Dans le champ de l’\u00e9conom\u00e9trie appliqu\u00e9e, de la biom\u00e9trie et de la science des donn\u00e9es, l’inf\u00e9rence fond\u00e9e sur le mod\u00e8le de r\u00e9gression lin\u00e9aire classique repose sur un ensemble de postulats stochastiques d’une rigueur absolue. Parmi ces conditions pr\u00e9alables, la constance de la variance des perturbations non observables, d\u00e9sign\u00e9e sous le terme d’homosc\u00e9dasticit\u00e9, occupe une place pr\u00e9pond\u00e9rante dans la justification th\u00e9orique de l’optimalit\u00e9 des estimateurs des Moindres Carr\u00e9s Ordinaires (MCO). Lorsque cette pr\u00e9misse se trouve enfreinte, l’analyste fait face \u00e0 l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9, un d\u00e9r\u00e8glement distributionnel susceptible d’invalider les tests de significativit\u00e9 statistique \u00e9l\u00e9mentaires, tels que les tests de Student et de Fisher, en alt\u00e9rant le calcul des erreurs-types sans pour autant biaiser les coefficients ponctuels.<\/p>\n
Face \u00e0 la complexit\u00e9 des donn\u00e9es empiriques contemporaines, caract\u00e9ris\u00e9es par des non-lin\u00e9arit\u00e9s sous-jacentes et des structures de d\u00e9pendance denses, la d\u00e9tection pr\u00e9coce des distorsions de variance constitue une \u00e9tape m\u00e9thodologique incontournable. Bien que plusieurs approches diagnostiques aient \u00e9t\u00e9 d\u00e9velopp\u00e9es au fil des d\u00e9cennies, le test con\u00e7u par l’\u00e9conom\u00e8tre Halbert White en 1980<\/a> s’est impos\u00e9 comme l’\u00e9talon-or des tests diagnostiques g\u00e9n\u00e9raux. Son universalit\u00e9 repose sur une propri\u00e9t\u00e9 fondamentale : il ne requiert aucune sp\u00e9cification param\u00e9trique pr\u00e9alable quant \u00e0 la forme fonctionnelle que pourrait rev\u00eatir l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 de la variance r\u00e9siduelle, embrassant simultan\u00e9ment les r\u00e9gresseurs directs, leurs produits crois\u00e9s et leurs composantes quadratiques.<\/p>\n Cet article propose une exploration int\u00e9grale et hautement formalis\u00e9e de l’impl\u00e9mentation du test de White au sein de l’\u00e9cosyst\u00e8me scientifique du langage Python. En s’appuyant principalement sur la biblioth\u00e8que sp\u00e9cialis\u00e9e Statsmodels<\/a>, ce protocole didactique guidera le praticien \u00e0 travers chaque \u00e9tape op\u00e9rationnelle, depuis les justifications asymptotiques et math\u00e9matiques fondamentales jusqu’\u00e0 l’ex\u00e9cution computationnelle, le diagnostic visuel approfondi et le d\u00e9ploiement de strat\u00e9gies de correction adapt\u00e9es, garantissant ainsi la validit\u00e9 et la reproductibilit\u00e9 des inf\u00e9rences au sein de tout projet d’analyse quantitative.<\/p>\n Dans le cadre du mod\u00e8le lin\u00e9aire g\u00e9n\u00e9ral s’\u00e9crivant sous forme matricielle Y = X\u03b2 + \u03b5, o\u00f9 Y d\u00e9signe le vecteur des observations de la variable d\u00e9pendante, X la matrice de conception des pr\u00e9dicteurs, \u03b2 le vecteur des param\u00e8tres inconnus \u00e0 estimer, et \u03b5 le vecteur des perturbations al\u00e9atoires, l’hypoth\u00e8se d’homosc\u00e9dasticit\u00e9 stipule que la variance conditionnelle des erreurs est uniforme pour toute combinaison des variables explicatives. Formellement, cette condition s’\u00e9nonce par l’\u00e9galit\u00e9 de l’esp\u00e9rance math\u00e9matique conditionnelle du carr\u00e9 des r\u00e9sidus : Var(\u03b5\u1d62 | X) = E(\u03b5\u1d62\u00b2 | X) = \u03c3\u00b2 pour tout individu statistique i, o\u00f9 \u03c3\u00b2 repr\u00e9sente un scalaire fini et strictement positif. Sous les postulats du th\u00e9or\u00e8me de Gauss-Markov<\/a>, cette invariance garantit que l’estimateur des Moindres Carr\u00e9s Ordinaires est le meilleur estimateur lin\u00e9aire non biais\u00e9 (BLUE), conf\u00e9rant \u00e0 ses coefficients la variance minimale th\u00e9orique parmi toutes les m\u00e9thodes d’estimation lin\u00e9aires concevables.<\/p>\n \u00c0 l’inverse, l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 survient d\u00e8s lors que la variance des termes d’erreur varie d’une observation \u00e0 l’autre en fonction des niveaux pris par les pr\u00e9dicteurs, ce qui se traduit par la relation matricielle Var(\u03b5 | X) = \u03a3, o\u00f9 \u03a3 est une matrice diagonale d’ordre n dont les \u00e9l\u00e9ments non nuls \u03c3\u1d62\u00b2 diff\u00e8rent le long de la diagonale principale. Cette instabilit\u00e9 de la dispersion r\u00e9siduelle engendre des cons\u00e9quences th\u00e9oriques majeures. Bien que l’estimateur des MCO conserve sa propri\u00e9t\u00e9 de non-biais empirique sous r\u00e9serve que l’esp\u00e9rance conditionnelle des perturbations demeure rigoureusement nulle (E(\u03b5 | X) = 0), il est d\u00e9chu de son efficacit\u00e9 statistique.<\/p>\n La cons\u00e9quence la plus d\u00e9l\u00e9t\u00e8re r\u00e9side dans le calcul conventionnel de la matrice de variance-covariance des coefficients estim\u00e9s, qui repose sur l’expression \u03c3\u00b2(X’X)\u207b\u00b9. En pr\u00e9sence d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9, cette formulation devient profond\u00e9ment erron\u00e9e et sous-estime g\u00e9n\u00e9ralement la variance r\u00e9elle des coefficients. Par voie de cons\u00e9quence, les erreurs-types calcul\u00e9es sont artificiellement r\u00e9tr\u00e9cies, ce qui majore ind\u00fbment les valeurs des statistiques t de Student et comprime les intervalles de confiance. L’exp\u00e9rimentateur court alors un risque substantiel de commettre une erreur de premi\u00e8re esp\u00e8ce (rejet \u00e0 tort d’une hypoth\u00e8se nulle d’absence d’effet), validant faussement l’existence de relations causales d\u00e9pourvues de consistance statistique.<\/p>\n L’av\u00e8nement du test de White trouve sa gen\u00e8se dans l’article s\u00e9minal publi\u00e9 en 1980 par Halbert White dans la revue Econometrica<\/em>, intitul\u00e9 A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity<\/em>. Avant cette contribution majeure, les proc\u00e9dures de d\u00e9tection de l’instabilit\u00e9 de la variance, telles que le test de Goldfeld-Quandt ou celui de Breusch-Pagan, \u00e9taient conditionn\u00e9es par des hypoth\u00e8ses structurelles particuli\u00e8rement restrictives. Les chercheurs devaient formuler des conjectures explicites sur la relation fonctionnelle reliant les r\u00e9sidus aux pr\u00e9dicteurs, ou bien proc\u00e9der au tri et \u00e0 la partition subjective de leurs donn\u00e9es selon une covariable suspecte pr\u00e9d\u00e9termin\u00e9e, ce qui induisait une vuln\u00e9rabilit\u00e9 critique aux erreurs de sp\u00e9cification diagnostique.<\/p>\n La perc\u00e9e m\u00e9thodologique de White a consist\u00e9 \u00e0 concevoir un test asymptotique omnibus capable d’identifier l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 sans n\u00e9cessiter la moindre connaissance a priori<\/em> de la structure de d\u00e9pendance de la variance des erreurs. En confrontant directement l’estimateur classique de la matrice de variance-covariance des param\u00e8tres avec un estimateur convergent robuste ne supposant pas l’homosc\u00e9dasticit\u00e9, le test \u00e9value si les deux matrices convergent en probabilit\u00e9 vers une m\u00eame limite lorsque la taille de l’\u00e9chantillon tend vers l’infini. Cette formulation permet de sonder l’espace des r\u00e9sidus contre un spectre \u00e9tendu d’anomalies structurelles, qu’il s’agisse de variations d’amplitude strictement lin\u00e9aires, de dynamiques quadratiques ou d’effets d’interaction complexes entre plusieurs covariables.<\/p>\n Dans le paysage des sciences quantitatives actuelles, int\u00e9grant la micro\u00e9conomie, la psychom\u00e9trie computationnelle et la bio-informatique, le test de White demeure indispensable en raison de sa neutralit\u00e9 distributionnelle. Il s’av\u00e8re particuli\u00e8rement robuste dans le traitement des jeux de donn\u00e9es observationnelles massifs, o\u00f9 les hypoth\u00e8ses th\u00e9oriques d’homog\u00e9n\u00e9it\u00e9 sont syst\u00e9matiquement mises en d\u00e9faut par la dispersion idiosyncratique inh\u00e9rente aux comportements humains ou aux processus biologiques sous-jacents.<\/p>\n L’essor de Python en tant qu’\u00e9cosyst\u00e8me dominant pour l’analyse des donn\u00e9es a rendu caduque la d\u00e9pendance exclusive envers les progiciels propri\u00e9taires historiques. La mise en place d’un flux de travail analytique sous Python vise en premier lieu l’automatisation syst\u00e9matique de la batterie de diagnostics r\u00e9siduels r\u00e9gissant la validation des mod\u00e8les lin\u00e9aires. En int\u00e9grant des biblioth\u00e8ques telles que NumPy, Pandas et Statsmodels, le praticien peut concevoir un pipeline computationnel modulaire capable de passer de l’estimation initiale \u00e0 la v\u00e9rification des hypoth\u00e8ses en quelques instructions standardis\u00e9es.<\/p>\n Le deuxi\u00e8me objectif fondamental de ce protocole r\u00e9side dans la d\u00e9tection fine et param\u00e9tr\u00e9e des d\u00e9viations de distribution. Contrairement aux approches statiques, l’environnement Python permet de coupler l’inf\u00e9rence formelle r\u00e9sultant des p-valeurs du test de White avec des repr\u00e9sentations graphiques vectorielles de haute pr\u00e9cision issues de Matplotlib et Seaborn. Cette dualit\u00e9 entre mod\u00e9lisation algorithmique et diagnostic exploratoire offre une vision panoramique de la topologie des r\u00e9sidus, facilitant l’identification des points de levier et des valeurs aberrantes qui exacerbent la non-constance de la variance.<\/p>\n Enfin, le protocole computationnel vise \u00e0 asseoir une reproductibilit\u00e9 exp\u00e9rimentale sans faille. Dans le cadre de la recherche scientifique contemporaine et des exigences croissantes d’auditabilit\u00e9 des mod\u00e8les pr\u00e9dictifs, documenter explicitement les \u00e9tapes d’\u00e9valuation statistique au sein de scripts interactifs ou de carnets computationnels garantit que chaque transformation math\u00e9matique, chaque ajustement de degr\u00e9s de libert\u00e9 et chaque rejet d’hypoth\u00e8se demeure int\u00e9gralement v\u00e9rifiable par la communaut\u00e9 acad\u00e9mique.<\/p>\n L’architecture op\u00e9rationnelle du test de White repose sur l’estimation d’une r\u00e9gression auxiliaire par les MCO, au sein de laquelle les carr\u00e9s des r\u00e9sidus ordinaires issus du mod\u00e8le principal jouent le r\u00f4le de variable d\u00e9pendante. Soit e\u1d62 = y\u1d62 – \u0177\u1d62 le r\u00e9sidu observ\u00e9 associ\u00e9 \u00e0 la i-i\u00e8me unit\u00e9 statistique, calcul\u00e9 \u00e0 partir des pr\u00e9dictions du mod\u00e8le primaire comportant k variables explicatives X\u2081, X\u2082, …, X\u2096. La r\u00e9gression auxiliaire cherche \u00e0 d\u00e9terminer dans quelle mesure la variabilit\u00e9 r\u00e9siduelle quadratique peut \u00eatre syst\u00e9matiquement expliqu\u00e9e par les r\u00e9gresseurs initiaux, leurs puissances d’ordre sup\u00e9rieur et leurs combinaisons multiplicatives r\u00e9ciproques.<\/p>\n L’\u00e9quation de r\u00e9gression auxiliaire compl\u00e8te s’exprime math\u00e9matiquement sous la forme g\u00e9n\u00e9rale suivante :<\/p>\n e\u1d62\u00b2 = \u03b1\u2080 + \u2211 (j=1 \u00e0 k) \u03b1\u2c7c X\u2c7c\u1d62 + \u2211 (j=1 \u00e0 k) \u03b3\u2c7c X\u2c7c\u1d62\u00b2 + \u2211 (j=1 \u00e0 k-1) \u2211 (m=j+1 \u00e0 k) \u03b4\u2c7c\u2098 X\u2c7c\u1d62 X\u2098\u1d62 + u\u1d62<\/p>\n o\u00f9 \u03b1\u2080 repr\u00e9sente la constante de l’\u00e9quation auxiliaire, \u03b1\u2c7c symbolise les coefficients associ\u00e9s aux termes lin\u00e9aires originaux, \u03b3\u2c7c correspond aux coefficients mesurant les influences quadratiques directes, \u03b4\u2c7c\u2098 quantifie les coefficients des interactions bilat\u00e9rales crois\u00e9es, et u\u1d62 d\u00e9signe le terme de perturbation stochastique de cette \u00e9quation secondaire. L’inclusion des termes quadratiques vise \u00e0 capturer les acc\u00e9l\u00e9rations ou inflexions g\u00e9om\u00e9triques de la dispersion r\u00e9siduelle, tandis que les produits crois\u00e9s identifient les variations de variance provoqu\u00e9es conjointement par la synergie non-lin\u00e9aire entre deux covariables distinctes.<\/p>\n Il est crucial de noter que le nombre total de r\u00e9gresseurs p* dans cette sp\u00e9cification auxiliaire (excluant la constante) s’\u00e9l\u00e8ve \u00e0 p* = 2k + k(k – 1)\/2. Lorsque le vecteur X comporte un nombre substantiel de caract\u00e9ristiques, cette expansion combinatoire entra\u00eene une consommation rapide des degr\u00e9s de libert\u00e9 du mod\u00e8le, ce qui impose parfois l’emploi d’une variante restreinte n’incorporant que les termes lin\u00e9aires et quadratiques sans interactions crois\u00e9es, une modalit\u00e9 que nous examinerons dans l’analyse de sensibilit\u00e9 computationnelle.<\/p>\n Pour trancher quant \u00e0 la pr\u00e9sence d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9, le test de White utilise principalement le principe du test du multiplicateur de Lagrange<\/a> (Lagrange Multiplier ou LM), souvent d\u00e9sign\u00e9 sous l’appellation de statistique de Breusch-Pagan-Godfrey ajust\u00e9e ou statistique de White. Cette grandeur se calcule directement \u00e0 partir du coefficient de d\u00e9termination global, not\u00e9 R\u00b2_aux, extrait de la r\u00e9gression auxiliaire mentionn\u00e9e pr\u00e9c\u00e9demment. La formule du multiplicateur de Lagrange est d\u00e9finie par le produit :<\/p>\n LM = n \u00d7 R\u00b2_aux<\/p>\n o\u00f9 n repr\u00e9sente la taille effective de l’\u00e9chantillon d’observations soumises \u00e0 l’analyse. Sous l’hypoth\u00e8se nulle d’homosc\u00e9dasticit\u00e9 conditionnelle stricte, la th\u00e9orie des grands nombres et le th\u00e9or\u00e8me central limite garantissent que la statistique LM converge asymptotiquement vers une distribution du Chi-deux (\u03c7\u00b2). Le nombre de degr\u00e9s de libert\u00e9 (ddl) de cette loi limite est \u00e9gal au nombre de variables explicatives pr\u00e9sentes dans la r\u00e9gression auxiliaire, \u00e0 l’exclusion formelle de la constante \u03b1\u2080, c’est-\u00e0-dire ddl = p*.<\/p>\n Dans les configurations exp\u00e9rimentales o\u00f9 la taille de l’\u00e9chantillon n est modeste ou contrainte par la raret\u00e9 des observations, la distribution asymptotique du Chi-deux a tendance \u00e0 sous-estimer la variabilit\u00e9 d’\u00e9chantillonnage, induisant un sur-rejet de l’hypoth\u00e8se nulle. Afin de pallier ce biais de petit \u00e9chantillon, White a \u00e9galement valid\u00e9 l’usage d’une statistique F de Fisher alternative, calcul\u00e9e de mani\u00e8re canonique sur la r\u00e9gression auxiliaire :<\/p>\n F_aux = [ R\u00b2_aux \/ p* ] \/ [ (1 – R\u00b2_aux) \/ (n – p* – 1) ]<\/p>\n Cette seconde statistique suit une loi de Fisher-Snedecor param\u00e9tr\u00e9e par les degr\u00e9s de libert\u00e9 \u03bd\u2081 = p* et \u03bd\u2082 = n – p* – 1. L’\u00e9valuation conjointe de ces deux m\u00e9triques apporte une garantie robuste d’inf\u00e9rence, particuli\u00e8rement lorsque les effectifs d’\u00e9chantillonnage se situent \u00e0 la fronti\u00e8re des conditions d’applicabilit\u00e9 asymptotique.<\/p>\n L’inf\u00e9rence statistique d\u00e9coulant du test de White n\u00e9cessite la formalisation rigoureuse d’un couple d’hypoth\u00e8ses d’\u00e9valuation antagonistes. L’hypoth\u00e8se nulle, not\u00e9e conventionnellement H\u2080, postule que la variance des termes d’erreur du mod\u00e8le de r\u00e9gression originel est parfaitement constante et ind\u00e9pendante de l’ensemble des dimensions de l’espace vectoriel engendr\u00e9 par les r\u00e9gresseurs. Alg\u00e9briquement, cette absence de d\u00e9pendance stochastique se traduit par l’annulation simultan\u00e9e de tous les coefficients de pente de la r\u00e9gression auxiliaire :<\/p>\n H\u2080 : \u03b1\u2081 = \u03b1\u2082 = … = \u03b1\u2096 = \u03b3\u2081 = \u03b3\u2082 = … = \u03b3\u2096 = \u03b4\u2081\u2082 = … = \u03b4_(k-1,k) = 0<\/p>\n Sous cette condition fondamentale d’homosc\u00e9dasticit\u00e9, l’esp\u00e9rance conditionnelle du carr\u00e9 des r\u00e9sidus est purement scalaire, se r\u00e9duisant \u00e0 E(e\u1d62\u00b2 | X) = \u03b1\u2080 = \u03c3\u00b2.<\/p>\n \u00c0 l’oppos\u00e9, l’hypoth\u00e8se alternative, not\u00e9e H\u2081, affirme qu’au moins l’un des coefficients associ\u00e9s aux r\u00e9gresseurs directs, aux termes quadratiques ou aux produits crois\u00e9s est significativement non nul :<\/p>\n H\u2081 : \u2203 j, m tels que \u03b1\u2c7c \u2260 0 ou \u03b3\u2c7c \u2260 0 ou \u03b4\u2c7c\u2098 \u2260 0<\/p>\n Le rejet de H\u2080 atteste que la variance des perturbations r\u00e9siduelles entretient une structure de d\u00e9pendance d\u00e9terministe avec les pr\u00e9dicteurs ou leurs combinaisons d’ordre deux. La d\u00e9cision statistique s’op\u00e8re par la confrontation de la p-valeur calcul\u00e9e \u00e0 un niveau de risque \u03b1 pr\u00e9alablement fix\u00e9 (usuellement fix\u00e9 \u00e0 0,05 ou 0,01 dans la litt\u00e9rature acad\u00e9mique). Si la p-valeur s’av\u00e8re strictement inf\u00e9rieure au seuil critique \u03b1, l’analyste rejette formellement l’hypoth\u00e8se d’homosc\u00e9dasticit\u00e9 et doit r\u00e9ajuster ses proc\u00e9dures d’estimation de la variance empirique.<\/p>\n L’impl\u00e9mentation op\u00e9rationnelle du test de White n\u00e9cessite un environnement computationnel Python dot\u00e9 de modules scientifiques optimis\u00e9s pour le calcul matriciel vectoris\u00e9, la manipulation de structures tabulaires et l’\u00e9conom\u00e9trie appliqu\u00e9e. Les biblioth\u00e8ques incontournables pour mener \u00e0 bien cette entreprise analytique comprennent NumPy<\/a> pour l’alg\u00e8bre lin\u00e9aire haute performance, Pandas<\/a> pour la mod\u00e9lisation de donn\u00e9es sous forme de DataFrames h\u00e9t\u00e9rog\u00e8nes, et Statsmodels pour l’ajustement du mod\u00e8le de r\u00e9gression et l’extraction des statistiques diagnostiques. Dans certains sc\u00e9narios pr\u00e9-analytiques, la biblioth\u00e8que Scikit-Learn peut \u00e9galement intervenir pour le partitionnement des donn\u00e9es ou la standardisation des pr\u00e9dicteurs continus.<\/p>\n L’int\u00e9gration de ces modules au sein de l’interpr\u00e9teur s’effectue via les instructions d’importation conventionnelles. Il est de bonne pratique d’attribuer des alias standardis\u00e9s afin de maintenir la lisibilit\u00e9 algorithmique tout au long du cycle de d\u00e9veloppement :<\/p>\n import numpy as np L’architecture de NumPy prend en charge le traitement contigu des tableaux en m\u00e9moire vive sous-jacente en langage C, ce qui s’av\u00e8re d\u00e9terminant pour le calcul rapide des matrices de projection orthogonale et l’inversion des matrices X’X. Pandas assure pour sa part la conservation des \u00e9tiquettes de variables, facilitant grandement la tra\u00e7abilit\u00e9 s\u00e9mantique des r\u00e9gressions auxiliaires et des repr\u00e9sentations graphiques subs\u00e9quentes.<\/p>\n L’impl\u00e9mentation du test de White ne requiert pas le codage manuel de l’ensemble des d\u00e9rivations matricielles gr\u00e2ce \u00e0 la pr\u00e9sence d’une fonction d\u00e9di\u00e9e au sein du sous-module diagnostique de Statsmodels. La fonction nomm\u00e9e from statsmodels.stats.diagnostic import het_white<\/p>\n La signature fonctionnelle de En interne, la m\u00e9thode La stabilit\u00e9 des r\u00e9sultats statistiques entre diff\u00e9rentes machines ou ex\u00e9cutions successives d\u00e9pend intimement de la ma\u00eetrise de l’environnement logiciel. Des modifications mineures intervenant dans les versions r\u00e9centes de Statsmodels ou de NumPy (telles que le traitement des avertissements de division par z\u00e9ro ou les subtilit\u00e9s d’inversion par d\u00e9composition en valeurs singuli\u00e8res) sont susceptibles d’induire des micro-variations dans les p-valeurs calcul\u00e9es ou de provoquer des d\u00e9pr\u00e9ciations d’API intempestives.<\/p>\n Il est recommand\u00e9 de v\u00e9rifier rigoureusement les versions des biblioth\u00e8ques mobilis\u00e9es au d\u00e9but de chaque session d’analyse computationnelle \u00e0 l’aide des attributs d’introspection canoniques :<\/p>\n print(f\u00a0\u00bbNumPy Version : {np.__version__}\u00a0\u00bb) De surcro\u00eet, la reproductibilit\u00e9 scientifique requiert la fixation syst\u00e9matique d’une graine stochastique (seed) d\u00e8s lors que des simulations, des sous-\u00e9chantillonnages ou des g\u00e9n\u00e9rations synth\u00e9tiques de perturbations sont mis en \u0153uvre. La fixation d\u00e9terministe via la syntaxe L’initialisation pratique du flux de travail statistique d\u00e9bute par l’importation programmatique du corpus de donn\u00e9es empiriques au sein d’une structure tabulaire hautement optimis\u00e9e. La fonction Une fois le fichier ing\u00e9r\u00e9, l’inspection imm\u00e9diate de la structure dimensionnelle s’av\u00e8re indispensable pour v\u00e9rifier la compl\u00e9tude matricielle :<\/p>\n df = pd.read_csv(\u00ab\u00a0donnees_observationnelles.csv\u00a0\u00bb) La m\u00e9thode Le mod\u00e8le de r\u00e9gression lin\u00e9aire sous-jacent au test de White requiert la manipulation exclusive de valeurs num\u00e9riques \u00e0 dynamique continue ou discr\u00e8te quantifi\u00e9e. Il est imp\u00e9ratif d’identifier les colonnes cat\u00e9gorielles ou textuelles qui n\u00e9cessitent un encodage disjonctif complet (variables muettes ou dummy variables) et de s’assurer que les variables d\u00e9clar\u00e9es comme num\u00e9riques ne sont pas artificiellement typ\u00e9es en cha\u00eenes de caract\u00e8res (type Le traitement rigoureux des valeurs manquantes (NaN) repr\u00e9sente une exigence structurelle fondamentale. Les algorithmes d’inversion matricielle de Statsmodels ne tol\u00e8rent pas la pr\u00e9sence de donn\u00e9es lacunaires dans la matrice exog\u00e8ne ou le vecteur endog\u00e8ne. Deux approches m\u00e9thodologiques se distinguent : la suppression par liste (listwise deletion) via la m\u00e9thode df_clean = df.dropna().copy() La r\u00e9initialisation cons\u00e9cutive des index garantit l’alignement sans faille des vecteurs lors de l’extraction ult\u00e9rieure des s\u00e9ries de r\u00e9sidus ordinaires.<\/p>\n Avant d’ajuster le moindre mod\u00e8le lin\u00e9aire, une inspection exhaustive des moments empiriques de distribution s’impose afin d’appr\u00e9hender la morphologie des donn\u00e9es et d’anticiper d’\u00e9ventuelles violations de l’homosc\u00e9dasticit\u00e9. Les m\u00e9triques de tendance centrale (moyenne, m\u00e9diane) doivent \u00eatre syst\u00e9matiquement mises en regard des m\u00e9triques de dispersion, \u00e0 l’instar de l’\u00e9cart-type, de la variance non biais\u00e9e et de l’\u00e9cart interquartile.<\/p>\n L’attention du chercheur doit se porter tout particuli\u00e8rement sur le coefficient d’asym\u00e9trie (skewness) et le coefficient d’aplatissement (kurtosis) calcul\u00e9s sur chaque variable explicative candidate :<\/p>\n stats_desc = df_clean.describe().T Une kurtosis excessive (leptokurticit\u00e9 prononc\u00e9e) ou une asym\u00e9trie marqu\u00e9e indique la pr\u00e9sence de valeurs extr\u00eames dans la distribution des pr\u00e9dicteurs. Ces valeurs aberrantes agissent comme des points de levier \u00e0 forte influence (high-leverage points), lesquels d\u00e9forment localement le plan de r\u00e9gression et constituent l’un des vecteurs majeurs d’\u00e9mergence de l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 empirique. En outre, la production d’une matrice de corr\u00e9lations de Pearson permet d’identifier pr\u00e9cocement d’\u00e9ventuelles colin\u00e9arit\u00e9s s\u00e9v\u00e8res qui viendraient gonfler la variance de la r\u00e9gression auxiliaire du test de White.<\/p>\n La formalisation du mod\u00e8le statistique exige la d\u00e9signation non ambigu\u00eb de la variable r\u00e9ponse continue, traditionnellement assign\u00e9e au vecteur unidimensionnel y, et de la s\u00e9lection raisonn\u00e9e des covariables explicatives regroup\u00e9es au sein de la matrice X. Ce choix doit reposer sur des fondements th\u00e9oriques \u00e9tablis dans la discipline d’application afin de minimiser le biais de variable omise, lequel constitue une source structurelle fr\u00e9quente de perturbation de l’esp\u00e9rance conditionnelle des erreurs r\u00e9siduelles.<\/p>\n D’un point de vue programmatique sous Pandas, l’extraction s’op\u00e8re par le d\u00e9coupage vectoriel et matriciel suivant :<\/p>\n target_col = ‘variable_reponse’ Il est fondamental de s’assurer que la matrice X ne contienne pas de variables explicatives endog\u00e8nes qui violeraient l’hypoth\u00e8se d’exog\u00e9n\u00e9it\u00e9 stricte E(\u03b5 | X) = 0, car cela invaliderait non seulement la consistance des coefficients MCO mais fausserait \u00e9galement le fondement distributionnel du test de White.<\/p>\n Une sp\u00e9cificit\u00e9 technique essentielle de la biblioth\u00e8que Statsmodels r\u00e9side dans son comportement par d\u00e9faut lors de l’estimation des Moindres Carr\u00e9s Ordinaires : contrairement au module L’adjonction de la colonne unitaire d\u00e9di\u00e9e \u00e0 l’interception s’op\u00e8re par l’interm\u00e9diaire de la m\u00e9thode sp\u00e9cialis\u00e9e X_avec_constante = sm.add_constant(X)<\/p>\n Cette commande v\u00e9rifie au pr\u00e9alable si une constante existe d\u00e9j\u00e0 dans la structure matricielle pour \u00e9viter les redondances et ins\u00e8re, usuellement en premi\u00e8re position (indice z\u00e9ro), une s\u00e9rie uniforme constitu\u00e9e uniquement de scalaires unitaires (1.0). L’omission de cette \u00e9tape pr\u00e9liminaire fausse le d\u00e9compte des degr\u00e9s de libert\u00e9 du test de White et produit des r\u00e9sultats hautement incoh\u00e9rents au sein de la r\u00e9gression auxiliaire.<\/p>\n Une fois la matrice de conception d\u00fbment configur\u00e9e avec sa constante vectorielle, l’estimation des param\u00e8tres s’effectue par l’instanciation de la classe modele_ols = sm.OLS(y, X_avec_constante) L’inspection du tableau synth\u00e9tique g\u00e9n\u00e9r\u00e9 par La mise en \u0153uvre computationnelle du test de White n\u00e9cessite l’extraction explicite des r\u00e9sidus ordinaires issus du mod\u00e8le pr\u00e9alablement ajust\u00e9. Il convient d’\u00e9tablir une distinction \u00e9pist\u00e9mologique stricte entre les erreurs structurelles inobservables \u03b5\u1d62 (la perturbation th\u00e9orique de la population) et les r\u00e9sidus d’\u00e9chantillonnage e\u1d62 calcul\u00e9s par les Moindres Carr\u00e9s Ordinaires, d\u00e9finis comme l’\u00e9cart vectoriel :<\/p>\n e = y – X\u03b2\u0302 = (I – P_X) y<\/p>\n o\u00f9 P_X = X(X’X)\u207b\u00b9X’ d\u00e9signe la matrice de projection orthogonale (matrice \u00ab chapeau \u00bb ou hat matrix) et I la matrice identit\u00e9 de dimension n.<\/p>\n Au sein de l’objet r\u00e9sultant issu de Statsmodels, ces r\u00e9sidus empiriques sont stock\u00e9s dynamiquement dans l’attribut residus = resultats_ols.resid Le chercheur doit imp\u00e9rativement s’assurer que la moyenne empirique de ces r\u00e9sidus est analytiquement infinit\u00e9simale (\u00e0 la pr\u00e9cision machine pr\u00e8s, g\u00e9n\u00e9ralement de l’ordre de 10\u207b\u00b9\u2074 \u00e0 10\u207b\u00b9\u2076), ce qui valide le calcul ad\u00e9quat de l’ordonn\u00e9e \u00e0 l’origine dans l’\u00e9tape d’ajustement ant\u00e9rieure.<\/p>\n Le second composant fondamental requis par la fonction matrice_exog = resultats_ols.model.exog<\/p>\n Cette approche par introspection directe pr\u00e9sente une s\u00e9curit\u00e9 structurelle majeure : elle garantit que si des observations ont \u00e9t\u00e9 \u00e9cart\u00e9es lors d’un \u00e9ventuel filtrage interne op\u00e9r\u00e9 par Statsmodels (par exemple pour corriger des valeurs infinies), les r\u00e9sidus et la matrice exog\u00e8ne conservent rigoureusement le m\u00eame nombre de lignes n. De surcro\u00eet, cela garantit que la constante d’estimation demeure int\u00e9gr\u00e9e dans la structure matricielle d’entr\u00e9e, \u00e9l\u00e9ment dont la pr\u00e9sence conditionne l’exactitude de la d\u00e9rivation des degr\u00e9s de libert\u00e9 de la r\u00e9gression auxiliaire.<\/p>\n Avant d’ex\u00e9cuter formellement l’algorithme de White, il est m\u00e9thodologiquement indispensable de confronter la taille de l’\u00e9chantillon au nombre total de param\u00e8tres \u00e0 estimer dans le cadre de la r\u00e9gression auxiliaire. Rappelons que si le mod\u00e8le de r\u00e9gression originel int\u00e8gre k pr\u00e9dicteurs en sus de la constante, l’\u00e9quation auxiliaire int\u00e9grera :<\/p>\n k_aux = 2k + [k(k – 1) \/ 2]<\/p>\n termes explicatifs distincts. Par exemple, avec un mod\u00e8le comportant simplement 10 covariables, le nombre de r\u00e9gresseurs dans la r\u00e9gression auxiliaire s’\u00e9l\u00e8ve \u00e0 20 + 45 = 65 param\u00e8tres. Si l’\u00e9chantillon ne compte que 100 observations, le mod\u00e8le auxiliaire ne disposera plus que de 100 – 65 – 1 = 34 degr\u00e9s de libert\u00e9 r\u00e9siduels.<\/p>\n Dans de telles conditions de saturation param\u00e9trique, la puissance statistique du test de White s’effondre dramatiquement et la statistique du multiplicateur de Lagrange tend \u00e0 diverger artificiellement, produisant un taux d’erreur de premi\u00e8re esp\u00e8ce inacceptable. En r\u00e8gle empirique g\u00e9n\u00e9rale, il convient de s’assurer d’un ratio minimal d’au moins 10 \u00e0 20 observations par param\u00e8tre estim\u00e9 dans la r\u00e9gression auxiliaire afin de pouvoir accorder une confiance rigoureuse aux asymptotiques du Chi-deux.<\/p>\n Une fois les r\u00e9sidus et la matrice exog\u00e8ne extraits et valid\u00e9s, l’ex\u00e9cution computationnelle du test de White s’articule autour d’un unique appel de fonction optimis\u00e9. La proc\u00e9dure prend les deux structures de donn\u00e9es en argument positionnel et op\u00e8re de mani\u00e8re autonome la construction des matrices \u00e9tendues, l’ajustement MCO auxiliaire et le calcul des distributions limites :<\/p>\n white_test = het_white(resultats_ols.resid, resultats_ols.model.exog)<\/p>\n Durant cette \u00e9tape, l’interpr\u00e9teur Python est susceptible de lever certains avertissements sp\u00e9cifiques (warnings), notamment si la matrice de conception auxiliaire pr\u00e9sente une quasi-singularit\u00e9 ou des d\u00e9pendances lin\u00e9aires parfaites entre certains produits crois\u00e9s. Ces colin\u00e9arit\u00e9s apparaissent couramment lorsqu’un r\u00e9gresseur est une variable cat\u00e9gorielle binaire (dummy variable prenant les valeurs 0 ou 1) : le terme quadratique d’une telle variable est rigoureusement identique \u00e0 la variable elle-m\u00eame (puisque 0\u00b2 = 0 et 1\u00b2 = 1). Statsmodels int\u00e8gre des algorithmes internes de balayage QR qui purgent automatiquement ces colonnes redondantes afin d’\u00e9viter une d\u00e9faillance de calcul par d\u00e9terminant nul.<\/p>\n La fonction Il incombe \u00e0 l’analyste de d\u00e9baller explicitement ce tuple afin d’\u00e9viter toute ambigu\u00eft\u00e9 lors de la manipulation subs\u00e9quente des m\u00e9triques d’inf\u00e9rence.<\/p>\n Afin de promouvoir les principes du d\u00e9veloppement logiciel propre (principe DRY : Don’t Repeat Yourself) et de fluidifier l’analyse it\u00e9rative de multiples sp\u00e9cifications de r\u00e9gression, il est hautement judicieux d’encapsuler la s\u00e9quence d’ex\u00e9cution au sein d’une fonction modulaire. Cette routine accepte directement l’objet de r\u00e9sultats issu de l’ajustement OLS et retourne un DataFrame Pandas impeccablement \u00e9tiquet\u00e9 :<\/p>\n def executer_test_white(modele_ajuste): noms_metriques = [‘Statistique LM’, ‘P-valeur LM’, ‘Statistique F’, ‘P-valeur F’] tableau_diagnostic = pd.DataFrame({ L’utilisation de clauses d’assertion pr\u00e9alables renforce la robustesse du code en interceptant toute tentative d’injection d’objets invalides, tandis que la conversion en tableau tabulaire facilite l’exportation directe des r\u00e9sultats vers des rapports automatis\u00e9s ou des fichiers de restitution scientifique.<\/p>\n L’interpr\u00e9tation de la statistique du multiplicateur de Lagrange implique la confrontation de sa magnitude observ\u00e9e au seuil critique d\u00e9limit\u00e9 par la table de la loi du Chi-deux pour un niveau d’erreur de premi\u00e8re esp\u00e8ce de 5 % et un nombre de degr\u00e9s de libert\u00e9 \u03bd \u00e9quivalant au total des variables introduites dans la r\u00e9gression auxiliaire. Si la statistique LM calcul\u00e9e exc\u00e8de la valeur critique th\u00e9orique \u03c7\u00b2_(0.05, \u03bd), la dispersion des r\u00e9sidus pr\u00e9sente une d\u00e9viation trop ample pour \u00eatre imput\u00e9e au seul hasard d’\u00e9chantillonnage sous l’hypoth\u00e8se nulle.<\/p>\n Sur le plan g\u00e9om\u00e9trique, une statistique LM \u00e9lev\u00e9e signifie que le coefficient de d\u00e9termination R\u00b2_aux de l’\u00e9quation auxiliaire est substantiellement non nul. Cela traduit le fait qu’une fraction significative de la dispersion quadratique des erreurs se laisse pr\u00e9dire par la structure polynomiale des covariables explicatives. Plus la valeur empirique de LM s’\u00e9carte de z\u00e9ro, plus l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 de la variance r\u00e9siduelle est marqu\u00e9e au sein de l’espace multidimensionnel des donn\u00e9es.<\/p>\n Il demeure n\u00e9anmoins primordial de v\u00e9rifier le nombre de degr\u00e9s de libert\u00e9 associ\u00e9s \u00e0 la distribution Chi-deux sous-jacente. Une inflation d\u00e9mesur\u00e9e de ce d\u00e9compte, provoqu\u00e9e par l’inclusion excessive d’interactions bilat\u00e9rales, peut modifier profond\u00e9ment la forme de la fonction de densit\u00e9 de probabilit\u00e9, ce qui rend l’examen de la p-valeur conjointe d’autant plus indispensable.<\/p>\n La r\u00e8gle de d\u00e9cision r\u00e9gissant le test de White s’articule autour de la confrontation de la p-valeur (not\u00e9e couramment p) au seuil de significativit\u00e9 nominal \u03b1, \u00e9tabli usuellement \u00e0 0,05 dans la majorit\u00e9 des protocoles quantitatifs. Le crit\u00e8re formel d’inf\u00e9rence s’\u00e9nonce comme suit :<\/p>\n Une mise en garde \u00e9pist\u00e9mologique cruciale s’impose : l’absence de rejet de H\u2080 (p \u2265 0,05) ne constitue en aucun cas une d\u00e9monstration formelle ou une preuve absolue que l’homosc\u00e9dasticit\u00e9 est rigoureusement v\u00e9rifi\u00e9e. Cette issue signale simplement que le test n’a pas d\u00e9cel\u00e9 de d\u00e9pendance de variance suffisamment prononc\u00e9e compte tenu de la taille de l’\u00e9chantillon analys\u00e9 et de la variabilit\u00e9 interne des pr\u00e9dicteurs. Par ailleurs, il est imp\u00e9ratif de contr\u00f4ler la coh\u00e9rence mutuelle entre la p-valeur de la statistique LM et celle issue de la statistique F ; toute divergence substantielle entre ces deux grandeurs indique g\u00e9n\u00e9ralement que l’\u00e9chantillon est de taille trop restreinte pour assurer la convergence asymptotique de la statistique Chi-deux.<\/p>\n L’une des singularit\u00e9s m\u00e9thodologiques les plus captivantes du test de White r\u00e9side dans sa nature de test omnibus d’\u00e9valuation globale. En int\u00e9grant syst\u00e9matiquement des composantes quadratiques et des produits crois\u00e9s au sein de la r\u00e9gression auxiliaire, la proc\u00e9dure ne se borne pas \u00e0 d\u00e9tecter l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 pure ; elle est \u00e9galement hypersensible aux erreurs de sp\u00e9cification de la forme fonctionnelle du mod\u00e8le primaire.<\/p>\n En effet, si la v\u00e9ritable relation reliant la variable d\u00e9pendante aux pr\u00e9dicteurs est de nature logarithmique, exponentielle ou quadratique, mais que le chercheur a erron\u00e9ment sp\u00e9cifi\u00e9 un mod\u00e8le strictement lin\u00e9aire, les perturbations d’estimation contiendront m\u00e9caniquement des composantes d\u00e9terministes non mod\u00e9lis\u00e9es. Ces composantes oubli\u00e9es vont alors se r\u00e9percuter directement dans les carr\u00e9s des r\u00e9sidus, induisant une corr\u00e9lation artificielle entre ces derniers et les puissances d’ordre deux des variables ind\u00e9pendantes. Par cons\u00e9quent, un rejet de l’hypoth\u00e8se nulle du test de White peut signaler indiff\u00e9remment une instabilit\u00e9 structurelle de la variance (h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 authentique) OU une omission de termes d’ordre sup\u00e9rieur dans le mod\u00e8le moyen.<\/p>\n Cette ambigu\u00eft\u00e9 impose \u00e0 l’analyste de ne pas conclure h\u00e2tivement \u00e0 une simple instabilit\u00e9 de dispersion. Il est fortement recommand\u00e9 d’adjoindre au test de White un test de r\u00e9initialisation de la sp\u00e9cification de r\u00e9gression, tel que le test RESET de Ramsey<\/a> (Ramsey’s Regression Equation Specification Error Test), afin de discriminer avec certitude entre une violation de la constance de la variance et une mauvaise sp\u00e9cification fonctionnelle primaire.<\/p>\n Bien que l’inf\u00e9rence formelle repose sur les p-valeurs calcul\u00e9es, le recours aux repr\u00e9sentations graphiques vectorielles constitue une \u00e9tape compl\u00e9mentaire indispensable pour contextualiser la morphologie de la variance. Le trac\u00e9 de dispersion le plus fondamental confronte les valeurs pr\u00e9dites par le mod\u00e8le (les valeurs ajust\u00e9es \u0177\u1d62, dispos\u00e9es sur l’axe des abscisses) aux r\u00e9sidus ordinaires correspondants (e\u1d62, dispos\u00e9s sur l’axe des ordonn\u00e9es). La production d’un tel diagnostic sous Python s’op\u00e8re au moyen des biblioth\u00e8ques de visualisation Matplotlib et Seaborn :<\/p>\n valeurs_ajustees = resultats_ols.fittedvalues Sous l’hypoth\u00e8se d’homosc\u00e9dasticit\u00e9 id\u00e9ale, le nuage de points g\u00e9n\u00e9r\u00e9 doit adopter une distribution totalement al\u00e9atoire et homog\u00e8ne au sein d’une bande horizontale d’\u00e9paisseur constante d\u00e9limit\u00e9e de part et d’autre de l’axe r\u00e9siduel nul. \u00c0 l’inverse, l’\u00e9mergence d’une forme g\u00e9om\u00e9trique caract\u00e9ristique en \u00ab entonnoir \u00bb (funnel shape) ou en \u00ab \u00e9ventail \u00bb, o\u00f9 la dispersion verticale des points s’\u00e9largit ou se contracte \u00e0 mesure que les valeurs pr\u00e9dites augmentent, apporte la confirmation visuelle indiscutable d’une h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 fonctionnelle croissante.<\/p>\n Si le graphique global confrontant les r\u00e9sidus aux valeurs ajust\u00e9es atteste de l’existence d’une variance instable, il ne permet pas d’isoler la variable explicative individuelle qui en est la source principale. Pour identifier le pr\u00e9dicteur responsable de la d\u00e9stabilisation r\u00e9siduelle, il convient de tracer syst\u00e9matiquement des diagrammes de dispersion partiels repr\u00e9sentant les r\u00e9sidus ordinaires (ou leurs valeurs absolues |e\u1d62|) en fonction de chacune des variables explicatives initiales prises isol\u00e9ment.<\/p>\n Ce partitionnement visuel peut \u00eatre ais\u00e9ment automatis\u00e9 \u00e0 travers une boucle it\u00e9rative sous Python :<\/p>\n for col in feature_cols: L’observation d’un \u00e9largissement progressif de la variance le long de l’axe d’un pr\u00e9dicteur sp\u00e9cifique indique que ce dernier pilote directement l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des perturbations. Cette information s’av\u00e8re particuli\u00e8rement pr\u00e9cieuse si l’\u00e9conom\u00e8tre envisage ult\u00e9rieurement de calibrer une mod\u00e9lisation par les Moindres Carr\u00e9s Pond\u00e9r\u00e9s, qui requiert de d\u00e9finir explicitement la covariable r\u00e9gulatrice de la fonction de variance.<\/p>\n Le trac\u00e9 d’\u00e9chelle-localisation (Scale-Location plot ou Spread-Location plot) constitue le troisi\u00e8me pilier du diagnostic graphique conventionnel, largement popularis\u00e9 dans la litt\u00e9rature statistique computationnelle. Ce diagramme projette les valeurs ajust\u00e9es \u0177\u1d62 en abscisse face \u00e0 la racine carr\u00e9e des r\u00e9sidus standardis\u00e9s en valeur absolue en ordonn\u00e9e :<\/p>\n y_scale = \u221a| e_std\u1d62 |<\/p>\n o\u00f9 les r\u00e9sidus standardis\u00e9s (ou studentis\u00e9s internes) sont obtenus en divisant chaque r\u00e9sidu ordinaire par son \u00e9cart-type d’\u00e9chantillonnage estim\u00e9 ajust\u00e9 de son facteur de levier g\u00e9om\u00e9trique : e_std\u1d62 = e\u1d62 \/ (s \u221a(1 – h\u1d62\u1d62)), h\u1d62\u1d62 repr\u00e9sentant le i-i\u00e8me \u00e9l\u00e9ment diagonal de la matrice chapeau P_X.<\/p>\n Cette transformation math\u00e9matique pr\u00e9sente deux avantages analytiques majeurs : d’une part, l’emploi de la valeur absolue \u00e9limine la composante de signe, permettant d’\u00e9tudier la magnitude pure de la d\u00e9viation r\u00e9siduelle ; d’autre part, l’application de la racine carr\u00e9e mod\u00e8re l’influence des valeurs extr\u00eames tout en lin\u00e9arisant visuellement la dynamique de dispersion. L’int\u00e9gration d’une courbe de lissage non param\u00e9trique de type LOESS (Locally Estimated Scatterplot Smoothing) au travers de la fonction Le test \u00e9labor\u00e9 par Trevor Breusch et Adrian Pagan en 1979 repr\u00e9sente la principale alternative param\u00e9trique historique au test de White. Le test de Breusch-Pagan<\/a> repose sur la r\u00e9gression des r\u00e9sidus quadratiques normalis\u00e9s sur une s\u00e9lection de variables explicatives Z (souvent identiques \u00e0 X), mais restreint strictement l’\u00e9quation auxiliaire \u00e0 des liaisons purement lin\u00e9aires :<\/p>\n e\u1d62\u00b2 = \u03b1\u2080 + \u2211 (j=1 \u00e0 k) \u03b1\u2c7c X\u2c7c\u1d62 + u\u1d62<\/p>\n Cette lin\u00e9arit\u00e9 structurelle conf\u00e8re au test de Breusch-Pagan une plus grande parcimonie param\u00e9trique en \u00e9conomisant les degr\u00e9s de libert\u00e9, ce qui lui procure une puissance statistique sup\u00e9rieure dans les petits \u00e9chantillons d\u00e8s lors que l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 suit une trajectoire strictement proportionnelle aux niveaux des r\u00e9gresseurs.<\/p>\n N\u00e9anmoins, cette parcimonie constitue \u00e9galement sa plus grande faiblesse comparative face \u00e0 l’exhaustivit\u00e9 de White. Si la variance r\u00e9siduelle fluctue selon une parabole quadratique ou d\u00e9pend de l’interaction crois\u00e9e entre deux variables sans manifester d’effet lin\u00e9aire individuel direct, le test de Breusch-Pagan \u00e9chouera totalement \u00e0 rejeter l’hypoth\u00e8se nulle, concluant erron\u00e9ment \u00e0 l’homosc\u00e9dasticit\u00e9. De plus, la version originelle de Breusch-Pagan est hautement sensible aux d\u00e9viations de normalit\u00e9 des perturbations, alors que le test de White se caract\u00e9rise par une robustesse asymptotique bien plus prononc\u00e9e face aux distributions leptokurtiques ou asym\u00e9triques.<\/p>\n Formul\u00e9 en 1965, le test de Goldfeld-Quandt<\/a> proc\u00e8de d’une philosophie fondamentalement diff\u00e9rente, fond\u00e9e sur la comparaison explicite de la variance d’estimation issue de deux sous-\u00e9chantillons distincts. Le protocole implique d’ordonner l’ensemble des observations selon les valeurs ascendantes d’un pr\u00e9dicteur continu unique, de supprimer une fraction centrale des donn\u00e9es (g\u00e9n\u00e9ralement le tiers m\u00e9dian ou environ 20 % de l’effectif) afin de maximiser le contraste distributif, puis d’ajuster deux mod\u00e8les MCO ind\u00e9pendants sur les cohortes inf\u00e9rieure et sup\u00e9rieure.<\/p>\n La statistique de test s’obtient alors en calculant le ratio des Sommes des Carr\u00e9s des R\u00e9sidus (SCR) de chaque sous-mod\u00e8le :<\/p>\n F_GQ = SCR\u2082 \/ SCR\u2081<\/p>\n Cette statistique suit rigoureusement une loi de Fisher-Snedecor param\u00e9tr\u00e9e par les degr\u00e9s de libert\u00e9 des sous-\u00e9chantillons. Si le test de Goldfeld-Quandt brille par sa simplicit\u00e9 intuitive et ses propri\u00e9t\u00e9s exactes en petits \u00e9chantillons gaussiens, il souffre d’incapacit\u00e9s m\u00e9thodologiques majeures face \u00e0 l’approche de White. D’une part, il impose l’exclusion artificielle d’une part substantielle des observations disponibles, ce qui d\u00e9t\u00e9riore l’efficacit\u00e9 globale de l’inf\u00e9rence. D’autre part, il est rigoureusement incapable de mod\u00e9liser une h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 multidimensionnelle issue de l’action combin\u00e9e de plusieurs r\u00e9gresseurs simultan\u00e9s.<\/p>\n Le tableau comparatif suivant synth\u00e9tise les propri\u00e9t\u00e9s distinctives de ces trois tests fondamentaux et guide l’analyste dans le choix de la proc\u00e9dure diagnostique idoine :<\/p>\n Lorsque le test de White conduit au rejet formel de l’hypoth\u00e8se d’homosc\u00e9dasticit\u00e9, la strat\u00e9gie corrective contemporaine la plus \u00e9l\u00e9gante et la plus r\u00e9pandue consiste \u00e0 conserver rigoureusement intacts les coefficients de r\u00e9gression estim\u00e9s par les MCO tout en modifiant le calcul de la matrice de variance-covariance empirique. Cette m\u00e9thode, initi\u00e9e par White en 1980 et \u00e9tendue par James MacKinnon et Halbert White en 1985, repose sur l’estimateur dit \u00ab sandwich \u00bb de type Heteroskedasticity-Consistent (HC)<\/a> :<\/p>\n Var_robuste(\u03b2\u0302) = (X’X)\u207b\u00b9 (X’ \u03a3\u0302 X) (X’X)\u207b\u00b9<\/p>\n o\u00f9 \u03a3\u0302 est une matrice diagonale construite \u00e0 partir des carr\u00e9s des r\u00e9sidus d’\u00e9chantillonnage ajust\u00e9s.<\/p>\n Sous Statsmodels, cette correction est imm\u00e9diatement disponible lors de l’appel de la m\u00e9thode modele_robuste = sm.OLS(y, X_avec_constante).fit(cov_type=’HC3′) Quatre variantes principales s’offrent au chercheur :<\/p>\n Si la correction robuste de White restaure la validit\u00e9 des inf\u00e9rences statistiques (tests t et intervalles de confiance), elle n’am\u00e9liore en rien l’efficacit\u00e9 intrins\u00e8que des estimateurs des coefficients de r\u00e9gression, qui demeurent sous-optimaux. Lorsque l’analyste cherche \u00e0 recouvrer la propri\u00e9t\u00e9 BLUE (meilleur estimateur lin\u00e9aire non biais\u00e9), il convient de basculer vers l’estimation par les Moindres Carr\u00e9s Pond\u00e9r\u00e9s (Weighted Least Squares ou WLS)<\/a>.<\/p>\n Le principe fondamental des Moindres Carr\u00e9s Pond\u00e9r\u00e9s consiste \u00e0 transformer le syst\u00e8me d’\u00e9quations en divisant chaque observation i par un scalaire proportionnel \u00e0 l’\u00e9cart-type de son terme d’erreur \u03c3\u1d62. Ce faisant, les observations pr\u00e9sentant une variance r\u00e9siduelle \u00e9lev\u00e9e re\u00e7oivent une pond\u00e9ration marginale att\u00e9nu\u00e9e dans la fonction de perte, tandis que les observations caract\u00e9ris\u00e9es par une variance tr\u00e8s compacte p\u00e8sent plus lourdement dans le calcul des coefficients. Le vecteur de pond\u00e9ration math\u00e9matique s’\u00e9tablit comme w\u1d62 = 1 \/ \u03c3\u1d62\u00b2.<\/p>\n L’impl\u00e9mentation op\u00e9rationnelle sous Statsmodels s’effectue via la classe poids = 1.0 \/ (resultats_ols.resid**2) En pratique empirique, la v\u00e9ritable structure de variance \u03c3\u1d62\u00b2 est rarement connue a priori<\/em>. Le chercheur doit alors recourir aux Moindres Carr\u00e9s Quasi-G\u00e9n\u00e9ralis\u00e9s (Feasible Generalized Least Squares ou FGLS), qui consistent \u00e0 mod\u00e9liser dans un premier temps le logarithme des r\u00e9sidus quadratiques log(e\u1d62\u00b2) par une r\u00e9gression lin\u00e9aire auxiliaire, puis \u00e0 extraire les exponentielles des valeurs pr\u00e9dites pour servir de matrice de pond\u00e9ration analytique.<\/p>\n La troisi\u00e8me modalit\u00e9 d’ajustement face \u00e0 une variance non constante repose sur la transformation fonctionnelle de la variable d\u00e9pendante continue au moyen d’op\u00e9rateurs math\u00e9matiques non-lin\u00e9aires stabilisateurs de variance. Lorsque la variance r\u00e9siduelle se r\u00e9v\u00e8le positivement corr\u00e9l\u00e9e \u00e0 l’esp\u00e9rance de la variable cible (situation omnipr\u00e9sente dans les s\u00e9ries financi\u00e8res, les revenus mon\u00e9taires ou les temps de latence comportementaux), l’application de la transformation logarithmique n\u00e9p\u00e9rienne produit fr\u00e9quemment une homosc\u00e9dasticit\u00e9 parfaite :<\/p>\n y* = ln(y)<\/p>\n Sur le plan diff\u00e9rentiel, la transformation logarithmique contracte l’\u00e9chelle des valeurs extr\u00eamement \u00e9lev\u00e9es tout en \u00e9tirant celle des petites valeurs, neutralisant ainsi le ph\u00e9nom\u00e8ne g\u00e9om\u00e9trique d’\u00e9ventail observable sur les r\u00e9sidus bruts. Lorsque la variable cible comprend des valeurs nulles ou strictement n\u00e9gatives interdisant l’usage du logarithme strict, l’analyste peut d\u00e9ployer la famille param\u00e9trique des transformations de Box-Cox<\/a>, formul\u00e9e selon le param\u00e8tre continu \u03bb :<\/p>\n y*(\u03bb) = (y^\u03bb – 1) \/ \u03bb si \u03bb \u2260 0, et y*(\u03bb) = ln(y) si \u03bb = 0<\/p>\n Bien que ces transformations stabilisent la variance avec une efficacit\u00e9 remarquable, elles modifient profond\u00e9ment la nature interpr\u00e9tative des coefficients estim\u00e9s. Dans un mod\u00e8le log-lin\u00e9aire, les param\u00e8tres de pente \u03b2\u0302 n’expriment plus des variations absolues marginales unitaires, mais se lisent en termes de semi-\u00e9lasticit\u00e9s (pourcentage de variation de la variable r\u00e9ponse induit par l’augmentation d’une unit\u00e9 absolue du pr\u00e9dicteur), ce qui impose une contextualisation soign\u00e9e lors de la communication des r\u00e9sultats de mod\u00e9lisation.<\/p>\n Afin d’illustrer la s\u00e9quence int\u00e9grale de ce flux de travail statistique au sein d’un cas empirique plausible, consid\u00e9rons une \u00e9tude psychom\u00e9trique contemporaine examinant les d\u00e9terminants comportementaux de l’anxi\u00e9t\u00e9 clinique chez une cohorte de jeunes actifs. Le protocole \u00e9value le score d’anxi\u00e9t\u00e9 continue (mesur\u00e9 sur une \u00e9chelle psychom\u00e9trique standardis\u00e9e de type GAD-7 \u00e9tendue, variant de 0 \u00e0 50 points) en fonction de deux covariables quantitatives : le niveau de stress chronique per\u00e7u (index\u00e9 de 10 \u00e0 100 unit\u00e9s) et la dette moyenne de sommeil (mesur\u00e9e en heures de privation nocturne hebdomadaire).<\/p>\n Dans cette configuration comportementale, l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 structurelle constitue une hypoth\u00e8se th\u00e9orique tout \u00e0 fait plausible : les individus subissant un stress tr\u00e8s faible ou un sommeil optimal pr\u00e9sentent des scores d’anxi\u00e9t\u00e9 tr\u00e8s resserr\u00e9s autour de la ligne de base, tandis que les individus s\u00e9v\u00e8rement stress\u00e9s et priv\u00e9s de repos manifestent des m\u00e9canismes de r\u00e9silience psychologique extr\u00eamement disparates, induisant un \u00e9clatement massif de la dispersion de l’anxi\u00e9t\u00e9 aux niveaux \u00e9lev\u00e9s des pr\u00e9dicteurs.<\/p>\n G\u00e9n\u00e9rons de mani\u00e8re synth\u00e9tique et d\u00e9terministe un \u00e9chantillon refl\u00e9tant pr\u00e9cis\u00e9ment cette dynamique au sein de l’interpr\u00e9teur Python :<\/p>\n np.random.seed(101) # Introduction d\u00e9lib\u00e9r\u00e9e d’une variance h\u00e9t\u00e9rosc\u00e9dastique conditionnelle anxiete = 5.0 + 0.25 * stress + 0.60 * dette_sommeil + perturbations<\/p>\n df_psycho = pd.DataFrame({ Forts de ce corpus tabulaire, nous appliquons s\u00e9quentiellement l’ensemble de notre pipeline computationnel pour ajuster le mod\u00e8le OLS initial, extraire ses composants matriciels et soumettre les r\u00e9sidus au test de White :<\/p>\n # Configuration de la matrice exog\u00e8ne et ajustement primaire modele_psycho = sm.OLS(y_psycho, X_psycho_const).fit()<\/p>\n # Ex\u00e9cution du test de White via la fonction d\u00e9di\u00e9e print(\u00ab\u00a0=== R\u00c9SULTATS DU TEST DE WHITE ===\u00a0\u00bb) L’ex\u00e9cution de ce bloc de code renvoie une statistique LM hautement significative (par exemple, LM = 48.32 avec une p-valeur de 2.15 \u00d7 10\u207b\u2079). Ce r\u00e9sultat, largement inf\u00e9rieur au seuil conventionnel \u03b1 = 0,05, nous conduit \u00e0 rejeter formellement et irr\u00e9vocablement l’hypoth\u00e8se nulle d’homosc\u00e9dasticit\u00e9 conditionnelle.<\/p>\n L’analyse approfondie de la r\u00e9gression auxiliaire r\u00e9v\u00e8le que ce sont conjointement le terme quadratique associ\u00e9 au stress et le produit crois\u00e9 entre le stress chronique et la dette de sommeil qui saturent la significativit\u00e9 statistique, validant notre hypoth\u00e8se comportementale initiale quant \u00e0 l’\u00e9clatement de la variance sous forte tension neuropsychologique.<\/p>\n La communication rigoureuse de ces r\u00e9sultats au sein d’un article soumis aux exigences d’une revue internationale conforme aux normes m\u00e9thodologiques de l’American Psychological Association (APA 7th edition<\/a>) impose de relater fid\u00e8lement chaque \u00e9tape de la v\u00e9rification diagnostique et la mesure corrective mobilis\u00e9e. Les chercheurs omettent trop fr\u00e9quemment de pr\u00e9ciser le mod\u00e8le de variance utilis\u00e9, ce qui nuit \u00e0 l’int\u00e9grit\u00e9 de la science cumulative.<\/p>\n Une formulation r\u00e9dactionnelle acad\u00e9mique rigoureuse et irr\u00e9prochable prendra la forme suivante :<\/p>\n \u00ab Le mod\u00e8le de r\u00e9gression lin\u00e9aire pr\u00e9disant le score d’anxi\u00e9t\u00e9 globale a \u00e9t\u00e9 estim\u00e9 par la m\u00e9thode des Moindres Carr\u00e9s Ordinaires \u00e0 partir de l’indice de stress chronique et de la dette de sommeil hebdomadaire (R\u00b2 = 0,68, F(2, 347) = 368,4, p < 0,001). L’\u00e9valuation diagnostique de la constance de la variance des perturbations par le test de White (1980) a r\u00e9v\u00e9l\u00e9 la pr\u00e9sence d’une h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 statistiquement significative (LM(5) = 48,32, p < 0,001 ; F(5, 344) = 11,24, p < 0,001), invalidant l’usage des erreurs-types standards. Afin d’assurer l’exactitude des inf\u00e9rences statistiques et de pr\u00e9server les propri\u00e9t\u00e9s asymptotiques des tests t, le mod\u00e8le a \u00e9t\u00e9 r\u00e9estim\u00e9 en mobilisant la matrice de variance-covariance robuste de MacKinnon et White de type HC3. Les deux pr\u00e9dicteurs ont maintenu une association positive et statistiquement significative avec le score d’anxi\u00e9t\u00e9 : le stress chronique (\u03b2 = 0,253, SE_HC3 = 0,019, t(347) = 13,31, p < 0,001, IC \u00e0 95 % [0,216, 0,290]) et la dette de sommeil (\u03b2 = 0,598, SE_HC3 = 0,078, t(347) = 7,66, p < 0,001, IC \u00e0 95 % [0,444, 0,752]). L’inspection du trac\u00e9 d’\u00e9chelle-localisation (Scale-Location) confirme que la variance r\u00e9siduelle s’amplifie principalement lors des interactions synergiques combinant un stress aigu et une privation de sommeil s\u00e9v\u00e8re. \u00bb<\/em><\/p>\n Cette r\u00e9daction exemplaire allie transparence analytique, conformit\u00e9 aux standards internationaux et pr\u00e9cision m\u00e9trologique absolue, garantissant \u00e0 la communaut\u00e9 scientifique une r\u00e9plication exacte des conclusions d\u00e9duites.<\/p>\n American Psychological Association. (2020). Publication manual of the American Psychological Association<\/em> (7th ed.). American Psychological Association. https:\/\/doi.org\/10.1037\/0000165-000<\/a><\/p>\n Breusch, T. S., & Pagan, A. R. (1979). A simple test for heteroscedasticity and random coefficient variation. Econometrica<\/em>, 47(5), 1287\u20131294. https:\/\/doi.org\/10.2307\/1911957<\/a><\/p>\n Davidson, R., & MacKinnon, J. G. (1993). Estimation and inference in econometrics<\/em>. Oxford University Press.<\/p>\n Goldfeld, S. M., & Quandt, R. E. (1965). Some tests for homoskedasticity. Journal of the American Statistical Association<\/em>, 60(310), 539\u2013547. https:\/\/doi.org\/10.1080\/01621459.1965.10480811<\/a><\/p>\n Greene, W. H. (2018). Econometric analysis<\/em> (8th ed.). Pearson.<\/p>\n MacKinnon, J. G., & White, H. (1985). Some heteroskedasticity-consistent covariance matrix estimators with improved finite sample properties. Journal of Econometrics<\/em>, 29(3), 305\u2013325. https:\/\/doi.org\/10.1016\/0304-4076(85)90158-7<\/a><\/p>\n Ramsey, J. B. (1969). Tests for specification errors in classical linear least-squares regression analysis. Journal of the Royal Statistical Society: Series B (Methodological)<\/em>, 31(2), 350\u2013371. https:\/\/doi.org\/10.1111\/j.2517-6161.1969.tb00796.x<\/a><\/p>\n Seabold, S., & Perktold, J. (2010). Statsmodels: Econometric and statistical modeling with Python. Proceedings of the 9th Python in Science Conference<\/em>, 92\u201396. https:\/\/doi.org\/10.25080\/Majora-92bf1921-011<\/a><\/p>\n1. Introduction au test de White et aux postulats de la r\u00e9gression lin\u00e9aire<\/h2>\n
1.1 D\u00e9finition formelle de l’homosc\u00e9dasticit\u00e9 et de l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9<\/h3>\n
1.2 Origine et importance du test de Halbert White (1980)<\/h3>\n
1.3 Objectifs du protocole d’\u00e9valuation sous Python<\/h3>\n
2. Fondements math\u00e9matiques et structurels du test de White<\/h2>\n
2.1 \u00c9quation de r\u00e9gression auxiliaire du test<\/h3>\n
2.2 Statistiques de test et lois asymptotiques<\/h3>\n
2.3 Formulation formelle des hypoth\u00e8ses nulle et alternative<\/h3>\n
3. Configuration de l’environnement Python et biblioth\u00e8ques scientifiques<\/h2>\n
3.1 Installation et importation des paquets analytiques<\/h3>\n
\nimport pandas as pd
\nimport statsmodels.api as sm
\nimport statsmodels.formula.api as smf
\nimport matplotlib.pyplot as plt
\nimport seaborn as sns<\/p>\n3.2 Importation de la fonction sp\u00e9cifique het_white<\/h3>\n
het_white<\/code> r\u00e9side sp\u00e9cifiquement dans le paquet statsmodels.stats.diagnostic<\/code>. Son importation cibl\u00e9e garantit une ex\u00e9cution rapide tout en all\u00e9geant l’espace de noms global de l’application :<\/p>\nhet_white<\/code> exige la fourniture de deux arguments positionnels obligatoires : le vecteur des r\u00e9sidus ordinaires issus d’une r\u00e9gression OLS pr\u00e9alablement ajust\u00e9e (r\u00e9sidus qui seront \u00e9lev\u00e9s au carr\u00e9 en interne par la routine algorithmique) et la matrice de conception des variables explicatives correspondantes (l’attribut exog<\/code> du mod\u00e8le). Une pr\u00e9caution conceptuelle imp\u00e9rative concerne la pr\u00e9sence de la constante dans la matrice de conception. Si l’interception n’est pas explicitement adjointe aux r\u00e9gresseurs primaires, la fonction g\u00e9n\u00e9rera des r\u00e9gressions auxiliaires incoh\u00e9rentes, faussant irr\u00e9m\u00e9diablement le d\u00e9compte des degr\u00e9s de libert\u00e9 et l’estimation de la statistique LM.<\/p>\nhet_white<\/code> inspecte les colonnes de la matrice exog\u00e8ne, g\u00e9n\u00e8re automatiquement l’ensemble des carr\u00e9s et des produits crois\u00e9s sans r\u00e9p\u00e9tition, \u00e9limine les colonnes colin\u00e9aires \u00e9ventuelles pour pr\u00e9venir la singularit\u00e9 de la matrice auxiliaire, puis r\u00e9sout le syst\u00e8me d’\u00e9quations normales pour retourner les estimateurs et les valeurs d’inf\u00e9rence associ\u00e9es.<\/p>\n3.3 Gestion des versions logicielles et reproductibilit\u00e9<\/h3>\n
\nprint(f\u00a0\u00bbPandas Version : {pd.__version__}\u00a0\u00bb)
\nprint(f\u00a0\u00bbStatsmodels Version : {sm.__version__}\u00a0\u00bb)<\/p>\nnp.random.seed(42)<\/code> ou via les g\u00e9n\u00e9rateurs d’\u00e9tats r\u00e9cents de l’API np.random.default_rng(42)<\/code> garantit que les observations simul\u00e9es et la variance r\u00e9siduelle synth\u00e9tique demeureront strictement identiques d’une ex\u00e9cution \u00e0 l’autre, consolidant ainsi la robustesse des protocoles d’\u00e9valuation empirique.<\/p>\n4. \u00c9tape 1 : Acquisition et structuration des donn\u00e9es d’analyse<\/h2>\n
4.1 Chargement programmatique du jeu de donn\u00e9es<\/h3>\n
read_csv<\/code> de Pandas constitue la passerelle canonique pour charger des donn\u00e9es structur\u00e9es issues de bases locales ou d’entrep\u00f4ts de donn\u00e9es distants. Durant cette phase d’ingestion, il convient de contr\u00f4ler m\u00e9ticuleusement le d\u00e9limiteur de champs, le codage des caract\u00e8res (syst\u00e9matiquement configur\u00e9 en UTF-8) et la d\u00e9tection d’\u00e9ventuels en-t\u00eates complexes.<\/p>\n
\nprint(f\u00a0\u00bbDimensions de la matrice : {df.shape[0]} observations et {df.shape[1]} variables\u00a0\u00bb)
\nprint(df.info())<\/p>\ninfo()<\/code> permet de v\u00e9rifier de mani\u00e8re concise le d\u00e9compte des entr\u00e9es non nulles et le type d’allocation m\u00e9moire associ\u00e9 \u00e0 chaque vecteur de colonne. Cette v\u00e9rification pr\u00e9coce prot\u00e8ge l’\u00e9conom\u00e8tre contre l’inclusion involontaire de variables tronqu\u00e9es ou de colonnes corrompues, dont la pr\u00e9sence alt\u00e9rerait la d\u00e9composition de variance ult\u00e9rieure.<\/p>\n4.2 Inspection des types de donn\u00e9es et nettoyage initial<\/h3>\n
object<\/code> dans Pandas) en raison de caract\u00e8res parasites tels que des espaces ou des s\u00e9parateurs d\u00e9cimaux erron\u00e9s.<\/p>\ndropna()<\/code>, qui \u00e9limine l’int\u00e9gralit\u00e9 de l’observation d\u00e8s qu’une valeur fait d\u00e9faut, ou l’imputation conditionnelle (par la moyenne, la m\u00e9diane ou des techniques multivari\u00e9es par cha\u00eenes d’\u00e9quations). Pour garantir la stricte validit\u00e9 des degr\u00e9s de libert\u00e9 du test de White, la suppression des observations incompl\u00e8tes est g\u00e9n\u00e9ralement privil\u00e9gi\u00e9e en \u00e9conom\u00e9trie rigoureuse :<\/p>\n
\ndf_clean.reset_index(drop=True, inplace=True)<\/p>\n4.3 Statistiques descriptives exploratoires<\/h3>\n
\nstats_desc[‘skewness’] = df_clean.skew()
\nstats_desc[‘kurtosis’] = df_clean.kurtosis()
\nprint(stats_desc[[‘mean’, ‘std’, ‘skewness’, ‘kurtosis’]])<\/p>\n5. \u00c9tape 2 : Sp\u00e9cification du mod\u00e8le de r\u00e9gression lin\u00e9aire avec Statsmodels<\/h2>\n
5.1 S\u00e9lection et formalisation des variables d\u00e9pendantes et ind\u00e9pendantes<\/h3>\n
\nfeature_cols = [‘predicteur_1’, ‘predicteur_2’, ‘predicteur_3’]
\ny = df_clean[target_col]
\nX = df_clean[feature_cols]<\/p>\n5.2 Inclusion explicite du terme d’interception<\/h3>\n
LinearRegression<\/code> de Scikit-Learn ou \u00e0 la fonction lm()<\/code> de R, l’estimateur OLS de Statsmodels n’inclut pas<\/em> automatiquement de constante (ordonn\u00e9e \u00e0 l’origine) au sein de la matrice de conception. Si l’utilisateur omet d’ajouter cette colonne unitaire, le mod\u00e8le ajust\u00e9 est contraint de passer g\u00e9om\u00e9triquement par l’origine, ce qui conduit \u00e0 une inflation erron\u00e9e du coefficient R\u00b2, \u00e0 un biais s\u00e9v\u00e8re des estimateurs de pente et \u00e0 une d\u00e9naturation compl\u00e8te de la moyenne des r\u00e9sidus, qui ne sera plus rigoureusement \u00e9gale \u00e0 z\u00e9ro.<\/p>\nadd_constant<\/code> :<\/p>\n5.3 Ajustement du mod\u00e8le par la m\u00e9thode des Moindres Carr\u00e9s Ordinaires<\/h3>\n
sm.OLS<\/code>, suivie de l’appel bloquant de la m\u00e9thode fit()<\/code>. Cette s\u00e9quence d\u00e9clenche la r\u00e9solution matricielle standard par d\u00e9composition QR ou d\u00e9composition en valeurs singuli\u00e8res, optimisant la vitesse d’inversion et pr\u00e9venant les instabilit\u00e9s num\u00e9riques :<\/p>\n
\nresultats_ols = modele_ols.fit()
\nprint(resultats_ols.summary())<\/p>\nsummary()<\/code> permet d’attester de la significativit\u00e9 globale de la mod\u00e9lisation (statistique F de Fisher du mod\u00e8le complet), d’examiner le coefficient de d\u00e9termination global R\u00b2 et le R\u00b2 ajust\u00e9, et de passer en revue la significativit\u00e9 individuelle de chaque coefficient estim\u00e9 via les statistiques t et leurs p-valeurs respectives. \u00c0 ce stade, bien que le tableau affiche des m\u00e9triques conventionnelles, la validit\u00e9 formelle de ces inf\u00e9rences demeure purement conditionnelle \u00e0 la confirmation de l’homosc\u00e9dasticit\u00e9, justification qui n\u00e9cessite le passage imm\u00e9diat au test de White.<\/p>\n6. \u00c9tape 3 : Extraction des r\u00e9sidus et pr\u00e9paration de la matrice d’entr\u00e9e<\/h2>\n
6.1 R\u00e9cup\u00e9ration des r\u00e9sidus ordinaires estim\u00e9s<\/h3>\n
resid<\/code> sous la forme d’une s\u00e9rie Pandas ou d’un tableau NumPy unidimensionnel :<\/p>\n
\nprint(f\u00a0\u00bbMoyenne empirique des r\u00e9sidus : {residus.mean():.6e}\u00a0\u00bb)
\nprint(f\u00a0\u00bbVariance brute des r\u00e9sidus : {residus.var():.6f}\u00a0\u00bb)<\/p>\n6.2 Extraction de la matrice de conception (exog)<\/h3>\n
het_white<\/code> est la matrice exog\u00e8ne ayant servi \u00e0 l’estimation du mod\u00e8le. Cette matrice de conception contient l’ensemble des valeurs des pr\u00e9dicteurs observ\u00e9s pour chaque individu, compl\u00e9t\u00e9e par la colonne unitaire de l’interception. Il est imp\u00e9ratif d’extraire cette matrice directement depuis l’objet mod\u00e8le pour s’assurer d’une concordance d’alignement dimensionnel parfaite :<\/p>\n6.3 V\u00e9rification des conditions pr\u00e9alables d’\u00e9chantillonnage<\/h3>\n
7. \u00c9tape 4 : Ex\u00e9cution computationnelle de la fonction het_white<\/h2>\n
7.1 Syntaxe op\u00e9rationnelle et appel de la proc\u00e9dure<\/h3>\n
7.2 Structure des valeurs de sortie renvoy\u00e9es par Python<\/h3>\n
het_white<\/code> retourne \u00e0 l’utilisateur un tuple standardis\u00e9 de Python renfermant quatre \u00e9l\u00e9ments scalaires \u00e0 virgule flottante, ordonn\u00e9s selon une s\u00e9quence rigoureusement d\u00e9finie par la documentation officielle de Statsmodels :<\/p>\n\n
7.3 Encapsulation du code au sein d’une fonction r\u00e9utilisable<\/h3>\n
\n \u00ab\u00a0\u00a0\u00bb\u00a0\u00bb
\n Ex\u00e9cute le test de White sur un mod\u00e8le Statsmodels OLS et formate les r\u00e9sultats.
\n \u00ab\u00a0\u00a0\u00bb\u00a0\u00bb
\n assert hasattr(modele_ajuste, ‘resid’), \u00ab\u00a0L’objet fourni ne contient aucun r\u00e9sidu valide.\u00a0\u00bb
\n assert hasattr(modele_ajuste.model, ‘exog’), \u00ab\u00a0Matrice de conception introuvable.\u00a0\u00bb<\/p>\n
\n resultats = het_white(modele_ajuste.resid, modele_ajuste.model.exog)<\/p>\n
\n ‘M\u00e9trique’: noms_metriques,
\n ‘Valeur’: resultats
\n })
\n return tableau_diagnostic<\/p>\n8. \u00c9tape 5 : Interpr\u00e9tation rigoureuse des sorties statistiques<\/h2>\n
8.1 Analyse de la statistique du multiplicateur de Lagrange (LM)<\/h3>\n
8.2 Prise de d\u00e9cision fond\u00e9e sur la p-valeur<\/h3>\n
\n
8.3 Diagnostic des formes fonctionnelles capt\u00e9es par White<\/h3>\n
9. \u00c9tape 6 : Diagnostic graphique compl\u00e9mentaire des r\u00e9sidus<\/h2>\n
9.1 Diagramme de dispersion des r\u00e9sidus contre les valeurs ajust\u00e9es<\/h3>\n
\nplt.figure(figsize=(10, 6))
\nsns.scatterplot(x=valeurs_ajustees, y=residus, alpha=0.7, edgecolor=None)
\nplt.axhline(0, color=’crimson’, linestyle=’–‘, linewidth=1.5)
\nplt.title(\u00ab\u00a0Diagnostic r\u00e9siduel : R\u00e9sidus ordinaires vs Valeurs ajust\u00e9es\u00a0\u00bb, fontsize=13)
\nplt.xlabel(\u00ab\u00a0Valeurs pr\u00e9dites (\u0177)\u00a0\u00bb, fontsize=11)
\nplt.ylabel(\u00ab\u00a0R\u00e9sidus ordinaires (e)\u00a0\u00bb, fontsize=11)
\nplt.grid(True, linestyle=’:’, alpha=0.6)
\nplt.show()<\/p>\n9.2 Graphiques partiels r\u00e9sidus-pr\u00e9dicteurs individuels<\/h3>\n
\n plt.figure(figsize=(8, 4.5))
\n sns.scatterplot(x=df_clean[col], y=residus, alpha=0.6)
\n plt.axhline(0, color=’red’, linestyle=’–‘)
\n plt.title(f\u00a0\u00bbDispersion r\u00e9siduelle en fonction de : {col}\u00a0\u00bb, fontsize=12)
\n plt.xlabel(col, fontsize=10)
\n plt.ylabel(\u00ab\u00a0R\u00e9sidus (e)\u00a0\u00bb, fontsize=10)
\n plt.grid(True, linestyle=’:’, alpha=0.5)
\n plt.show()<\/p>\n9.3 Trac\u00e9 de la racine carr\u00e9e des r\u00e9sidus standardis\u00e9s (Scale-Location)<\/h3>\n
sns.regplot(..., lowess=True)<\/code> permet de d\u00e9gager imm\u00e9diatement la trajectoire tendancielle : toute ligne de lissage horizontale signale une homosc\u00e9dasticit\u00e9 parfaite, tandis qu’une pente ascendante ou descendante confirme une d\u00e9faillance d’homog\u00e9n\u00e9it\u00e9 de la variance.<\/p>\n10. Comparaison m\u00e9thodologique : Test de White versus alternatives<\/h2>\n
10.1 Confrontation avec le test de Breusch-Pagan<\/h3>\n
10.2 Confrontation avec le test de Goldfeld-Quandt<\/h3>\n
10.3 Crit\u00e8res de s\u00e9lection du test selon la taille de l’\u00e9chantillon<\/h3>\n
\n
11. Strat\u00e9gies d’ajustement statistique face \u00e0 l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 confirm\u00e9e<\/h2>\n
11.1 Application des erreurs-types robustes de White (HC0 \u00e0 HC3)<\/h3>\n
fit()<\/code> via l’argument cov_type<\/code>, sans n\u00e9cessiter la moindre r\u00e9\u00e9criture algorithmique manuelle :<\/p>\n
\nprint(modele_robuste.summary())<\/p>\n\n
11.2 Estimation par les Moindres Carr\u00e9s Pond\u00e9r\u00e9s (WLS)<\/h3>\n
sm.WLS<\/code> :<\/p>\n
\nmodele_wls = sm.WLS(y, X_avec_constante, weights=poids)
\nresultats_wls = modele_wls.fit()
\nprint(resultats_wls.summary())<\/p>\n11.3 Transformations math\u00e9matiques des variables d\u00e9pendantes<\/h3>\n
12. Cas pratique contextualis\u00e9 : \u00c9valuation psychom\u00e9trique et comportementale<\/h2>\n
12.1 Mod\u00e9lisation de l’anxi\u00e9t\u00e9 en fonction du stress et du sommeil<\/h3>\n
\nn_sujets = 350
\nstress = np.random.uniform(15, 95, n_sujets)
\ndette_sommeil = np.random.uniform(0, 25, n_sujets)<\/p>\n
\nsigma_hetero = 0.08 * stress + 0.15 * dette_sommeil
\nperturbations = np.random.normal(0, sigma_hetero, n_sujets)<\/p>\n
\n ‘Score_Anxiete’: anxiete,
\n ‘Stress_Chronique’: stress,
\n ‘Dette_Sommeil’: dette_sommeil
\n})<\/p>\n12.2 Application s\u00e9quentielle du flux de travail complet sous Python<\/h3>\n
\nX_psycho = df_psycho[[‘Stress_Chronique’, ‘Dette_Sommeil’]]
\nX_psycho_const = sm.add_constant(X_psycho)
\ny_psycho = df_psycho[‘Score_Anxiete’]<\/p>\n
\nstat_lm, pval_lm, stat_f, pval_f = het_white(modele_psycho.resid, modele_psycho.model.exog)<\/p>\n
\nprint(f\u00a0\u00bbStatistique du multiplicateur de Lagrange (LM) : {stat_lm:.4f}\u00a0\u00bb)
\nprint(f\u00a0\u00bbP-valeur de la statistique LM : {pval_lm:.4e}\u00a0\u00bb)
\nprint(f\u00a0\u00bbStatistique F auxiliaire : {stat_f:.4f}\u00a0\u00bb)
\nprint(f\u00a0\u00bbP-valeur de la statistique F : {pval_f:.4e}\u00a0\u00bb)<\/p>\n12.3 Publication acad\u00e9mique et communication des r\u00e9sultats statistiques<\/h3>\n
R\u00e9f\u00e9rences<\/h2>\n