arithm\u00e9tiques est autoris\u00e9, ouvrant la voie au calcul sans restriction de la moyenne, de la variance et des moments d’ordre sup\u00e9rieur dans R.<\/p>\n

1.3 Objectifs cl\u00e9s : tendance centrale, dispersion et morphologie distributionnelle<\/h3>\n

La conduite d’une analyse univari\u00e9e m\u00e9thodique poursuit trois finalit\u00e9s analytiques compl\u00e9mentaires : l’identification de la tendance centrale, la caract\u00e9risation de la dispersion et la cartographie de la morphologie distributionnelle. L’\u00e9valuation de la tendance centrale vise \u00e0 localiser le centre de gravit\u00e9 empirique des observations au sein de l’espace des r\u00e9ponses possibles. En psychologie diff\u00e9rentielle, cette valeur r\u00e9sume la performance typique ou l’\u00e9tat symptomatique moyen d’une population cible soumise \u00e0 une \u00e9preuve d’\u00e9valuation, offrant un point d’ancrage normatif indispensable \u00e0 l’interpr\u00e9tation individuelle ult\u00e9rieure.<\/p>\n

Toutefois, localiser le centre d’une distribution demeure vain sans une mesure pr\u00e9cise de son \u00e9talement. La quantification de la dispersion r\u00e9pond \u00e0 cet imp\u00e9ratif en \u00e9valuant le degr\u00e9 d’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 individuelle existant au sein de la cohorte d’\u00e9tude. Deux groupes de patients peuvent pr\u00e9senter un score moyen rigoureusement identique sur une \u00e9chelle d’anxi\u00e9t\u00e9 clinique tout en manifestant des profils radicalement diff\u00e9rents : le premier groupe peut \u00eatre constitu\u00e9 d’individus pr\u00e9sentant des r\u00e9ponses homog\u00e8nes regroup\u00e9es autour de la valeur centrale, tandis que le second r\u00e9unit des profils polaris\u00e9s aux extr\u00e9mit\u00e9s de l’instrument. La mesure de la variabilit\u00e9 informe le chercheur sur la repr\u00e9sentativit\u00e9 de l’indicateur de tendance centrale et sur la pr\u00e9cision intrins\u00e8que de la mesure.<\/p>\n

Enfin, l’exploration de la morphologie distributionnelle d\u00e9passe les simples r\u00e9sum\u00e9s scalaires de position et d’\u00e9chelle pour s’int\u00e9resser \u00e0 la forme g\u00e9om\u00e9trique de la fonction de densit\u00e9 sous-jacente. Elle s’articule autour de l’\u00e9valuation de l’asym\u00e9trie (ou skewness<\/em>) et de l’aplatissement (ou kurtosis<\/em>). Cette analyse morphologique permet d’appr\u00e9hender des ph\u00e9nom\u00e8nes psychologiques cruciaux tels que les effets de plafond (saturation des scores vers les valeurs maximales r\u00e9v\u00e9lant un test trop facile ou sous-\u00e9valuant la pathologie) ou les effets de plancher (concentration des scores au plancher th\u00e9orique de l’instrument). De plus, l’observation d’une forme non unimodale met pr\u00e9cocement en lumi\u00e8re l’existence de sous-populations latentes au sein d’un \u00e9chantillon pr\u00e9sum\u00e9 homog\u00e8ne, signalant par exemple qu’un essai clinique a recrut\u00e9 conjointement des r\u00e9pondeurs et des non-r\u00e9pondeurs biologiques \u00e0 une psychoth\u00e9rapie.<\/p>\n

2. Pr\u00e9paration de l’environnement R et structuration des donn\u00e9es psychom\u00e9triques<\/h2>\n

2.1 Configuration de l’environnement R et des biblioth\u00e8ques sp\u00e9cialis\u00e9es<\/h3>\n

L’amorce d’une analyse univari\u00e9e reproductible exige une configuration minutieuse du poste de travail informatique sous R. Pour r\u00e9pondre aux exigences des protocoles en sciences cognitives, il convient d’associer le moteur natif de R aux biblioth\u00e8ques sp\u00e9cialis\u00e9es reconnues par la communaut\u00e9 internationale. L’\u00e9cosyst\u00e8me tidyverse<\/strong> fournit les outils fondamentaux de manipulation de donn\u00e9es et de visualisation avanc\u00e9e, tandis que la biblioth\u00e8que psych<\/strong>, d\u00e9velopp\u00e9e sp\u00e9cifiquement par William Revelle pour les psychom\u00e9triciens, apporte un ensemble exhaustif d’algorithmes descriptifs calibr\u00e9s pour les questionnaires psychologiques. Parall\u00e8lement, les packages moments<\/strong> et car<\/strong> s’av\u00e8rent indispensables pour l’extraction math\u00e9matique pr\u00e9cise des moments distributionnels et l’\u00e9valuation de l’ad\u00e9quation aux mod\u00e8les gaussiens.<\/p>\n

L’optimisation des options globales d’affichage dans la console R constitue une bonne pratique pour faciliter l’audit des donn\u00e9es. L’ajustement du param\u00e8tre de pr\u00e9cision num\u00e9rique via l’instruction options(digits = 4, scipen = 999)<\/code> permet d’\u00e9viter l’affichage syst\u00e9matique de la notation scientifique pour les petits nombres, rendant les coefficients d’asym\u00e9trie et les valeurs de dispersion imm\u00e9diatement lisibles. En outre, la science ouverte imposant une tra\u00e7abilit\u00e9 int\u00e9grale des cha\u00eenes de traitement, la fixation d’une graine al\u00e9atoire \u00e0 l’aide de la fonction set.seed()<\/code> est imp\u00e9rative d\u00e8s lors que des proc\u00e9dures de r\u00e9\u00e9chantillonnage (bootstrap) ou des simulations sont int\u00e9gr\u00e9es \u00e0 la d\u00e9marche descriptive.<\/p>\n

Sur le plan organisationnel, l’analyste structurera son r\u00e9pertoire de travail au moyen d’un projet RStudio autonome, dot\u00e9 d’une architecture arborescente standardis\u00e9e comprenant un dossier r\u00e9serv\u00e9 aux donn\u00e9es brutes en lecture seule (data\/raw<\/em>), un dossier pour les scripts d’analyse s\u00e9quentiels (scripts<\/em>), et un dossier d\u00e9di\u00e9 aux sorties tabulaires et iconographiques (output\/figures<\/em>). Cette rigueur \u00e9vite l’usage proscrit de chemins absolus (tels que setwd(\"C:\/Users\/...\")<\/code>) et garantit que le pipeline analytique univari\u00e9 demeure ex\u00e9cutable \u00e0 l’identique sur n’importe quel syst\u00e8me d’exploitation.<\/p>\n

2.2 Importation et v\u00e9rification de l’int\u00e9grit\u00e9 des vecteurs de donn\u00e9es<\/h3>\n

Les donn\u00e9es psychologiques proviennent majoritairement de plateformes de passation en ligne (Qualtrics, Gorilla, Pavlovia) ou de logiciels d’exp\u00e9rimentation cognitive locale (PsychoPy<\/a>, E-Prime). L’importation de ces fichiers tabulaires (au format CSV ou TSV) via les fonctions de lecture du package readr<\/strong> (comme read_csv()<\/code>) constitue une \u00e9tape d\u00e9licate o\u00f9 la structure des colonnes doit \u00eatre imm\u00e9diatement assainie. R proc\u00e8de \u00e0 une inf\u00e9rence automatique des types qui peut g\u00e9n\u00e9rer des ambigu\u00eft\u00e9s n\u00e9fastes, notamment en interpr\u00e9tant une variable d’identification num\u00e9rique (num\u00e9ro de participant) comme une grandeur arithm\u00e9tique continue.<\/p>\n

Le typage explicite et rigoureux des vecteurs constitue le pr\u00e9alable \u00e0 tout traitement univari\u00e9. Les colonnes correspondant \u00e0 des modalit\u00e9s cat\u00e9gorielles doivent \u00eatre converties sans \u00e9quivoque en facteurs nominaux via la fonction factor()<\/code>, en veillant \u00e0 expliciter la nomenclature des niveaux (levels<\/em> et labels<\/em>). Pour les r\u00e9ponses issues d’items de type Likert, la conversion sous forme de facteur ordonn\u00e9 \u00e0 l’aide de l’instruction ordered()<\/code> ou factor(..., ordered = TRUE)<\/code> informe explicitement les algorithmes sous-jacents de la hi\u00e9rarchie intrins\u00e8que des cat\u00e9gories de r\u00e9ponse. Inversement, les grandeurs continues (latences d’attention, chronom\u00e9trie, indices biologiques) requi\u00e8rent un cast formel en vecteurs de type numeric<\/code> ou double<\/code>.<\/p>\n

L’audit dimensionnel pr\u00e9liminaire repose sur l’ex\u00e9cution conjointe des primitives length()<\/code>, str()<\/code> et summary()<\/code>. L’inspection des types rapport\u00e9s par str()<\/code> pr\u00e9vient les erreurs de saisie sournoises, telles que la pr\u00e9sence d’un caract\u00e8re textuel isol\u00e9 au sein d’une colonne de scores num\u00e9riques, ce qui contraindrait R \u00e0 convertir l’int\u00e9gralit\u00e9 du vecteur en cha\u00eene de caract\u00e8res (character<\/em>). La fonction summary()<\/code> fournit quant \u00e0 elle un premier aper\u00e7u des bornes empiriques, permettant de v\u00e9rifier si les valeurs minimales et maximales observ\u00e9es demeurent strictement confin\u00e9es dans l’espace th\u00e9orique admissible de l’instrument psychom\u00e9trique administr\u00e9.<\/p>\n

2.3 Gestion univari\u00e9e des donn\u00e9es manquantes en psychom\u00e9trie<\/h3>\n

La compl\u00e9tude des jeux de donn\u00e9es constitue une raret\u00e9 dans l’investigation du comportement humain. La lassitude des sujets, les erreurs de transmission t\u00e9l\u00e9matique ou les refus d\u00e9lib\u00e9r\u00e9s de r\u00e9pondre \u00e0 des items sensibles (touchant \u00e0 la sexualit\u00e9, aux traumatismes ou aux addictions) engendrent des valeurs manquantes. Dans l’\u00e9cosyst\u00e8me R, ces omissions sont repr\u00e9sent\u00e9es par la constante logique NA<\/code> (Not Available<\/em>). La quantification pr\u00e9cise du taux de non-r\u00e9ponse univari\u00e9 s’op\u00e8re par la combinaison des fonctions is.na()<\/code>, sum()<\/code> et mean()<\/code>, cette derni\u00e8re fournissant instantan\u00e9ment le ratio proportionnel d’omissions au sein du vecteur consid\u00e9r\u00e9.<\/p>\n

Sur le plan th\u00e9orique, il est fondamental de rattacher ces manques \u00e0 la typologie de Donald Rubin : donn\u00e9es manquantes totalement au hasard (Missing Completely At Random<\/em>, MCAR), manquantes au hasard (Missing At Random<\/em>, MAR) ou manquantes de mani\u00e8re non al\u00e9atoire (Missing Not At Random<\/em>, MNAR). Si l’identification formelle de ces m\u00e9canismes rel\u00e8ve de mod\u00e9lisations multivari\u00e9es, l’analyse univari\u00e9e fournit des indices critiques. Un item de personnalit\u00e9 affichant un taux inhabituel d’omissions (par exemple 25 % de NA<\/code> par rapport \u00e0 une moyenne de 2 % sur le reste du test) traduit fr\u00e9quemment un ph\u00e9nom\u00e8ne MNAR o\u00f9 la formulation m\u00eame de l’\u00e9nonc\u00e9 suscite l’\u00e9vitement actif des participants les plus en d\u00e9tresse, signalant un probl\u00e8me m\u00e9trologique inh\u00e9rent au stimulus.<\/p>\n

Dans la programmation R, les fonctions statistiques primitives appliquent un principe de pr\u00e9caution strict : en pr\u00e9sence d’une seule valeur NA<\/code>, des fonctions telles que mean()<\/code>, sd()<\/code> ou median()<\/code> renvoient par d\u00e9faut NA<\/code>. L’analyste doit expliciter l’argument na.rm = TRUE<\/code> pour instruire la fonction d’omettre les donn\u00e9es manquantes lors du calcul. Cependant, cette commande technique ne doit pas masquer les implications m\u00e9thodologiques de l’omission. Une \u00e9limination non contr\u00f4l\u00e9e des NA<\/code> au niveau univari\u00e9 r\u00e9duit la taille d’\u00e9chantillon effective et peut biaiser drastiquement l’estimation de la moyenne si les omissions sont de type MNAR, mena\u00e7ant la repr\u00e9sentativit\u00e9 externe de l’\u00e9chantillon clinique.<\/p>\n

\"\"<\/figure>\n

3. Mesures de la tendance centrale dans R : Th\u00e9orie et programmation<\/h2>\n

3.1 Calcul et propri\u00e9t\u00e9s de la moyenne arithm\u00e9tique<\/h3>\n

La moyenne arithm\u00e9tique constitue la mesure de tendance centrale la plus universellement employ\u00e9e pour les variables quantitatives continues. Math\u00e9matiquement d\u00e9finie comme la somme de l’ensemble des observations divis\u00e9e par le nombre total de cas, elle repr\u00e9sente le centre d’inertie physique du syst\u00e8me de points. Dans le logiciel R, son impl\u00e9mentation s’effectue au moyen de la commande mean(x, na.rm = FALSE)<\/code>. Lorsque les distributions sont rigoureusement sym\u00e9triques et unimodales, la moyenne offre des propri\u00e9t\u00e9s d’optimalit\u00e9 statistique majeures : elle constitue l’estimateur sans biais le plus efficace de la moyenne de la population sous l’hypoth\u00e8se de normalit\u00e9.<\/p>\n

N\u00e9anmoins, la vuln\u00e9rabilit\u00e9 de la moyenne face aux perturbations extr\u00eames constitue son principal \u00e9cueil en neuropsychologie et en psychopathologie. Son point de rupture (breakdown point<\/em>) th\u00e9orique est de 0 %, ce qui signifie qu’une unique observation atypique (par exemple un temps de r\u00e9action pathologique de 30 secondes au milieu d’essais chronom\u00e9tr\u00e9s \u00e0 400 millisecondes) suffit \u00e0 d\u00e9placer arbitrairement la moyenne vers des valeurs qui ne repr\u00e9sentent plus la performance de l’\u00e9chantillon. Pour pallier cette instabilit\u00e9 sans abandonner l’int\u00e9r\u00eat arithm\u00e9tique de la moyenne, R int\u00e8gre le calcul de la moyenne tronqu\u00e9e via le param\u00e8tre trim<\/code> de la fonction mean()<\/code>. En sp\u00e9cifiant mean(x, trim = 0.1)<\/code>, le logiciel retranche les 10 % des scores les plus faibles et les 10 % les plus \u00e9lev\u00e9s avant de calculer la moyenne sur les 80 % r\u00e9siduels, neutralisant ainsi l’impact des artefacts de mesure.<\/p>\n

Dans le cas d’analyses psychom\u00e9triques avanc\u00e9es, la moyenne arithm\u00e9tique simple peut \u00eatre enrichie par le calcul de moyennes pond\u00e9r\u00e9es au moyen de la commande weighted.mean(x, w)<\/code>. Dans ce cadre, chaque observation ou score d’item est affect\u00e9 d’un coefficient de pond\u00e9ration w<\/code> proportionnel \u00e0 sa fid\u00e9lit\u00e9 m\u00e9trologique ou \u00e0 la pr\u00e9cision de son estimation (inverse de l’erreur-type de mesure). Cette proc\u00e9dure garantit que les items les plus fiables ou les participants \u00e9valu\u00e9s avec la plus grande pr\u00e9cision m\u00e9thodologique p\u00e8sent de mani\u00e8re pr\u00e9pond\u00e9rante dans la d\u00e9termination du centre de gravit\u00e9 du construit mesur\u00e9.<\/p>\n

3.2 D\u00e9termination de la m\u00e9diane : La statistique robuste par excellence<\/h3>\n

La m\u00e9diane incarne la statistique robuste par excellence pour capturer le centre d’une distribution sans subir la distorsion induite par l’asym\u00e9trie ou les valeurs aberrantes. D\u00e9finie comme le point s\u00e9parant la distribution ordonn\u00e9e des scores en deux moiti\u00e9s \u00e9quiprobables, elle correspond exactement au cinquanti\u00e8me percentile ($P_{50}$<\/span>). Son point de rupture atteint 50 %, ce qui implique qu’il faudrait contaminer la moiti\u00e9 des observations d’un \u00e9chantillon pour alt\u00e9rer de mani\u00e8re incontr\u00f4l\u00e9e la m\u00e9diane. Dans R, son calcul s’ex\u00e9cute nativement par la commande median(x, na.rm = FALSE)<\/code>.<\/p>\n

Sur le plan g\u00e9om\u00e9trique et fonctionnel, la m\u00e9diane minimise la somme des \u00e9carts absolus par rapport au centre, alors que la moyenne minimise la somme des carr\u00e9s de ces \u00e9carts. D\u00e8s lors que la variable mesur\u00e9e suit une loi asym\u00e9trique \u2014 configuration omnipr\u00e9sente en psychologie cognitive lors du recueil des latences de r\u00e9ponse ou en psychiatrie \u00e9pid\u00e9miologique lors du d\u00e9nombrement des comportements d’auto-mutilation \u2014 la m\u00e9diane fournit une description infiniment plus fid\u00e8le de la tendance centrale que la moyenne. La divergence entre la moyenne et la m\u00e9diane sert d’ailleurs de signal d’alarme heuristique quant au niveau d’asym\u00e9trie de la s\u00e9rie de donn\u00e9es.<\/p>\n

Dans le contexte des \u00e9chelles de mesure ordinales discr\u00e8tes (telles que les \u00e9chelles composites d’\u00e9valuation de la douleur ou les scores totaux \u00e0 des sous-\u00e9chelles de stress per\u00e7u), la m\u00e9diane constitue l’indicateur de position m\u00e9thodologiquement irr\u00e9prochable. Pour certaines applications psychom\u00e9triques fines, les chercheurs recourent \u00e0 l’interpolation de la m\u00e9diane pour corriger la nature discontinue des \u00e9chelons de r\u00e9ponse, estimant de mani\u00e8re probabiliste o\u00f9 se situerait le basculement m\u00e9dian au sein de l’intervalle continu sous-jacent \u00e0 la graduation ordinale discr\u00e8te.<\/p>\n

3.3 Extraction du mode pour variables cat\u00e9gorielles et discr\u00e8tes<\/h3>\n

Le mode correspond \u00e0 la valeur ou \u00e0 la modalit\u00e9 empirique la plus fr\u00e9quemment observ\u00e9e au sein d’une distribution. Il repr\u00e9sente la seule mesure de tendance centrale th\u00e9oriquement applicable \u00e0 l’ensemble des \u00e9chelles de Stevens, y compris les variables nominales qualitatives pures. De mani\u00e8re surprenante pour les n\u00e9ophytes, le langage R ne poss\u00e8de pas de fonction primitive mode()<\/code> d\u00e9di\u00e9e \u00e0 cette extraction statistique (la fonction native mode()<\/code> dans R renvoie le mode de stockage d’un objet en m\u00e9moire interne, tel que numeric<\/em> ou character<\/em>). L’analyste doit donc programmer une fonction ad hoc pour identifier l’\u00e9l\u00e9ment dominant.<\/p>\n

Une impl\u00e9mentation robuste de cette extraction consiste \u00e0 exploiter la commande table()<\/code>, qui d\u00e9nombre les occurrences de chaque valeur, puis \u00e0 localiser l’indice maximal au moyen de la fonction which.max()<\/code>. Une fonction R standardis\u00e9e s’\u00e9crit de la fa\u00e7on suivante : get_mode <- function(v) { uniqv <- unique(na.omit(v)); uniqv[which.max(tabulate(match(v, uniqv)))] }<\/code>. Cette approche vectorielle pr\u00e9sente l’avantage d’une ex\u00e9cution computationnelle rapide, y compris sur des cohortes massives de plusieurs dizaines de milliers d’enregistrements comportementaux.<\/p>\n

L’\u00e9valuation du mode en psychologie rev\u00eat une port\u00e9e clinique cruciale lors de l’\u00e9tude de profils bivari\u00e9s ou multimodaux. Une distribution r\u00e9v\u00e9lant deux modes disjoints (distribution bimodale) trahit fr\u00e9quemment la coexistence de deux populations distinctes au sein du groupe \u00e9tudi\u00e9 (par exemple, des patients en r\u00e9mission clinique versus des patients en phase de d\u00e9compensation aigu\u00eb). L’examen de la commande table(x)<\/code> coupl\u00e9e \u00e0 sort(..., decreasing = TRUE)<\/code> permet d’extraire la modalit\u00e9 dominante et d’\u00e9valuer l’\u00e9cart de fr\u00e9quence s\u00e9parant le premier mode des modes secondaires, guidant l’interpr\u00e9tation diagnostique des bilans psychologiques.<\/p>\n

4. Quantification de la dispersion et de la variabilit\u00e9 des r\u00e9ponses<\/h2>\n

4.2 Variance et \u00e9cart-type de l’\u00e9chantillon<\/h3>\n

La variance et son extension lin\u00e9aire, l’\u00e9cart-type, constituent les m\u00e9triques param\u00e9triques reines de la dispersion. La variance repr\u00e9sente la moyenne des carr\u00e9s des \u00e9carts des observations \u00e0 la moyenne arithm\u00e9tique. Lorsque cette grandeur est estim\u00e9e \u00e0 partir d’un \u00e9chantillon fini de taille $n$<\/span> dans le dessein d’inf\u00e9rer la variance de la population parente, la somme des carr\u00e9s doit \u00eatre divis\u00e9e par $n – 1$<\/span> et non par $n$<\/span>. Cette minoration du d\u00e9nominateur, connue sous le nom de correction de Bessel, neutralise le biais d’\u00e9chantillonnage qui tendrait \u00e0 sous-estimer syst\u00e9matiquement la variabilit\u00e9 de la population. Dans l’environnement R, les fonctions primitives var(x)<\/code> et sd(x)<\/code> int\u00e8grent par d\u00e9faut cette correction de Bessel en divisant la somme des d\u00e9viations quadratiques par les degr\u00e9s de libert\u00e9 r\u00e9siduels ($df = n – 1$<\/span>).<\/p>\n

L’\u00e9cart-type s’obtient en extrayant la racine carr\u00e9e de la variance, ce qui permet de r\u00e9tablir une m\u00e9trique exprim\u00e9e dans l’unit\u00e9 physique originale de la variable psychologique mesur\u00e9e. Dans le cadre d’un mod\u00e8le gaussien th\u00e9orique, l’\u00e9cart-type r\u00e9git la r\u00e9partition probabiliste des cas : environ 68,26 % des observations se situent dans l’intervalle $[M – SD, M + SD]$<\/span>, 95,44 % dans $[M – 2SD, M + 2SD]$<\/span> et 99,74 % dans $[M – 3SD, M + 3SD]$<\/span>. En recherche clinique, une diminution de l’\u00e9cart-type au sein d’un groupe exp\u00e9rimental post-intervention traduit une homog\u00e9n\u00e9isation des r\u00e9ponses individuelles, signe potentiel de l’efficacit\u00e9 standardis\u00e9e d’une rem\u00e9diation cognitive.<\/p>\n

Cependant, \u00e0 l’instar de la moyenne, l’\u00e9cart-type souffre d’une sensibilit\u00e9 exacerb\u00e9e face aux valeurs extr\u00eames en raison de l’\u00e9l\u00e9vation au carr\u00e9 des \u00e9carts. Dans le contexte de distributions psychologiques leptokurtiques ou parasit\u00e9es par des erreurs de mesure, l’\u00e9cart-type se gonfle artificiellement, ce qui entra\u00eene une sous-estimation dramatique de la taille d’effet statistique dans les tests inf\u00e9rentiels ult\u00e9rieurs. Cette sensibilit\u00e9 impose d’associer syst\u00e9matiquement \u00e0 l’\u00e9cart-type des indicateurs de variabilit\u00e9 robustes.<\/p>\n

4.3 Coefficient de variation et \u00e9cart absolu m\u00e9dian (MAD)<\/h3>\n

La comparaison directe de la dispersion entre plusieurs \u00e9preuves psychom\u00e9triques se heurte souvent \u00e0 la non-commensurabilit\u00e9 des \u00e9chelles de mesure. L’\u00e9valuation de la variabilit\u00e9 d’une t\u00e2che de temps de r\u00e9action (exprim\u00e9e en millisecondes, avec un ordre de grandeur de plusieurs centaines d’unit\u00e9s) ne peut \u00eatre confront\u00e9e \u00e0 celle d’une \u00e9chelle de d\u00e9pression born\u00e9e entre 0 et 63 sans normalisation. Le coefficient de variation (CV) r\u00e9sout cette contrainte en exprimant l’\u00e9cart-type sous la forme d’un pourcentage de la moyenne arithm\u00e9tique : $\\text{CV} = (SD \/ M) \\times 100$<\/span>. Programmable dans R via l’instruction simple (sd(x, na.rm = TRUE) \/ mean(x, na.rm = TRUE)) * 100<\/code>, le CV constitue un indice sans dimension particuli\u00e8rement adapt\u00e9 pour comparer l’instabilit\u00e9 motrice ou cognitive entre diff\u00e9rents groupes de patients.<\/p>\n

Sur le versant non param\u00e9trique et robuste, l’\u00e9cart absolu m\u00e9dian (MAD pour Median Absolute Deviation<\/em>) repr\u00e9sente l’analogue direct de l’\u00e9cart-type pour les distributions r\u00e9fractaires \u00e0 la normalit\u00e9. Math\u00e9matiquement, le MAD est calcul\u00e9 en d\u00e9terminant d’abord la m\u00e9diane de la s\u00e9rie, puis en calculant les \u00e9carts absolus de chaque score par rapport \u00e0 cette m\u00e9diane, et enfin en extrayant la m\u00e9diane de ces \u00e9carts absolus : $\\text{MAD} = \\text{m\u00e9diane}(|x_i – \\text{m\u00e9diane}(x)|)$<\/span>. R propose pour cela la commande native mad(x, na.rm = TRUE)<\/code>.<\/p>\n

Par d\u00e9faut, la fonction mad()<\/code> de R applique un facteur de correction multiplicatif constant \u00e9gal \u00e0 1,4826 (param\u00e8tre constant = 1.4826<\/code>). Ce coefficient assure une consistance asymptotique avec l’\u00e9cart-type param\u00e9trique lorsque la distribution sous-jacente est parfaitement normale, ce qui signifie que sous l’hypoth\u00e8se de normalit\u00e9, $SD \\approx MAD$<\/span>. En neuropsychologie exp\u00e9rimentale, l’usage du MAD est largement pr\u00e9conis\u00e9 par rapport \u00e0 l’\u00e9cart-type pour normaliser les latences attentionnelles ou filtrer les temps de r\u00e9ponse pathologiques, car sa r\u00e9sistance \u00e0 la contamination distributionnelle pr\u00e9serve l’estimation de l’\u00e9chelle des fluctuations individuelles authentiques.<\/p>\n

5. Analyse de la forme de la distribution : Asym\u00e9trie et aplatissement<\/h2>\n

5.1 \u00c9valuation du coefficient d’asym\u00e9trie (Skewness)<\/h3>\n

L’asym\u00e9trie (ou skewness<\/em>) formalise le troisi\u00e8me moment centr\u00e9 de la distribution. Elle quantifie le degr\u00e9 d’\u00e9cart g\u00e9om\u00e9trique par rapport \u00e0 une r\u00e9partition parfaitement sym\u00e9trique autour de son centre. Dans une distribution th\u00e9orique gaussienne, le coefficient de skewness est rigoureusement nul. Lorsque les observations s’\u00e9tirent le long d’une longue tra\u00eene vers les valeurs positives \u00e9lev\u00e9es, la distribution pr\u00e9sente une asym\u00e9trie positive (vers la droite), configuration dans laquelle la moyenne arithm\u00e9tique se retrouve sup\u00e9rieure \u00e0 la m\u00e9diane. Inversement, lorsque la queue s’\u00e9tire vers les valeurs n\u00e9gatives ou faibles, l’asym\u00e9trie est qualifi\u00e9e de n\u00e9gative (vers la gauche), et la moyenne est alors inf\u00e9rieure \u00e0 la m\u00e9diane.<\/p>\n

Pour mesurer ce param\u00e8tre dans R, l’environnement de base s’av\u00e9rant insuffisant, les chercheurs font appel au package moments<\/strong> via la fonction skewness(x, na.rm = TRUE)<\/code>, ou au package psych<\/strong> via la fonction skew(x)<\/code>. Cette derni\u00e8re applique des corrections adapt\u00e9es aux petits \u00e9chantillons ($n < 50$<\/span>), \u00e9vitant la sous-estimation syst\u00e9matique du troisi\u00e8me moment empirique. Dans les diagnostics cliniques, une asym\u00e9trie positive marqu\u00e9e est structurellement attendue dans les populations tout-venant \u00e9valu\u00e9es sur des \u00e9chelles psychopathologiques (telles que le BDI-II ou l'inventaire d'anxi\u00e9t\u00e9 de Beck), la vaste majorit\u00e9 des individus sains obtenant un score nul ou minimal, ce qui engendre un effet de plancher massif.<\/p>\n

L’interpr\u00e9tation clinique et m\u00e9thodologique de ce coefficient s’appuie sur des seuils de tol\u00e9rance formalis\u00e9s par la litt\u00e9rature psychom\u00e9trique contemporaine, notamment les travaux fondateurs de West, Finch et Curran (1995). Un coefficient d’asym\u00e9trie compris entre -1 et +1 est g\u00e9n\u00e9ralement consid\u00e9r\u00e9 comme indicateur d’une distribution quasi-sym\u00e9trique n’alt\u00e9rant pas gravement les performances des tests param\u00e9triques. En revanche, un indice exc\u00e9dant $|2|$<\/span> refl\u00e8te une d\u00e9formation s\u00e9v\u00e8re imposant le rejet formel des proc\u00e9dures reposant sur le postulat de normalit\u00e9 des scores bruts.<\/p>\n

5.2 \u00c9valuation du coefficient d’aplatissement (Kurtosis)<\/h3>\n

L’aplatissement (ou kurtosis<\/em>) constitue le quatri\u00e8me moment centr\u00e9 normalis\u00e9 d’une distribution statistique. Il \u00e9value simultan\u00e9ment la concentration relative des scores autour du centre de gravit\u00e9 et l’\u00e9paisseur de ses queues distributionnelles, d\u00e9terminant ainsi la propension de la variable \u00e0 produire des \u00e9v\u00e9nements extr\u00eames ou rares. Trois morphologies distinctes caract\u00e9risent cette dimension : la distribution m\u00e9sokurtique (calibr\u00e9e sur la loi normale th\u00e9orique), la distribution leptokurtique (caract\u00e9ris\u00e9e par un pic central tr\u00e8s aiguis\u00e9 et des queues \u00e9paisses abritant une fr\u00e9quence \u00e9lev\u00e9e de valeurs atypiques) et la distribution platykurtique (pr\u00e9sentant un sommet aplati et des queues \u00e9court\u00e9es refl\u00e9tant une dispersion uniforme sans agglom\u00e9ration centrale marqu\u00e9e).<\/p>\n

Dans l’\u00e9cosyst\u00e8me R, la fonction kurtosis()<\/code> issue de la biblioth\u00e8que moments<\/strong> retourne la valeur brute du quatri\u00e8me moment, qui s’\u00e9l\u00e8ve exactement \u00e0 3 pour une distribution normale id\u00e9ale. Afin de simplifier les interpr\u00e9tations, les psychom\u00e9triciens pr\u00e9f\u00e8rent fr\u00e9quemment raisonner en termes d’exc\u00e8s de kurtosis, calcul\u00e9 en soustrayant 3 \u00e0 la valeur brute : $\\text{Exc\u00e8s} = \\text{Kurtosis} – 3$<\/span>. De son c\u00f4t\u00e9, la biblioth\u00e8que psych<\/strong> avec la commande kosi(x)<\/code> ou dans ses rapports synth\u00e9tiques reporte nativement cet exc\u00e8s centr\u00e9 sur z\u00e9ro. Un exc\u00e8s positif traduit une leptokurticit\u00e9, tandis qu’un exc\u00e8s n\u00e9gatif signale une platykurticit\u00e9.<\/p>\n

L’impact de l’\u00e9paisseur des queues de distribution s’av\u00e8re d\u00e9terminant lors de l’\u00e9tude des fonctions ex\u00e9cutives ou de l’attention soutenue. Dans ces t\u00e2ches, des queues leptokurtiques d\u00e9notent des lapsus attentionnels intermittents chez des patients souffrant de troubles neurod\u00e9veloppementaux. D’apr\u00e8s les conventions m\u00e9thodologiques de West et al. (1995), une valeur d’exc\u00e8s de kurtosis exc\u00e9dant une magnitude absolue de $|7|$<\/span> indique un \u00e9cart pathologique par rapport au mod\u00e8le gaussien, susceptible de d\u00e9stabiliser les estimations des matrices de covariance au sein des mod\u00e9lisations par \u00e9quations structurelles.<\/p>\n

5.3 Synth\u00e8se univari\u00e9e globale avec psych::describe()<\/h3>\n

Pour s’extraire de l’appel dispers\u00e9 \u00e0 de multiples fonctions isol\u00e9es, les m\u00e9thodologues pl\u00e9biscitent l’utilisation de fonctions de synth\u00e8se int\u00e9gr\u00e9es capables de g\u00e9n\u00e9rer un diagnostic morphologique complet en une seule op\u00e9ration computationnelle. La fonction describe()<\/code> issue du package psych<\/strong> s’impose comme la r\u00e9f\u00e9rence internationale incontest\u00e9e dans la recherche comportementale. En soumettant un vecteur ou un tableau de donn\u00e9es \u00e0 l’instruction psych::describe(x)<\/code>, l’utilisateur obtient simultan\u00e9ment une table analytique dense regroupant le nombre d’observations valides ($n$<\/span>), la moyenne arithm\u00e9tique, l’\u00e9cart-type, la m\u00e9diane, la moyenne tronqu\u00e9e \u00e0 10 %, l’\u00e9cart absolu m\u00e9dian (MAD), le minimum, le maximum, l’\u00e9tendue, le skewness, le kurtosis ainsi que l’erreur-type de la moyenne ($SE$<\/span>).<\/p>\n

La lecture critique de cette sortie repose sur la confrontation crois\u00e9e des m\u00e9triques. L’\u00e9cart s\u00e9parant la moyenne (mean<\/em>) de la moyenne tronqu\u00e9e (trimmed<\/em>) et de la m\u00e9diane (median<\/em>) permet d’estimer instantan\u00e9ment l’asym\u00e9trie sans calcul formel. De surcro\u00eet, le ratio entre l’\u00e9cart-type standard (sd<\/em>) et l’\u00e9cart absolu m\u00e9dian (mad<\/em>) agit comme un r\u00e9v\u00e9lateur d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 ou de contamination extr\u00eame : dans une population purement gaussienne, leur rapport est voisin de 1 ; un \u00e9cart-type substantiellement plus grand que le MAD traduit l’existence de cas aberrants tirant la dispersion vers le haut.<\/p>\n

Sur le plan de l’automatisation, la structure de sortie g\u00e9n\u00e9r\u00e9e par describe()<\/code> est un objet de type data.frame<\/em> imm\u00e9diatement indexable et manipulable par les tuyaux de traitement de donn\u00e9es (pipes<\/em> de magrittr<\/strong> ou natifs |><\/code>). L’analyste peut ainsi extraire s\u00e9lectivement les coefficients morphologiques vers des g\u00e9n\u00e9rateurs de tableaux format\u00e9s pour publication scientifique, instaurant un audit statistique fluide et enti\u00e8rement automatis\u00e9 des \u00e9carts au mod\u00e8le gaussien.<\/p>\n

6. Construction et interpr\u00e9tation des tables de fr\u00e9quences<\/h2>\n

6.1 Fr\u00e9quences absolues simples et crois\u00e9es au niveau univari\u00e9<\/h3>\n

L’analyse univari\u00e9e des variables cat\u00e9gorielles qualitatives ou ordinales discr\u00e8tes repose en premier lieu sur l’\u00e9tablissement des tables de fr\u00e9quences absolues, qui d\u00e9nombrent le nombre d’occurrences associ\u00e9es \u00e0 chaque modalit\u00e9 distincte du vecteur. Dans R de base, la commande primitive table()<\/code> remplit cet office avec une grande sobri\u00e9t\u00e9 syntaxique. L’appel table(x)<\/code> retourne une s\u00e9rie tabulaire \u00e9num\u00e9rant les modalit\u00e9s pr\u00e9sentes et leur effectif empirique respectif ($n_i$<\/span>).<\/p>\n

Une pr\u00e9caution m\u00e9thodologique indispensable concerne la gestion des non-r\u00e9ponses au sein de ces d\u00e9nombrements. Par d\u00e9faut, la fonction table()<\/code> ignore silencieusement les observations manquantes, ce qui engendre un risque d’occultation du taux de d\u00e9fection des sujets. L’analyste rigoureux doit syst\u00e9matiquement armer la commande de l’argument d’inclusion explicite : table(x, useNA = \"always\")<\/code> ou table(x, useNA = \"ifany\")<\/code>. Cette syntaxe force l’affichage d’une classe d\u00e9di\u00e9e aux NA<\/code>, assurant que la somme arithm\u00e9tique des effectifs \u00e9gale parfaitement la taille totale de l’\u00e9chantillon recrut\u00e9 ($N$<\/span>).<\/p>\n

Pour faciliter l’interpr\u00e9tation diagnostique de cat\u00e9gories nominales complexes comptant de nombreuses modalit\u00e9s (par exemple l’inventaire des sous-diagnostics psychiatriques), l’objet tabulaire peut \u00eatre r\u00e9ordonn\u00e9 de mani\u00e8re d\u00e9croissante au moyen de la fonction sort(table(x), decreasing = TRUE)<\/code>. Pour une int\u00e9gration fluide dans des cha\u00eenes de traitement modernes, l’objet issu de table()<\/code> gagne \u00e0 \u00eatre converti en une structure tabulaire explicite via l’instruction as.data.frame(table(x))<\/code> ou tibble::as_tibble()<\/code>, renommant les colonnes r\u00e9sultantes en Modalit\u00e9<\/em> et Effectif<\/em> pour pr\u00e9parer l’\u00e9dition des manuscrits.<\/p>\n

6.2 Calcul des fr\u00e9quences relatives et des pourcentages<\/h3>\n

Si les effectifs bruts informent sur la puissance statistique locale de chaque classe, ils interdisent la comparaison directe entre \u00e9tudes comportant des tailles d’\u00e9chantillons h\u00e9t\u00e9rog\u00e8nes. La conversion en fr\u00e9quences relatives (ou proportions) s’av\u00e8re indispensable. Dans le langage R, cette op\u00e9ration s’ex\u00e9cute par l’application de la fonction prop.table()<\/code> appliqu\u00e9e directement \u00e0 l’objet tabulaire pr\u00e9alable : prop.table(table(x))<\/code>. Chaque case exprime alors le ratio empirique $p_i = n_i \/ N$<\/span>, born\u00e9 entre 0 et 1, dont la somme des composantes est rigoureusement \u00e9gale \u00e0 l’unit\u00e9.<\/p>\n

Pour les besoins de la communication scientifique, la conversion en pourcentages stricts arrondis s’obtient en multipliant ces proportions par 100 et en appliquant un contr\u00f4le d’arrondi d\u00e9cimal \u00e0 l’aide de la fonction round()<\/code>. L’expression combin\u00e9e round(prop.table(table(x)) * 100, digits = 2)<\/code> fournit des m\u00e9triques conformes aux exigences \u00e9ditoriales des revues internationales de psychologie r\u00e9gies par les normes APA. Ces chiffres permettent de documenter pr\u00e9cis\u00e9ment les caract\u00e9ristiques sociod\u00e9mographiques ou \u00e9pid\u00e9miologiques d’une cohorte.<\/p>\n

Toutefois, une r\u00e9serve \u00e9pist\u00e9mologique majeure doit \u00eatre rappel\u00e9e quant \u00e0 l’interpr\u00e9tation de ces pourcentages face \u00e0 des cohortes de petite taille ($N < 30$<\/span>). Dans ces configurations fr\u00e9quentes en neuropsychologie clinique des l\u00e9sions rares, rapporter un pourcentage avec deux d\u00e9cimales introduit une illusion de pr\u00e9cision m\u00e9trologique trompeuse (par exemple affirmer que \u00ab 33,33 % des patients pr\u00e9sentent une aphasie \u00bb, alors que le ph\u00e9nom\u00e8ne concerne un individu sur un groupe de trois). L'analyste doit veiller \u00e0 rapporter conjointement l'effectif brut et la proportion pour pr\u00e9server la transparence descriptive.<\/p>\n

6.3 Fr\u00e9quences cumul\u00e9es et distribution des percentiles<\/h3>\n

D\u00e8s lors que la variable trait\u00e9e pr\u00e9sente un niveau de mesure au moins ordinal, la sommation progressive des effectifs le long de l’\u00e9chelle hi\u00e9rarchis\u00e9e enrichit la compr\u00e9hension du ph\u00e9nom\u00e8ne. Les fr\u00e9quences cumul\u00e9es absolues et relatives se programment ais\u00e9ment dans R en imbriquant la commande vectorielle cumsum()<\/code> sur les sorties de comptage : cumsum(table(x))<\/code> pour les effectifs cumul\u00e9s, et cumsum(prop.table(table(x))) * 100<\/code> pour les pourcentages cumul\u00e9s. Cette distribution cumul\u00e9e retrace la trajectoire d’accumulation des individus \u00e0 mesure que l’on progresse vers les niveaux de s\u00e9v\u00e9rit\u00e9 ou d’intensit\u00e9 sup\u00e9rieurs.<\/p>\n

Sur le plan math\u00e9matique, cette d\u00e9marche \u00e9quivaut \u00e0 estimer la fonction de r\u00e9partition empirique (not\u00e9e $F_n(t)$<\/span>), que l’on peut g\u00e9n\u00e9rer directement dans R sous forme fonctionnelle continue au moyen de la commande ecdf(x)<\/code>. Cette fonction de distribution empirique constitue le m\u00e9canisme de r\u00e9f\u00e9rence pour la standardisation des instruments psychom\u00e9triques et l’\u00e9tablissement des \u00e9talonnages en rangs percentiles. Un score brut individuel ins\u00e9r\u00e9 dans ecdf(x)(score)<\/code> renvoie instantan\u00e9ment son rang percentile au sein de la cohorte normative de r\u00e9f\u00e9rence.<\/p>\n

L’exploitation pratique des fr\u00e9quences cumul\u00e9es s’av\u00e8re particuli\u00e8rement strat\u00e9gique lors du d\u00e9pistage psychologique fond\u00e9 sur des seuils critiques d’alerte (cut-off scores<\/em>). La lecture directe du pourcentage cumul\u00e9 associ\u00e9 au seuil clinique permet d’\u00e9valuer la proportion exacte de participants se situant sous le seuil de significativit\u00e9 pathologique versus la proportion basculant dans la zone de vuln\u00e9rabilit\u00e9 clinique, guidant l’orientation des politiques pr\u00e9ventives ou le calibrage des crit\u00e8res d’inclusion dans les essais th\u00e9rapeutiques.<\/p>\n

7. Visualisation univari\u00e9e avec les graphiques de base dans R (Base R)<\/h2>\n

7.1 L’histogramme fondamental : Param\u00e9trage et interpr\u00e9tation<\/h3>\n

L’histogramme constitue la repr\u00e9sentation graphique fondatrice pour appr\u00e9hender visuellement la forme de distribution d’une variable quantitative continue. Dans le moteur graphique natif de R, son \u00e9laboration repose sur la fonction hist()<\/code>. Cet outil partitionne l’intervalle total des donn\u00e9es en classes adjacentes disjointes (ou bins<\/em>) et \u00e9rige au-dessus de chacune d’elles un rectangle dont la hauteur refl\u00e8te soit le nombre absolu d’observations (effectif brut), soit la densit\u00e9 de probabilit\u00e9 relative. Par d\u00e9faut, l’instruction hist(x)<\/code> trace un histogramme bas\u00e9 sur les effectifs bruts.<\/p>\n

Le param\u00e9trage du d\u00e9coupage en classes constitue une d\u00e9cision m\u00e9thodologique majeure influen\u00e7ant directement la perception de la forme distributionnelle. L’argument breaks<\/code> contr\u00f4le ce partitionnement. R utilise par d\u00e9faut la r\u00e8gle de Sturges (breaks = \"Sturges\"<\/code>), efficace pour des distributions normales de taille mod\u00e9r\u00e9e, mais ayant tendance \u00e0 surlisser les donn\u00e9es volumineuses. Pour des corpus cognitifs denses, l’analyste avisera d’exp\u00e9rimenter la m\u00e9thode de Scott (breaks = \"Scott\"<\/code>) ou la r\u00e8gle de Freedman-Diaconis (breaks = \"FD\"<\/code>), cette derni\u00e8re basant la largeur des classes sur l’\u00e9cart interquartile ($\\text{largeur} = 2 \\times \\text{IQR} \\times n^{-1\/3}$<\/span>), ce qui garantit une robustesse optimale face aux queues asym\u00e9triques et aux valeurs aberrantes.<\/p>\n

Pour superposer une courbe gaussienne th\u00e9orique \u00e0 l’histogramme empirique, il est imp\u00e9ratif de modifier l’axe vertical en densit\u00e9 de probabilit\u00e9 en d\u00e9clarant hist(x, freq = FALSE)<\/code>. D\u00e8s lors, l’adjonction de la ligne th\u00e9orique s’effectue au moyen de la commande curve(dnorm(x, mean = mean(x), sd = sd(x)), add = TRUE, col = \"red\", lwd = 2)<\/code>. Cet ajustement visuel permet d’\u00e9valuer instantan\u00e9ment les d\u00e9rives morphologiques, les creux distributionnels et les exc\u00e8s d’aplatissement du jeu de donn\u00e9es par rapport au standard normal th\u00e9orique.<\/p>\n

\"\"<\/figure>\n

7.2 La bo\u00eete \u00e0 moustaches (Boxplot) en R de base<\/h3>\n

Con\u00e7ue par le statisticien John Tukey, la bo\u00eete \u00e0 moustaches (ou boxplot<\/em>) offre un r\u00e9sum\u00e9 visuel non param\u00e9trique synth\u00e9tisant cinq indicateurs fondamentaux : le minimum, le premier quartile ($Q_1$<\/span>), la m\u00e9diane ($Q_2$<\/span>), le troisi\u00e8me quartile ($Q_3$<\/span>) et le maximum non aberrant. Dans l’environnement natif de R, elle se g\u00e9n\u00e8re par l’instruction boxplot(x)<\/code>. Le corps rectangulaire central mat\u00e9rialise l’\u00e9cart interquartile (IQR), au sein duquel un trait horizontal gras localise pr\u00e9cis\u00e9ment la m\u00e9diane. L’observation de l’excentrement de ce trait par rapport aux charni\u00e8res quartiles fournit un diagnostic imm\u00e9diat quant \u00e0 la pr\u00e9sence d’une asym\u00e9trie locale.<\/p>\n

Les moustaches s’\u00e9tendent de part et d’autre de la bo\u00eete selon la r\u00e8gle classique de Tukey : elles atteignent les valeurs empiriques les plus \u00e9loign\u00e9es contenues dans une limite maximale fix\u00e9e \u00e0 1,5 fois l’IQR \u00e0 partir des charni\u00e8res ($Q_1 – 1,5 \\times \\text{IQR}$<\/span> vers le bas, et $Q_3 + 1,5 \\times \\text{IQR}$<\/span> vers le haut). Tout point s’\u00e9tendant au-del\u00e0 de ces fronti\u00e8res est formellement qualifi\u00e9 de valeur atypique ou aberrante (outlier<\/em>) et repr\u00e9sent\u00e9 sous la forme d’un point isol\u00e9. Cette d\u00e9tection graphique automatis\u00e9e simplifie consid\u00e9rablement l’audit de propret\u00e9 des donn\u00e9es comportementales.<\/p>\n

R enrichit cette repr\u00e9sentation d’options avanc\u00e9es \u00e0 haute valeur diagnostique. L’activation de l’argument notch = TRUE<\/code> g\u00e9n\u00e8re un \u00e9tranglement (ou encoche) entourant la m\u00e9diane. La largeur de cette encoche mat\u00e9rialise un intervalle de confiance approch\u00e9 \u00e0 95 % pour la m\u00e9diane ($\\text{Mdn} \\pm 1,58 \\times \\text{IQR} \/ \\sqrt{n}$<\/span>). De surcro\u00eet, le chercheur peut enrichir la bo\u00eete en superposant la moyenne arithm\u00e9tique via la commande compl\u00e9mentaire points(mean(x), col = \"blue\", pch = 18, cex = 1.5)<\/code>, mat\u00e9rialisant en un coup d’\u0153il l’\u00e9cart structural s\u00e9parant les m\u00e9triques param\u00e9trique et non param\u00e9trique.<\/p>\n

7.3 Graphiques de densit\u00e9 empirique et diagrammes en b\u00e2tons<\/h3>\n

L’estimation de densit\u00e9 par noyau (Kernel Density Estimation<\/em>, KDE) constitue l’alternative continue moderne \u00e0 l’histogramme, dont le rendu souffre parfois de l’arbitraire du choix des fronti\u00e8res de classes. Dans R, l’obtention de cette fonction de lissage s’op\u00e8re par l’imbrication des commandes plot(density(x))<\/code>. Cette m\u00e9thode estime la densit\u00e9 de probabilit\u00e9 sous-jacente en agr\u00e9geant des fonctions noyaux (souvent gaussiennes) centr\u00e9es sur chaque point d’observation empirique.<\/p>\n

La pr\u00e9cision de cette repr\u00e9sentation repose sur le choix du param\u00e8tre de largeur de bande (bandwidth<\/em>, param\u00e8tre bw<\/code> dans la fonction density()<\/code>). Une largeur de bande trop restreinte engendre un sous-lissage parasit\u00e9 par le bruit d’\u00e9chantillonnage, cr\u00e9ant de multiples pics artificiels sans fondement th\u00e9orique, tandis qu’une largeur excessive produit un sur-lissage occultant l’\u00e9mergence d’une r\u00e9elle multimodalit\u00e9 clinique. Le param\u00e8tre par d\u00e9faut de R (r\u00e8gle empirique de Silverman modifi\u00e9e) offre un compromis robuste pour la plupart des investigations psychologiques.<\/p>\n

Pour les variables qualitatives ou num\u00e9riques discr\u00e8tes restreintes, les outils continus s’av\u00e8rent inop\u00e9rants. La visualisation s’effectue alors via le diagramme en b\u00e2tons, g\u00e9n\u00e9r\u00e9 dans Base R par barplot(table(x))<\/code>, qui pr\u00e9serve la discontinuit\u00e9 des modalit\u00e9s par des barres s\u00e9par\u00e9es par des espaces vides. Enfin, lorsque les effectifs \u00e9tudi\u00e9s sont tr\u00e8s limit\u00e9s ($n < 20$<\/span>), la commande stripchart(x, method = \"jitter\", pch = 19)<\/code> trace un diagramme \u00e0 points unidimensionnel avec dispersion al\u00e9atoire contr\u00f4l\u00e9e, \u00e9vitant la dissimulation des observations superpos\u00e9es et respectant la transparence m\u00e9trologique int\u00e9grale de l’\u00e9chantillon.<\/p>\n

8. Visualisation univari\u00e9e avanc\u00e9e avec le package ggplot2<\/h2>\n

8.1 Cr\u00e9ation d’histogrammes et de densit\u00e9s esth\u00e9tiques<\/h3>\n

Le package ggplot2<\/strong>, fond\u00e9 sur la grammaire des graphiques th\u00e9orique de Leland Wilkinson, offre un contr\u00f4le typographique, chromatique et esth\u00e9tique sup\u00e9rieur pour la restitution acad\u00e9mique des distributions univari\u00e9es. Dans cette approche modulaire, le graphique se construit par s\u00e9dimentation de couches successives unies par l’op\u00e9rateur arithm\u00e9tique +<\/code>. L’architecture minimale pour cartographier une variable quantitative au sein d’un tableau df<\/code> s’articule autour de la liaison esth\u00e9tique ggplot(df, aes(x = variable))<\/code>.<\/p>\n

La superposition ma\u00eetris\u00e9e d’un histogramme et d’une courbe de densit\u00e9 s’obtient en sp\u00e9cifiant explicitement la mise \u00e0 l’\u00e9chelle de l’histogramme sur l’axe des densit\u00e9s via l’argument d’assignation esth\u00e9tique aes(y = after_stat(density))<\/code> au sein de geom_histogram()<\/code>. Cette instruction permet ensuite de juxtaposer harmonieusement la courbe continue trac\u00e9e par geom_density()<\/code>. La modulation de l’argument binwidth<\/code> dans geom_histogram()<\/code> offre un contr\u00f4le millim\u00e9trique de la largeur des intervalles, permettant d’aligner parfaitement les barres sur les unit\u00e9s psychom\u00e9triques de l’instrument de mesure.<\/p>\n

L’excellence \u00e9ditoriale impose le recours \u00e0 des palettes chromatiques perceptuellement uniformes et adapt\u00e9es aux lecteurs atteints de d\u00e9ficiences de la vision des couleurs, telles que la palette viridis<\/a>. L’application d’un th\u00e8me minimaliste d\u00e9barrass\u00e9 des \u00e9l\u00e9ments graphiques superflus via theme_classic()<\/code> ou theme_minimal()<\/code>, coupl\u00e9e \u00e0 la sp\u00e9cification pr\u00e9cise des titres d’axes et des unit\u00e9s par la couche labs()<\/code>, produit des figures pr\u00eates \u00e0 \u00eatre soumises aux comit\u00e9s de lecture des revues savantes.<\/p>\n

8.2 Repr\u00e9sentations hybrides : Raincloud plots et Boxplots enrichis<\/h3>\n

Si les bo\u00eetes \u00e0 moustaches conventionnelles synth\u00e9tisent efficacement les quantiles, elles dissimulent la forme r\u00e9elle de la distribution et peuvent masquer une bimodalit\u00e9 prononc\u00e9e derri\u00e8re une apparence de sym\u00e9trie. Pour rem\u00e9dier \u00e0 cette c\u00e9cit\u00e9 graphique, la recherche contemporaine en neurosciences a d\u00e9velopp\u00e9 les Raincloud plots<\/em> (graphiques en nuages de pluie). Cette configuration hybride r\u00e9unit sur un axe partag\u00e9 un demi-graphique de violon (refl\u00e9tant la densit\u00e9 liss\u00e9e, le nuage), une bo\u00eete \u00e0 moustaches condens\u00e9e (refl\u00e9tant les quartiles de Tukey) et la projection sous-jacente des points bruts individuels (la pluie).<\/p>\n

Dans l’environnement ggplot2<\/strong>, la concr\u00e9tisation d’une telle repr\u00e9sentation fait appel \u00e0 des extensions sp\u00e9cialis\u00e9es comme ggdist<\/strong> ou gghalves<\/strong>. La fonction stat_halfeye()<\/code> trace la demi-densit\u00e9 sup\u00e9rieure, tandis que la couche geom_boxplot(width = 0.15, outlier.shape = NA)<\/code> ins\u00e8re la bo\u00eete r\u00e9capitulative au centre. Pour repr\u00e9senter les points individuels sans masquer leur densit\u00e9 locale, la commande geom_jitter(height = 0, width = 0.05, alpha = 0.4)<\/code> injecte un bruit al\u00e9atoire contr\u00f4l\u00e9 le long de l’axe perpendiculaire, r\u00e9solvant le probl\u00e8me du chevauchement des mesures discr\u00e8tes.<\/p>\n

Ces repr\u00e9sentations hybrides se pr\u00eatent id\u00e9alement \u00e0 l’int\u00e9gration de marqueurs th\u00e9oriques ou cliniques critiques. L’ajout d’une ligne verticale discontinue via la commande geom_vline(xintercept = seuil_pathologique, linetype = \"dashed\", color = \"firebrick\")<\/code> permet de contextualiser imm\u00e9diatement la distribution par rapport aux normes sanitaires ou diagnostiques, conf\u00e9rant \u00e0 la figure un statut d’outil de communication scientifique tant descriptif qu’analytique.<\/p>\n

8.3 Diagrammes Quantile-Quantile (Q-Q plots) sous ggplot2<\/h3>\n

Le diagramme Quantile-Quantile (Q-Q plot) constitue l’outil diagnostique graphique par excellence pour juger de l’ad\u00e9quation d’une distribution empirique \u00e0 un mod\u00e8le probabiliste th\u00e9orique, particuli\u00e8rement la distribution normale standard de Gauss. Le principe consiste \u00e0 ordonner les scores observ\u00e9s au sein de l’\u00e9chantillon et \u00e0 tracer chaque quantile empirique en fonction du quantile th\u00e9orique correspondant issu de la loi normale id\u00e9ale. Si les donn\u00e9es proviennent d’une population gaussienne, les points doivent s’aligner rigoureusement le long de la bissectrice diagonale.<\/p>\n

Sous ggplot2<\/strong>, cette figure diagnostique s’\u00e9labore nativement gr\u00e2ce aux g\u00e9om\u00e9tries statistiques sp\u00e9cialis\u00e9es stat_qq()<\/code> et stat_qq_line()<\/code> int\u00e9gr\u00e9es \u00e0 l’appel esth\u00e9tique ggplot(df, aes(sample = variable))<\/code>. La ligne de r\u00e9f\u00e9rence trac\u00e9e par stat_qq_line()<\/code> traverse par d\u00e9finition le premier et le troisi\u00e8me quartile de l’\u00e9chantillon, servant de guide visuel pour rep\u00e9rer les d\u00e9viations morphologiques syst\u00e9miques.<\/p>\n

L’interpr\u00e9tation clinique des courbures du Q-Q plot requiert un \u0153il averti : un trac\u00e9 en forme de \u00ab S \u00bb invers\u00e9 refl\u00e8te une distribution leptokurtique aux queues \u00e9paisses (les quantiles empiriques extr\u00eames sont plus \u00e9loign\u00e9s du centre que ne le pr\u00e9voit la th\u00e9orie), tandis qu’un trac\u00e9 en forme de banane ou de bol courbe traduit une asym\u00e9trie unilat\u00e9rale marqu\u00e9e. Pour s\u00e9curiser l’\u00e9valuation visuelle, le recours au package car<\/strong> avec la commande car::qqPlot()<\/code> ou \u00e0 l’extension qqplotr<\/strong> sous ggplot2 permet d’ajouter des bandes de confiance bootstrapp\u00e9es \u00e0 95 % entourant la diagonale : toute sortie durable d’un chapelet de points en dehors de ces enveloppes atteste d’une violation statistiquement significative du postulat de normalit\u00e9.<\/p>\n

9. D\u00e9tection et gestion univari\u00e9e des valeurs aberrantes (Outliers)<\/h2>\n

9.1 M\u00e9thodes statistiques univari\u00e9es de d\u00e9tection<\/h3>\n

L’identification des observations aberrantes ou atypiques (outliers<\/em>) constitue l’une des t\u00e2ches les plus d\u00e9licates de l’audit univari\u00e9. Une valeur aberrante est une observation qui d\u00e9vie de mani\u00e8re si prononc\u00e9e des autres composantes de l’\u00e9chantillon qu’elle suscite le soup\u00e7on d’avoir \u00e9t\u00e9 g\u00e9n\u00e9r\u00e9e par un m\u00e9canisme sous-jacent distinct. La premi\u00e8re approche classique repose sur la standardisation en scores Z (Z-scores<\/em>), formalis\u00e9e par l’\u00e9quation $Z_i = (x_i – M) \/ SD$<\/span>. Programm\u00e9e dans R via la fonction scale(x)<\/code>, la r\u00e8gle d\u00e9cisionnelle conventionnelle classe comme potentiellement atypique tout score $Z$<\/span> dont la valeur absolue exc\u00e8de 3,29 (seuil correspondant \u00e0 une probabilit\u00e9 d’occurrence inf\u00e9rieure \u00e0 $p < 0,001$<\/span> sous l'hypoth\u00e8se de normalit\u00e9). Toutefois, cette m\u00e9thode pr\u00e9sente un paradoxe d'autocontamination : la pr\u00e9sence m\u00eame de cas aberrants majeurs distend la moyenne et gonfle l'\u00e9cart-type, ce qui masque parfois d'autres anomalies r\u00e9elles (effet de masquage).<\/p>\n

Pour s’affranchir de cette vuln\u00e9rabilit\u00e9, la r\u00e8gle robuste des moustaches de Tukey, fond\u00e9e sur l’intervalle interquartile, d\u00e9finit deux seuils fixes ext\u00e9rieurs : les bornes douces $[Q_1 – 1,5 \\times \\text{IQR}, Q_3 + 1,5 \\times \\text{IQR}]$<\/span> et les bornes dures $[Q_1 – 3 \\times \\text{IQR}, Q_3 + 3 \\times \\text{IQR}]$<\/span>. Les observations situ\u00e9es au-del\u00e0 des bornes dures sont consid\u00e9r\u00e9es comme des valeurs hautement aberrantes. L’extraction de ces cas dans R s’op\u00e8re instantan\u00e9ment via le vecteur boxplot.stats(x)$out<\/code>, qui r\u00e9pertorie l’ensemble des scores tombant au-del\u00e0 du seuil de 1,5 IQR.<\/p>\n

Une troisi\u00e8me m\u00e9thode, encore plus robuste et de plus en plus pr\u00e9conis\u00e9e par les m\u00e9thodologues en psychologie statistique, exploite l’\u00e9cart absolu m\u00e9dian (MAD). Popularis\u00e9e par Leys, Ley, Klein, Bernard et Licata (2013), cette r\u00e8gle qualifie d’aberrante toute observation satisfaisant au crit\u00e8re : $|x_i – \\text{Mdn}| \/ \\text{MAD} > 2,5$<\/span> (ou 3,0 pour des crit\u00e8res plus conservateurs). Programmable dans R par which(abs(x - median(x, na.rm = TRUE)) \/ mad(x, na.rm = TRUE) > 2.5)<\/code>, cette m\u00e9thode garantit une d\u00e9tection insensible \u00e0 l’amplitude des anomalies pr\u00e9sentes, offrant une puissance de d\u00e9tection sup\u00e9rieure sur les \u00e9chantillons cliniques bruit\u00e9s.<\/p>\n

9.2 Origine des anomalies : Erreurs de mesure vs variabilit\u00e9 humaine authentique<\/h3>\n

La d\u00e9couverte d’une anomalie statistique ne doit en aucun cas d\u00e9clencher son effacement automatis\u00e9 et r\u00e9flexe. L’analyste doit imp\u00e9rativement mener une enqu\u00eate \u00e9tiologique afin de d\u00e9terminer l’origine fondamentale de la d\u00e9viation. Deux grandes classes causales s’opposent : les erreurs techniques de collecte et la variabilit\u00e9 comportementale humaine authentique. Les erreurs techniques regroupent les fautes de frappe lors de la saisie manuelle (par exemple encoder un \u00e2ge de 220 ans au lieu de 22 ans), les pannes de capteurs physiologiques, ou les r\u00e9ponses fournies par des participants non engag\u00e9s qui cochent la modalit\u00e9 maximale sur l’ensemble des items en quelques secondes.<\/p>\n

\u00c0 l’oppos\u00e9, la variabilit\u00e9 authentique traduit l’expression r\u00e9elle d’un profil psychologique ou cognitif rare mais valide sur le plan m\u00e9trologique. Dans une \u00e9tude portant sur le syndrome de stress post-traumatique, un score d’intrusion exceptionnellement \u00e9lev\u00e9 chez un survivant d’attentat ne rel\u00e8ve pas de l’erreur instrumentale, mais incarne fid\u00e8lement l’extr\u00eame s\u00e9v\u00e9rit\u00e9 de la souffrance psychique. De m\u00eame, les performances chronom\u00e9triques exceptionnelles de quelques individus lors d’une t\u00e2che d’attention soutenue peuvent refl\u00e9ter une expertise cognitive r\u00e9elle (ph\u00e9nom\u00e8ne des super-recognizers<\/em> en reconnaissance de visages).<\/p>\n

L’\u00e9limination aveugle et non motiv\u00e9e d’observations extr\u00eames valides produit des dommages collat\u00e9raux s\u00e9v\u00e8res sur la d\u00e9marche scientifique. Elle r\u00e9duit artificiellement la variance r\u00e9elle du ph\u00e9nom\u00e8ne \u00e9tudi\u00e9, comprime la validit\u00e9 externe des r\u00e9sultats et cr\u00e9e un biais d’optimisme sur la performance moyenne des populations cliniques. La transparence m\u00e9thodologique impose de documenter explicitement chaque d\u00e9cision d’exclusion dans le rapport scientifique final, en fournissant syst\u00e9matiquement le d\u00e9compte exact et la justification th\u00e9orique de chaque retrait d’observation.<\/p>\n

9.3 Strat\u00e9gies d’ajustement : Suppression, winsorisation et imputation<\/h3>\n

Face \u00e0 des donn\u00e9es atypiques confirm\u00e9es comme non repr\u00e9sentatives du construit cible, plusieurs alternatives d’ajustement s’offrent au chercheur dans l’environnement R. La strat\u00e9gie la plus radicale consiste en la suppression cibl\u00e9e des observations apr\u00e8s identification des indices de lignes. Cette proc\u00e9dure s’impl\u00e9mente par simple exclusion indicielle : df_clean <- df[-indices_outliers, ]<\/code>. Cependant, la suppression pure r\u00e9duit la taille de l’\u00e9chantillon global, d\u00e9grade la puissance statistique et peut compromettre l’\u00e9quilibre exp\u00e9rimental d’un plan factoriel.<\/p>\n

Une alternative \u00e9l\u00e9gante et non destructrice r\u00e9side dans la winsorisation (ou \u00e9courtement statistique). Au lieu de supprimer le score atypique, cette technique le ram\u00e8ne au centile de troncature pr\u00e9d\u00e9fini le plus proche (typiquement le 5e et le 95e percentile, ou les bornes de Tukey). Ainsi, l’observation conserve son rang hi\u00e9rarchique au sein de la s\u00e9rie ordonn\u00e9e sans peser de fa\u00e7on disproportionn\u00e9e sur les calculs param\u00e9triques. Le package DescTools<\/strong> fournit une impl\u00e9mentation directe via sa fonction d\u00e9di\u00e9e : DescTools::Winsorize(x, probs = c(0.05, 0.95))<\/code>.<\/p>\n

La comparaison syst\u00e9matique des indicateurs avant et apr\u00e8s ajustement constitue une bonne pratique incontournable. L’ex\u00e9cution r\u00e9p\u00e9t\u00e9e de mean()<\/code> et sd()<\/code> sur le vecteur original versus le vecteur winsoris\u00e9 met en lumi\u00e8re l’ampleur de la stabilisation param\u00e9trique obtenue. Si les conclusions scientifiques g\u00e9n\u00e9rales demeurent inchang\u00e9es entre la s\u00e9rie brute et la s\u00e9rie ajust\u00e9e, le chercheur apporte la preuve de la robustesse de ses inf\u00e9rences face aux variations d’\u00e9chantillonnage.<\/p>\n

10. \u00c9valuation formelle de la normalit\u00e9 univari\u00e9e dans R<\/h2>\n

10.1 Le test de Shapiro-Wilk et ses conditions d’application<\/h3>\n

L’inf\u00e9rence statistique param\u00e9trique repose majoritairement sur le postulat que la distribution sous-jacente de la variable (ou de ses r\u00e9sidus) suit une loi normale. L’\u00e9valuation formelle de cette ad\u00e9quation peut \u00eatre instruite par des tests d’hypoth\u00e8ses d\u00e9di\u00e9s, parmi lesquels le test de Shapiro-Wilk s’impose comme l’\u00e9talon d’or m\u00e9thodologique en raison de sa sensibilit\u00e9 sup\u00e9rieure face \u00e0 une vaste gamme d’alternatives non gaussiennes. Dans R, son ex\u00e9cution s’effectue via la primitive shapiro.test(x)<\/code>.<\/p>\n

L’hypoth\u00e8se nulle ($H_0$<\/span>) du test postule que l’\u00e9chantillon empirique est issu d’une population parente distribu\u00e9e normalement. Par cons\u00e9quent, l’obtention d’une valeur de p ($p$<\/span>-value) statistiquement significative (traditionnellement $p < 0,05$<\/span>) contraint le chercheur \u00e0 rejeter l'hypoth\u00e8se nulle et \u00e0 conclure \u00e0 une violation du postulat de normalit\u00e9. Inversement, une valeur de $p ge 0,05$<\/span> ne prouve pas formellement que la distribution est strictement normale, mais indique simplement que l'\u00e9cart observ\u00e9 n'est pas suffisant pour \u00e9carter cette hypoth\u00e8se au seuil alpha retenu.<\/p>\n

N\u00e9anmoins, le test de Shapiro-Wilk souffre d’un paradoxe bien connu li\u00e9 \u00e0 la taille de l’\u00e9chantillon. Sur des cohortes massives ($n > 500$<\/span>), le test acquiert une puissance statistique excessive et d\u00e9tecte des micro-d\u00e9viations morphologiques totalement d\u00e9nu\u00e9es d’impact pratique sur les statistiques inf\u00e9rentielles (risque accru d’erreur de Type I quant au rejet de la normalit\u00e9). \u00c0 l’inverse, sur des effectifs tr\u00e8s r\u00e9duits ($n < 30$<\/span>), fr\u00e9quents en imagerie c\u00e9r\u00e9brale fonctionnelle ou en neuropsychologie des l\u00e9sions c\u00e9r\u00e9brales, le test manque cruellement de puissance statistique pour d\u00e9celer des asym\u00e9tries pourtant probl\u00e9matiques (risque d'erreur de Type II). Ces limites imposent d'associer imp\u00e9rativement le test formel \u00e0 une inspection visuelle conjointe via les diagrammes Q-Q plots.<\/p>\n

\"\"<\/figure>\n

10.2 Tests alternatifs : Kolmogorov-Smirnov, Anderson-Darling et Jarque-Bera<\/h3>\n

Au-del\u00e0 du test de Shapiro-Wilk, l’analyste sous R dispose d’un panel \u00e9tendu de tests d’ad\u00e9quation distributionnelle permettant de trianguler ses diagnostics. Le test classique de Kolmogorov-Smirnov, impl\u00e9ment\u00e9 par ks.test()<\/code>, s’av\u00e8re inop\u00e9rant lorsque les param\u00e8tres de moyenne et d’\u00e9cart-type sont directement estim\u00e9s \u00e0 partir de l’\u00e9chantillon \u00e9tudi\u00e9. Il convient alors de mobiliser sa version corrig\u00e9e, le test de Lilliefors, accessible dans le package nortest<\/strong> via l’instruction nortest::lillie.test(x)<\/code>. Ce test compare la fonction de r\u00e9partition empirique \u00e0 la fonction de r\u00e9partition th\u00e9orique cumulative sous estimation d’\u00e9chantillon.<\/p>\n

Pour une sensibilit\u00e9 accrue aux d\u00e9formations log\u00e9es dans les queues distributionnelles (extr\u00eames), le package nortest<\/strong> propose le test d’Anderson-Darling par la fonction nortest::ad.test(x)<\/code>. Ce test applique un coefficient de pond\u00e9ration sup\u00e9rieur sur les marges de la distribution, le rendant redoutablement efficace pour d\u00e9tecter la pr\u00e9sence insidieuse d’une leptokurticit\u00e9 ou d’observations atypiques masqu\u00e9es qui \u00e9chapperaient \u00e0 d’autres m\u00e9triques globales.<\/p>\n

Enfin, pour les macro-donn\u00e9es ou les approches \u00e9conom\u00e9triques du comportement, le test de Jarque-Bera, disponible dans la biblioth\u00e8que tseries<\/strong> via tseries::jarque.bera.test(x)<\/code>, v\u00e9rifie l’hypoth\u00e8se de normalit\u00e9 en se fondant exclusivement sur la mesure jointe du skewness et du kurtosis. Le tableau m\u00e9thodologique suivant synth\u00e9tise les propri\u00e9t\u00e9s d\u00e9cisionnelles respectives de ces diff\u00e9rentes \u00e9preuves face aux caract\u00e9ristiques des donn\u00e9es psychom\u00e9triques :<\/p>\n

    \n
  • Shapiro-Wilk (shapiro.test) :<\/strong> Puissance globale maximale pour $n le 50$<\/span>. Fortement recommand\u00e9 pour les petits \u00e0 moyens \u00e9chantillons cliniques. Sensibilit\u00e9 excessive d\u00e8s que $n > 300$<\/span>.<\/li>\n
  • Anderson-Darling (nortest::ad.test) :<\/strong> Sensibilit\u00e9 exacerb\u00e9e aux d\u00e9viations affectant les queues de distribution. Id\u00e9al pour l’analyse des temps de r\u00e9action chronom\u00e9triques.<\/li>\n
  • Lilliefors \/ Kolmogorov-Smirnov (nortest::lillie.test) :<\/strong> Test conservateur, souvent moins puissant que Shapiro-Wilk, mais utile pour les distributions asym\u00e9triques mod\u00e9r\u00e9es.<\/li>\n
  • Jarque-Bera (tseries::jarque.bera.test) :<\/strong> Optimis\u00e9 pour les tr\u00e8s grands \u00e9chantillons ($n > 1000$<\/span>). Peu performant sur les cohortes cliniques r\u00e9duites.<\/li>\n<\/ul>\n

    10.3 Transformation de variables non normales au niveau univari\u00e9<\/h3>\n

    Lorsque le diagnostic univari\u00e9 met en \u00e9vidence un rejet irr\u00e9ductible de la normalit\u00e9 et que le cadre d’analyse ult\u00e9rieur exige imp\u00e9rativement le respect de ce postulat, le recours aux transformations math\u00e9matiques non lin\u00e9aires constitue une strat\u00e9gie classique. L’objectif consiste \u00e0 appliquer une fonction math\u00e9matique monotone \u00e0 chaque observation afin de recomprimer les valeurs \u00e9tir\u00e9es et de sym\u00e9triser artificiellement la morphologie de la courbe empirique.<\/p>\n

    Pour corriger une asym\u00e9trie positive marqu\u00e9e (longue tra\u00eene droite), trois fonctions arithm\u00e9tiques sont traditionnellement exploit\u00e9es dans R : la transformation racine carr\u00e9e via sqrt(x)<\/code> pour les asym\u00e9tries mod\u00e9r\u00e9es, la transformation logarithmique n\u00e9p\u00e9rienne via log(x)<\/code> (ou log(x + 1)<\/code> si la variable contient des valeurs nulles) pour les asym\u00e9tries prononc\u00e9es, et la transformation inverse via -1 \/ x<\/code> pour les d\u00e9viations s\u00e9v\u00e8res. Pour une asym\u00e9trie n\u00e9gative (tra\u00eene gauche), la variable doit d’abord \u00eatre invers\u00e9e g\u00e9om\u00e9triquement par rapport \u00e0 sa borne maximale augment\u00e9e d’une unit\u00e9 avant d’appliquer l’op\u00e9ration logarithmique.<\/p>\n

    Une approche param\u00e9trique plus \u00e9l\u00e9gante r\u00e9side dans la famille de transformations de Box-Cox, accessible via la biblioth\u00e8que MASS<\/strong> avec la fonction MASS::boxcox()<\/code>. Cette proc\u00e9dure estime par maximum de vraisemblance la valeur optimale du param\u00e8tre de puissance $lambda$<\/span> (lambda) permettant de maximiser la normalit\u00e9 de la distribution r\u00e9sultante. N\u00e9anmoins, la science ouverte et la psychologie contemporaine \u00e9mettent de s\u00e9rieuses r\u00e9serves \u00e9pist\u00e9mologiques quant \u00e0 ces manipulations forc\u00e9es : les donn\u00e9es transform\u00e9es perdent leur \u00e9chelle de mesure originale (un score transform\u00e9 en log de millisecondes ou en racine carr\u00e9e d’anxi\u00e9t\u00e9 cesse d’\u00eatre directement interpr\u00e9table sur le plan clinique). De nos jours, les m\u00e9thodologues recommandent de privil\u00e9gier des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s (GLM) adapt\u00e9s aux distributions non gaussiennes plut\u00f4t que d’alt\u00e9rer artificiellement les mesures empiriques.<\/p>\n

    11. \u00c9tude de cas empirique compl\u00e8te pas-\u00e0-pas : Analyse d’un score de d\u00e9pression<\/h2>\n

    11.1 D\u00e9finition du jeu de donn\u00e9es et contexte psychologique<\/h3>\n

    Afin de concr\u00e9tiser l’ensemble de ces pr\u00e9ceptes au sein d’un pipeline op\u00e9ratoire unique, nous d\u00e9ployons une \u00e9tude de cas empirique int\u00e9grale consacr\u00e9e \u00e0 l’analyse univari\u00e9e du score global obtenu \u00e0 l’inventaire de d\u00e9pression de Beck de seconde \u00e9dition (BDI-II). Cet instrument psychom\u00e9trique \u00e9value la s\u00e9v\u00e9rit\u00e9 de la symptomatologie d\u00e9pressive \u00e0 travers 21 items scor\u00e9s de 0 \u00e0 3, g\u00e9n\u00e9rant un score composite continu s’\u00e9chelonnant de 0 \u00e0 63. Dans une population clinique de r\u00e9f\u00e9rence, la distribution de ce score tend g\u00e9n\u00e9ralement \u00e0 pr\u00e9senter une asym\u00e9trie positive mod\u00e9r\u00e9e, ponctu\u00e9e de quelques d\u00e9compensations aigu\u00ebs se traduisant par des scores extr\u00eames.<\/p>\n

    Nous simulons une cohorte de recherche clinique de $N = 250$<\/span> participants adultes recrut\u00e9s lors d’une \u00e9tude observationnelle multicentrique en psychiatrie de liaison. Pour garantir la reproductibilit\u00e9 totale du protocole computationnel, la graine al\u00e9atoire est initialis\u00e9e via l’instruction set.seed(2025)<\/code>. Le vecteur des scores bruts, nomm\u00e9 score_bdi<\/code>, est g\u00e9n\u00e9r\u00e9 par un mod\u00e8le gamma asym\u00e9trique calibr\u00e9 sur des param\u00e8tres empiriques r\u00e9els, auquel sont agr\u00e9g\u00e9es intentionnellement quelques observations atypiques s\u00e9v\u00e8res afin d’\u00e9prouver la robustesse de nos algorithmes de d\u00e9tection.<\/p>\n

    L’audit initial de la structure du vecteur commence par la v\u00e9rification de sa taille exacte via length(score_bdi)<\/code>, le contr\u00f4le de l’absence de valeurs aberrantes impossibles en dehors du continuum d’\u00e9valuation th\u00e9orique $[0, 63]$<\/span> par la commande range(score_bdi)<\/code>, et l’\u00e9valuation du statut de compl\u00e9tude via sum(is.na(score_bdi))<\/code>. Cet examen structurel garantit que la cha\u00eene s\u00e9quentielle de traitement peut \u00eatre engag\u00e9e sans risque d’erreur d’ex\u00e9cution computationnelle.<\/p>\n

    11.2 Ex\u00e9cution s\u00e9quentielle de l’analyse univari\u00e9e<\/h3>\n

    La premi\u00e8re phase computationnelle consiste \u00e0 extraire simultan\u00e9ment les indicateurs param\u00e9triques et non param\u00e9triques de tendance centrale et de variabilit\u00e9. L’ex\u00e9cution de la fonction mean(score_bdi)<\/code> r\u00e9v\u00e8le une moyenne empirique brute de 18,42 points ($SD = 11,25$<\/span>), tandis que la commande robuste median(score_bdi)<\/code> indique une m\u00e9diane abaiss\u00e9e \u00e0 15,00 points ($IQR = 14,00$<\/span>). L’\u00e9cart manifeste s\u00e9parant la moyenne de la m\u00e9diane signale d’embl\u00e9e une d\u00e9formation asym\u00e9trique de la distribution vers les scores \u00e9lev\u00e9s, confirm\u00e9e par le calcul d’une moyenne tronqu\u00e9e \u00e0 10 % via mean(score_bdi, trim = 0.10)<\/code> s’\u00e9levant \u00e0 17,20 points.<\/p>\n

    L’auscultation morphologique formelle s’op\u00e8re par l’appel aux fonctions sp\u00e9cialis\u00e9es de psych<\/strong> et moments<\/strong>. L’instruction moments::skewness(score_bdi)<\/code> retourne un coefficient d’asym\u00e9trie de $+1,18$<\/span>, caract\u00e9risant une asym\u00e9trie positive significative, tandis que moments::kurtosis(score_bdi)<\/code> indique une valeur de $4,45$, soit un exc\u00e8s leptokurtique de $+1,45$<\/span> d\u00e9notant une probabilit\u00e9 accrue de scores s\u00e9v\u00e8res par rapport \u00e0 une loi de Gauss th\u00e9orique. La confirmation inf\u00e9rentielle de la non-normalit\u00e9 est confirm\u00e9e par le test formel de Shapiro-Wilk : l’ex\u00e9cution de shapiro.test(score_bdi)<\/code> renvoie une statistique $W = 0,918$<\/span> associ\u00e9e \u00e0 une valeur critique de $p < 0,0001$<\/span>, rejetant sans \u00e9quivoque l'hypoth\u00e8se de normalit\u00e9 param\u00e9trique.<\/p>\n

    L’audit univari\u00e9 se poursuit par l’identification cibl\u00e9e des observations aberrantes via l’algorithme robuste du MAD pr\u00e9conis\u00e9 par Leys et al. (2013). La programmation du filtre which(abs(score_bdi - median(score_bdi)) \/ mad(score_bdi) > 3.0)<\/code> isole trois observations sp\u00e9cifiques situ\u00e9es au-del\u00e0 du seuil des 3 MAD (scores atteignant respectivement 58, 60 et 62 points). L’analyse contextuelle des dossiers cliniques r\u00e9v\u00e8le qu’il s’agit de patients hospitalis\u00e9s pour \u00e9pisode d\u00e9pressif majeur r\u00e9sistant avec caract\u00e9ristiques psychotiques : ces observations repr\u00e9sentent une variabilit\u00e9 psychopathologique authentique d’une gravit\u00e9 exceptionnelle et ne doivent en aucun cas \u00eatre ray\u00e9es de la base empirique.<\/p>\n

    Enfin, pour satisfaire aux exigences diagnostiques de l’\u00e9pid\u00e9miologie clinique, le score continu est discr\u00e9tis\u00e9 en cat\u00e9gories de s\u00e9v\u00e9rit\u00e9 ordonn\u00e9es selon les seuils nosologiques du manuel du BDI-II (D\u00e9pression minime : 0-13 ; L\u00e9g\u00e8re : 14-19 ; Mod\u00e9r\u00e9e : 20-28 ; S\u00e9v\u00e8re : 29-63) \u00e0 l’aide de l’instruction cut()<\/code>. L’application de table(bdi_classes)<\/code> et prop.table(table(bdi_classes)) * 100<\/code> met en lumi\u00e8re que 44,8 % de la cohorte rel\u00e8ve d’une intensit\u00e9 minime, 21,2 % d’une symptomatologie l\u00e9g\u00e8re, 18,0 % d’une intensit\u00e9 mod\u00e9r\u00e9e et 16,0 % d’une d\u00e9pression clinique s\u00e9v\u00e8re, dressant le profil \u00e9pid\u00e9miologique complet du groupe d’\u00e9tude.<\/p>\n

    11.3 Production d’une figure de synth\u00e8se composite<\/h3>\n

    Afin de rendre compte visuellement de l’ensemble de ces constats statistiques au sein d’une publication de haut niveau, nous structurons une planche graphique multi-panneaux haute d\u00e9finition en combinant la puissance de ggplot2<\/strong> et du package d’agencement spatial patchwork<\/strong>. Cette synth\u00e8se r\u00e9unit trois figures interconnect\u00e9es align\u00e9es sur la m\u00eame s\u00e9mantique esth\u00e9tique :<\/p>\n

    Le panneau A d\u00e9ploie un histogramme \u00e0 haute r\u00e9solution coupl\u00e9 \u00e0 une courbe de densit\u00e9 empirique liss\u00e9e en vert \u00e9meraude, avec l’adjonction de deux lignes verticales distinctes marquant respectivement la moyenne arithm\u00e9tique (en bleu soutenu) et la m\u00e9diane robuste (en rouge carmin). Le panneau B int\u00e8gre un Raincloud plot<\/em> combinant un demi-violon, une bo\u00eete \u00e0 moustaches minimale et un nuage de points individuels avec dispersion al\u00e9atoire (jitter<\/em>), mat\u00e9rialisant visuellement les trois cas atypiques s\u00e9v\u00e8res au-dessus de la ligne pointill\u00e9e marquant le seuil diagnostique de s\u00e9v\u00e9rit\u00e9 ($Score ge 29$<\/span>). Enfin, le panneau C fournit le diagramme Quantile-Quantile (Q-Q plot) normal, illustrant sans ambigu\u00eft\u00e9 le d\u00e9tachement curviligne des quantiles sup\u00e9rieurs hors des limites de la diagonale th\u00e9orique de r\u00e9f\u00e9rence.<\/p>\n

    L’assemblage s’ex\u00e9cute avec la syntaxe directe (panneau_A | panneau_B) \/ panneau_C + plot_annotation(tag_levels = 'A')<\/code>, conf\u00e9rant \u00e0 la planche une structure normalis\u00e9e pour revue scientifique. L’exportation finale s’effectue via la fonction ggsave()<\/code> en sp\u00e9cifiant une r\u00e9solution matricielle de 300 points par pouce (DPI) sous format vectoriel PDF ou TIFF compress\u00e9, avec v\u00e9rification scrupuleuse des contrastes de luminance pour garantir une accessibilit\u00e9 parfaite aux lecteurs daltoniens.<\/p>\n

    12. Restitution acad\u00e9mique des r\u00e9sultats univari\u00e9s selon les normes APA<\/h2>\n

    12.1 R\u00e9daction scientifique des statistiques univari\u00e9es dans le texte<\/h3>\n

    La communication acad\u00e9mique des r\u00e9sultats d’une analyse univari\u00e9e au sein de la section \u00ab R\u00e9sultats \u00bb d’un manuscrit scientifique est strictement r\u00e9glement\u00e9e par la 7e \u00e9dition du manuel de publication de l’American Psychological Association (APA 7). Le principe directeur impose d’adapter scrupuleusement les indicateurs rapport\u00e9s \u00e0 la nature distributionnelle de la variable constat\u00e9e lors de la phase d’audit univari\u00e9. Lorsque la distribution satisfait au mod\u00e8le normal th\u00e9orique, les statistiques privil\u00e9gi\u00e9es sont la moyenne arithm\u00e9tique ($M$<\/span>) et l’\u00e9cart-type ($SD$<\/span>). En revanche, d\u00e8s lors qu’une asym\u00e9trie substantielle ou des valeurs aberrantes sont identifi\u00e9es, la d\u00e9ontologie scientifique requiert de reporter prioritairement la m\u00e9diane ($Mdn$<\/span>) et l’intervalle interquartile ($IQR$<\/span>), compl\u00e9t\u00e9s par les coefficients morphologiques.<\/p>\n

    Sur le plan typographique, les conventions APA imposent l’usage de l’italique pour l’ensemble des symboles statistiques scalaires repr\u00e9sent\u00e9s par des lettres latines ($M$<\/span>, $SD$<\/span>, $Mdn$<\/span>, $IQR$<\/span>, $n$<\/span>, $N$<\/span>, $p$<\/span>, $W$<\/span>). Les valeurs statistiques doivent \u00eatre rapport\u00e9es avec deux d\u00e9cimales de pr\u00e9cision (\u00e0 l’exception des probabilit\u00e9s critiques $p$<\/span>, rapport\u00e9es avec trois d\u00e9cimales sans z\u00e9ro initial si elles ne peuvent exc\u00e9der 1, par exemple $p = .042$<\/span> ou $p < .001$<\/span>).<\/p>\n

    Voici un mod\u00e8le comparatif rigoureux de formulation textuelle acad\u00e9mique selon le comportement de la variable :<\/p>\n

    Formulation pour une distribution normale :<\/em> \u00ab Le score d’estime de soi manifestait une distribution unimodale sym\u00e9trique ($W = 0,991, p = .124$<\/span>). Les participants ont rapport\u00e9 un niveau moyen d’estime de soi de 34,52 points ($SD = 6,18, IC_{95%} [33,75 ; 35,29]$<\/span>), avec une \u00e9tendue s’\u00e9chelonnant de 18,00 \u00e0 50,00 points. \u00bb<\/p>\n

    Formulation pour une distribution asym\u00e9trique (cas du BDI-II \u00e9tudi\u00e9) :<\/em> \u00ab La distribution des scores globaux au BDI-II s’est av\u00e9r\u00e9e significativement asym\u00e9trique et leptokurtique ($Skewness = 1,18 ; Kurtosis = 4,45$<\/span>), s’\u00e9cartant formellement du mod\u00e8le de normalit\u00e9 univari\u00e9e ($W = 0,918, p < .001$<\/span>). En cons\u00e9quence, les m\u00e9triques robustes ont \u00e9t\u00e9 privil\u00e9gi\u00e9es : la m\u00e9diane de la cohorte s'\u00e9tablissait \u00e0 15,00 points ($IQR = 14,00, Mdn_{tronqu\u00e9e} = 17,20$<\/span>), pour une moyenne arithm\u00e9tique de 18,42 points ($SD = 11,25$<\/span>). Trois observations atypiques s\u00e9v\u00e8res ($Scores ge 58$<\/span>) ont \u00e9t\u00e9 document\u00e9es sans exclusion. \u00bb<\/p>\n

    12.2 Conception de tableaux de synth\u00e8se univari\u00e9e aux normes APA<\/h3>\n

    L’exhaustivit\u00e9 descriptive d’une batterie d’instruments psychom\u00e9triques gagne \u00e0 \u00eatre synth\u00e9tis\u00e9e sous forme d’un tableau univari\u00e9 structur\u00e9. Les exigences \u00e9ditoriales APA r\u00e9gissant la conception tabulaire sont draconiennes : les tableaux ne doivent comporter aucune ligne verticale de d\u00e9marcation<\/strong>, et les lignes horizontales doivent \u00eatre r\u00e9duites au strict minimum fonctionnel (un trait horizontal sup\u00e9rieur bordant l’en-t\u00eate, un trait inf\u00e9rieur s\u00e9parant les labels de colonnes des donn\u00e9es, et un trait terminal cl\u00f4turant la base du tableau avant les notes de bas de page).<\/p>\n

    Pour parvenir \u00e0 ce niveau de finition au sein de l’\u00e9cosyst\u00e8me R sans intervention manuelle post-compilation, l’analyste fait appel aux extensions de mise en page typographique telles que knitr::kable()<\/strong> associ\u00e9e \u00e0 kableExtra<\/strong>, ou \u00e0 la biblioth\u00e8que sp\u00e9cialis\u00e9e modelsummary<\/strong>. Ces outils permettent d’extraire la matrice descriptive g\u00e9n\u00e9r\u00e9e par psych::describe()<\/code> et d’ordonner logiquement les colonnes en sp\u00e9cifiant l’arrondi d\u00e9cimal, les alignements de texte \u00e0 gauche et les chiffres centr\u00e9s.<\/p>\n

    Le tableau statistique doit syst\u00e9matiquement comporter en note de bas de page (Note.<\/em>) les d\u00e9finitions formelles des abr\u00e9viations mobilis\u00e9es, l’indication de l’\u00e9ventuel traitement des donn\u00e9es manquantes, ainsi que la nature des \u00e9preuves d’ad\u00e9quation distributionnelle appliqu\u00e9es. L’automatisation de cette cha\u00eene logicielle permet d’exporter directement le tableau au format Microsoft Word (.docx<\/code>) ou LaTeX pour une insertion transparente dans le manuscrit scientifique.<\/p>\n

    12.3 Check-list m\u00e9thodologique avant le passage aux analyses bivari\u00e9es et multivari\u00e9es<\/h3>\n

    L’ach\u00e8vement de l’analyse univari\u00e9e ne marque pas la fin de la d\u00e9marche empirique, mais conditionne formellement la l\u00e9gitimit\u00e9 du basculement vers les mod\u00e9lisations d’associations corr\u00e9lationnelles, de comparaisons de groupes ou de r\u00e9gressions causales. Avant de lancer la moindre analyse multivari\u00e9e, le chercheur doit valider scrupuleusement une grille de contr\u00f4le m\u00e9thodologique standardis\u00e9e comprenant quatre points d’arbitrage critiques :<\/p>\n

4.1 \u00c9tendue empirique et \u00e9tendue interquartile (IQR)<\/h3>\n

La caract\u00e9risation d’une distribution exige d’appr\u00e9cier son \u00e9talement. L’indicateur le plus imm\u00e9diat est l’\u00e9tendue empirique, calcul\u00e9e par la soustraction de la valeur minimale \u00e0 la valeur maximale : $\\text{\u00c9tendue} = x_{\\max} – x_{\\min}$<\/span>. Dans R, la commande range(x)<\/code> renvoie un vecteur contenant le minimum et le maximum, permettant de calculer l’\u00e9tendue par l’instruction diff(range(x, na.rm = TRUE))<\/code>. Bien que cette mesure fournisse une d\u00e9limitation spatiale claire de l’espace empirique couvert, elle s’av\u00e8re excessivement sensible aux valeurs extr\u00eames et d\u00e9pend fortement de la taille de l’\u00e9chantillon, s’\u00e9largissant m\u00e9caniquement lorsque $n$<\/span> cro\u00eet.<\/p>\n

Pour s’affranchir de cette fragilit\u00e9, la m\u00e9trologie diff\u00e9rentielle privil\u00e9gie l’\u00e9tendue interquartile (IQR pour Interquartile Range<\/em>). L’IQR mesure la distance s\u00e9parant le troisi\u00e8me quartile ($Q_3$<\/span>, 75e percentile) du premier quartile ($Q_1$<\/span>, 25e percentile), isolant ainsi les 50 % centraux de la population autour de la m\u00e9diane. Dans R, l’appel \u00e0 la fonction IQR(x, na.rm = TRUE)<\/code> effectue directement cette soustraction. En divisant l’IQR par deux, on obtient l’\u00e9cart semi-interquartile, un param\u00e8tre de dispersion particuli\u00e8rement pris\u00e9 en psychom\u00e9trie diff\u00e9rentielle pour comparer l’\u00e9talement de groupes dont les distributions violent l’hypoth\u00e8se de normalit\u00e9.<\/p>\n

Un aspect m\u00e9thodologique fondamental sous R r\u00e9side dans le calcul des quantiles via la fonction quantile(x, probs)<\/code>. Le logiciel propose neuf algorithmes distincts de calcul, param\u00e9tr\u00e9s par l’argument type<\/code> (allant de 1 \u00e0 9). Par d\u00e9faut, R utilise type = 7<\/code>, qui applique une fonction de r\u00e9partition continue lin\u00e9aire standard adapt\u00e9e aux mod\u00e8les continus g\u00e9n\u00e9raux. En revanche, le progiciel SPSS<\/a> recourt classiquement \u00e0 l’algorithme type = 6<\/code>, tandis que les statisticiens recommandent fr\u00e9quemment type = 8<\/code> pour obtenir des estimations de quantiles exemptes de biais quelle que soit la forme de la distribution sous-jacente. L’explicitation de cet argument garantit une stricte reproductibilit\u00e9 inter-logiciels.<\/p>\n