{"id":7576,"date":"2026-09-16T21:11:18","date_gmt":"2026-09-16T21:11:18","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/difference-entre-glm-et-lm-dans-r\/"},"modified":"2026-09-16T21:11:18","modified_gmt":"2026-09-16T21:11:18","slug":"difference-entre-glm-et-lm-dans-r","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=difference-entre-glm-et-lm-dans-r","title":{"rendered":"La diff\u00e9rence entre glm et lm dans R"},"content":{"rendered":"

L’analyse statistique moderne et la mod\u00e9lisation pr\u00e9dictive au sein de l’environnement de programmation statistique R reposent sur un ensemble de paradigmes algorithmiques et math\u00e9matiques rigoureusement structur\u00e9s. Au c\u0153ur de cet \u00e9difice se trouvent deux fonctions fondamentales, omnipr\u00e9sentes tant dans les travaux de recherche acad\u00e9mique que dans les applications industrielles de pointe : lm()<\/code> et glm()<\/code>. Si la premi\u00e8re de ces fonctions est universellement reconnue comme le point d’ancrage de la mod\u00e9lisation lin\u00e9aire classique par la m\u00e9thode des moindres carr\u00e9s, la seconde constitue une g\u00e9n\u00e9ralisation th\u00e9orique et computationnelle d’une port\u00e9e consid\u00e9rablement plus vaste, formalis\u00e9e par l’architecture des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s (GLM). Comprendre la fronti\u00e8re conceptuelle, computationnelle et m\u00e9thodologique qui s\u00e9pare ces deux outils ne constitue pas un simple exercice d’\u00e9rudition informatique, mais une n\u00e9cessit\u00e9 absolue pour tout chercheur ou praticien soucieux de la validit\u00e9 de ses inf\u00e9rences statistiques.<\/p>\n

Dans la pratique contemporaine de la mod\u00e9lisation, une confusion persiste fr\u00e9quemment quant aux contextes d’application respectifs de ces deux fonctions. Il arrive r\u00e9guli\u00e8rement que lm()<\/code> soit employ\u00e9e de mani\u00e8re inappropri\u00e9e sur des donn\u00e9es discr\u00e8tes ou born\u00e9es, conduisant \u00e0 des estimations biais\u00e9es, \u00e0 des r\u00e9sidus h\u00e9t\u00e9rosc\u00e9dastiques et \u00e0 des pr\u00e9dictions d\u00e9pourvues de sens logique ou probabiliste. R\u00e9ciproquement, la fonction glm()<\/code> est parfois per\u00e7ue \u00e0 tort comme un algorithme fondamentalement distinct et ind\u00e9pendant, alors m\u00eame que le mod\u00e8le lin\u00e9aire canonique s’inscrit math\u00e9matiquement comme un cas particulier de la famille exponentielle de distributions sous une fonction de lien identit\u00e9. L’objectif du pr\u00e9sent trait\u00e9 est de d\u00e9construire avec une rigueur exhaustive les fondements, les m\u00e9canismes sous-jacents, les divergences d’impl\u00e9mentation et les r\u00e9percussions empiriques de l’arbitrage entre ces deux piliers du calcul statistique.<\/p>\n

\u00c0 travers une exploration syst\u00e9matique des dimensions \u00e9pist\u00e9mologiques, syntaxiques, algorithmiques et diagnostiques, cet article offre un guide d\u00e9finitif pour naviguer entre lm()<\/code> et glm()<\/code>. En s’appuyant sur des illustrations appliqu\u00e9es \u00e0 la psychom\u00e9trie et aux sciences comportementales \u2014 disciplines particuli\u00e8rement vuln\u00e9rables aux erreurs de sp\u00e9cification distributionnelle \u2014, nous mettrons en lumi\u00e8re les m\u00e9canismes internes du moteur d’estimation de R, depuis la d\u00e9composition QR directe jusqu’aux it\u00e9rations du score de Fisher. Cette analyse fournira aux m\u00e9thodologistes et aux analystes de donn\u00e9es les cl\u00e9s conceptuelles requises pour maximiser la robustesse, la pr\u00e9cision et la reproductibilit\u00e9 de leurs investigations quantitatives.<\/p>\n

1. Fondements \u00e9pist\u00e9mologiques et th\u00e9oriques de la mod\u00e9lisation statistique dans R<\/h2>\n

1.1 La r\u00e9gression lin\u00e9aire classique et l’approche des moindres carr\u00e9s ordinaires<\/h3>\n

La r\u00e9gression lin\u00e9aire classique s’enracine dans la th\u00e9orie de l’estimation lin\u00e9aire sans biais optimale formalis\u00e9e par le th\u00e9or\u00e8me de Gauss-Markov<\/a>. Dans le cadre d\u00e9fini par la fonction lm()<\/code> de R, le mod\u00e8le postule que la variable d\u00e9pendante continue observ\u00e9e est g\u00e9n\u00e9r\u00e9e par une combinaison lin\u00e9aire de pr\u00e9dicteurs fixes ou al\u00e9atoires, \u00e0 laquelle s’additionne une perturbation al\u00e9atoire non observable. Les postulats gaussiens fondamentaux requi\u00e8rent imp\u00e9rativement la lin\u00e9arit\u00e9 des param\u00e8tres, l’ind\u00e9pendance statistique des observations, l’homosc\u00e9dasticit\u00e9 \u2014 c’est-\u00e0-dire une variance d’erreur conditionnelle constante \u00e0 travers l’ensemble des niveaux des r\u00e9gresseurs \u2014 et, pour l’inf\u00e9rence exacte en \u00e9chantillon fini, la normalit\u00e9 multivari\u00e9e des erreurs stochastiques.<\/p>\n

D’un point de vue g\u00e9om\u00e9trique, l’approche des moindres carr\u00e9s ordinaires (MCO ou OLS pour Ordinary Least Squares<\/em>) consiste \u00e0 projeter orthogonalement le vecteur des observations multidimensionnelles sur le sous-espace vectoriel lin\u00e9aire engendr\u00e9 par les colonnes de la matrice de plan d’exp\u00e9rience (design matrix<\/em>). L’objectif explicite de cette minimisation est d’annuler la d\u00e9riv\u00e9e premi\u00e8re de la somme des carr\u00e9s des erreurs r\u00e9siduelles par rapport au vecteur des coefficients, fournissant une solution alg\u00e9brique directe et ferm\u00e9e. Cette m\u00e9thode ne n\u00e9cessite pas initialement la sp\u00e9cification int\u00e9grale d’une distribution de probabilit\u00e9 pour identifier le point de minimisation g\u00e9om\u00e9trique, bien que l’hypoth\u00e8se d’une loi gaussienne sous-jacente devienne incontournable d\u00e8s lors que l’on proc\u00e8de \u00e0 des tests d’hypoth\u00e8ses bas\u00e9s sur les lois de Student et de Fisher.<\/p>\n

L’\u00e9volution historique de cette impl\u00e9mentation algorithmique s’\u00e9tend sur plusieurs d\u00e9cennies. D\u00e9velopp\u00e9e originellement au sein des laboratoires Bell par John Chambers et ses collaborateurs dans le langage S, l’impl\u00e9mentation de la r\u00e9gression lin\u00e9aire a \u00e9t\u00e9 pens\u00e9e pour d\u00e9coupler la formulation symbolique des mod\u00e8les scientifiques de leur r\u00e9solution num\u00e9rique. Lors de la transition vers le langage R au d\u00e9but des ann\u00e9es 1990 par Ross Ihaka et Robert Gentleman, la routine lm()<\/code> a \u00e9t\u00e9 refondue pour int\u00e9grer les standards les plus exigeants de l’analyse num\u00e9rique matricielle, s’appuyant sur des sous-programmes de la biblioth\u00e8que Fortran LINPACK puis LAPACK, assurant une fiabilit\u00e9 absolue du calcul des projections orthogonales.<\/p>\n

1.2 L’\u00e9mergence des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s selon le cadre de Nelder et Wedderburn<\/h3>\n

En 1972, une rupture paradigmatique majeure s’est op\u00e9r\u00e9e dans la litt\u00e9rature statistique avec la publication de l’article s\u00e9minal de John Nelder et Robert Wedderburn<\/a> au sein du Journal of the Royal Statistical Society<\/em>. Les auteurs ont d\u00e9montr\u00e9 que la r\u00e9gression lin\u00e9aire classique, la r\u00e9gression logistique, le mod\u00e8le probit et les mod\u00e8les log-lin\u00e9aires pour tableaux de contingence ne constituaient pas des familles th\u00e9oriques disjointes, mais relevaient tous d’une classe analytique unifi\u00e9e : les mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s (GLM). Cette unification repose sur l’affranchissement de l’hypoth\u00e8se restrictive de normalit\u00e9 des r\u00e9sidus par l’adoption de la famille exponentielle de distributions, englobant notamment les lois gaussienne, binomiale, poissonienne, gamma et gaussienne inverse.<\/p>\n

L’architecture structurelle d’un mod\u00e8le lin\u00e9aire g\u00e9n\u00e9ralis\u00e9 repose sur trois composantes interd\u00e9pendantes rigoureusement articul\u00e9es. Premi\u00e8rement, la composante al\u00e9atoire sp\u00e9cifie la distribution de probabilit\u00e9 de la variable d\u00e9pendante, appartenant n\u00e9cessairement \u00e0 la famille exponentielle univari\u00e9e ou de dispersion. Deuxi\u00e8mement, le pr\u00e9dicteur lin\u00e9aire, conventionnellement not\u00e9 eta, combine de mani\u00e8re strictement additive les variables explicatives pond\u00e9r\u00e9es par leurs coefficients respectifs. Troisi\u00e8mement, la fonction de lien math\u00e9matique \u00e9tablit une transformation monotone diff\u00e9rentiable reliant l’esp\u00e9rance conditionnelle de la r\u00e9ponse au pr\u00e9dicteur lin\u00e9aire, permettant d’assurer que les pr\u00e9dictions g\u00e9n\u00e9r\u00e9es respectent scrupuleusement le domaine de d\u00e9finition th\u00e9orique de la variable r\u00e9ponse.<\/p>\n

Cette formalisation a r\u00e9volutionn\u00e9 la th\u00e9orie statistique en permettant de traiter des ph\u00e9nom\u00e8nes dont la variance est intrins\u00e8quement d\u00e9pendante de l’esp\u00e9rance conditionnelle \u2014 une caract\u00e9ristique observ\u00e9e de fa\u00e7on syst\u00e9matique dans les donn\u00e9es discr\u00e8tes ou fortement asym\u00e9triques. Le cadre des GLM transcende ainsi les limitations de la lin\u00e9arit\u00e9 additive brute en autorisant des relations non lin\u00e9aires entre les moyennes et les pr\u00e9dicteurs, tout en pr\u00e9servant les propri\u00e9t\u00e9s d’optimalit\u00e9 asymptotique de l’estimation par le maximum de vraisemblance.<\/p>\n

1.3 Pertinence m\u00e9thodologique en psychom\u00e9trie et sciences comportementales<\/h3>\n

Dans les disciplines vou\u00e9es \u00e0 l’\u00e9valuation psychologique, aux neurosciences cognitives et aux sciences comportementales, les variables d\u00e9pendantes se plient rarement aux pr\u00e9requis id\u00e9alis\u00e9s de la mod\u00e9lisation gaussienne continue. Les chercheurs sont confront\u00e9s quotidiennement \u00e0 des protocoles de mesure employant des \u00e9chelles d’\u00e9valuation de Likert polytomiques, des temps de r\u00e9action fortement asym\u00e9triques tronqu\u00e9s \u00e0 z\u00e9ro, des r\u00e9ussites ou \u00e9checs binaires \u00e0 des items d’aptitude cognitive, ou des fr\u00e9quences de manifestations symptomatiques. Ces m\u00e9triques se caract\u00e9risent par des distributions intrins\u00e8quement discr\u00e8tes, born\u00e9es et non homosc\u00e9dastiques, remettant directement en cause l’usage instinctif de la fonction lm()<\/code>.<\/p>\n

L’application aveugle de mod\u00e8les lin\u00e9aires classiques sur des scores de nature ordinale ou dichotomique g\u00e9n\u00e8re des risques analytiques substantiels. L’erreur la plus pernicieuse r\u00e9side dans la violation structurelle de l’homosc\u00e9dasticit\u00e9 : pour une variable binaire, la variance r\u00e9siduelle d\u00e9pend math\u00e9matiquement du produit de la probabilit\u00e9 de succ\u00e8s et de son compl\u00e9ment, atteignant son maximum pour une probabilit\u00e9 de 0,5 et tendant vers z\u00e9ro aux extr\u00e9mit\u00e9s de l’\u00e9chelle. L’emploi des moindres carr\u00e9s ordinaires dans ce contexte conduit \u00e0 une sous-estimation syst\u00e9matique des erreurs-types, g\u00e9n\u00e9rant des taux de faux positifs inacceptables et compromettant irr\u00e9m\u00e9diablement l’inf\u00e9rence statistique sur les effets d’int\u00e9r\u00eat.<\/p>\n

Par cons\u00e9quent, l’arbitrage m\u00e9thodologique entre le paradigme lin\u00e9aire restreint de lm()<\/code> et le cadre \u00e9largi de glm()<\/code> conditionne directement la validit\u00e9 de construit et la pr\u00e9cision inf\u00e9rentielle des recherches comportementales. Recourir \u00e0 une fonction de lien ad\u00e9quate permet d’ajuster des mod\u00e8les psychom\u00e9triques qui respectent la nature probabiliste des processus latents mesur\u00e9s, pr\u00e9servant la signification clinique des param\u00e8tres estim\u00e9s face aux distorsions induites par des transformations ad hoc de variables.<\/p>\n

2. Analyse syntaxique et structurelle : comparaison formelle des signatures lm() et glm()<\/h2>\n

2.1 Structure d’appel et d\u00e9composition de la formule dans lm()<\/h3>\n

L’invocation canonique de la fonction lm()<\/code> dans R est r\u00e9gie par une grammaire formelle h\u00e9rit\u00e9e de la notation de Wilkinson et Rogers. La signature minimale s’articule autour de la formule symbolique reliant la variable r\u00e9ponse aux variables explicatives par le biais de l’op\u00e9rateur tilde. Au sein de cette formule, R d\u00e9ploie un moteur d’interpr\u00e9tation syntaxique sophistiqu\u00e9 capable de d\u00e9velopper automatiquement les contrastes factoriels, d’inclure implicitement un terme d’interception \u00e0 l’origine \u2014 sauf exclusion explicite via l’op\u00e9rateur de soustraction \u2014 et de g\u00e9n\u00e9rer l’ensemble des interactions d’ordre sup\u00e9rieur \u00e0 travers les op\u00e9rateurs de multiplication ou de croisement factoriel.<\/p>\n

La gestion native des contrastes par lm()<\/code> illustre la fluidit\u00e9 du traitement des variables qualitatives. Lorsqu’un facteur est introduit, R examine l’attribut contrasts<\/em> associ\u00e9 \u00e0 la variable ou recourt aux options globales de l’environnement, le comportement par d\u00e9faut \u00e9tant l’application de contrastes de traitement qui comparent chaque modalit\u00e9 non basale \u00e0 une modalit\u00e9 de r\u00e9f\u00e9rence. Parall\u00e8lement, l’argument optionnel weights<\/code> permet de pond\u00e9rer chaque observation par un scalaire strictement positif, impl\u00e9mentant ainsi les moindres carr\u00e9s pond\u00e9r\u00e9s (WLS) pour corriger une h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 connue a priori, tandis que l’argument subset<\/code> extrait conditionnellement un sous-\u00e9chantillon sans requ\u00e9rir d’op\u00e9ration de filtrage pr\u00e9liminaire de la matrice de donn\u00e9es.<\/p>\n

L’objet formule pass\u00e9 \u00e0 lm()<\/code> conserve \u00e9galement des m\u00e9ta-informations critiques au sein de son environnement parent, ce qui garantit que l’\u00e9valuation des symboles s’effectue dans le contexte lexical appropri\u00e9. Cette rigueur structurelle permet \u00e0 lm()<\/code> d’extraire la matrice d’exp\u00e9rience $X$<\/span> en mobilisant en coulisse les fonctions de bas niveau model.frame()<\/code> et model.matrix()<\/code>, \u00e9tapes indispensables pour pr\u00e9parer les matrices num\u00e9riques destin\u00e9es aux sous-programmes compil\u00e9s en langage C et Fortran.<\/p>\n

2.2 L’argument discriminateur family dans glm() et sa valeur par d\u00e9faut<\/h3>\n

La distinction syntaxique la plus critique entre les deux fonctions r\u00e9side dans la pr\u00e9sence de l’argument family<\/code> au sein de glm()<\/code>. Cet argument attend un objet de classe formelle family<\/em>, encapsulant non seulement le nom de la distribution choisie, mais \u00e9galement un ensemble complet de fonctions vectoris\u00e9es impl\u00e9mentant la fonction de lien, sa r\u00e9ciproque, la d\u00e9riv\u00e9e du lien, la fonction de variance exprim\u00e9e en fonction de la moyenne, ainsi que la fonction de d\u00e9viance r\u00e9siduelle. L’absence d’un tel argument dans lm()<\/code> traduit son ancrage exclusif dans le paradigme gaussien \u00e0 lien identit\u00e9.<\/p>\n

Lorsque la fonction glm()<\/code> est appel\u00e9e sans que l’utilisateur ne renseigne explicitement l’argument family<\/code>, R applique par d\u00e9faut la valeur gaussian(link = \"identity\")<\/code>. Cette configuration par d\u00e9faut engendre une convergence math\u00e9matique remarquable : elle aligne les sp\u00e9cifications distributionnelles du GLM sur celles de la r\u00e9gression lin\u00e9aire classique. Il est toutefois possible d’instancier explicitement des g\u00e9n\u00e9rateurs de familles statistiques diversifi\u00e9s, tels que binomial(link = \"logit\")<\/code>, poisson(link = \"log\")<\/code>, ou Gamma(link = \"inverse\")<\/code>, en passant soit la cha\u00eene de caract\u00e8res correspondante, soit l’appel de fonction param\u00e9tr\u00e9.<\/p>\n

L’architecture modulaire de l’objet family<\/code> conf\u00e8re \u00e0 glm()<\/code> une extensibilit\u00e9 exceptionnelle. Un utilisateur avanc\u00e9 peut construire une famille enti\u00e8rement personnalis\u00e9e en d\u00e9finissant manuellement les m\u00e9thodes math\u00e9matiques requises par l’algorithme d’optimisation, ce qui permet d’ajuster des mod\u00e8les hors du champ conventionnel, une flexibilit\u00e9 totalement absente de la fonction rigide et monolithique lm()<\/code>.<\/p>\n

2.3 Gestion des arguments optionnels et contr\u00f4le des it\u00e9rations d’optimisation<\/h3>\n

Puisque l’estimation des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s requiert g\u00e9n\u00e9ralement la r\u00e9solution num\u00e9rique d’\u00e9quations non lin\u00e9aires par des m\u00e9thodes d’approximation successives, glm()<\/code> introduit des arguments sp\u00e9cifiques d’une importance capitale pour la stabilit\u00e9 de l’algorithme. L’argument control<\/code> accepte une liste de param\u00e8tres r\u00e9gulateurs g\u00e9n\u00e9r\u00e9s par la fonction auxiliaire glm.control()<\/code>. Celle-ci permet de moduler la tol\u00e9rance de convergence num\u00e9rique \u2014 mesur\u00e9e par le changement relatif de d\u00e9viance entre deux it\u00e9rations \u2014, de fixer le seuil maximal d’it\u00e9rations autoris\u00e9es avant interruption, et de solliciter l’affichage d\u00e9taill\u00e9 de l’historique d’optimisation.<\/p>\n

Par ailleurs, pour pallier les \u00e9cueils de divergence num\u00e9rique fr\u00e9quents dans les espaces de param\u00e8tres complexes ou mal conditionn\u00e9s, glm()<\/code> autorise l’initialisation d\u00e9terministe de la recherche num\u00e9rique gr\u00e2ce aux arguments start<\/code>, etastart<\/code> et mustart<\/code>. Ces vecteurs permettent \u00e0 l’analyste d’injecter des valeurs a priori plausibles pour les coefficients du mod\u00e8le, pour le pr\u00e9dicteur lin\u00e9aire ou directement pour l’esp\u00e9rance math\u00e9matique, \u00e9vitant ainsi que les algorithmes ne d\u00e9rivent vers des r\u00e9gions ind\u00e9finies de la surface de log-vraisemblance o\u00f9 les gradients s’annulent ou deviennent infinis.<\/p>\n

Enfin, la mod\u00e9lisation des processus de taux ou de comptage temporellement index\u00e9s requiert la prise en compte d’un d\u00e9calage d’exposition connu, g\u00e9n\u00e9ralement d\u00e9sign\u00e9 sous le terme d’offset. L’argument formel offset<\/code> de glm()<\/code> permet d’int\u00e9grer dans le pr\u00e9dicteur lin\u00e9aire un vecteur num\u00e9rique dont le coefficient associ\u00e9 est rigidement contraint \u00e0 la valeur unit\u00e9 ($1.0$). Bien que lm()<\/code> supporte \u00e9galement la sp\u00e9cification d’un offset, son utilisation dans glm()<\/code> est conceptuellement distincte, puisqu’elle permet de mod\u00e9liser des taux d’occurrence par unit\u00e9 de temps, de volume ou de population au sein d’une structure logarithmique, formalisant la d\u00e9composition multiplicative essentielle aux processus d’intensit\u00e9 poissonnienne.<\/p>\n

3. M\u00e9canismes math\u00e9matiques et algorithmes d’estimation sous-jacents<\/h2>\n

3.1 Moindres carr\u00e9s ordinaires (OLS) via d\u00e9composition QR dans lm()<\/h3>\n

Le c\u0153ur computationnel de la fonction lm()<\/code> repose sur un algorithme matriciel non it\u00e9ratif garantissant une stabilit\u00e9 num\u00e9rique exceptionnelle : la d\u00e9composition QR<\/a> de la matrice d’exp\u00e9rience $X$<\/span>. Au lieu d’inverser directement la matrice de produit scalaire $X^T X$<\/span> \u2014 une op\u00e9ration extr\u00eamement sensible aux erreurs d’arrondi num\u00e9rique d\u00e8s lors que des pr\u00e9dicteurs pr\u00e9sentent des degr\u00e9s de corr\u00e9lation mod\u00e9r\u00e9s \u2014, R factorise la matrice $X$<\/span>, de dimension $n \\times p$<\/span>, sous la forme d’un produit $X = Q R$<\/span>. Dans cette d\u00e9composition, la matrice $Q$<\/span> est une matrice orthogonale de dimension $n \\times p$<\/span> v\u00e9rifiant $Q^T Q = I_p$<\/span>, et $R$<\/span> est une matrice triangulaire sup\u00e9rieure de dimension $p \\times p$<\/span>, inversible si le rang de $X$<\/span> est complet.<\/p>\n

En substituant cette factorisation dans l’\u00e9quation normale des moindres carr\u00e9s, l’expression formelle du vecteur des estimateurs $\\hat{\\beta} = (X^T X)^{-1} X^T Y$<\/span> se simplifie de mani\u00e8re spectaculaire :
\n$$R \\hat{\\beta} = Q^T Y$$<\/span>
\nCette structure triangulaire permet de d\u00e9terminer les coefficients $\\hat{\\beta}$<\/span> par un algorithme \u00e9l\u00e9mentaire de substitution arri\u00e8re (back-substitution<\/em>). Ce proc\u00e9d\u00e9 \u00e9vite tout recours \u00e0 une inversion matricielle explicite, r\u00e9duisant consid\u00e9rablement la propagation des erreurs en arithm\u00e9tique flottante conforme \u00e0 la norme IEEE 754.<\/p>\n

L’impl\u00e9mentation de bas niveau s’op\u00e8re via la routine interne dqrls<\/code>, qui int\u00e8gre une strat\u00e9gie de pivotement de colonnes. Ce m\u00e9canisme d\u00e9tecte automatiquement la colin\u00e9arit\u00e9 exacte : si une colonne de la matrice de plan s’av\u00e8re lin\u00e9airement d\u00e9pendante des pr\u00e9c\u00e9dentes, son \u00e9l\u00e9ment diagonal dans la matrice $R$<\/span> s’annule, conduisant le programme \u00e0 affecter la valeur NA<\/code> au coefficient associ\u00e9 et \u00e0 \u00e9liminer la variable redondante du calcul des degr\u00e9s de libert\u00e9, pr\u00e9servant ainsi l’unicit\u00e9 math\u00e9matique de la solution retenue pour le sous-espace identifiable.<\/p>\n

3.2 Moindres carr\u00e9s r\u00e9cursivement repond\u00e9r\u00e9s (IRLS) et score de Fisher dans glm()<\/h3>\n

Contrairement au cas lin\u00e9aire classique, la maximisation de la log-vraisemblance d’un mod\u00e8le lin\u00e9aire g\u00e9n\u00e9ralis\u00e9 ne d\u00e9bouche g\u00e9n\u00e9ralement pas sur une formulation analytique explicite pour le vecteur $\\hat{\\beta}$<\/span>. La fonction glm()<\/code> r\u00e9sout ce probl\u00e8me d’optimisation non lin\u00e9aire par le biais de l’algorithme des moindres carr\u00e9s it\u00e9rativement repond\u00e9r\u00e9s (IRLS pour Iteratively Reweighted Least Squares<\/em>), qui se r\u00e9v\u00e8le math\u00e9matiquement \u00e9quivalent \u00e0 l’algorithme du score de Fisher \u2014 une variante de la m\u00e9thode de Newton-Raphson o\u00f9 la matrice hessienne empirique est remplac\u00e9e par son esp\u00e9rance math\u00e9matique, la matrice d’information de Fisher.<\/p>\n

Le d\u00e9roulement s\u00e9quentiel de l’IRLS repose sur l’actualisation conjointe, \u00e0 chaque it\u00e9ration $t$<\/span>, d’une variable d\u00e9pendante de travail ajust\u00e9e, not\u00e9e $z_t$<\/span>, et d’une matrice diagonale de poids d’ajustement, not\u00e9e $W_t$<\/span>. La variable ajust\u00e9e est obtenue par lin\u00e9arisation de premier ordre de la fonction de lien autour de l’estimation courante de l’esp\u00e9rance conditionnelle :
\n$$z_t = \\eta_t + (Y – \\mu_t) \\left(\\frac{d\\eta}{d\\mu}\\right)_t$$<\/span>
\nLes poids de travail refl\u00e8tent quant \u00e0 eux l’inverse de la variance asymptotique de cette variable lin\u00e9aris\u00e9e :
\n$$w_{ii, t} = \\frac{1}{V(\\mu_{i, t}) \\left(\\frac{d\\eta_i}{d\\mu_i}\\right)_t^2}$$<\/span>
\no\u00f9 $V(\\mu)$<\/span> repr\u00e9sente la fonction de variance caract\u00e9ristique de la famille distributionnelle choisie.<\/p>\n

\u00c0 chaque pas it\u00e9ratif, R calcule une nouvelle estimation des coefficients par la r\u00e9solution d’un probl\u00e8me de moindres carr\u00e9s pond\u00e9r\u00e9s standard :
\n$$\\hat{\\beta}_{t+1} = (X^T W_t X)^{-1} X^T W_t z_t$$<\/span>
\nCe cycle computationnel se r\u00e9p\u00e8te jusqu’\u00e0 ce que la d\u00e9viance r\u00e9siduelle du mod\u00e8le stabilise sa variation relative en de\u00e7\u00e0 du seuil de tol\u00e9rance num\u00e9rique sp\u00e9cifi\u00e9, ou jusqu’\u00e0 ce que le nombre maximal d’it\u00e9rations soit \u00e9puis\u00e9. En pr\u00e9sence d’une s\u00e9paration quasi-compl\u00e8te des donn\u00e9es dans les r\u00e9gressions logistiques, l’algorithme peut \u00e9chouer \u00e0 converger, les coefficients tendant asymptotiquement vers l’infini, ce qui se manifeste dans R par l’\u00e9mission d’avertissements explicites relatifs \u00e0 l’occurrence de probabilit\u00e9s ajust\u00e9es \u00e9gales \u00e0 0 ou 1.<\/p>\n

3.3 Complexit\u00e9 algorithmique et consommation des ressources informatiques<\/h3>\n

Les divergences fondamentales dans la conception algorithmique de lm()<\/code> et de glm()<\/code> dictent des profils d’allocation de m\u00e9moire vive et d’utilisation du processeur profond\u00e9ment dissemblables. Pour un jeu de donn\u00e9es comportant $n$<\/span> observations et $p$<\/span> pr\u00e9dicteurs, l’ex\u00e9cution de lm()<\/code> pr\u00e9sente une complexit\u00e9 computationnelle th\u00e9orique domin\u00e9e par la d\u00e9composition QR, requ\u00e9rant un ordre de grandeur de $O(2np^2 – \\frac{2}{3}p^3)$<\/span> op\u00e9rations en virgule flottante. Ce calcul est ex\u00e9cut\u00e9 en une passe unique non it\u00e9rative, ce qui conf\u00e8re \u00e0 la fonction une rapidit\u00e9 d’ex\u00e9cution remarquable et une consommation m\u00e9moire d\u00e9terministe, les structures interm\u00e9diaires \u00e9tant allou\u00e9es de mani\u00e8re contigu\u00eb.<\/p>\n

\u00c0 l’inverse, la fonction glm()<\/code> multiplie cette charge computationnelle par le nombre d’it\u00e9rations n\u00e9cessaires \u00e0 la convergence de l’IRLS, le nombre d’it\u00e9rations typique variant de 4 \u00e0 25 selon la qualit\u00e9 de la distribution et l’\u00e9loignement des valeurs initiales. \u00c0 chaque cycle de recalcul, l’algorithme doit reconstruire la variable d\u00e9pendante ajust\u00e9e $z$<\/span>, recalculer l’ensemble des poids diagonaux $W$<\/span>, et ex\u00e9cuter \u00e0 nouveau une d\u00e9composition QR pond\u00e9r\u00e9e sur la matrice $\\sqrt{W}X$<\/span>. Par cons\u00e9quent, sur des volum\u00e9tries de donn\u00e9es massives \u2014 telles que celles issues des protocoles d’acquisition continue en imagerie c\u00e9r\u00e9brale ou de traces num\u00e9riques d’apprentissage \u2014, la surcharge computationnelle induite par glm()<\/code> peut engendrer un facteur multiplicatif de temps de traitement allant de 5 \u00e0 plus de 50 par rapport \u00e0 lm()<\/code>.<\/p>\n

Face au probl\u00e8me de la colin\u00e9arit\u00e9 s\u00e9v\u00e8re, les deux fonctions r\u00e9agissent selon des dynamiques distinctes. Tandis que le pivotement QR de lm()<\/code> isole instantan\u00e9ment les colonnes collinearis\u00e9es au rang pr\u00e8s, la convergence de l’IRLS dans glm()<\/code> devient extr\u00eamement lente et instable lorsque la matrice de variance $X^T W X$<\/span> approche de la singularit\u00e9. La surface de log-vraisemblance aplatie conduit \u00e0 des oscillations de l’estimateur, risquant de d\u00e9clencher des alertes d’arr\u00eat pr\u00e9matur\u00e9 avant l’atteinte d’un v\u00e9ritable extremum local ou global.<\/p>\n

4. Le cas de convergence parfaite : lm() versus glm(family = gaussian)<\/h2>\n

4.1 Identit\u00e9 math\u00e9matique stricte des coefficients estim\u00e9s<\/h3>\n

L’un des th\u00e9or\u00e8mes unificateurs les plus \u00e9l\u00e9gants de la th\u00e9orie statistique stipule que, sous l’hypoth\u00e8se de perturbations stochastiques identiquement et ind\u00e9pendamment distribu\u00e9es selon une loi normale d’esp\u00e9rance nulle et de variance constante $\\sigma^2$<\/span>, l’estimateur des moindres carr\u00e9s ordinaires s’identifie rigoureusement \u00e0 l’estimateur du maximum de vraisemblance. En d’autres termes, minimiser la somme des carr\u00e9s des \u00e9carts euclidiens revient exactement \u00e0 maximiser le noyau de la fonction de densit\u00e9 gaussienne multivari\u00e9e.<\/p>\n

Lorsque l’on param\u00e8tre la fonction glm()<\/code> avec l’argument explicite family = gaussian(link = \"identity\")<\/code>, la fonction de lien est la transformation identit\u00e9 $g(\\mu) = \\mu$<\/span>, de sorte que la d\u00e9riv\u00e9e $deta\/d\\mu$<\/span> est universellement \u00e9gale \u00e0 l’unit\u00e9 ($1$). Par ailleurs, la fonction de variance pour la distribution gaussienne est constante : $V(\\mu) = 1$<\/span>. En injectant ces simplifications dans les \u00e9quations de travail de l’IRLS pr\u00e9sent\u00e9es pr\u00e9c\u00e9demment, on constate imm\u00e9diatement que la variable ajust\u00e9e $z_t$<\/span> devient identique \u00e0 la variable r\u00e9ponse originale $Y$<\/span>, et que la matrice des poids $W_t$<\/span> se r\u00e9duit \u00e0 une matrice identit\u00e9 scalaire pond\u00e9r\u00e9e.<\/p>\n

D\u00e8s lors, l’algorithme IRLS converge d\u00e8s la premi\u00e8re it\u00e9ration, r\u00e9alisant exactement le m\u00eame calcul que l’\u00e9quation normale r\u00e9solue par lm()<\/code>. Il s’ensuit une \u00e9galit\u00e9 num\u00e9rique absolue, jusqu’\u00e0 la limite de pr\u00e9cision d’arrondi de la machine (g\u00e9n\u00e9ralement de l’ordre de $10^{-16}$<\/span> en double pr\u00e9cision IEEE), entre le vecteur des coefficients $\\hat{\\beta}$<\/span> produit par lm()<\/code> et celui retourn\u00e9 par glm(..., family = gaussian)<\/code>. Aucun \u00e9cart substantiel d’estimation ponctuelle ne peut \u00eatre observ\u00e9, ind\u00e9pendamment du nombre de r\u00e9gresseurs ou de la taille de l’\u00e9chantillon.<\/p>\n

4.2 Divergences subtiles dans l’estimation de la variance et de la dispersion<\/h3>\n

En d\u00e9pit de l’identit\u00e9 absolue constat\u00e9e au niveau des estimations ponctuelles des coefficients de r\u00e9gression, une divergence m\u00e9thodologique et computationnelle subtile s\u00e9pare les sorties de lm()<\/code> et de glm()<\/code> quant \u00e0 l’estimation de la variance r\u00e9siduelle du mod\u00e8le, avec des r\u00e9percussions directes sur les erreurs-types associ\u00e9es aux r\u00e9gresseurs. Cette divergence prend sa source dans le traitement des degr\u00e9s de libert\u00e9 de l’\u00e9chantillon pour corriger le biais de l’estimateur de la variance.<\/p>\n

La th\u00e9orie classique des moindres carr\u00e9s impl\u00e9ment\u00e9e dans lm()<\/code> recourt \u00e0 un estimateur sans biais de la variance d’erreur r\u00e9siduelle, not\u00e9 $s^2$<\/span>, qui divise la somme des r\u00e9sidus au carr\u00e9 par les degr\u00e9s de libert\u00e9 r\u00e9siduels exacts, soit $n – k$<\/span> (o\u00f9 $k$<\/span> repr\u00e9sente le nombre total de param\u00e8tres libres estim\u00e9s, y compris la constante d’interception) :
\n$$s^2 = \\frac{\\sum_{i=1}^n (y_i – \\hat{y}_i)^2}{n – k}$$<\/span>
\n\u00c0 l’inverse, l’estimateur pur du maximum de vraisemblance, ancr\u00e9 dans l’asymptotique des GLM, divise conventionnellement la d\u00e9viance r\u00e9siduelle par la taille totale de l’\u00e9chantillon $n$<\/span>, produisant un estimateur biais\u00e9 mais convergent de la variance r\u00e9siduelle :
\n$$\\hat{\\sigma}_{ML}^2 = \\frac{\\sum_{i=1}^n (y_i – \\hat{y}_i)^2}{n}$$<\/span><\/p>\n

Dans l’environnement R, les concepteurs ont toutefois att\u00e9nu\u00e9 cette dichotomie au sein de la fonction d’affichage summary.glm()<\/code> : pour la famille gaussienne, le param\u00e8tre de dispersion est ajust\u00e9 en utilisant la correction par les degr\u00e9s de libert\u00e9 r\u00e9siduels $n – k$<\/span>. N\u00e9anmoins, des divergences d’interfa\u00e7age demeurent visibles dans le calcul des m\u00e9triques de d\u00e9viance et dans l’extraction de certains crit\u00e8res d’information, l’objet glm<\/code> encapsulant prioritairement la logique asymptotique du maximum de vraisemblance.<\/p>\n

4.3 Implications pratiques pour la r\u00e9plication empirique en psychologie<\/h3>\n

Ces nuances formelles ont des r\u00e9percussions tangibles sur les protocoles de r\u00e9plication et la transparence m\u00e9thodologique au sein des revues scientifiques de psychologie quantitative. Lorsqu’un analyste utilise indiff\u00e9remment lm()<\/code> ou glm(..., family = gaussian)<\/code>, le lecteur non averti ou l’\u00e9valuateur de la revue peut percevoir l’usage de glm()<\/code> comme l’indice d’une mod\u00e9lisation non standard, supposant implicitement une distribution d’erreur asym\u00e9trique ou une fonction de lien non lin\u00e9aire.<\/p>\n

Sur le plan de la reproductibilit\u00e9 logicielle, documenter un mod\u00e8le gaussien standard via glm()<\/code> alourdit inutilement le script et induit des d\u00e9pendances de classes d’objets distinctes lors de l’exportation des r\u00e9sultats vers des outils de mise en forme automatis\u00e9s tels que Stargazer ou modelsummary. Bien que les coefficients et les tests de Student rapport\u00e9s par summary()<\/code> s’av\u00e8rent num\u00e9riquement superposables dans la plupart des configurations contemporaines, le recours \u00e0 lm()<\/code> demeure le standard absolu et universellement attendu par la communaut\u00e9 acad\u00e9mique pour la r\u00e9gression lin\u00e9aire ordinaire.<\/p>\n

Le choix programmatique doit donc respecter un principe de parcimonie expressive : r\u00e9server rigoureusement lm()<\/code> \u00e0 l’ensemble des mod\u00e9lisations fond\u00e9es sur l’hypoth\u00e8se de r\u00e9sidus gaussiens homosc\u00e9dastiques, et ne basculer vers glm()<\/code> que lorsque la violation th\u00e9orique ou distributionnelle de ces postulats justifie explicitement l’adjonction d’une famille statistique sp\u00e9cifique ou d’une fonction de lien non canonique.<\/p>\n

5. La fonction de lien : mod\u00e9lisation non lin\u00e9aire du pr\u00e9dicteur lin\u00e9aire<\/h2>\n

5.1 R\u00f4le th\u00e9orique et formulation math\u00e9matique du lien<\/h3>\n

La composante architecturale qui conf\u00e8re aux mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s toute leur puissance expressive est la fonction de lien, not\u00e9e $g(\\cdot)$<\/span>. Sur le plan formel, la fonction de lien \u00e9tablit une correspondance fonctionnelle continue, strictement monotone et diff\u00e9rentiable entre l’esp\u00e9rance math\u00e9matique conditionnelle de la variable r\u00e9ponse, $\\mu = E(Y|X)$<\/span>, et le pr\u00e9dicteur lin\u00e9aire scalaire $eta$<\/span> :
\n$$\\eta = g(\\mu) = \\sum_{j=0}^p \\beta_j X_j$$<\/span>
\nLa propri\u00e9t\u00e9 de monotonicit\u00e9 garantit la bijectivit\u00e9 locale de la transformation, ce qui permet de projeter univoquement les pr\u00e9dictions depuis l’espace non contraint du pr\u00e9dicteur lin\u00e9aire vers l’espace naturel des observations \u00e0 l’aide de la fonction de lien inverse :
\n$$\\mu = g^{-1}(\\eta)$$<\/span><\/p>\n

Il est fondamental de distinguer conceptuellement la mod\u00e9lisation de la fonction de lien, $g(E(Y|X))$<\/span>, de la transformation directe de la variable d\u00e9pendante, $E(g(Y)|X)$<\/span>, cette derni\u00e8re \u00e9tant fr\u00e9quemment pratiqu\u00e9e de fa\u00e7on heuristique avec la fonction lm()<\/code>. Dans un mod\u00e8le lin\u00e9aire o\u00f9 l’on applique une transformation logarithmique pr\u00e9alable \u00e0 la variable $Y$<\/span>, l’\u00e9quation estim\u00e9e correspond \u00e0 :
\n$$E(\\ln(Y)|X) = X\\beta$$<\/span>
\nDans un mod\u00e8le lin\u00e9aire g\u00e9n\u00e9ralis\u00e9 avec lien log, la sp\u00e9cification structurelle s’\u00e9crit quant \u00e0 elle :
\n$$\\ln(E(Y|X)) = X\\beta iff E(Y|X) = \\exp(X\\beta)$$<\/span>
\nCes deux formulations ne sont en aucun cas interchangeables : l’esp\u00e9rance d’une fonction non lin\u00e9aire d’une variable al\u00e9atoire ne correspond pas \u00e0 la fonction de l’esp\u00e9rance de cette variable, une asym\u00e9trie directement dict\u00e9e par l’in\u00e9galit\u00e9 de Jensen<\/a>.<\/p>\n

La fonction de lien permet ainsi de pr\u00e9server la lin\u00e9arit\u00e9 des param\u00e8tres d’int\u00e9r\u00eat tout en contraignant l’espace de pr\u00e9diction dans des bornes physiquement ou probabilistiquement coh\u00e9rentes. Pour une proportion, le lien restreint $\\mu$<\/span> \u00e0 l’intervalle ouvert $(0, 1)$<\/span> ; pour un comptage, il garantit des valeurs strictement positives dans $(0, +\\infty)$<\/span>.<\/p>\n

5.2 Fonctions de lien canoniques versus fonctions de lien non canoniques<\/h3>\n

Chaque distribution appartenant \u00e0 la famille exponentielle naturelle dispose d’une fonction de lien privil\u00e9gi\u00e9e qualifi\u00e9e de canonique. Le lien canonique survient de mani\u00e8re organique lorsque le pr\u00e9dicteur lin\u00e9aire est \u00e9gal\u00e9 directement au param\u00e8tre naturel de la formulation canonique de la densit\u00e9 de probabilit\u00e9. Sur le plan statistique, l’adoption d’une fonction de lien canonique conf\u00e8re des propri\u00e9t\u00e9s d’optimalit\u00e9 analytique remarquables : elle garantit l’existence de statistiques exhaustives de dimension minimale pour le vecteur des coefficients $\\beta$<\/span>, simplifie la matrice d’information de Fisher en l’identifiant \u00e0 la matrice hessienne observ\u00e9e, et assure la convergence globale monotone de l’algorithme d’optimisation en \u00e9liminant les risques de minima locaux sur la surface de d\u00e9viance.<\/p>\n

Le tableau suivant illustre la cartographie rigoureuse reliant les distributions majeures de la famille exponentielle, leurs param\u00e8tres naturels et leurs fonctions de lien canoniques respectives :<\/p>\n