1. Fondements th\u00e9oriques de l’erreur type de la r\u00e9gression en psychom\u00e9trie et mod\u00e9lisation statistique<\/h2>\n1.1 D\u00e9finition conceptuelle de l’erreur type de r\u00e9gression<\/h3>\n
L’erreur type de la r\u00e9gression, conventionnellement not\u00e9e s<\/em>, Se<\/sub><\/em> ou sy.x<\/sub><\/em> dans la litt\u00e9rature statistique, constitue l’estimateur sans biais de l’\u00e9cart-type de la composante d’erreur stochastique associ\u00e9e \u00e0 un mod\u00e8le lin\u00e9aire univari\u00e9 ou multivari\u00e9. Dans le cadre fondamental d’une r\u00e9gression lin\u00e9aire d\u00e9finie dans une population, la relation liant la variable d\u00e9pendante continue aux pr\u00e9dicteurs s’exprime \u00e0 travers une fonction math\u00e9matique d\u00e9terministe enrichie d’un terme al\u00e9atoire epsilon. Ce terme de perturbation stochastique r\u00e9sume l’ensemble des influences non observ\u00e9es, des fluctuations idiosyncrasiques, des imperfections instrumentales et de la variabilit\u00e9 biologique ou psychologique inh\u00e9rente aux sujets \u00e9valu\u00e9s. L’erreur type de la r\u00e9gression repr\u00e9sente l’amplitude moyenne de la divergence constat\u00e9e entre les observations empiriques r\u00e9elles et la droite des moindres carr\u00e9s ordinaires calcul\u00e9e sur l’\u00e9chantillon.<\/p>\n D’un point de vue g\u00e9om\u00e9trique et conceptuel, alors que la droite de r\u00e9gression trace le lieu des esp\u00e9rances conditionnelles de la variable r\u00e9ponse sachant les valeurs des variables explicatives, l’erreur type de r\u00e9gression quantifie l’\u00e9paisseur du ruban de dispersion autour de cet axe pr\u00e9dictif. Dans le domaine de la psychom\u00e9trie appliqu\u00e9e et de l’\u00e9valuation cognitive, cette m\u00e9trique rev\u00eat une signification \u00e9pist\u00e9mologique cruciale : elle permet d’\u00e9valuer avec quelle pr\u00e9cision une \u00e9chelle de mesure ou un test standardis\u00e9 peut pr\u00e9tendre anticiper le comportement, l’efficience intellectuelle ou le niveau de d\u00e9tresse psychologique d’un individu singulier. L’erreur type offre ainsi une lecture directe de l’incertitude dans l’unit\u00e9 d’origine de la variable d\u00e9pendante, conf\u00e9rant au clinicien ou au chercheur un ancrage pragmatique qu’un indice adimensionnel comme le coefficient de corr\u00e9lation ne peut fournir.<\/p>\n Il convient de conceptualiser l’erreur standard d’estimation non pas comme un simple r\u00e9sidu calculatoire, mais comme l’expression tangible de la fronti\u00e8re s\u00e9parant la variabilit\u00e9 structurelle explicable par les hypoth\u00e8ses th\u00e9oriques du chercheur et le bruit al\u00e9atoire incompressible du syst\u00e8me \u00e9tudi\u00e9. En psychologie cognitive, par exemple, lorsqu’un mod\u00e8le postule une relation lin\u00e9aire entre l’\u00e2ge chronologique et la vitesse de traitement de l’information mesur\u00e9e par un temps de r\u00e9action en millisecondes, l’erreur type de la r\u00e9gression isole la variance r\u00e9siduelle propre aux diff\u00e9rences individuelles non mod\u00e9lis\u00e9es. Elle \u00e9tablit la borne absolue sous laquelle aucune inf\u00e9rence probabiliste relative \u00e0 un sujet particulier ne peut descendre sans violer les limites de validit\u00e9 du protocole exp\u00e9rimental.<\/p>\n Dans l’arsenal inf\u00e9rentiel des sciences comportementales, l’erreur type de r\u00e9gression ne constitue pas uniquement un indice descriptif de la qualit\u00e9 de l’ajustement global ; elle s’\u00e9rige en moteur calculatoire indispensable \u00e0 la d\u00e9termination de toutes les erreurs types d\u00e9riv\u00e9es. La pr\u00e9cision statistique avec laquelle les coefficients de r\u00e9gression (ordonn\u00e9e \u00e0 l’origine et pentes partielles) sont estim\u00e9s d\u00e9pend directement de la magnitude de cette erreur type r\u00e9siduelle. En effet, l’erreur standard associ\u00e9e au coefficient b\u00eata empirique s’obtient en divisant l’erreur type de la r\u00e9gression par la racine carr\u00e9e de la somme des \u00e9carts quadratiques du pr\u00e9dicteur. Par cons\u00e9quent, toute alt\u00e9ration, mauvaise estimation ou m\u00e9connaissance de l’erreur type globale se r\u00e9percute instantan\u00e9ment sur les intervalles de confiance encadrant les param\u00e8tres du mod\u00e8le.<\/p>\n L’impact d’une sous-estimation de cette dispersion r\u00e9siduelle est m\u00e9thodologiquement d\u00e9vastateur en recherche exp\u00e9rimentale et translationnelle. Lorsqu’un chercheur manipule des jeux de donn\u00e9es comportementales sans s’assurer de la validit\u00e9 de l’estimation de l’erreur type r\u00e9siduelle, le risque de gonfler artificiellement la statistique de Student t<\/em> s’accro\u00eet exponentiellement. Cette d\u00e9faillance conduit \u00e0 une r\u00e9duction factice des valeurs p<\/em>, favorisant la survenue d’erreurs de type I, consistant \u00e0 rejeter l’hypoth\u00e8se nulle d’absence d’effet alors que la relation mise en \u00e9vidence n’est qu’un art\u00e9fact stochastique. Dans des disciplines confront\u00e9es \u00e0 la crise de la reproductibilit\u00e9, telles que les neurosciences comportementales et la psychologie sociale, la ma\u00eetrise analytique de l’\u00e9cart-type des r\u00e9sidus constitue un pr\u00e9requis incontournable pour attester de la r\u00e9plicabilit\u00e9 des paradigmes exp\u00e9rimentaux.<\/p>\n Au-del\u00e0 de l’inf\u00e9rence param\u00e9trique, l’erreur type de la r\u00e9gression intervient de mani\u00e8re d\u00e9cisive dans la validation psychom\u00e9trique des inventaires de personnalit\u00e9 et des batteries d’aptitudes cognitives. Lors de l’\u00e9talonnage d’un instrument psychologique, les praticiens recourent \u00e0 cette mesure pour circonscrire la dispersion des scores vrais autour des scores observ\u00e9s. Elle permet de quantifier la fid\u00e9lit\u00e9 du crit\u00e8re pr\u00e9dictif et garantit que les d\u00e9cisions diagnostiques \u2014 qu’il s’agisse de l’identification d’un trouble du d\u00e9ficit de l’attention avec hyperactivit\u00e9 (TDAH) ou de l’\u00e9valuation d’un haut potentiel intellectuel \u2014 reposent sur une marge d’erreur statistiquement contr\u00f4l\u00e9e et cliniquement transparente.<\/p>\n La l\u00e9gitimit\u00e9 du calcul de l’erreur type de r\u00e9gression via les m\u00e9thodes d’estimation classiques par les moindres carr\u00e9s ordinaires (MCO) repose imp\u00e9rativement sur le respect scrupuleux d’un ensemble de postulats distributionnels formalis\u00e9s par le th\u00e9or\u00e8me de Gauss-Markov<\/a>. Le premier de ces axiomes stipule la lin\u00e9arit\u00e9 intrins\u00e8que de la relation fonctionnelle unissant la variable r\u00e9ponse aux variables explicatives. Si la v\u00e9ritable trajectoire sous-jacente aux variables comportementales adopte une allure curvilin\u00e9aire, polynomiale ou asymptotique, l’ajustement rectiligne contraindra artificiellement les r\u00e9sidus, sur\u00e9valuant syst\u00e9matiquement la somme des carr\u00e9s des erreurs et privant l’erreur type de toute validit\u00e9 interpr\u00e9tative.<\/p>\n Le second ensemble de conditions concerne la structure probabiliste des r\u00e9sidus stochastiques epsilon. D’une part, l’esp\u00e9rance math\u00e9matique conditionnelle des perturbations doit \u00eatre strictement nulle pour chaque niveau des pr\u00e9dicteurs, ce qui garantit l’absence de biais syst\u00e9matique de sp\u00e9cification. D’autre part, ces r\u00e9sidus doivent pr\u00e9senter une ind\u00e9pendance mutuelle parfaite, excluant tout ph\u00e9nom\u00e8ne d’autocorr\u00e9lation temporelle ou de d\u00e9pendance s\u00e9rielle fr\u00e9quemment observ\u00e9 lors de mesures longitudinales r\u00e9p\u00e9t\u00e9es chez les m\u00eames sujets psychologiques. Enfin, l’inf\u00e9rence fond\u00e9e sur les distributions de Student et de Fisher impose que la distribution conditionnelle des r\u00e9sidus suive une loi normale univari\u00e9e, postulat dont la v\u00e9rification empirique s’av\u00e8re particuli\u00e8rement sensible sur les petits \u00e9chantillons cliniques.<\/p>\n La condition d’homosc\u00e9dasticit\u00e9, d\u00e9signant l’homog\u00e9n\u00e9it\u00e9 et la constance absolue de la variance des r\u00e9sidus sur l’ensemble du continuum de la variable ind\u00e9pendante, repr\u00e9sente sans doute le r\u00e9quisit le plus vuln\u00e9rable dans les \u00e9tudes comportementales. Lorsque la variance des perturbations augmente ou fluctue en fonction des valeurs croissantes de X<\/em> (ph\u00e9nom\u00e8ne d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9), l’estimateur standard de l’erreur type de r\u00e9gression calcul\u00e9 par les algorithmes conventionnels perd sa propri\u00e9t\u00e9 de variance minimale parmi les estimateurs lin\u00e9aires sans biais (BLUE). Il en r\u00e9sulte une distorsion profonde de l’intervalle d’incertitude associ\u00e9 aux pr\u00e9dictions, compromettant irr\u00e9m\u00e9diablement la robustesse des conclusions tir\u00e9es sous Excel si aucun ajustement analytique n’est op\u00e9r\u00e9.<\/p>\n L’expression analytique rigoureuse de l’erreur type de la r\u00e9gression prend racine dans l’analyse de la discordance quadratique s\u00e9parant les points de donn\u00e9es empiriques de la surface d’ajustement multivari\u00e9e ou univari\u00e9e. Math\u00e9matiquement, pour un \u00e9chantillon de taille n<\/em> comportant k<\/em> variables explicatives distinctes, l’erreur type d’estimation, not\u00e9e Se<\/sub><\/em>, est d\u00e9finie comme la racine carr\u00e9e du carr\u00e9 moyen des erreurs r\u00e9siduelles (CME). La formulation alg\u00e9brique g\u00e9n\u00e9rale s’\u00e9nonce comme suit :<\/p>\n Se<\/sub> = √( Σ(yi<\/sub> – ŷi<\/sub>)² \/ (n – k – 1) )<\/em><\/p>\n Dans cette \u00e9quation fondamentale, le terme (yi<\/sub> – ŷi<\/sub>)<\/em> formalise le r\u00e9sidu brut ei<\/sub><\/em> aff\u00e9rent \u00e0 la i<\/em>-i\u00e8me observation individuelle, correspondant \u00e0 la soustraction arithm\u00e9tique de la valeur th\u00e9orique projet\u00e9e par le mod\u00e8le (ŷi<\/sub>) de la valeur empiriquement mesur\u00e9e (yi<\/sub>). L’\u00e9l\u00e9vation au carr\u00e9 de ces \u00e9carts r\u00e9siduels pr\u00e9vient l’annihilation mutuelle des erreurs positives et n\u00e9gatives, dont la somme arithm\u00e9tique simple est obligatoirement nulle en vertu des propri\u00e9t\u00e9s de centrage orthogonal des moindres carr\u00e9s ordinaires. Le num\u00e9rateur de cette fraction repr\u00e9sente ainsi la Somme des Carr\u00e9s des Erreurs (SCE), couramment qualifi\u00e9e de somme des carr\u00e9s r\u00e9siduels (SSE, pour Sum of Squared Errors<\/em>).<\/p>\n Le d\u00e9nominateur de cette relation math\u00e9matique constitue le pivot de l’ajustement inf\u00e9rentiel pour petits et moyens \u00e9chantillons. Contrairement \u00e0 un \u00e9cart-type descriptif non corrig\u00e9 qui diviserait par l’effectif total n<\/em>, l’estimation sans biais de la variance r\u00e9siduelle exige l’utilisation des degr\u00e9s de libert\u00e9 r\u00e9siduels r\u00e9els, formul\u00e9s par n – k – 1<\/em>. La soustraction de la constante 1<\/em> compense la fixation math\u00e9matique de l’ordonn\u00e9e \u00e0 l’origine (la constante du mod\u00e8le), tandis que la d\u00e9duction du nombre k<\/em> de variables explicatives r\u00e9tribue la contrainte impos\u00e9e par l’estimation conjointe des diff\u00e9rentes pentes de r\u00e9gression. Dans le cadre \u00e9l\u00e9mentaire d’une r\u00e9gression lin\u00e9aire bivari\u00e9e comportant un unique pr\u00e9dicteur (k = 1<\/em>), le d\u00e9nominateur se r\u00e9duit canoniquement \u00e0 n – 2<\/em>, garantissant que l’estimateur de la variance r\u00e9siduelle ne souffre d’aucun biais de troncation sous-estimant la variance populationnelle σ².<\/p>\n La compr\u00e9hension approfondie de l’erreur type r\u00e9siduelle requiert son insertion dans le paradigme global du partitionnement de la variance au sein du mod\u00e8le lin\u00e9aire g\u00e9n\u00e9ral. La variabilit\u00e9 globale observ\u00e9e au sein de la variable d\u00e9pendante Y<\/em> est captur\u00e9e par la Somme des Carr\u00e9s Totaux (SCT), calcul\u00e9e comme la somme des \u00e9carts quadratiques de chaque point par rapport \u00e0 la moyenne g\u00e9n\u00e9rale de l’\u00e9chantillon Y\u0304<\/em>. En vertu du th\u00e9or\u00e8me fondamental de d\u00e9composition de l’analyse de variance, cette dispersion globale se scinde parfaitement en deux composantes orthogonales et additives :<\/p>\n SCT = SCM + SCE<\/em><\/p>\n La Somme des Carr\u00e9s du Mod\u00e8le (SCM, ou Somme des Carr\u00e9s Expliqu\u00e9e) traduit la variabilit\u00e9 que la r\u00e9gression parvient \u00e0 rendre intelligible en fonction des fluctuations des pr\u00e9dicteurs, tandis que la Somme des Carr\u00e9s des Erreurs (SCE) absorbe la fraction de dispersion stochastique demeurant hors de port\u00e9e explicative de l’\u00e9quation lin\u00e9aire formul\u00e9e. C’est \u00e0 partir de cette partition que s’articule la relation formelle unissant le coefficient de d\u00e9termination R²<\/em> et l’erreur type de la r\u00e9gression. Le R²<\/em> \u00e9tant d\u00e9fini par le ratio 1 – (SCE \/ SCT)<\/em>, il devient possible d’exprimer analytiquement l’erreur type en fonction directe de la variance totale de la variable d\u00e9pendante (not\u00e9e sy<\/sub>²<\/em>) et de la proportion de variance expliqu\u00e9e :<\/p>\n Se<\/sub> = √( [ (n – 1) \/ (n – k – 1) ] × sy<\/sub>² × (1 – R²) )<\/em><\/p>\n Cette interconnexion math\u00e9matique met en exergue les divergences d’interpr\u00e9tation fondamentales entre le coefficient de d\u00e9termination et l’erreur type. Si le R²<\/em> constitue un indice adimensionnel s\u00e9duisant pour communiquer une part de variance partag\u00e9e comprise entre 0 et 1, il pr\u00e9sente une sensibilit\u00e9 excessive \u00e0 la restriction de variance dans l’\u00e9chantillonnage et peut induire en erreur lors de comparaisons trans-\u00e9chantillonnales. \u00c0 l’inverse, l’erreur type de r\u00e9gression poss\u00e8de la propri\u00e9t\u00e9 cardinale de pr\u00e9server l’\u00e9chelle de mesure originale du trait psychologique ou comportemental \u00e9tudi\u00e9. Elle renseigne de mani\u00e8re tangible sur l’amplitude physique des d\u00e9viations typiques en unit\u00e9s concr\u00e8tes (par exemple, en points de quotient intellectuel, en secondes ou en unit\u00e9s de concentration salivaire de cortisol), ce qui en fait une m\u00e9trique d’une pertinence op\u00e9rationnelle largement sup\u00e9rieure pour la mod\u00e9lisation clinique et l’ing\u00e9nierie statistique.<\/p>\n Une confusion m\u00e9thodologique particuli\u00e8rement fr\u00e9quente chez les analystes de donn\u00e9es d\u00e9butants consiste \u00e0 assimiler l’erreur type de r\u00e9gression Se<\/sub><\/em> \u00e0 l’\u00e9cart-type brut de la variable d\u00e9pendante sy<\/sub><\/em>. L’\u00e9cart-type d’\u00e9chantillon sy<\/sub><\/em> mesure la dispersion inconditionnelle absolue de l’ensemble des observations autour de leur centre de gravit\u00e9 unimodal, sans faire intervenir la moindre structure explicative externe. Il quantifie l’incertitude qui pr\u00e9vaudrait si le chercheur devait pr\u00e9dire le score d’un sujet inconnu en utilisant uniquement la moyenne arithm\u00e9tique globale de l’\u00e9chantillon en tant qu’unique r\u00e9f\u00e9rent pr\u00e9dictif.<\/p>\n \u00c0 l’oppos\u00e9, l’erreur type de la r\u00e9gression \u00e9value la dispersion conditionnelle des donn\u00e9es, c’est-\u00e0-dire l’\u00e9talement des valeurs Y<\/em> pour une valeur sp\u00e9cifi\u00e9e et fixe de la variable pr\u00e9dictive X<\/em>. D\u00e8s lors qu’une covariance significative existe entre le pr\u00e9dicteur et le crit\u00e8re, l’int\u00e9gration de X<\/em> au sein d’une \u00e9quation lin\u00e9aire op\u00e8re une r\u00e9duction syst\u00e9matique de la variance r\u00e9siduelle inexpliqu\u00e9e. D\u00e8s lors que le coefficient de r\u00e9gression diff\u00e8re de z\u00e9ro, l’erreur type de la r\u00e9gression sera rigoureusement inf\u00e9rieure \u00e0 l’\u00e9cart-type univari\u00e9 d’origine (sous r\u00e9serve d’un ajustement mineur pour les degr\u00e9s de libert\u00e9). Elle mesure donc le gain de pr\u00e9cision informationnelle directement imputable \u00e0 l’introduction du mod\u00e8le pr\u00e9dictif.<\/p>\n En pratique clinique, cette distinction se traduit par une r\u00e9duction de la marge d’erreur diagnostique. Si un neuropsychologue \u00e9value le d\u00e9clin mn\u00e9sique d’un patient sans tenir compte de son niveau socio-\u00e9ducatif ni de son \u00e2ge, l’incertitude diagnostique s’\u00e9tend sur l’int\u00e9gralit\u00e9 de l’\u00e9cart-type populationnel. En revanche, si ce praticien utilise un mod\u00e8le de r\u00e9gression ajustant la performance mn\u00e9sique sur ces deux pr\u00e9dicteurs structurants, la dispersion attendue des scores pour ce profil sociod\u00e9mographique sp\u00e9cifique se resserre consid\u00e9rablement autour de l’estimation conditionnelle, cette variabilit\u00e9 r\u00e9siduelle \u00e9tant pr\u00e9cis\u00e9ment d\u00e9limit\u00e9e par l’erreur type de la r\u00e9gression.<\/p>\n Une seconde divergence fondamentale s\u00e9pare l’erreur type de r\u00e9gression de l’erreur type de la moyenne (souvent d\u00e9sign\u00e9e par SEM, pour Standard Error of the Mean<\/em>). Cette derni\u00e8re s’inscrit exclusivement dans la th\u00e9orie de l’\u00e9chantillonnage asymptotique et mesure la variabilit\u00e9 th\u00e9orique d’un param\u00e8tre ponctuel agr\u00e9g\u00e9 \u2014 en l’occurrence, la moyenne arithm\u00e9tique \u2014 \u00e0 travers la r\u00e9p\u00e9tition infinie d’\u00e9chantillonnages al\u00e9atoires de m\u00eame taille issus de la population m\u00e8re. Calcul\u00e9e par la formule canonique SEM = s \/ √n<\/em>, l’erreur type de la moyenne tend asymptotiquement vers z\u00e9ro au fur et \u00e0 mesure que la taille de l’\u00e9chantillon n<\/em> progresse vers l’infini.<\/p>\n \u00c0 l’inverse, l’erreur type de la r\u00e9gression Se<\/sub><\/em> ne d\u00e9crit pas la variabilit\u00e9 d’une statistique d’\u00e9chantillon agr\u00e9g\u00e9e, mais quantifie la dispersion stochastique r\u00e9elle des individus singuliers autour de l’hyperplan de r\u00e9gression. De ce fait, elle ne s’annule en aucun cas lorsque l’effectif n<\/em> cro\u00eet d\u00e9mesur\u00e9ment. \u00c0 mesure que n<\/em> augmente, l’erreur type de la r\u00e9gression converge de mani\u00e8re stable vers la variance d’erreur v\u00e9ritable de la population σ, capturant la variabilit\u00e9 intrins\u00e8que non d\u00e9terministe qui persiste m\u00eame face \u00e0 un \u00e9chantillonnage exhaustif de la population cibl\u00e9e.<\/p>\n La confusion entre ces deux notions entra\u00eene des cons\u00e9quences d\u00e9sastreuses dans l’interpr\u00e9tation des profils psychologiques individuels. Utiliser l’erreur type de la moyenne pour tenter d’\u00e9tablir l’intervalle dans lequel se situera le score futur d’un individu conduit \u00e0 une sous-estimation dramatique de l’incertitude r\u00e9elle, g\u00e9n\u00e9rant une surconfiance illusoire quant \u00e0 la fiabilit\u00e9 pr\u00e9dictive du mod\u00e8le. L’erreur type de la moyenne d\u00e9limite l’emplacement de la droite th\u00e9orique moyenne de la population, tandis que l’erreur type de la r\u00e9gression d\u00e9limite le nuage de points au sein duquel gravitent les individus isol\u00e9s.<\/p>\n Il est imp\u00e9ratif d’op\u00e9rer une dissociation sans \u00e9quivoque entre l’erreur type globale de r\u00e9gression (Se<\/sub><\/em>) et les erreurs types relatives aux coefficients individuels du mod\u00e8le (not\u00e9es SE(βj<\/sub>)<\/em>). L’erreur type globale constitue une m\u00e9trique synth\u00e9tique d’ensemble qui caract\u00e9rise la fid\u00e9lit\u00e9 globale du mod\u00e8le dans l’espace de la variable d\u00e9pendante. Elle renseigne sur l’erreur quadratique moyenne commise lors de la tentative de mod\u00e9lisation de Y<\/em> par l’ensemble du faisceau de variables ind\u00e9pendantes retenues.<\/p>\n En contrepartie, l’erreur type d’un coefficient particulier (par exemple, la pente b1<\/sub><\/em> associ\u00e9e au premier pr\u00e9dicteur) quantifie l’incertitude \u00e9chantillonnale affectant l’estimation de ce coefficient de r\u00e9gression sp\u00e9cifique. Dans un mod\u00e8le bivari\u00e9 simple, cette erreur type de pente se formalise par :<\/p>\n SE(b1<\/sub>) = Se<\/sub> \/ √( Σ(xi<\/sub> – x\u0304)² )<\/em><\/p>\n Cette d\u00e9rivation d\u00e9montre avec clart\u00e9 la d\u00e9pendance hi\u00e9rarchique qui lie ces grandeurs : l’erreur type globale d’estimation Se<\/sub><\/em> intervient directement au num\u00e9rateur de l’erreur type du param\u00e8tre de pente. N\u00e9anmoins, l’erreur type du coefficient d\u00e9pend \u00e9galement au d\u00e9nominateur de l’\u00e9talement des donn\u00e9es sur l’axe du pr\u00e9dicteur X<\/em>. C’est l’erreur type du coefficient qui sert de d\u00e9nominateur pour \u00e9riger le test t<\/em> de Wald ou le test t<\/em> de Student univari\u00e9 (t = bj<\/sub> \/ SE(bj<\/sub>)<\/em>) visant \u00e0 \u00e9tablir si un pr\u00e9dicteur exerce un impact statistiquement dissociable de z\u00e9ro. L’erreur type de r\u00e9gression fournit quant \u00e0 elle l’assise fondamentale de la variance globale du syst\u00e8me \u00e0 partir de laquelle ces tests diff\u00e9rentiels peuvent \u00eatre conduits.<\/p>\n L’impl\u00e9mentation de mod\u00e8les de r\u00e9gression dans l’environnement tabulaire de Microsoft Excel exige une rigueur absolue dans la mise en page matricielle des donn\u00e9es brutes. Toute approximation structurelle lors de la phase d’encodage se r\u00e9percute irr\u00e9m\u00e9diablement sur la pr\u00e9cision des calculs algorithmiques ult\u00e9rieurs. Pour illustrer notre d\u00e9monstration tout au long de cet article, nous prendrons appui sur une recherche empirique en neuropsychologie cognitive visant \u00e0 mod\u00e9liser le niveau de stress physiologique aigu (mesur\u00e9 par le taux de cortisol salivaire apr\u00e8s passation d’une t\u00e2che de stress induit, exprim\u00e9 en nanomoles par litre, constituant notre variable d\u00e9pendante continue Y<\/em>) en fonction de deux pr\u00e9dicteurs th\u00e9oriques majeurs : la dur\u00e9e pr\u00e9alable de privation de sommeil (mesur\u00e9e en heures continues, pr\u00e9dicteur X1<\/sub><\/em>) et le score de vuln\u00e9rabilit\u00e9 \u00e9motionnelle obtenu \u00e0 un inventaire standardis\u00e9 d’anxi\u00e9t\u00e9-trait (score continu variant de 20 \u00e0 80 sur l’\u00e9chelle STAI-T, pr\u00e9dicteur X2<\/sub><\/em>).<\/p>\n Les donn\u00e9es relatives \u00e0 cette \u00e9tude doivent imp\u00e9rativement \u00eatre structur\u00e9es selon un paradigme relationnel strict o\u00f9 chaque ligne repr\u00e9sente une unit\u00e9 exp\u00e9rimentale unique (un participant identifi\u00e9 par un code anonymis\u00e9) et chaque colonne correspond exclusivement \u00e0 une variable sp\u00e9cifique. Il est hautement recommand\u00e9 d’attribuer la premi\u00e8re ligne de la feuille de calcul aux libell\u00e9s textuels explicites des variables (par exemple, L’hygi\u00e8ne des donn\u00e9es implique une traque rigoureuse des cellules vides, des imputations erron\u00e9es et des valeurs non num\u00e9riques. Dans Excel, la pr\u00e9sence inopin\u00e9e d’un espace ins\u00e9cable, d’un caract\u00e8re textuel ou d’un s\u00e9parateur d\u00e9cimal non conforme (par exemple, l’usage d’un point au lieu d’une virgule selon les param\u00e8tres r\u00e9gionaux du syst\u00e8me d’exploitation) convertira la cellule en cha\u00eene de caract\u00e8res, induisant des erreurs d’ex\u00e9cution fatales telles que Avant d’engager le moindre calcul de r\u00e9gression ou de pr\u00e9tendre extraire une erreur type d’estimation, une phase exploratoire approfondie s’impose afin de valider les propri\u00e9t\u00e9s distributionnelles des s\u00e9ries quantitatives encod\u00e9es. Cette \u00e9tape pr\u00e9liminaire s’articule autour du d\u00e9ploiement des fonctions statistiques descriptives de base au sein de la feuille Excel. Le calcul de la tendance centrale s’ex\u00e9cute \u00e0 l’aide de la syntaxe La d\u00e9tection des valeurs aberrantes univari\u00e9es gagne \u00e0 \u00eatre syst\u00e9matis\u00e9e \u00e0 travers l’insertion graphique de bo\u00eetes \u00e0 moustaches (ou diagrammes de Tukey), directement accessibles via le menu Insertion > Graphiques statistiques > Bo\u00eete et moustaches<\/em> dans les versions modernes d’Excel. Ce formalisme visuel permet d’isoler imm\u00e9diatement les observations se situant au-del\u00e0 de 1,5 fois l’intervalle interquartile au-dessus du troisi\u00e8me quartile ou en dessous du premier quartile. Parall\u00e8lement, il convient de programmer une r\u00e8gle de validation logique dans une colonne adjacente afin de s’assurer que chaque score encod\u00e9 s’inscrit rigoureusement dans la plage th\u00e9orique des instruments psychom\u00e9triques utilis\u00e9s (par exemple, v\u00e9rifier qu’aucun score d’anxi\u00e9t\u00e9 n’affiche une valeur inf\u00e9rieure \u00e0 20 ou sup\u00e9rieure \u00e0 80, ce qui d\u00e9noterait une faute d’encodage typographique).<\/p>\n Le contr\u00f4le de l’int\u00e9grit\u00e9 distributionnelle doit \u00e9galement \u00e9valuer la dispersion relative \u00e0 travers le calcul du coefficient de variation (exprim\u00e9 par le rapport de l’\u00e9cart-type sur la moyenne arithm\u00e9tique). Cette pr\u00e9caution analytique permet d’anticiper d’\u00e9ventuels ph\u00e9nom\u00e8nes d’invariance d’\u00e9chelle ou d’effets de plancher et de plafond qui viendraient contraindre artificiellement la variance de la variable d\u00e9pendante, ce qui aurait pour effet n\u00e9faste de biaiser structurellement \u00e0 la baisse l’estimation de l’erreur type de la r\u00e9gression.<\/p>\n Bien que Microsoft Excel int\u00e8gre nativement des dizaines de fonctions statistiques individuelles, le traitement standardis\u00e9 et complet de la mod\u00e9lisation lin\u00e9aire passe historiquement par l’exploitation de l’Utilitaire d’analyse statistique (d\u00e9sign\u00e9 sous l’appellation d’origine Analysis ToolPak<\/em>). Ce module compl\u00e9mentaire d’ing\u00e9nierie math\u00e9matique et statistique est pr\u00e9install\u00e9 dans l’architecture logicielle d’Excel mais requiert une activation explicite de la part de l’utilisateur, n’\u00e9tant pas charg\u00e9 par d\u00e9faut lors du premier lancement de l’application afin d’optimiser les ressources syst\u00e8me.<\/p>\n Pour activer ce composant analytique au sein de l’environnement Windows, le chercheur doit naviguer s\u00e9quentiellement \u00e0 travers l’arborescence des commandes logicielles :<\/p>\n Sous macOS, le d\u00e9ploiement s’op\u00e8re selon une cin\u00e9matique simplifi\u00e9e en acc\u00e9dant au menu d\u00e9roulant Outils<\/strong> pr\u00e9sent dans la barre de menus globale du syst\u00e8me d’exploitation, puis en s\u00e9lectionnant la commande Compl\u00e9ments Excel…<\/strong> afin de cocher la m\u00eame option. Une fois cette s\u00e9quence ex\u00e9cut\u00e9e avec succ\u00e8s, un nouveau groupe fonctionnel intitul\u00e9 Analyse<\/strong> est dynamiquement g\u00e9n\u00e9r\u00e9 \u00e0 l’extr\u00e9mit\u00e9 droite de l’onglet Donn\u00e9es<\/strong> du ruban principal, arborant l’ic\u00f4ne de commande Utilitaire d’analyse<\/strong>. En cas d’absence persistante du bouton apr\u00e8s red\u00e9marrage, il conviendra de v\u00e9rifier l’int\u00e9grit\u00e9 de la version d’Office d\u00e9ploy\u00e9e et de contr\u00f4ler que les strat\u00e9gies de s\u00e9curit\u00e9 d’entreprise du syst\u00e8me d’information n’interdisent pas l’ex\u00e9cution de compl\u00e9ments dynamiques xll.<\/p>\n L’ouverture de l’Utilitaire d’analyse via un clic sur la commande \u00e9ponyme d\u00e9voile une liste alphab\u00e9tique des macro-proc\u00e9dures statistiques disponibles. Le chercheur doit s\u00e9lectionner la commande R\u00e9gression<\/strong> puis actionner la validation par le bouton OK<\/strong>, ce qui d\u00e9clenche l’affichage d’une interface de param\u00e9trage param\u00e9trique approfondie. La configuration m\u00e9ticuleuse de chacune de ses rubriques conditionne directement l’exactitude des calculs matriciels qui pr\u00e9sideront \u00e0 l’extraction de l’erreur type d’estimation.<\/p>\n Le champ de saisie intitul\u00e9 Plage d’entr\u00e9e Y<\/strong> requiert la s\u00e9lection stricte de la r\u00e9f\u00e9rence de la plage vectorielle unicolonne h\u00e9bergeant la variable d\u00e9pendante continue (dans notre cas d’\u00e9tude, la colonne du cortisol salivaire, incluant la cellule d’en-t\u00eate, soit Deux r\u00e9glages de configuration rev\u00eatent une importance capitale pour la validit\u00e9 m\u00e9thodologique :<\/p>\n Afin de d\u00e9tailler la cin\u00e9matique op\u00e9rationnelle de l’Utilitaire d’analyse dans une d\u00e9monstration didactique univari\u00e9e, mod\u00e9lisons une \u00e9tude empirique relative \u00e0 la psychologie de l’apprentissage et \u00e0 l’ing\u00e9nierie cognitive. Consid\u00e9rons une cohorte de 50 \u00e9tudiants universitaires soumis \u00e0 une t\u00e2che standardis\u00e9e d’\u00e9valuation de la m\u00e9moire de travail (score synth\u00e9tique d’empan complexe \u00e9talonn\u00e9 sur une \u00e9chelle continue th\u00e9orique de 0 \u00e0 100, constituant la variable d\u00e9pendante Y<\/em>, localis\u00e9e dans la plage Apr\u00e8s avoir acc\u00e9d\u00e9 \u00e0 la commande R\u00e9gression<\/strong> de l’Utilitaire d’analyse, l’utilisateur assigne m\u00e9thodiquement les r\u00e9f\u00e9rences des colonnes : le vecteur m\u00e9moire de travail en plage d’entr\u00e9e Y<\/em> et le vecteur d’entra\u00eenement cognitif en plage d’entr\u00e9e X<\/em>. La case Intitul\u00e9s<\/strong> est coch\u00e9e pour reconna\u00eetre les libell\u00e9s de la ligne 1. Dans les options de sortie, la s\u00e9lection de l’option Nouvelle feuille de calcul<\/strong> (baptis\u00e9e pour l’occasion D\u00e8s l’actionnement du bouton OK<\/strong>, le processeur de calcul matriciel d’Excel applique les formules alg\u00e9briques des projections orthogonales des moindres carr\u00e9s ordinaires. En une fraction de seconde, une nouvelle feuille de calcul s’ouvre, pr\u00e9sentant une architecture tripartite rigoureuse standardis\u00e9e qui encapsule l’int\u00e9gralit\u00e9 des indices d’ad\u00e9quation globale, la table de d\u00e9composition de l’analyse de variance, ainsi que les estimations ponctuelles et inf\u00e9rentielles des param\u00e8tres du mod\u00e8le.<\/p>\n Le rapport synth\u00e9tique g\u00e9n\u00e9r\u00e9 par l’Utilitaire d’analyse s’articule syst\u00e9matiquement en trois sous-ensembles matriciels distincts, dont la lecture coordonn\u00e9e est imp\u00e9rative pour appr\u00e9hender le statut de l’erreur type :<\/p>\n Au sein de la feuille de calcul g\u00e9n\u00e9r\u00e9e par l’Utilitaire d’analyse, l’erreur type de la r\u00e9gression ne fait l’objet d’aucune mise en valeur typographique particuli\u00e8re et se trouve fr\u00e9quemment confondue par les utilisateurs non avertis avec les erreurs types des coefficients individuels situ\u00e9es dans le tableau inf\u00e9rieur. Pour localiser sans \u00e9quivoque cette m\u00e9trique cardinale, le regard doit se porter sur le premier bloc matriciel intitul\u00e9 Statistiques de la r\u00e9gression<\/strong>. L’erreur type de r\u00e9gression y est r\u00e9pertori\u00e9e sous l’appellation g\u00e9n\u00e9rique et compacte Erreur-type<\/strong>, occupant invariablement la quatri\u00e8me ligne du tableau, intercal\u00e9e imm\u00e9diatement entre la m\u00e9trique du R-deux ajust\u00e9<\/em> et celle du nombre d’Observations<\/em>.<\/p>\n Il est fondamental de noter que la cellule num\u00e9rique adjacente \u00e0 cette mention affiche une valeur exprim\u00e9e strictement dans la m\u00e9trique et l’unit\u00e9 physique de la variable d\u00e9pendante Y<\/em>. Si notre mod\u00e8le analysait la m\u00e9moire de travail \u00e9talonn\u00e9e sur une \u00e9chelle de 0 \u00e0 100 points, une valeur num\u00e9rique affich\u00e9e de L’interpr\u00e9tation clinique et empirique directe de cette valeur se formule ainsi : lors de l’utilisation de l’\u00e9quation de la droite des moindres carr\u00e9s ordinaires pour estimer le score individuel de m\u00e9moire de travail d’un sujet \u00e0 partir de son temps d’entra\u00eenement cognitif hebdomadaire, l’\u00e9cart-type de l’erreur pr\u00e9dictive commise est approximativement de 5,42 points. Sous r\u00e9serve de l’hypoth\u00e8se de normalit\u00e9 distributionnelle des perturbations r\u00e9siduelles, cette quantification implique qu’environ 68,2% des observations empiriques r\u00e9elles fluctueront dans un couloir d’incertitude born\u00e9 \u00e0 ± 5,42 points autour de la trajectoire th\u00e9orique pr\u00e9dite par l’\u00e9quation, et qu’approximativement 95,4% des scores s’inscriront \u00e0 l’int\u00e9rieur d’un intervalle de dispersion de ± 10,84 points (soit deux erreurs types d’estimation) autour de la pr\u00e9diction du mod\u00e8le.<\/p>\n L’erreur type de la r\u00e9gression constitue le test de r\u00e9alit\u00e9 pragmatique d’un mod\u00e8le statistique, l\u00e0 o\u00f9 le coefficient de d\u00e9termination R²<\/em> p\u00e8che parfois par complaisance math\u00e9matique. Un mod\u00e8le de r\u00e9gression peut tout \u00e0 fait arborer un R²<\/em> impressionnant de 0,85 \u2014 sugg\u00e9rant qu’il capture 85% de la variance observ\u00e9e \u2014 tout en affichant une erreur type de r\u00e9gression dont l’amplitude absolue demeure prohibitive pour toute application diagnostique concr\u00e8te sur le terrain clinique ou neuropsychologique.<\/p>\n Pour \u00e9valuer rigoureusement la qualit\u00e9 d’ajustement du mod\u00e8le \u00e0 travers l’erreur type, le chercheur doit proc\u00e9der \u00e0 une comparaison syst\u00e9matique de cette derni\u00e8re avec l’\u00e9cart-type inconditionnel de r\u00e9f\u00e9rence de la variable d\u00e9pendante (sy<\/sub><\/em>). Si l’\u00e9cart-type brut de la m\u00e9moire de travail dans l’\u00e9chantillon initial \u00e9tait de sy<\/sub> = 12,80<\/em> points, la r\u00e9duction observ\u00e9e \u00e0 un \u00e9cart r\u00e9siduel de Se<\/sub> = 5,42<\/em> points atteste d’un resserrement substantiel de plus de 57% de l’incertitude stochastique globale. Le ratio Se<\/sub> \/ sy<\/sub><\/em> (directement corr\u00e9l\u00e9 \u00e0 la quantit\u00e9 √(1 – R²)<\/em> au facteur de correction des degr\u00e9s de libert\u00e9 pr\u00e8s) offre une quantification directe de l’efficience empirique du dispositif explicatif.<\/p>\n Une seconde m\u00e9trique d\u00e9riv\u00e9e particuli\u00e8rement \u00e9clairante consiste \u00e0 calculer le coefficient d’erreur relative ou ratio d’impr\u00e9cision moyenne, obtenu en divisant l’erreur type de la r\u00e9gression par la moyenne arithm\u00e9tique de la variable crit\u00e8re : (Se<\/sub> \/ Y\u0304) × 100<\/em>. Si la moyenne g\u00e9n\u00e9rale des scores mn\u00e9siques s’\u00e9tablit \u00e0 65 points, un \u00e9cart r\u00e9siduel de 5,42 points g\u00e9n\u00e8re une impr\u00e9cision pr\u00e9dictive relative de 8,34%. Dans les contextes de s\u00e9lection du personnel, d’orientation acad\u00e9mique ou d’\u00e9tablissement de scores seuils d’inclusion dans des programmes th\u00e9rapeutiques, cette analyse en unit\u00e9s tangibles permet aux d\u00e9cideurs d’arbitrer rationnellement si la r\u00e9solution pr\u00e9dictive de l’instrument est compatible avec les imp\u00e9ratifs \u00e9thiques et techniques de l’action psychologique envisag\u00e9e.<\/p>\n Pour s’\u00e9manciper de la rigidit\u00e9 des sorties automatis\u00e9es de l’Utilitaire d’analyse \u2014 qui pr\u00e9sentent le d\u00e9faut majeur d’\u00eatre totalement statiques et de ne jamais se r\u00e9actualiser lors de la saisie ult\u00e9rieure de nouvelles donn\u00e9es \u2014, le statisticien avis\u00e9 ma\u00eetrise l’impl\u00e9mentation dynamique du calcul de l’erreur type via les formules \u00e9l\u00e9mentaires du tableur. Ce processus manuel d\u00e9bute par la mod\u00e9lisation explicite de l’\u00e9quation de r\u00e9gression lin\u00e9aire bivari\u00e9e ŷ = β0<\/sub> + β1<\/sub>X<\/em> \u00e0 l’aide des fonctions natives d’ajustement lin\u00e9aire d’Excel.<\/p>\n Soit notre \u00e9chantillon de travail dispos\u00e9 dans les colonnes 1.2 R\u00f4le de l’erreur type dans l’inf\u00e9rence statistique et les sciences comportementales<\/h3>\n
1.3 Postulats du mod\u00e8le de r\u00e9gression des moindres carr\u00e9s ordinaires (MCO)<\/h3>\n
2. Formulation math\u00e9matique et d\u00e9composition de l’erreur type des r\u00e9sidus<\/h2>\n
2.1 \u00c9quation standard de l’erreur type de r\u00e9gression<\/h3>\n
2.2 D\u00e9composition de la variance totale dans l’analyse de r\u00e9gression<\/h3>\n
3. Distinctions critiques entre m\u00e9triques statistiques connexes<\/h2>\n
3.1 Erreur type de r\u00e9gression versus \u00e9cart-type des observations<\/h3>\n
3.2 Erreur type de r\u00e9gression versus erreur type de la moyenne<\/h3>\n
3.3 Erreur type des coefficients versus erreur type de l’estimation<\/h3>\n
4. Pr\u00e9paration et structuration rigoureuse des donn\u00e9es sous Microsoft Excel<\/h2>\n
4.1 Configuration des variables d’une \u00e9tude psychologique<\/h3>\n
ID_Sujet<\/code> en cellule A1<\/code>, Privation_Sommeil_H<\/code> en B1<\/code>, Score_Anxiete_Trait<\/code> en C1<\/code>, et Cortisol_Salivaire_nmolL<\/code> en D1<\/code>). Cette organisation s\u00e9quentielle facilite non seulement la s\u00e9lection des plages dans les bo\u00eetes de dialogue des utilitaires d’analyse, mais permet \u00e9galement \u00e0 Excel d’int\u00e9grer formellement les intitul\u00e9s dans ses rapports r\u00e9capitulatifs, assurant une tra\u00e7abilit\u00e9 irr\u00e9prochable des sorties statistiques.<\/p>\n#VALEUR!<\/code> ou faussant les calculs matriciels en omettant silencieusement des lignes. En cas d’observations incompl\u00e8tes, il est imp\u00e9ratif d’adopter une strat\u00e9gie transparente d’exclusion par liste (suppression compl\u00e8te de la ligne pour les mod\u00e8les MCO complets) ou de documenter avec exactitude la proc\u00e9dure d’imputation statistique pr\u00e9alablement appliqu\u00e9e.<\/p>\n![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/standRegExcel1-1.png\")
<\/figure>\n4.2 Contr\u00f4le pr\u00e9liminaire de l’int\u00e9grit\u00e9 distributionnelle<\/h3>\n
=MOYENNE(plage)<\/code>, tandis que la variabilit\u00e9 brute s’explore conjointement par l’\u00e9cart-type d’\u00e9chantillon =ECARTYPE.STANDARD(plage)<\/code> et la d\u00e9tection de l’asym\u00e9trie via =MEDIANE(plage)<\/code>. Une divergence substantielle entre la moyenne et la m\u00e9diane constitue le premier sympt\u00f4me d’un \u00e9tirement asym\u00e9trique de la distribution ou de la pr\u00e9sence de valeurs extr\u00eames susceptibles d’exercer un effet de levier disproportionn\u00e9 sur la droite de r\u00e9gression.<\/p>\n5. Activation et configuration de l’Utilitaire d’analyse statistique dans Excel<\/h2>\n
5.1 Proc\u00e9dure d’activation du compl\u00e9ment Analysis ToolPak<\/h3>\n
\n
5.2 Configuration de l’interface du module R\u00e9gression<\/h3>\n
$D$<\/span>1:$D$<\/span>101<\/code> pour un \u00e9chantillon de 100 participants). Sym\u00e9triquement, le champ Plage d’entr\u00e9e X<\/strong> doit recevoir les coordonn\u00e9es de la matrice regroupant les pr\u00e9dicteurs ind\u00e9pendants. Pour un mod\u00e8le bivari\u00e9 simple, une unique colonne sera point\u00e9e (par exemple, la privation de sommeil en $B$<\/span>1:$B$<\/span>101<\/code>) ; dans le cadre multivari\u00e9, l’utilisateur devra imp\u00e9rativement veiller \u00e0 ce que l’ensemble des colonnes pr\u00e9dictives soient strictement adjacentes sur la feuille afin de s\u00e9lectionner une plage bidimensionnelle continue (par exemple, $B$<\/span>1:$C$<\/span>101<\/code>). Il s’agit l\u00e0 d’une contrainte technique incontournable du moteur de l’Utilitaire d’analyse qui refuse cat\u00e9goriquement les s\u00e9lections disjointes pour la matrice X<\/em>.<\/p>\n\n
95%<\/code> (correspondant au seuil conventionnel alpha de 0,05 de l’APA), bien qu’il soit possible de la modifier pour des besoins d’inf\u00e9rence plus conservateurs (99%).<\/li>\n6. Ex\u00e9cution pas \u00e0 pas d’une r\u00e9gression lin\u00e9aire simple avec l’Utilitaire d’analyse<\/h2>\n
6.1 Sp\u00e9cification d’un mod\u00e8le bivari\u00e9 en psychologie de l’apprentissage<\/h3>\n
$B$<\/span>1:$B$<\/span>51<\/code>). Le r\u00e9gresseur unique mobilis\u00e9 (variable ind\u00e9pendante X<\/em>, plage $A$<\/span>1:$A$<\/span>51<\/code>) formalise le temps hebdomadaire consacr\u00e9 \u00e0 un programme structur\u00e9 d’entra\u00eenement cognitif informatis\u00e9, mesur\u00e9 en heures cumul\u00e9es (variant de 1 \u00e0 15 heures hebdomadaires).<\/p>\nSortie_Regression_Simple<\/code>) est fortement privil\u00e9gi\u00e9e afin d’\u00e9viter tout \u00e9crasement accidentel des matrices de donn\u00e9es brutes d’origine.<\/p>\n![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/twoSampExcel3-21.png\")
<\/figure>\n6.2 Analyse structurelle des trois tableaux de r\u00e9sultats g\u00e9n\u00e9r\u00e9s<\/h3>\n
\n
7. Extraction et interpr\u00e9tation acad\u00e9mique de l’erreur type dans le rapport Excel<\/h2>\n
7.1 Localisation pr\u00e9cise de l’Erreur-type dans le tableau r\u00e9capitulatif<\/h3>\n
5,42<\/code> dans cette cellule signifie que l’erreur type d’estimation s’\u00e9l\u00e8ve pr\u00e9cis\u00e9ment \u00e0 5,42 points d’empan mn\u00e9sique. Cette unit\u00e9 ne subit aucune normalisation adimensionnelle ; elle ne saurait \u00eatre interpr\u00e9t\u00e9e en pourcentage, ni assimil\u00e9e \u00e0 une probabilit\u00e9 statistique ou \u00e0 une part de variance.<\/p>\n7.2 \u00c9valuation de la qualit\u00e9 du mod\u00e8le par l’erreur type<\/h3>\n
![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/standRegExcel2-1.png\")
<\/figure>\n8. Calcul manuel de l’erreur type de r\u00e9gression par les formules natives d’Excel<\/h2>\n
8.1 G\u00e9n\u00e9ration des valeurs pr\u00e9dites et des r\u00e9sidus individuels<\/h3>\n
A<\/code> (variable explicative X<\/em>, de la cellule A2<\/code> \u00e0 A51<\/code>) et