{"id":8393,"date":"2026-10-14T18:02:23","date_gmt":"2026-10-14T18:02:23","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-creer-boites-a-moustaches-par-groupe-sas\/"},"modified":"2026-10-14T18:02:23","modified_gmt":"2026-10-14T18:02:23","slug":"comment-creer-boites-a-moustaches-par-groupe-sas","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-creer-boites-a-moustaches-par-groupe-sas","title":{"rendered":"Comment cr\u00e9er des bo\u00eetes \u00e0 moustaches par groupe dans SAS"},"content":{"rendered":"

Dans le champ contemporain de l’analyse exploratoire des donn\u00e9es, de l’\u00e9pid\u00e9miologie clinique, de l’\u00e9conom\u00e9trie et de la recherche translationnelle, la repr\u00e9sentation graphique des distributions statistiques constitue une \u00e9tape fondamentale pr\u00e9alable \u00e0 toute mod\u00e9lisation inf\u00e9rentielle. La prolif\u00e9ration de volum\u00e9tries informationnelles complexes et h\u00e9t\u00e9rog\u00e8nes exige des outils d’une rigueur absolue pour synth\u00e9tiser, comparer et interpr\u00e9ter la variabilit\u00e9 sous-jacente des ph\u00e9nom\u00e8nes observ\u00e9s. D\u00e9velopp\u00e9e originellement par le statisticien John Tukey dans son ouvrage fondateur de 1977 consacr\u00e9 \u00e0 l’exploration visuelle des donn\u00e9es, la bo\u00eete \u00e0 moustaches, ou boxplot<\/em>, s’est impos\u00e9e comme le paradigme standard pour condenser les propri\u00e9t\u00e9s distributionnelles univari\u00e9es sans postuler a priori une quelconque normalit\u00e9 param\u00e9trique.<\/p>\n

L’environnement logiciel SAS (Statistical Analysis System<\/em>), d\u00e9ploy\u00e9 \u00e0 l’\u00e9chelle plan\u00e9taire au sein des industries pharmaceutiques, des institutions financi\u00e8res et des centres de recherche publique, propose une infrastructure computationnelle d’une robustesse in\u00e9gal\u00e9e pour construire ces repr\u00e9sentations graphiques. La bo\u00eete \u00e0 moustaches stratifi\u00e9e par groupe permet d’analyser simultan\u00e9ment plusieurs sous-populations, de visualiser les variations d’\u00e9chelles, d’\u00e9valuer la stabilit\u00e9 des m\u00e9dianes et de v\u00e9rifier l’hypoth\u00e8se cruciale d’homosc\u00e9dasticit\u00e9 indispensable \u00e0 l’application des tests d’hypoth\u00e8ses classiques. Gr\u00e2ce aux fonctionnalit\u00e9s avanc\u00e9es d’ODS Graphics (Output Delivery System<\/em>) et particuli\u00e8rement aux proc\u00e9dures modernes telles que PROC SGPLOT<\/a>, l’analyste dispose d’un contr\u00f4le typographique et vectoriel absolu pour traduire des structures matricielles denses en repr\u00e9sentations graphiques conformes aux plus hautes exigences des revues \u00e0 comit\u00e9 de lecture.<\/p>\n

Ce trait\u00e9 exhaustif expose de mani\u00e8re m\u00e9thodique et programmatique les fondements th\u00e9oriques, la structuration technique des donn\u00e9es, l’ing\u00e9nierie syntaxique et les bonnes pratiques \u00e9ditoriales n\u00e9cessaires \u00e0 la production de bo\u00eetes \u00e0 moustaches comparatives hautement sophistiqu\u00e9es dans l’\u00e9cosyst\u00e8me SAS. De la dissection math\u00e9matique des quartiles de Tukey jusqu’\u00e0 l’automatisation modulaire par macro-programmation, en passant par le traitement des valeurs aberrantes et la conformit\u00e9 aux directives acad\u00e9miques internationales, cet article constitue un manuel de r\u00e9f\u00e9rence exhaustif destin\u00e9 aux statisticiens, biostatisticiens et data scientists soucieux d’excellence m\u00e9thodologique.<\/p>\n

1. Fondements th\u00e9oriques et utilit\u00e9 de la bo\u00eete \u00e0 moustaches par groupe<\/h2>\n

1.1 Composantes du r\u00e9sum\u00e9 \u00e0 cinq nombres dans les visualisations SAS<\/h3>\n

La bo\u00eete \u00e0 moustaches repose fondamentalement sur le concept math\u00e9matique du r\u00e9sum\u00e9 \u00e0 cinq nombres formalis\u00e9 par John Tukey<\/a>, compl\u00e9t\u00e9 par une identification rigoureuse des observations marginales. Au sein du syst\u00e8me SAS, l’architecture graphique mat\u00e9rialise en premier lieu le premier quartile (not\u00e9 Q1 ou 25e centile) et le troisi\u00e8me quartile (not\u00e9 Q3 ou 75e centile). Ces deux valeurs d\u00e9limitent le corps rectangulaire de la bo\u00eete, dont la hauteur absolue correspond pr\u00e9cis\u00e9ment \u00e0 l’\u00e9cart interquartile, d\u00e9sign\u00e9 couramment sous l’acronyme anglais IQR (Interquartile Range<\/em>). L’\u00e9cart interquartile englobe la fraction m\u00e9diane centrale de 50 % des observations collect\u00e9es et constitue un indicateur de dispersion hautement r\u00e9sistant, insensible aux fluctuations stochastiques des queues de distribution.<\/p>\n

\u00c0 l’int\u00e9rieur de ce polygone rectangulaire, une ligne transversale mat\u00e9rialise la m\u00e9diane empirique, ou second quartile (Q2 ou 50e centile). La position relative de cette ligne m\u00e9diane au sein du rectangle interquartile fournit un diagnostic visuel direct quant \u00e0 l’asym\u00e9trie de la distribution centrale : un positionnement d\u00e9centr\u00e9 vers le bord inf\u00e9rieur d\u00e9note une asym\u00e9trie positive (\u00e9talement vers la droite), tandis qu’un rapprochement du bord sup\u00e9rieur signale une asym\u00e9trie n\u00e9gative (\u00e9talement vers la gauche). Par d\u00e9faut, SAS enrichit cette repr\u00e9sentation par l’insertion d’un symbole distinctif, g\u00e9n\u00e9ralement un losange ou un cercle plein, positionn\u00e9 \u00e0 la coordonn\u00e9e exacte de la moyenne arithm\u00e9tique. La distance s\u00e9parant la m\u00e9diane de la moyenne constitue un indicateur imm\u00e9diat de l’intensit\u00e9 de la d\u00e9viation param\u00e9trique caus\u00e9e par les queues de distribution ou les observations atypiques.<\/p>\n

Les moustaches (whiskers<\/em>) s’\u00e9tendent de part et d’autre des ar\u00eates du rectangle jusqu’aux bornes de donn\u00e9es adjacentes les plus \u00e9loign\u00e9es, sans jamais exc\u00e9der les limites th\u00e9oriques d\u00e9finies par la cl\u00f4ture de Tukey. Ces cl\u00f4tures th\u00e9oriques sont calcul\u00e9es math\u00e9matiquement par l’adjonction ou la soustraction d’un facteur d’\u00e9chelle \u00e9quivalant \u00e0 1,5 fois l’\u00e9cart interquartile : Q3 + 1,5\u00d7IQR pour la cl\u00f4ture sup\u00e9rieure et Q1 – 1,5\u00d7IQR pour la cl\u00f4ture inf\u00e9rieure. Les valeurs observ\u00e9es franchissant ces fronti\u00e8res conventionnelles sont extraites de l’ancrage continu des moustaches et re\u00e7oivent un traitement g\u00e9om\u00e9trique individualis\u00e9 sous la forme de points de dispersion discrets, permettant ainsi de cartographier imm\u00e9diatement l’existence de donn\u00e9es aberrantes.<\/p>\n

1.2 Avantages comparatifs des analyses factorielles group\u00e9es<\/h3>\n

Dans l’investigation empirique multivari\u00e9e, l’\u00e9valuation isol\u00e9e de distributions univari\u00e9es sans stratification factorielle s’av\u00e8re souvent fallacieuse, masquant des h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9s structurelles profondes. L’int\u00e9gration d’une dimension de regroupement permet de d\u00e9ployer c\u00f4te \u00e0 c\u00f4te, le long d’un rep\u00e8re orthonorm\u00e9 partag\u00e9, les bo\u00eetes \u00e0 moustaches associ\u00e9es \u00e0 chaque modalit\u00e9 d’une variable qualitative ind\u00e9pendante. Ce proc\u00e9d\u00e9 offre une densit\u00e9 d’information exceptionnelle tout en pr\u00e9venant la saturation perceptive inh\u00e9rente aux superpositions de densit\u00e9s de Kernel ou aux histogrammes multifactoriels enchev\u00eatr\u00e9s. L’analyste peut ainsi sonder instantan\u00e9ment la coh\u00e9rence interne de sous-populations distinctes au sein d’un m\u00eame espace graphique standardis\u00e9.<\/p>\n

L’un des apports majeurs de la bo\u00eete \u00e0 moustaches par groupe r\u00e9side dans sa capacit\u00e9 \u00e0 r\u00e9v\u00e9ler les violations de l’homosc\u00e9dasticit\u00e9, condition sine qua non de validit\u00e9 pour une multitude d’analyses inf\u00e9rentielles traditionnelles. L’in\u00e9galit\u00e9 des largeurs de bo\u00eetes ou la disproportion flagrante de la longueur des moustaches entre divers sous-groupes signale imm\u00e9diatement une h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des variances r\u00e9siduelles. Ce diagnostic graphique imm\u00e9diat guide le chercheur vers des approches statistiques compensatoires, telles que les corrections de Welch-Satterthwaite, les mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s \u00e0 variance h\u00e9t\u00e9rog\u00e8ne ou les transformations math\u00e9matiques stabilisatrices de variance comme la famille de Box-Cox.<\/p>\n

Par ailleurs, la juxtaposition spatiale des bo\u00eetes autorise une appr\u00e9ciation visuelle continue des d\u00e9calages d’ordre stochastique entre conditions d’observation. En confrontant directement les hauteurs relatives des m\u00e9dianes de plusieurs cohortes, le praticien rep\u00e8re instantan\u00e9ment les tendances d’efficacit\u00e9 th\u00e9rapeutique, les disparit\u00e9s socio-\u00e9conomiques ou les variations temporelles de processus industriels. Cette lecture bidimensionnelle synth\u00e9tise les propri\u00e9t\u00e9s de position, de dispersion et de forme sans obliger l’utilisateur \u00e0 naviguer \u00e0 travers d’interminables tableaux num\u00e9riques de statistiques descriptives, optimisant de fait la vitesse et la pertinence des arbitrages analytiques.<\/p>\n

1.3 Applications statistiques dans les protocoles de recherche<\/h3>\n

L’utilit\u00e9 m\u00e9thodologique de la bo\u00eete \u00e0 moustaches par groupe se manifeste avec une acuit\u00e9 particuli\u00e8re lors des phases exploratoires pr\u00e9c\u00e9dant l’application de l’analyse de variance univari\u00e9e (ANOVA) ou multivari\u00e9e (MANOVA). Avant de soumettre un mod\u00e8le lin\u00e9aire \u00e0 l’\u00e9valuation formelle du test F de Fisher, il est imp\u00e9ratif d’\u00e9valuer la distribution des r\u00e9sidus au sein de chaque cellule du plan exp\u00e9rimental. La bo\u00eete \u00e0 moustaches group\u00e9e permet de v\u00e9rifier graphiquement la sym\u00e9trie locale et de d\u00e9celer la pr\u00e9sence \u00e9ventuelle de points hautement influents capables de distordre unilat\u00e9ralement l’estimation des sommes des carr\u00e9s et d’induire des erreurs de type I ou II lors des prises de d\u00e9cision d’inf\u00e9rence statistique.<\/p>\n

Dans le domaine des essais cliniques randomis\u00e9s et des protocoles pharmacologiques, les directives r\u00e9glementaires internationales exigent une transparence absolue quant \u00e0 la variabilit\u00e9 des biomarqueurs d’efficacit\u00e9 et de s\u00e9curit\u00e9 \u00e0 travers les diff\u00e9rents bras de traitement. Les visualisations group\u00e9es permettent de tracer l’\u00e9volution comparative de param\u00e8tres physiologiques continus (tels que la clairance r\u00e9nale, la concentration plasmatique ou la pression art\u00e9rielle) entre des cohortes recevant divers paliers posologiques ou un placebo. L’identification visuelle imm\u00e9diate des sujets non r\u00e9pondeurs ou manifestant une toxicit\u00e9 biologique inattendue facilite la prise de d\u00e9cision rapide au cours des analyses interm\u00e9diaires protocolaires.<\/p>\n

De surcro\u00eet, les sciences comportementales, l’\u00e9ducation et la psychom\u00e9trie recourent massivement aux bo\u00eetes \u00e0 moustaches segment\u00e9es pour comparer des scores standardis\u00e9s ou des indices d’aptitude cognitive entre plusieurs strates d\u00e9mographiques, socioculturelles ou exp\u00e9rimentales. L’absence de postulats param\u00e9triques rigides inh\u00e9rente au format de Tukey autorise la comparaison de variables ordinales ou de mesures d’attitudes sans risquer les artefacts interpr\u00e9tatifs associ\u00e9s aux distributions fortement tronqu\u00e9es ou multimodales qui caract\u00e9risent couramment les \u00e9chelles de type Likert agr\u00e9g\u00e9es.<\/p>\n

2. Pr\u00e9paration et structuration rigoureuse du jeu de donn\u00e9es dans SAS<\/h2>\n

2.1 Cr\u00e9ation programmatique du tableau de donn\u00e9es avec l’\u00e9tape DATA<\/h3>\n

Pour exploiter pleinement la puissance des moteurs de rendu graphique de SAS, les donn\u00e9es sources doivent imp\u00e9rativement respecter une architecture dimensionnelle pr\u00e9cise. L’environnement SAS repose sur la distinction conceptuelle entre jeux de donn\u00e9es au format large (wide format<\/em>) et au format long (long format<\/em>). Les proc\u00e9dures de visualisation distributionnelle moderne, notamment PROC SGPLOT, exigent une structuration rigoureuse au format long : chaque observation \u00e9l\u00e9mentaire doit occuper une ligne physique distincte de la table SAS, comportant au minimum une variable continue portant la mesure quantitative et une variable cat\u00e9gorielle servant de cl\u00e9 de regroupement factoriel.<\/p>\n

La g\u00e9n\u00e9ration programmatique de ce canevas s’op\u00e8re canoniquement au moyen de l’\u00e9tape DATA, via l’invocation conjointe des instructions de lecture INPUT et d’alimentation DATALINES (ou CARDS). Lors de la d\u00e9claration des variables de regroupement cat\u00e9goriel au niveau de l’instruction INPUT, le d\u00e9veloppeur doit adjoindre le modificateur typologique dollar ($) imm\u00e9diatement \u00e0 la suite de l’identifiant de la colonne. Cette syntaxe indique au compilateur SAS d’allouer un descripteur de m\u00e9moire alphanum\u00e9rique pour stocker les modalit\u00e9s factorielles, pr\u00e9venant ainsi les erreurs de troncature ou de conversion de type non sollicit\u00e9e.<\/p>\n

La structuration longue permet \u00e9galement de stocker des attributs d’identification transversaux, tels que les identifiants uniques de patients ou de lots d’\u00e9chantillonnage, qui s’av\u00e8rent ult\u00e9rieurement indispensables pour l’\u00e9tiquetage personnalis\u00e9 des valeurs aberrantes. Un agencement m\u00e9thodique au sein de l’\u00e9tape DATA \u00e9vite le recours ult\u00e9rieur \u00e0 des op\u00e9rations de transposition computationnellement on\u00e9reuses via la proc\u00e9dure PROC TRANSPOSE, garantissant ainsi un traitement \u00e9conome des ressources syst\u00e8me face \u00e0 des volum\u00e9tries de donn\u00e9es massives.<\/p>\n

2.2 Validation des formats et codification des variables de regroupement<\/h3>\n

L’int\u00e9grit\u00e9 de la segmentation graphique d\u00e9pend directement de la propret\u00e9 structurelle de la variable de classification. Au sein de SAS, une variable cat\u00e9gorielle alphanum\u00e9rique est particuli\u00e8rement sensible aux d\u00e9rives typographiques microscopiques : la pr\u00e9sence d’espaces ins\u00e9cables r\u00e9siduels, de tabulations invisibles ou de divergences de casse (majuscules contre minuscules) am\u00e8ne le moteur analytique \u00e0 fragmenter artificiellement une m\u00eame modalit\u00e9 biologique ou exp\u00e9rimentale en plusieurs sous-groupes graphiques orphelins. L’analyste doit donc syst\u00e9matiquement assainir ses cha\u00eenes de caract\u00e8res au moyen de fonctions vectorielles sp\u00e9cialis\u00e9es telles que STRIP, TRIM et UPCASE au sein de l’\u00e9tape DATA pr\u00e9liminaire.<\/p>\n

Au-del\u00e0 du simple assainissement textuel, l’application formelle de formats d\u00e9finis par l’utilisateur via la proc\u00e9dure PROC FORMAT constitue la m\u00e9thode d’excellence pour administrer les variables de regroupement. En associant des libell\u00e9s intelligibles et acad\u00e9miquement rigoureux \u00e0 des codes num\u00e9riques sous-jacents (par exemple en assignant la cha\u00eene ‘Groupe T\u00e9moin (Placebo)’ \u00e0 la valeur discr\u00e8te 0, et ‘Traitement Actif 50mg’ \u00e0 la valeur 1), le statisticien garantit l’ind\u00e9pendance entre la logique de stockage interne et la couche de pr\u00e9sentation visuelle. L’ordre logique des formats facilite en outre l’ordonnancement s\u00e9quentiel des bo\u00eetes lors du rendu final.<\/p>\n

Il convient \u00e9galement d’ajuster avec minutie la longueur d\u00e9clar\u00e9e (length<\/em>) des variables textuelles. Une allocation m\u00e9moire insuffisante lors de la phase de compilation entra\u00eene la troncature silencieuse des libell\u00e9s de facteurs longs, provoquant la fusion accidentelle de modalit\u00e9s distinctes qui partageraient des pr\u00e9fixes identiques. La sp\u00e9cification explicite d’une instruction LENGTH en amont de toute assignation garantit que chaque \u00e9tiquette cat\u00e9gorielle pr\u00e9servera son int\u00e9gralit\u00e9 orthographique et s\u00e9mantique dans l’arborescence des m\u00e9tadonn\u00e9es de la table.<\/p>\n

2.3 Pr\u00e9traitement et gestion des valeurs manquantes par groupe<\/h3>\n

La gestion des enregistrements incomplets requiert une vigilance absolue afin d’\u00e9viter toute distorsion analytique ou biais d’attrition non contr\u00f4l\u00e9. Le syst\u00e8me SAS adopte des comportements diff\u00e9renci\u00e9s et strictement encadr\u00e9s selon que la valeur manquante (repr\u00e9sent\u00e9e par un point pour les variables num\u00e9riques ou par une cha\u00eene d’espaces vides pour les variables textuelles) se situe sur la composante quantitative ou sur le vecteur de classification cat\u00e9gorielle. Par d\u00e9faut, lorsqu’une observation pr\u00e9sente une valeur absente sur la variable continue d\u00e9pendante, PROC SGPLOT omet cette ligne sp\u00e9cifique du calcul des r\u00e9sum\u00e9s \u00e0 cinq nombres sans exclure pour autant le groupe correspondant de l’axe factoriel.<\/p>\n

En revanche, si l’absence de donn\u00e9e affecte la variable de regroupement elle-m\u00eame, SAS r\u00e9agit par d\u00e9faut en g\u00e9n\u00e9rant une bo\u00eete \u00e0 moustaches distincte assign\u00e9e \u00e0 la modalit\u00e9 manquante, mat\u00e9rialis\u00e9e par un blanc ou un point sur l’axe des cat\u00e9gories. Cette s\u00e9gr\u00e9gation visuelle automatique, bien qu’utile pour auditer la compl\u00e9tude d’un fichier source, s’av\u00e8re totalement inacceptable au sein d’un manuscrit scientifique destin\u00e9 \u00e0 la publication. Le statisticien doit alors d\u00e9ployer des filtres de s\u00e9lection formels \u00e0 l’aide de l’instruction WHERE pour purger le flux d’analyse de toutes les observations non index\u00e9es cat\u00e9goriellement avant la compilation graphique.<\/p>\n

Il est de surcro\u00eet recommand\u00e9 de quantifier syst\u00e9matiquement la pr\u00e9valence du manque d’information au sein de chaque strate exp\u00e9rimentale. L’ex\u00e9cution pr\u00e9alable d’une proc\u00e9dure de croisement descriptive comme PROC FREQ permet de d\u00e9tecter d’\u00e9ventuels d\u00e9s\u00e9quilibres structurels dans l’attrition des donn\u00e9es. Si une sous-population exp\u00e9rimentale pr\u00e9sente un taux d’observations manquantes disproportionn\u00e9, l’interpr\u00e9tation des bo\u00eetes \u00e0 moustaches associ\u00e9es doit imp\u00e9rativement s’accompagner d’avertissements m\u00e9thodologiques explicites afin de ne pas induire en erreur le lectorat quant \u00e0 la repr\u00e9sentativit\u00e9 des quartiles affich\u00e9s.<\/p>\n

3. Mise en \u0153uvre fondamentale de PROC SGPLOT avec l’instruction VBOX<\/h2>\n

3.1 Syntaxe de base de l’instruction VBOX avec l’option GROUP<\/h3>\n

L’instruction VBOX constitue l’\u00e9pine dorsale de la proc\u00e9dure moderne PROC SGPLOT<\/a> pour l’\u00e9dification de bo\u00eetes \u00e0 moustaches orient\u00e9es selon une g\u00e9om\u00e9trie verticale conventionnelle. Sa syntaxe de base r\u00e9clame la d\u00e9signation explicite de la variable quantitative dont on souhaite cartographier la dispersion en tant qu’argument primaire imm\u00e9diat de la commande. Dans sa configuration la plus simple, sans partitionnement factoriel, la commande engendre un trac\u00e9 univari\u00e9 monolithique ancr\u00e9 au centre de la fen\u00eatre de tra\u00e7age. Pour injecter la dimension analytique de segmentation, le praticien doit imp\u00e9rativement exploiter les arguments de sous-classification int\u00e9gr\u00e9s.<\/p>\n

L’option GROUP= transforme radicalement le comportement d’\u00e9valuation de la proc\u00e9dure. En ajoutant cette instruction suivie de l’identifiant de la variable cat\u00e9gorielle, le moteur ODS Graphics partitionne instantan\u00e9ment l’\u00e9chantillon global en sous-ensembles mutuellement exclusifs correspondant aux niveaux du facteur d\u00e9sign\u00e9. Le moteur calcule de fa\u00e7on autonome les r\u00e9sum\u00e9s \u00e0 cinq nombres sp\u00e9cifiques \u00e0 chaque sous-cohorte et applique une diff\u00e9renciation graphique dynamique, associant par d\u00e9faut \u00e0 chaque bo\u00eete une couleur de remplissage et un style de contour distincts issus du sch\u00e9ma de style ODS actif lors de la session de compilation.<\/p>\n

Cette approche synth\u00e9tique offre un gain de productivit\u00e9 remarquable par rapport aux anciennes routines matricielles du langage SAS. Aucune boucle it\u00e9rative n’est requise de la part du programmeur : l’algorithme sous-jacent orchestre la lecture du jeu de donn\u00e9es, la stratification en m\u00e9moire tampon, le calcul d\u00e9terministe des quartiles selon la m\u00e9thodologie de Tukey et l’assemblage g\u00e9om\u00e9trique proportionnel des vecteurs graphiques dans le conteneur visuel de sortie.<\/p>\n

\"SAS
SAS boxplots by group<\/figcaption><\/figure>\n

3.2 Distinction fondamentale entre l’option GROUP et l’option CATEGORY<\/h3>\n

Une confusion r\u00e9currente chez les programmeurs SAS novices r\u00e9side dans l’interchangeabilit\u00e9 suppos\u00e9e des param\u00e8tres GROUP= et CATEGORY= au sein de l’instruction VBOX. Il existe pourtant une fronti\u00e8re conceptuelle et g\u00e9om\u00e9trique tranch\u00e9e entre ces deux options. L’argument CATEGORY= gouverne exclusivement l’implantation physique et la r\u00e9partition discr\u00e8te des bo\u00eetes le long de l’axe des abscisses horizontales. Lorsque l’option CATEGORY= est invoqu\u00e9e isol\u00e9ment, SAS instancie des coordonn\u00e9es ind\u00e9pendantes sur l’axe X pour chaque modalit\u00e9, conf\u00e9rant \u00e0 chaque bo\u00eete une assise spatiale d\u00e9di\u00e9e, g\u00e9n\u00e9ralement habill\u00e9e d’une teinte uniforme d\u00e9finie par les param\u00e8tres de trac\u00e9 par d\u00e9faut.<\/p>\n

\u00c0 l’inverse, l’option GROUP= porte une charge esth\u00e9tique et relationnelle orient\u00e9e vers la discrimination colorim\u00e9trique et l’empilement ou le regroupement conditionnel (clustering<\/em>). Si un analyste applique GROUP= en l’absence de toute sp\u00e9cification de l’option CATEGORY=, le syst\u00e8me positionnera l’ensemble des bo\u00eetes g\u00e9n\u00e9r\u00e9es sur un axe horizontal virtuel r\u00e9duit \u00e0 un emplacement unique, provoquant une superposition ou une juxtaposition tr\u00e8s \u00e9troite de trac\u00e9s polychromes d\u00e9pourvus d’\u00e9tiquetage nominal distinct sur l’axe principal.<\/p>\n

La v\u00e9ritable puissance analytique de la proc\u00e9dure \u00e9merge lors de la fusion synergique de ces deux param\u00e8tres : l’assignation simultan\u00e9e d’une variable primaire \u00e0 l’instruction CATEGORY= et d’une variable de stratification secondaire \u00e0 l’instruction GROUP=. Ce couplage syntaxique autorise la cr\u00e9ation de repr\u00e9sentations multivari\u00e9es imbriqu\u00e9es, au sein desquelles des sous-groupes exp\u00e9rimentaux diff\u00e9renci\u00e9s par la couleur sont m\u00e9ticuleusement regroup\u00e9s en grappes sous l’\u00e9gide de cat\u00e9gories fonctionnelles d’ordre sup\u00e9rieur, d\u00e9multipliant ainsi la finesse de restitution des plans d’exp\u00e9rience factoriels complexes.<\/p>\n

3.3 Ex\u00e9cution et analyse d’un premier exemple reproductible<\/h3>\n

Pour concr\u00e9tiser cette m\u00e9thodologie, consid\u00e9rons la mod\u00e9lisation programmatique standard d’un protocole exp\u00e9rimental \u00e0 trois groupes parall\u00e8les : un groupe placebo, un groupe recevant une faible dose th\u00e9rapeutique et un troisi\u00e8me soumis \u00e0 une dose \u00e9lev\u00e9e. Le mod\u00e8le minimal est initi\u00e9 en soumettant une \u00e9tape DATA structur\u00e9e, suivie de l’appel direct \u00e0 PROC SGPLOT. Au sein du corps de la proc\u00e9dure, l’instruction VBOX est param\u00e9tr\u00e9e en d\u00e9signant le biomarqueur continu d’int\u00e9r\u00eat en abscisse d’analyse, compl\u00e9t\u00e9e par l’option CATEGORY= pointant vers le libell\u00e9 du groupe de randomisation.<\/p>\n

D\u00e8s la validation de l’instruction RUN, le premier r\u00e9flexe m\u00e9thodologique du statisticien consiste \u00e0 inspecter m\u00e9ticuleusement le journal des \u00e9v\u00e9nements de SAS (le SAS Log<\/em>). Ce fichier de trace technique doit certifier l’absence absolue de tout message d’avertissement (WARNING<\/em>) ou d’erreur de syntaxe (ERROR<\/em>). Le journal confirme le nombre exact d’observations lues au sein de la table source et le nombre d’enregistrements effectivement int\u00e9gr\u00e9s \u00e0 l’algorithme de trac\u00e9, assurant ainsi qu’aucun enregistrement n’a \u00e9t\u00e9 ind\u00fbment \u00e9cart\u00e9 pour des probl\u00e8mes d’incompatibilit\u00e9 de type.<\/p>\n

Le rendu visuel d\u00e9livr\u00e9 permet une confrontation imm\u00e9diate des trois profils d’action. L’analyste observe directement sur le graphique la trajectoire de la ligne m\u00e9diane \u00e0 travers les trois compartiments : une progression ascendante monotone de la m\u00e9diane du placebo vers la forte dose constitue la signature empirique d’un effet dose-r\u00e9ponse. Concomitamment, la stabilit\u00e9 de la hauteur des rectangles interquartiles atteste de l’homog\u00e9n\u00e9it\u00e9 de la dispersion intra-groupe, validant visuellement la robustesse du protocole exp\u00e9rimental sans n\u00e9cessiter le d\u00e9cryptage initial de volumineux rapports scalaires.<\/p>\n

4. G\u00e9n\u00e9ration de bo\u00eetes \u00e0 moustaches horizontales avec l’instruction HBOX<\/h2>\n

4.1 Adaptation syntaxique de la d\u00e9claration HBOX dans PROC SGPLOT<\/h3>\n

L’exploration des donn\u00e9es quantitatives ne saurait \u00eatre confin\u00e9e \u00e0 une projection strictement verticale. Pour r\u00e9pondre \u00e0 des imp\u00e9ratifs vari\u00e9s d’agencement visuel, la proc\u00e9dure PROC SGPLOT met \u00e0 disposition l’instruction sym\u00e9trique HBOX, con\u00e7ue pour mat\u00e9rialiser des bo\u00eetes \u00e0 moustaches orient\u00e9es horizontalement. La transition syntaxique d’une mod\u00e9lisation VBOX vers HBOX s’op\u00e8re avec une fluidit\u00e9 d\u00e9concertante mais requiert la r\u00e9\u00e9valuation des correspondances d’axes dimensionnels. Dans la d\u00e9claration HBOX, la variable continue continue d’occuper la premi\u00e8re position syntaxique imm\u00e9diate apr\u00e8s le mot-cl\u00e9, mais elle sera d\u00e9sormais projet\u00e9e le long de l’axe des abscisses horizontales (X).<\/p>\n

Par cons\u00e9quent, l’argument CATEGORY= re\u00e7oit la variable qualitative de regroupement qui viendra d\u00e9sormais s’\u00e9chelonner de mani\u00e8re \u00e9tag\u00e9e le long de l’axe des ordonn\u00e9es verticales (Y). Les algorithmes internes de calcul des statistiques non param\u00e9triques (m\u00e9diane, quartiles, limites de Tukey et identification des \u00e9carts) demeurent strictement identiques \u00e0 ceux d\u00e9ploy\u00e9s pour l’instruction VBOX. L’inversion spatiale est purement g\u00e9om\u00e9trique et ne modifie en rien la rigueur math\u00e9matique des r\u00e9sum\u00e9s distributionnels produits.<\/p>\n

Cette sym\u00e9trie syntaxique illustre la remarquable coh\u00e9rence conceptuelle du syst\u00e8me ODS Graphics de SAS. Gr\u00e2ce \u00e0 cette uniformit\u00e9 op\u00e9rationnelle, le passage d’une perspective \u00e0 l’autre n’impose aucune restructuration du jeu de donn\u00e9es d’entr\u00e9e : la m\u00eame table au format long alimente indiff\u00e9remment l’une ou l’autre des repr\u00e9sentations, offrant une souplesse d’exp\u00e9rimentation graphique indispensable aux cycles rapides de prototypage analytique.<\/p>\n

4.2 Crit\u00e8res m\u00e9thodologiques guidant le choix entre trac\u00e9 vertical et horizontal<\/h3>\n

Le choix d\u00e9lib\u00e9r\u00e9 entre une orientation verticale ou horizontale transcende les simples pr\u00e9f\u00e9rences d’ordre purement esth\u00e9tique ; il repose sur des crit\u00e8res stricts d’ergonomie cognitive et de typographie graphique. L’argument le plus d\u00e9terminant en faveur de l’utilisation de l’instruction HBOX concerne la gestion des libell\u00e9s textuels descriptifs longs. Sur un axe horizontal conventionnel (VBOX), l’alignement de nombreuses \u00e9tiquettes cat\u00e9goriel-les d\u00e9taill\u00e9es force le moteur SAS \u00e0 appliquer des compromis typographiques d\u00e9gradant la lisibilit\u00e9 : chevauchement de textes, r\u00e9duction agressive de la taille de police, troncature ou rotation \u00e0 45 ou 90 degr\u00e9s qui contraint le lecteur \u00e0 une p\u00e9nible inclinaison cervicale.<\/p>\n

Le d\u00e9ploiement horizontal op\u00e9r\u00e9 par HBOX r\u00e9sout \u00e9l\u00e9gamment ce goulet d’\u00e9tranglement typographique. En disposant les groupes de classification verticalement les uns au-dessus des autres le long de l’axe Y, l’espace horizontal disponible pour afficher les libell\u00e9s de cat\u00e9gories devient virtuellement illimit\u00e9. Les descriptions complexes, comportant des d\u00e9nominations chimiques exhaustives, des nomenclatures nosologiques internationales ou des intitul\u00e9s d’unit\u00e9s administratives peuvent ainsi s’\u00e9crire horizontalement de gauche \u00e0 droite, respectant le sens naturel de lecture occidentale.<\/p>\n

De plus, lorsque l’\u00e9chantillon analys\u00e9 int\u00e8gre une stratification factorielle particuli\u00e8rement dense, comptant dix, quinze ou vingt modalit\u00e9s distinctes (comme la comparaison de performances r\u00e9gionales ou de panels de g\u00e9nomique), la bo\u00eete horizontale pr\u00e9vient la sensation d’\u00e9crasement lat\u00e9ral. La page graphique peut s’\u00e9tendre verticalement dans un format rapport ou une page de publication, conf\u00e9rant \u00e0 chaque bo\u00eete un couloir visuel parfaitement d\u00e9gag\u00e9 pour appr\u00e9cier sans distorsion la port\u00e9e exacte de ses moustaches de dispersion.<\/p>\n

4.3 Modifications structurelles des \u00e9chelles de mesure en mode HBOX<\/h3>\n

L’inversion structurelle des coordonn\u00e9es op\u00e9r\u00e9e par l’instruction HBOX entra\u00eene une permutation logique du r\u00f4le des instructions de contr\u00f4le d’axes au sein de la syntaxe de PROC SGPLOT. L’instruction XAXIS, qui g\u00e9rait les cat\u00e9gories nominales en configuration verticale, devient l’organe de contr\u00f4le exclusif de la variable continue de mesure. C’est donc d\u00e9sormais au sein du bloc XAXIS que le statisticien doit d\u00e9clarer les sp\u00e9cifications de seuils, les intervalles de graduation num\u00e9rique continue (via les param\u00e8tres VALUES= ou INCREMENT=) ainsi que l’insertion d’\u00e9chelles de transformation logarithmique si la dynamique des donn\u00e9es l’exige.<\/p>\n

R\u00e9ciproquement, l’instruction YAXIS assume d\u00e9sormais le pilotage de l’axe factoriel discret h\u00e9bergeant les diverses bo\u00eetes stratifi\u00e9es. C’est \u00e0 ce niveau pr\u00e9cis qu’il convient de param\u00e9trer l’espacement inter-bo\u00eetes afin de bannir tout risque de recouvrement des moustaches horizontales lorsque des distributions adjacentes pr\u00e9sentent des variances \u00e9tendues. L’analyste veille \u00e9galement \u00e0 configurer l’orientation s\u00e9quentielle des modalit\u00e9s sur l’axe Y, s’assurant que la progression de bas en haut ou de haut en bas ob\u00e9isse \u00e0 un ordonnancement intuitif ou protocolaire.<\/p>\n

L’harmonisation des lignes de rep\u00e8re exige \u00e9galement une adaptation topologique : pour faciliter la projection mentale des valeurs le long des axes, l’activation d’une grille de fond s’effectue d\u00e9sormais en ins\u00e9rant l’argument GRID au sein de l’instruction XAXIS. Des lignes verticales pointill\u00e9es traversent ainsi le panneau graphique de haut en bas, permettant \u00e0 l’\u0153il d’intercepter instantan\u00e9ment la position exacte des m\u00e9dianes et des valeurs marginales sur l’\u00e9chelle continue sous-jacente.<\/p>\n

5. Contr\u00f4le esth\u00e9tique des groupes : palettes, styles et marqueurs<\/h2>\n

5.1 Gestion des palettes chromatiques et du style ODS Graphics<\/h3>\n

L’impact persuasif et la clart\u00e9 s\u00e9miologique d’une visualisation scientifique d\u00e9pendent largement de la politique colorim\u00e9trique mise en \u0153uvre. L’environnement SAS encadre l’esth\u00e9tique g\u00e9n\u00e9rale de ses restitutions \u00e0 travers l’architecture des styles ODS (tels que HTMLBlue, Journal, Daisy ou Statistical). Bien que le style par d\u00e9faut fournisse un rendu propre et standardis\u00e9, il r\u00e9pond rarement aux chartes contraignantes des maisons d’\u00e9dition acad\u00e9miques. Le recours au style Journal, par exemple, convertit instantan\u00e9ment l’ensemble de la palette en d\u00e9grad\u00e9s de niveaux de gris rigoureusement \u00e9talonn\u00e9s, condition indispensable pour l’impression physique sans surco\u00fbt chromatique.<\/p>\n

Pour un contr\u00f4le fin et ind\u00e9pendant des th\u00e8mes globaux, la proc\u00e9dure PROC SGPLOT propose l’instruction de bas niveau STYLEATTRS, v\u00e9ritable centre de pilotage de l’identit\u00e9 visuelle de la figure. En sp\u00e9cifiant l’option DATACOLORS=(liste_de_couleurs), le concepteur injecte un vecteur de teintes personnalis\u00e9es qui supplantera l’ordre d’attribution automatique du logiciel. Les couleurs peuvent \u00eatre d\u00e9clar\u00e9es au moyen de leurs d\u00e9signations nominales standardis\u00e9es ou par l’interm\u00e9diaire de leurs codes hexad\u00e9cimaux stricts (ex. #1A5276), autorisant une reproduction fid\u00e8le des chartes institutionnelles.<\/p>\n

Il est de rigueur \u00e9thique et m\u00e9thodologique d’adopter des palettes chromatiques adapt\u00e9es aux personnes atteintes d’anomalies de la perception des couleurs (dyschromatopsies telles que la deut\u00e9ranopie ou la protanopie). L’usage exclusif de combinaisons rouge-vert doit \u00eatre rigoureusement proscrit au profit de nuanciers perceptuellement uniformes et contrast\u00e9s, comme les palettes inspir\u00e9es de Viridis, Magma ou des travaux de Cynthia Brewer (ColorBrewer), garantissant une accessibilit\u00e9 universelle \u00e0 la lecture des preuves empiriques.<\/p>\n

5.2 Param\u00e9trage des contours et des textures de remplissage<\/h3>\n

Dans un contexte de publication scientifique noir et blanc ou lorsque la reproduction graphique est susceptible de subir une d\u00e9gradation de contraste, le recours univoque \u00e0 la diff\u00e9renciation par la couleur constitue une fragilit\u00e9 m\u00e9thodologique. Pour contourner cette limite, SAS permet de combiner la couleur avec des attributs de texture et de typographie vectorielle de surface. L’option FILLPATTERNS, int\u00e9gr\u00e9e au sein de PROC SGPLOT, active le remplissage des corps de bo\u00eetes par des hachures g\u00e9om\u00e9triques diff\u00e9rentielles (lignes obliques, croisillons, rayures horizontales). Cette stratification textur\u00e9e garantit que chaque groupe factoriel demeure parfaitement identifiable, m\u00eame sous une photocopie d\u00e9grad\u00e9e en basse r\u00e9solution.<\/p>\n

Le contour des bo\u00eetes requiert \u00e9galement un ajustement g\u00e9om\u00e9trique pr\u00e9cis au moyen du param\u00e8tre LINEATTRS. Cette commande autorise le r\u00e9glage conjoint de l’\u00e9paisseur de trait (thickness<\/em>), de la couleur de d\u00e9limitation et de la nature de la ligne (pleine, tiret\u00e9e, pointill\u00e9e). Un contour noir net de largeur interm\u00e9diaire (par exemple 1,5 point) enserrant une surface color\u00e9e claire permet de stabiliser visuellement la bo\u00eete \u00e0 moustaches et de d\u00e9tacher impeccablement son emprise spatiale par rapport au fond graphique de l’image.<\/p>\n

De plus, l’analyste peut moduler le degr\u00e9 d’opacit\u00e9 de la surface interne de la bo\u00eete gr\u00e2ce \u00e0 l’option globale TRANSPARENCY=, qui prend une valeur scalaire comprise entre 0 (opacit\u00e9 int\u00e9grale) et 1 (transparence totale). L’assignation d’une valeur de transparence \u00e9quilibr\u00e9e (autour de 0,3 \u00e0 0,4) s’av\u00e8re particuli\u00e8rement judicieuse lorsque le trac\u00e9 de la bo\u00eete \u00e0 moustaches est combin\u00e9 en surimpression avec des nuages de dispersion de points individuels (jitter plots<\/em>), permettant ainsi de visualiser la bo\u00eete tout en observant simultan\u00e9ment la densit\u00e9 exacte des observations sous-jacentes.<\/p>\n

5.3 Affichage et personnalisation du symbole de la moyenne arithm\u00e9tique<\/h3>\n

Par d\u00e9faut, l’instruction VBOX de SAS inclut automatiquement la repr\u00e9sentation de la moyenne arithm\u00e9tique sous la forme d’un marqueur ponctuel ins\u00e9r\u00e9 dans la bo\u00eete. Toutefois, selon les revues ou les objectifs de communication, il est souvent imp\u00e9ratif de contr\u00f4ler rigoureusement la pr\u00e9sence et l’esth\u00e9tique de ce param\u00e8tre. La directive DISPLAY= permet d’activer ou d’occulter s\u00e9lectivement les composantes anatomiques du trac\u00e9 : en stipulant DISPLAY=(CAPS FILL MEDIAN), le programmeur conserve les barres d’extr\u00e9mit\u00e9s des moustaches, le remplissage et la ligne m\u00e9diane, tout en \u00e9liminant d\u00e9lib\u00e9r\u00e9ment le symbole de la moyenne arithm\u00e9tique si celui-ci risque d’alourdir l’interpr\u00e9tation.<\/p>\n

\u00c0 l’inverse, si le protocole requiert une mise en exergue spectaculaire de la moyenne pour illustrer l’\u00e9cart \u00e0 la m\u00e9diane (asym\u00e9trie), l’instruction MEANATTRS conf\u00e8re une libert\u00e9 totale de personnalisation g\u00e9om\u00e9trique. L’analyste peut y red\u00e9finir la nature de la forme symbolique (cercle plein, carr\u00e9, triangle, ast\u00e9risque ou losange), ajuster sa taille en pixels ou en points typographiques, et affecter une teinte distincte de celle du contour de la bo\u00eete pour maximiser la saillance perceptive.<\/p>\n

Cette confrontation visuelle entre le centre de gravit\u00e9 param\u00e9trique (la moyenne, influenc\u00e9e par l’amplitude des valeurs extr\u00eames) et le point de balance robuste non param\u00e9trique (la m\u00e9diane, invariante aux queues de distribution) offre une valeur diagnostique imm\u00e9diate. Dans les distributions de variables biologiques ou \u00e9conomiques lourdement dissym\u00e9triques, constater que le marqueur de la moyenne est violemment propuls\u00e9 vers la moustache sup\u00e9rieure pendant que la m\u00e9diane demeure ancr\u00e9e dans le bas de la bo\u00eete permet d’alerter sans \u00e9quivoque le lecteur sur l’inad\u00e9quation structurelle des estimateurs gaussiens pour le jeu de donn\u00e9es sous revue.<\/p>\n

6. Configuration ergonomique et avanc\u00e9e de la l\u00e9gende via KEYLEGEND<\/h2>\n

6.1 Syntaxe g\u00e9n\u00e9rale et positionnement strat\u00e9gique de KEYLEGEND<\/h3>\n

D\u00e8s lors qu’une variable de stratification est introduite au moyen de l’argument GROUP=, le moteur graphique de SAS initialise automatiquement la cr\u00e9ation d’une l\u00e9gende visant \u00e0 d\u00e9coder les associations d’attributs visuels (couleurs, textures, symboles). N\u00e9anmoins, l’implantation par d\u00e9faut r\u00e9gie par les automatismes du compilateur respecte rarement les canons de l’ergonomie visuelle moderne. L’instruction explicite KEYLEGEND permet de neutraliser le positionnement aveugle de SAS et de reprendre le contr\u00f4le int\u00e9gral de la spatialisation de cet \u00e9l\u00e9ment critique.<\/p>\n

L’argument central POSITION= r\u00e9git l’ancrage spatial de la l\u00e9gende selon une\u73ab\u7470 des vents directionnelle : BOTTOM, TOP, RIGHT, LEFT, ainsi que leurs d\u00e9clinaisons combin\u00e9es (TOPRIGHT, BOTTOMLEFT, etc.). Le choix d’implantation doit d\u00e9couler de la morphologie du canevas : pour des bo\u00eetes verticales standard, une disposition transversale en position inf\u00e9rieure (BOTTOM) lib\u00e8re l’amplitude lat\u00e9rale n\u00e9cessaire \u00e0 l’\u00e9talement non contraint des axes. Parall\u00e8lement, l’argument LOCATION= arbitre si le bloc d’informations s\u00e9miotiques doit r\u00e9sider en dehors de la grille de tra\u00e7age proprement dite (OUTSIDE) ou s’imbriquer \u00e0 l’int\u00e9rieur du rep\u00e8re cart\u00e9sien (INSIDE), option tr\u00e8s efficace pour coloniser les zones r\u00e9siduelles exemptes de toute observation statistique.<\/p>\n

La structuration matricielle de la l\u00e9gende s’ajuste quant \u00e0 elle via les directives ACROSS= et DOWN=. En d\u00e9clarant formellement DOWN=1, le statisticien impose un d\u00e9ploiement strictement lin\u00e9aire et horizontal de l’ensemble des descripteurs de groupes, une organisation particuli\u00e8rement sobre qui se loge parfaitement sous l’axe horizontal, \u00e9liminant tout encombrement vertical st\u00e9rile.<\/p>\n

6.2 Personnalisation s\u00e9mantique et typographique du titre de l\u00e9gende<\/h3>\n

L’une des manifestations d’amateurisme les plus courantes dans la production graphique informatis\u00e9e r\u00e9side dans la persistance des noms de variables internes bruts (comme ‘grp_trt_arm_v2’) en guise d’en-t\u00eate de l\u00e9gende. L’option TITLE=\u00a0\u00bbTexte explicite\u00a0\u00bb au sein de la commande KEYLEGEND permet de substituer \u00e0 ces identifiants informatiques obscurs un titre hautement compr\u00e9hensible, scientifiquement irr\u00e9prochable et pr\u00eat pour publication (par exemple : ‘Bras exp\u00e9rimental de randomisation’).<\/p>\n

Le contr\u00f4le typographique de cet en-t\u00eate s’exerce via l’argument TITLEATTRS=(attributs). Cette clause offre la possibilit\u00e9 d’adapter la famille de polices d’\u00e9criture pour l’accorder avec celle du corps du texte du rapport h\u00f4te (Arial, Helvetica, Times New Roman), d’ajuster l’\u00e9chelle de corps en points (size=<\/em>), et de moduler la graisse typographique (weight=bold<\/em>) ou la posture (style=italic<\/em>). Cette harmonisation rigoureuse conf\u00e8re au document final une coh\u00e9sion \u00e9ditoriale sans faille.<\/p>\n

Il arrive fr\u00e9quemment, dans le cadre d’articles acad\u00e9miques aux libell\u00e9s auto-explicatifs, que la pr\u00e9sence m\u00eame d’un titre de l\u00e9gende devienne redondante et vienne saturer l’espace pour une faible valeur ajout\u00e9e d’information. SAS permet l’oblit\u00e9ration formelle de ce titre par la sp\u00e9cification d’une cha\u00eene vide TITLE=\u00a0\u00bb\u00a0\u00bb ou par l’application de param\u00e8tres d’exclusion d\u00e9di\u00e9s, concr\u00e9tisant ainsi le principe d’\u00e9conomie d’encre cher aux pionniers de la s\u00e9miologie graphique.<\/p>\n

6.3 Harmonisation des \u00e9tiquettes individuelles des groupes<\/h3>\n

Au-del\u00e0 du titre f\u00e9d\u00e9rateur, les libell\u00e9s \u00e9l\u00e9mentaires d\u00e9signant chacune des modalit\u00e9s du facteur doivent faire l’objet d’un contr\u00f4le typographique \u00e9quivalent \u00e0 travers l’instruction VALUEATTRS=. Les directives appliqu\u00e9es au niveau de VALUEATTRS s’impriment directement sur les \u00e9tiquettes textuelles align\u00e9es face aux vignettes chromatiques ou aux symboles de texture. L’analyste doit veiller \u00e0 pr\u00e9server un corps de police l\u00e9g\u00e8rement inf\u00e9rieur \u00e0 celui des titres d’axes afin d’instaurer une hi\u00e9rarchie perceptive fluide et naturelle lors du parcours visuel.<\/p>\n

Dans certaines configurations analytiques sophistiqu\u00e9es, le mod\u00e8le statistique de base peut inclure des strates techniques de contr\u00f4le ou des r\u00e9sidus d’\u00e9chantillonnage qu’il ne convient pas d’\u00e9bruiter dans la l\u00e9gende finale. Bien que le filtrage pr\u00e9alable des donn\u00e9es via une instruction WHERE demeure la voie royale, certaines options avanc\u00e9es de KEYLEGEND permettent de cibler pr\u00e9cis\u00e9ment l’identifiant de trac\u00e9 (via l’argument de nomination assign\u00e9 sur VBOX avec l’\u00e9tiquette NAME=) pour n’incorporer dans la l\u00e9gende que les composantes factorielles valid\u00e9es, excluant les artefacts parasites.<\/p>\n

Enfin, l’habillage g\u00e9om\u00e9trique du cadre de la l\u00e9gende s’arbitre \u00e0 l’aide de l’option unitaire BORDER ou NOBORDER. Alors que les chartes graphiques de l’ing\u00e9nierie privil\u00e9gient parfois un encadrement plein mat\u00e9rialis\u00e9 pour compartimenter l’espace, la quasi-totalit\u00e9 des styles acad\u00e9miques contemporains privil\u00e9gient l’instruction NOBORDER. La suppression de la bo\u00eete de d\u00e9limitation ext\u00e9rieure all\u00e8ge consid\u00e9rablement la figure, permettant aux composantes de l\u00e9gende de flotter harmonieusement sans rivaliser avec les donn\u00e9es distributionnelles qui doivent demeurer le foyer d’attention exclusif.<\/p>\n

7. Gestion des axes, du tri cat\u00e9goriel et du formatage des graduations<\/h2>\n

7.1 Ordonnancement logique et contr\u00f4le de l’ordre des groupes<\/h3>\n

L’ordonnancement selon lequel les bo\u00eetes \u00e0 moustaches s’alignent le long de l’axe discret conditionne profond\u00e9ment la dynamique de transmission des r\u00e9sultats. Par d\u00e9faut, la proc\u00e9dure PROC SGPLOT applique un tri fond\u00e9 sur la valeur interne brute de la variable cat\u00e9gorielle, ce qui aboutit g\u00e9n\u00e9ralement \u00e0 un classement par ordre alphab\u00e9tique strict si la variable est de nature textuelle. Ce comportement d\u00e9terministe peut s’av\u00e9rer n\u00e9faste d’un point de vue scientifique, brisant des logiques d’exposition \u00e9videntes comme la progression chronologique, des \u00e9chelons hi\u00e9rarchiques de gravit\u00e9 ou une chronologie d’inclusion dans une \u00e9tude clinique.<\/p>\n

Pour forcer SAS \u00e0 respecter une disposition sur-mesure, le param\u00e8tre DISCRETEORDER= au sein de l’instruction XAXIS (ou YAXIS en mode horizontal) constitue l’outil de r\u00e9f\u00e9rence. En d\u00e9finissant DISCRETEORDER=DATA, l’analyste contraint le syst\u00e8me graphique \u00e0 disposer les groupes rigoureusement dans la s\u00e9quence temporelle selon laquelle ils se manifestent lors de la lecture s\u00e9quentielle de la table SAS d’origine. Cette flexibilit\u00e9 autorise un tri en amont du jeu de donn\u00e9es selon des m\u00e9triques externes avant l’injection dans la routine visuelle.<\/p>\n

Une d\u00e9marche analytique particuli\u00e8rement \u00e9l\u00e9gante consiste \u00e0 ordonner les groupes en fonction de la valeur ascendante ou descendante de leurs m\u00e9dianes respectives. Cet arrangement hi\u00e9rarchique tri\u00e9 optimise la perception des d\u00e9calages d’\u00e9chelle entre cohortes et guide instantan\u00e9ment le regard de la modalit\u00e9 la plus d\u00e9favorable vers la modalit\u00e9 affichant la plus grande performance. Ce tri peut \u00eatre orchestr\u00e9 \u00e9l\u00e9gamment en calculant les m\u00e9dianes via PROC MEANS, en fusionnant ce vecteur de synth\u00e8se dans le fichier source, puis en triant la table ma\u00eetresse selon ce crit\u00e8re quantitatif avant la compilation graphique gouvern\u00e9e par DISCRETEORDER=DATA.<\/p>\n

7.2 Personnalisation des rep\u00e8res, \u00e9tiquettes et grilles d’arri\u00e8re-plan<\/h3>\n

La cr\u00e9dibilit\u00e9 acad\u00e9mique d’un graphique passe par un \u00e9talonnage rigoureux de son infrastructure d’axes. L’instruction continue (g\u00e9n\u00e9ralement YAXIS en trac\u00e9 vertical) requiert l’activation judicieuse de lignes de r\u00e9f\u00e9rence par le param\u00e8tre GRID. L’int\u00e9gration d’une grille discr\u00e8te d’arri\u00e8re-plan, pr\u00e9f\u00e9rablement configur\u00e9e avec un style de ligne pointill\u00e9 fin et une couleur estomp\u00e9e (comme un gris clair m\u00e9tallique), offre un support visuel capital pour relier mentalement les sommets des moustaches et les paliers de m\u00e9diane aux valeurs chiffr\u00e9es de l’axe sans induire de bruit optique perturbateur.<\/p>\n

Le formatage des valeurs num\u00e9riques d’\u00e9talonnage s’op\u00e8re quant \u00e0 lui de fa\u00e7on transparente via l’option VALUESFORMAT=. Cette clause permet de greffer n’importe quel format num\u00e9rique standard de SAS ou d\u00e9fini par l’utilisateur (par exemple PERCENT8.1, DOLLAR10.2 ou un format scientifique E12.), assurant que les graduations d’axes n’affichent pas de d\u00e9cimales superflues ou d’approximations de virgule flottante susceptibles de discr\u00e9diter la rigueur du rendu.<\/p>\n

Sur l’axe cat\u00e9goriel h\u00e9bergeant les d\u00e9nominations de groupes, la congestion spatiale peut provoquer l’occultation ou la superposition de libell\u00e9s volumineux. Pour \u00e9radiquer ce probl\u00e8me sans basculer vers un mode horizontal, l’instruction DISCRETEVALUEATTRS combin\u00e9e avec le param\u00e8tre VALUESROTATE= offre une \u00e9chappatoire technique efficace. L’introduction de VALUESROTATE=DIAGONAL ou d’un angle explicite de 45 degr\u00e9s incline harmonieusement l’ensemble des mentions textuelles le long de l’axe X, pr\u00e9servant l’int\u00e9grit\u00e9 de chaque lettre tout en \u00e9vitant les collisions spatiales mutuelles.<\/p>\n

7.3 Transformation math\u00e9matique des \u00e9chelles sur l’axe continu<\/h3>\n

De nombreux ph\u00e9nom\u00e8nes biologiques, financiers ou environnementaux pr\u00e9sentent des dynamiques exponentielles ou des distributions lourdement asym\u00e9triques \u00e0 queue droite (telles que les concentrations de cytokines sanguines, les co\u00fbts m\u00e9dico-\u00e9conomiques ou la dispersion de polluants atmosph\u00e9riques). Si ces variables sont projet\u00e9es sur une \u00e9chelle lin\u00e9aire conventionnelle, la majorit\u00e9 des bo\u00eetes \u00e0 moustaches se retrouvent \u00e9cras\u00e9es contre la bordure inf\u00e9rieure de l’axe, tandis que quelques observations gigantesques \u00e9tirent d\u00e9mesur\u00e9ment la hauteur totale du rep\u00e8re, annihilant toute possibilit\u00e9 d’analyse visuelle fine des groupes.<\/p>\n

La solution math\u00e9matique et logicielle consiste \u00e0 modifier la g\u00e9om\u00e9trie de projection de l’axe continu par l’entremise du param\u00e8tre TYPE=LOG greff\u00e9 \u00e0 l’instruction d’axe continu. L’introduction d’une \u00e9chelle logarithmique (en base 10 ou base e) permet de dilater les zones de forte concentration \u00e0 petites valeurs et de contracter les espaces d’observations extr\u00eames. SAS recalcule dynamiquement le positionnement de tous les r\u00e9sum\u00e9s \u00e0 cinq nombres sur cette \u00e9chelle transform\u00e9e avec une pr\u00e9cision irr\u00e9prochable.<\/p>\n

Cependant, l’utilisation d’une \u00e9chelle logarithmique impose une vigilance m\u00e9thodologique extr\u00eame lors de la r\u00e9daction de la note d’accompagnement de la figure. En \u00e9chelle log, la longueur physique d’une moustache au-dessus de la bo\u00eete n’a plus une correspondance lin\u00e9aire directe avec la longueur sous la bo\u00eete : les distances repr\u00e9sentent d\u00e9sormais des ratios multiplicatifs et non plus des d\u00e9calages additifs. Le statisticien doit stipuler formellement que l’\u00e9valuation des seuils de Tukey (1,5\u00d7IQR) est op\u00e9r\u00e9e soit sur la variable pr\u00e9alablement transform\u00e9e, soit projet\u00e9e math\u00e9matiquement, afin que les lecteurs avertis ne commettent pas d’erreur d’interpr\u00e9tation quant \u00e0 la variance g\u00e9om\u00e9trique affich\u00e9e.<\/p>\n

8. D\u00e9tection, caract\u00e9risation et traitement des valeurs aberrantes par groupe<\/h2>\n

8.1 Formulation algorithmique de d\u00e9tection des outliers dans SAS<\/h3>\n

Le traitement des observations situ\u00e9es aux marges extr\u00eames de la distribution constitue l’un des atouts analytiques majeurs de la bo\u00eete \u00e0 moustaches de Tukey. Contrairement aux approches param\u00e9triques bas\u00e9es sur l’\u00e9cart-type (qui souffrent du paradoxe d’\u00eatre d\u00e9form\u00e9es par les valeurs aberrantes qu’elles cherchent pr\u00e9cis\u00e9ment \u00e0 traquer), l’algorithme de Tukey s’appuie sur des m\u00e9triques invariantes aux valeurs extr\u00eames : les charni\u00e8res de quantiles. Le syst\u00e8me SAS impl\u00e9mente rigoureusement cette formulation en calculant pour chaque sous-groupe l’\u00e9cart interquartile IQR = Q3 – Q1.<\/p>\n

\u00c0 partir de cet \u00e9cart pivot, l’algorithme \u00e9rige deux types de fronti\u00e8res math\u00e9matiques : les cl\u00f4tures internes (inner fences<\/em>) situ\u00e9es \u00e0 [Q1 – 1,5\u00d7IQR ; Q3 + 1,5\u00d7IQR] et les cl\u00f4tures externes (outer fences<\/em>) ancr\u00e9es \u00e0 [Q1 – 3,0\u00d7IQR ; Q3 + 3,0\u00d7IQR]. Dans le rendu standard de PROC SGPLOT, toute observation stationnant au-del\u00e0 des cl\u00f4tures internes est qualifi\u00e9e de valeur atypique ou aberrante l\u00e9g\u00e8re, et son ancrage g\u00e9om\u00e9trique est rompu par rapport aux moustaches, qui s’arr\u00eatent imp\u00e9rativement sur la valeur d’observation valide la plus lointaine ne franchissant pas la cl\u00f4ture interne.<\/p>\n

Il est capital de souligner que la sensibilit\u00e9 de cette r\u00e8gle d’exclusion de 1,5\u00d7IQR d\u00e9pend de la taille de l’\u00e9chantillon analys\u00e9 et de la loi de probabilit\u00e9 sous-jacente. Pour une distribution gaussienne th\u00e9orique pure, la probabilit\u00e9 stochastique d’identifier faussement une observation comme atypique selon la r\u00e8gle de Tukey est d’environ 0,7 % par observation individuelle. D\u00e8s lors qu’une cohorte comporte plusieurs centaines ou milliers d’enregistrements, la pr\u00e9sence de points isol\u00e9s au-del\u00e0 des moustaches devient math\u00e9matiquement in\u00e9vitable sans qu’il ne s’agisse pour autant d’anomalies de mesure ou de populations contaminantes.<\/p>\n

8.2 Personnalisation graphique des symboles d’aberrance<\/h3>\n

La restitution visuelle des valeurs aberrantes ne doit pas \u00eatre laiss\u00e9e au hasard des configurations par d\u00e9faut de la station de travail. L’argument OUTLIERATTRS=(param\u00e8tres) implant\u00e9 au c\u0153ur de l’instruction VBOX offre une latitude absolue pour styliser ces points marginaux. L’utilisateur avis\u00e9 peut en red\u00e9finir le symbole graphique (cercle ouvert, croix, \u00e9toile, point), la taille g\u00e9om\u00e9trique en pixels afin de pr\u00e9venir les artefacts d’empilement dense (overplotting<\/em>), ainsi que la teinte chromatique, en attribuant par exemple une nuance d’alerte rouge sang pour d\u00e9tacher sans ambigu\u00eft\u00e9 les d\u00e9viances biom\u00e9caniques ou cliniques.<\/p>\n

Dans certaines circonstances d’ing\u00e9nierie statistique ou de diffusion grand public, il peut \u00eatre requis de masquer d\u00e9lib\u00e9r\u00e9ment les valeurs aberrantes individuelles, notamment pour focaliser l’attention exclusive sur les propri\u00e9t\u00e9s massiques des quartiles ou pour respecter des r\u00e8gles strictes d’anonymisation de donn\u00e9es hautement identifiantes en sant\u00e9. L’exclusion des marqueurs d’outliers s’obtient alors via la directive DISPLAY=(NOMARKERS) ou DISPLAY_OUTLIERS=FALSE selon les versions de maintenance SAS, for\u00e7ant les moustaches \u00e0 s’afficher de mani\u00e8re \u00e9pur\u00e9e sans la constellation de points ext\u00e9rieurs.<\/p>\n

En revanche, dans un processus d’investigation et d’assurance qualit\u00e9 des donn\u00e9es, la tra\u00e7abilit\u00e9 de ces observations atypiques est vitale. SAS autorise l’enrichissement interactif ou statique des outliers via des fonctionnalit\u00e9s d’\u00e9tiquetage automatique : en combinant l’instruction DATALABEL= avec une variable contenant l’identifiant des sujets (ex. ID_Patient), chaque point divergent projet\u00e9 au-del\u00e0 des moustaches se voit annot\u00e9 de sa r\u00e9f\u00e9rence alphanum\u00e9rique exacte, acc\u00e9l\u00e9rant d’autant l’investigation clinique dans les tables sources ou les dossiers de pharmacovigilance.<\/p>\n

8.3 Interpr\u00e9tation analytique des valeurs aberrantes entre sous-populations<\/h3>\n

L’observation d’une concentration asym\u00e9trique de valeurs aberrantes au sein d’un sous-groupe factoriel particulier rec\u00e8le une charge informationnelle diagnostique consid\u00e9rable qui d\u00e9passe le simple cadre de l’affichage graphique. Si le groupe t\u00e9moin ne manifeste aucune valeur hors-cl\u00f4ture tandis que le groupe trait\u00e9 \u00e0 forte dose projette une multitude de valeurs extr\u00eames au-del\u00e0 de la moustache sup\u00e9rieure, ce d\u00e9s\u00e9quilibre traduit soit une variabilit\u00e9 de r\u00e9ponse pharmacologique radicale (pr\u00e9sence de super-r\u00e9pondeurs biologiques), soit l’\u00e9mergence d’une sous-population physiologiquement distincte m\u00e9tabolisant le compos\u00e9 de fa\u00e7on divergente.<\/p>\n

Le statisticien ne doit jamais c\u00e9der au r\u00e9flexe na\u00eff d’\u00e9liminer automatiquement ces observations sans justification clinique ou exp\u00e9rimentale formalis\u00e9e. L’exclusion brutale d’outliers au seul motif de leur \u00e9loignement visuel sur la bo\u00eete \u00e0 moustaches biaise irr\u00e9versiblement l’estimation des quartiles subs\u00e9quents et fausse l’\u00e9valuation du risque dans les mod\u00e8les pr\u00e9dictifs. La comparaison des bo\u00eetes avant et apr\u00e8s exclusion hypoth\u00e9tique permet d’\u00e9valuer la sensibilit\u00e9 des indicateurs non param\u00e9triques face aux fluctuations marginales.<\/p>\n

En accord avec les standards m\u00e9thodologiques internationaux et les directives de publication de l’APA (American Psychological Association<\/em>), toute figure int\u00e9grant des valeurs aberrantes sectorielles doit s’accompagner d’une note textuelle exhaustive d\u00e9crivant la formule de d\u00e9tection appliqu\u00e9e, quantifiant le volume exact de points exclus ou annot\u00e9s, et explicitant si les analyses inf\u00e9rentielles subs\u00e9quentes ont \u00e9t\u00e9 conduites sur l’\u00e9chantillon complet ou \u00e9pur\u00e9, assurant ainsi une reproductibilit\u00e9 totale des inf\u00e9rences tir\u00e9es par la communaut\u00e9 scientifique.<\/p>\n

9. Exploration comparative : utilisation de la proc\u00e9dure historique PROC BOXPLOT<\/h2>\n

9.1 Syntaxe g\u00e9n\u00e9rale de PROC BOXPLOT et exigence pr\u00e9alable de tri<\/h3>\n

Bien que la suite moderne ODS Graphics et la proc\u00e9dure PROC SGPLOT repr\u00e9sentent le standard contemporain recommand\u00e9 par SAS Institute, l’histoire informatique du logiciel impose la connaissance de la proc\u00e9dure patrimoniale PROC BOXPLOT<\/a>, issue originellement du module SAS\/QC d\u00e9di\u00e9 au contr\u00f4le statistique de la qualit\u00e9 industrielle. Cette proc\u00e9dure historique ob\u00e9it \u00e0 une philosophie architecturale et syntaxique fondamentalement diff\u00e9rente de celle des outils graphiques de derni\u00e8re g\u00e9n\u00e9ration.<\/p>\n

La contrainte technique la plus rigide et incompressible r\u00e9gissant PROC BOXPLOT r\u00e9side dans l’obligation formelle d’ordonnancement pr\u00e9alable de la table de donn\u00e9es d’entr\u00e9e. L’appel de PROC BOXPLOT sur un jeu de donn\u00e9es non tri\u00e9 se solde instantan\u00e9ment par un arr\u00eat d’ex\u00e9cution assorti d’une erreur bloquante dans le journal SAS. L’analyste doit imp\u00e9rativement ex\u00e9cuter au pr\u00e9alable une proc\u00e9dure de tri d\u00e9di\u00e9e : PROC SORT sur la variable de regroupement. Ce pr\u00e9requis d\u00e9coule du mode de traitement par blocs s\u00e9quentiels h\u00e9rit\u00e9 des architectures informatiques des ann\u00e9es 1980.<\/p>\n

Sur le plan de la syntaxe de trac\u00e9, la d\u00e9claration s’effectue au moyen de l’instruction d’action PLOT, qui exploite une notation matricielle unifi\u00e9e sous la forme symbolique `PLOT variable_continue * variable_groupe;`. Cette notation de croisement factoriel illustre l’approche math\u00e9matique directe de l’ancienne \u00e9cole SAS, o\u00f9 l’axe des ordonn\u00e9es pr\u00e9c\u00e8de syst\u00e9matiquement l’axe des abscisses au sein de l’expression algorithmique.<\/p>\n

9.2 Comparaison technique et graphique entre PROC BOXPLOT et PROC SGPLOT<\/h3>\n

L’\u00e9valuation comparative entre PROC BOXPLOT et PROC SGPLOT met en exergue le gouffre qualitatif s\u00e9parant les deux g\u00e9n\u00e9rations d’outils. PROC BOXPLOT produit historiquement des graphiques vectoriels ou matriciels monolithiques dont la flexibilit\u00e9 typographique s’av\u00e8re restreinte : l’administration des fontes de caract\u00e8res, l’impl\u00e9mentation de transparences alpha, l’usage de palettes de couleurs haute d\u00e9finition contemporaines et l’int\u00e9gration dynamique de feuilles de styles complexes demeurent laborieux, voire impossibles sans manipulation obscure de variables de commande graphique (GOPTIONS<\/em>).<\/p>\n

En contrepartie, PROC SGPLOT tire parti de l’infrastructure native d’ODS Graphics et du moteur sous-jacent GTL (Graph Template Language<\/em>). Cette architecture assure un rendu vectoriel anti-alias\u00e9 d’une finesse incomparable, une adaptation automatique aux densit\u00e9s d’\u00e9crans r\u00e9tina et une interop\u00e9rabilit\u00e9 imm\u00e9diate avec les flux documentaires modernes (HTML5, PDF vectoriel avec signets, formats SVG \u00e9ditables). Le traitement des \u00e9tiquettes d’axes et de l\u00e9gendes y est totalement automatis\u00e9 et immunis\u00e9 contre les collisions typographiques.<\/p>\n

Toutefois, PROC BOXPLOT conserve un avantage architectural unique : sa capacit\u00e9 native \u00e0 g\u00e9n\u00e9rer sous le graphique des tableaux de contingence statistique parfaitement synchronis\u00e9s et align\u00e9s verticalement sous chaque bo\u00eete. L’instruction BOXSTYLE permettait d\u00e8s l’origine d’appliquer diverses variantes de mod\u00e9lisation squelettique des bo\u00eetes (styles Tukey, Scheff\u00e9 ou industriels), int\u00e9grant des tables d’effectifs d’\u00e9chantillons (N) directement ancr\u00e9es dans l’axe de projection sans exiger de programmation matricielle complexe.<\/p>\n

9.3 Cas d’usage sp\u00e9cifiques justifiant l’emploi de PROC BOXPLOT<\/h3>\n

Malgr\u00e9 l’av\u00e8nement et la supr\u00e9matie de PROC SGPLOT, plusieurs environnements applicatifs continuent de l\u00e9gitimer le maintien op\u00e9rationnel de PROC BOXPLOT au sein des entreprises et des laboratoires de recherche. Le premier de ces contextes concerne la maintenance et la validation r\u00e9glementaire de cha\u00eenes de production de code patrimonial hautement valid\u00e9es. Dans les essais cliniques de phase III ou le contr\u00f4le qualit\u00e9 nucl\u00e9aire et a\u00e9rospatial, revalider un programme de calcul et d’affichage implique des co\u00fbts de requalification consid\u00e9rables qui incitent les directions informatiques \u00e0 sanctuariser le code existant tant que celui-ci satisfait aux exigences de certification.<\/p>\n

Le second cas d’usage r\u00e9side dans les routines industrielles de surveillance de processus de fabrication s\u00e9quentiels en continu (Statistical Process Control<\/em>). PROC BOXPLOT s’int\u00e8gre nativement avec des blocs d’instructions sp\u00e9cialis\u00e9s capables de calculer et de projeter en surimpression des limites de contr\u00f4le industrielles (seuils d’alerte \u00e0 3 sigmas, limites d’action sp\u00e9cifiques), offrant ainsi aux ing\u00e9nieurs qualit\u00e9 un tableau de bord visuel op\u00e9rationnel pour traquer instantan\u00e9ment les d\u00e9rives d’usinage ou les contaminations de lots chimiques \u00e0 travers le temps.<\/p>\n

Enfin, la possibilit\u00e9 d’implanter sans effort algorithmique des tables descriptives complexes sous l’axe X (affichant simultan\u00e9ment les effectifs par sous-groupe, les pourcentages de d\u00e9rive, ou les p-values de conformit\u00e9) conf\u00e8re \u00e0 PROC BOXPLOT un r\u00f4le utilitaire appr\u00e9ci\u00e9 pour les rapports d’audit interne, o\u00f9 la sobri\u00e9t\u00e9 spartiate d’un tableau chiffr\u00e9 int\u00e9gr\u00e9 prime sur la sophistication esth\u00e9tique du design graphique contemporain.<\/p>\n

10. Visualisation multivari\u00e9e : combinaisons multi-groupes et panneaux SGPANEL<\/h2>\n

10.1 Stratification \u00e0 deux facteurs combinant CATEGORY et GROUP dans PROC SGPLOT<\/h3>\n

L’approfondissement de l’analyse exploratoire requiert souvent de mod\u00e9liser des interactions factorielles complexes impliquant au minimum deux dimensions qualitatives simultan\u00e9es. Dans l’enceinte de PROC SGPLOT, ce d\u00e9ploiement bidimensionnel s’articule magistralement en couplant l’argument CATEGORY= avec le param\u00e8tre de stratification GROUP=. Le facteur fondamental d’ancrage territorial (par exemple la pathologie ou le pays d’exp\u00e9rimentation) est assign\u00e9 \u00e0 CATEGORY=, tandis que la sous-classification exp\u00e9rimentale (par exemple le genre biologique ou le bras de dosage th\u00e9rapeutique) est confi\u00e9e \u00e0 GROUP=.<\/p>\n

Pour parfaire l’exposition de ces sous-ensembles au sein de chaque niveau principal, l’introduction de l’option GROUPDISPLAY=CLUSTER s’av\u00e8re indispensable. Sans cette sp\u00e9cification critique, le moteur SAS superposerait aveugl\u00e9ment les bo\u00eetes associ\u00e9es aux diff\u00e9rentes modalit\u00e9s du groupe sur une m\u00eame ligne d’axe, rendant la visualisation totalement illisible. L’option CLUSTER impose un d\u00e9calage g\u00e9om\u00e9trique lat\u00e9ral syst\u00e9matique (clustering<\/em>), rangeant les bo\u00eetes secondaires c\u00f4te \u00e0 c\u00f4te dans une alc\u00f4ve spatiale d\u00e9di\u00e9e propre \u00e0 chaque modalit\u00e9 ma\u00eetresse.<\/p>\n

L’\u00e9cartement physique s\u00e9parant ces bo\u00eetes contigu\u00ebs au sein d’une grappe peut \u00eatre modul\u00e9 \u00e0 l’aide de l’option CLUSTERWIDTH=, qui accepte une valeur relative comprise entre 0,1 et 1,0. Un ajustement \u00e9quilibr\u00e9 (g\u00e9n\u00e9ralement fix\u00e9 \u00e0 0,8) garantit une s\u00e9paration visuelle franche entre les diff\u00e9rentes grappes cat\u00e9gorielles tout en maintenant une proximit\u00e9 esth\u00e9tique et fonctionnelle rassurante entre les sous-bo\u00eetes d’un m\u00eame groupement, simplifiant ainsi le d\u00e9codage imm\u00e9diat des interactions crois\u00e9es.<\/p>\n

\"\"<\/figure>\n

10.2 Construction de treillis multi-panneaux avec la proc\u00e9dure PROC SGPANEL<\/h3>\n

Lorsque la structure factorielle int\u00e8gre un troisi\u00e8me param\u00e8tre qualitatif (comme des examens r\u00e9p\u00e9t\u00e9s \u00e0 travers des temps de visite protocolaires successifs ou des analyses stratifi\u00e9es par tranches d’\u00e2ge), la capacit\u00e9 d’absorption visuelle d’un panneau graphique unique atteint ses limites de saturation. Le statisticien doit alors migrer vers la proc\u00e9dure sp\u00e9cialis\u00e9e PROC SGPANEL<\/a>, sp\u00e9cifiquement architectur\u00e9e pour g\u00e9n\u00e9rer des matrices visuelles en treillis (trellis displays<\/em> ou small multiples<\/em> selon le concept d’Edward Tufte).<\/p>\n

Au c\u0153ur de PROC SGPANEL, l’instruction fondamentale PANELBY remplace les commandes habituelles de fen\u00eatrage. En stipulant `PANELBY variable_tertiaire \/ columns=2 rows=2;`, la proc\u00e9dure segmente l’espace global en un damier de sous-graphiques autonomes, allouant \u00e0 chaque modalit\u00e9 de la variable de stratification une cellule graphique distincte dot\u00e9e de sa propre bo\u00eete \u00e0 moustaches group\u00e9e. Cette technique pr\u00e9serve une lisibilit\u00e9 absolue en \u00e9vitant la surcharge cognitive sur un axe unique satur\u00e9 d’informations disparates.<\/p>\n

La r\u00e8gle d’or m\u00e9thodologique r\u00e9gissant la confection de graphiques en treillis impose l’uniformisation stricte des \u00e9chelles de coordonn\u00e9es d’un panneau \u00e0 l’autre. Par d\u00e9faut, PROC SGPANEL impose l’option UNISCALE=ALL, garantissant que toutes les cellules de la matrice partagent une \u00e9chelle dimensionnelle rigoureusement identique sur les axes X et Y. Cette uniformit\u00e9 est vitale : autoriser des \u00e9chelles flottantes ind\u00e9pendantes induirait un biais cognitif majeur, conduisant l’observateur \u00e0 comparer visuellement des grandeurs physiques dont les rep\u00e8res math\u00e9matiques r\u00e9els diff\u00e9reraient radicalement d’une cellule \u00e0 la suivante.<\/p>\n

10.3 Interpr\u00e9tation d’interactions factorielles complexes<\/h3>\n

L’exploitation conjointe des regroupements par grappes et des matrices en treillis transforme la bo\u00eete \u00e0 moustaches en un puissant outil de diagnostic heuristique pour rep\u00e9rer les interactions factorielles d’ordre sup\u00e9rieur. Sur le plan s\u00e9miologique, l’analyste scrute les variations de profils d’un panneau \u00e0 l’autre : si la hi\u00e9rarchie relative des m\u00e9dianes entre les sous-groupes (color\u00e9s par GROUP=) demeure strictement parall\u00e8le \u00e0 travers toutes les cat\u00e9gories de l’axe et toutes les cellules du panneau, l’absence d’interaction statistique est visuellement plausible, sugg\u00e9rant un mod\u00e8le purement additif des effets factoriels.<\/p>\n

\u00c0 l’inverse, si l’on observe une inversion brutale de la hi\u00e9rarchie des m\u00e9dianes \u2014 par exemple si un traitement s’av\u00e8re spectaculairement sup\u00e9rieur au placebo chez les cohortes masculines au sein du panneau \u00ab\u00a0Visite 1\u00a0\u00bb, mais voit son efficacit\u00e9 s’effondrer sous le niveau du placebo chez les femmes au sein du panneau \u00ab\u00a0Visite 4\u00a0\u00bb \u2014 cette morphologie graphique instancie la signature sans \u00e9quivoque d’une interaction d’ordre 2 ou 3 (Traitement * Sexe * Visite). Ce rep\u00e9rage visuel oriente d’embl\u00e9e la sp\u00e9cification formelle des termes d’interaction au sein des proc\u00e9dures mixtes ou des mod\u00e8les de r\u00e9gression subs\u00e9quents (PROC MIXED, PROC GLIMMIX).<\/p>\n

La tra\u00e7abilit\u00e9 et la documentation rigoureuse de ces configurations visuelles complexes sont primordiales dans les protocoles d’investigation multicentriques. L’int\u00e9gration de cartouches textuels normalis\u00e9s dans l’en-t\u00eate de chaque cellule du panneau garantit que l’interpr\u00e9tation crois\u00e9e des r\u00e9sum\u00e9s \u00e0 cinq nombres repose sur une contextualisation imm\u00e9diate des strates biologiques ou temporelles correspondantes, limitant drastiquement les risques de fausses interpr\u00e9tations lors des r\u00e9unions de synth\u00e8se multidisciplinaires.<\/p>\n

11. Exportation haute d\u00e9finition et conformit\u00e9 aux standards acad\u00e9miques<\/h2>\n

11.1 Configuration des destinations ODS Graphics pour l’exportation vectorielle<\/h3>\n

L’aboutissement du processus d’analyse graphique r\u00e9side dans la g\u00e9n\u00e9ration de fichiers physiques r\u00e9pondant aux sp\u00e9cifications techniques intransigeantes des \u00e9diteurs scientifiques internationaux (tels qu’Elsevier, Springer, Nature Publishing Group ou les presses de l’IEEE). Une capture d’\u00e9cran sommaire ou une exportation matricielle basse r\u00e9solution est inadmissible pour publication. Le compilateur SAS doit \u00eatre pilot\u00e9 avec pr\u00e9cision en configurant l’environnement ODS Graphics via l’instruction syst\u00e8me ODS GRAPHICS \/ RESET=ALL, compl\u00e9t\u00e9e d’instructions formelles de dimensionnement et de r\u00e9solution.<\/p>\n

Le param\u00e9trage fondamental de la r\u00e9solution spatiale s’op\u00e8re par la directive DPI= (Dots Per Inch<\/em>). Les revues biom\u00e9dicales et d’ing\u00e9nierie imposent une r\u00e9solution minimale absolue de 300 DPI pour les illustrations en tons continus, et de 600 voire 1200 DPI pour les sch\u00e9mas vectoriels au trait comportant de la typographie fine. La configuration s’illustre sous la syntaxe `ODS GRAPHICS \/ IMAGENAME=\u00a0\u00bbFigure1″ IMAGEFMT=TIFF DPI=300 WIDTH=16CM HEIGHT=12CM;`, laquelle produit une image matricielle non compress\u00e9e parfaitement proportionn\u00e9e au gabarit d’impression d’une colonne de texte acad\u00e9mique.<\/p>\n

Cependant, le summum de la qualit\u00e9 \u00e9ditoriale est atteint en recourant \u00e0 des formats purement vectoriels exempts de tout concept de pixellisation, tels que le format PDF natif ou le format SVG (Scalable Vector Graphics<\/em>). En encapsulant la proc\u00e9dure graphique entre les balises de destination `ODS PDF FILE=\u00a0\u00bbFigure1.pdf\u00a0\u00bb` et `ODS PDF CLOSE;`, chaque trait, rectangle, \u00e9tiquette typographique et marqueur ponctuel de bo\u00eete \u00e0 moustaches est s\u00e9rialis\u00e9 sous la forme d’\u00e9quations g\u00e9om\u00e9triques vectorielles. Le fichier g\u00e9n\u00e9r\u00e9 peut ainsi subir des agrandissements microscopiques infinis sans souffrir de la moindre perte de nettet\u00e9 sur les presses industrielles des maisons d’\u00e9dition.<\/p>\n

11.2 Int\u00e9gration directe des graphiques dans les documents ODS RTF et HTML<\/h3>\n

Dans le cadre de la constitution de rapports d’\u00e9tudes cliniques int\u00e9gr\u00e9s (Clinical Study Reports<\/em> conformes aux directives de l’ICH E3) ou de la confection de th\u00e8ses universitaires, les visualisations doivent s’ins\u00e9rer harmonieusement au sein de documents textuels modifiables sans n\u00e9cessiter de fastidieux collages manuels post-compilation. La destination ODS RTF (Rich Text Format<\/em>) constitue la passerelle technologique d’excellence vers l’\u00e9cosyst\u00e8me de traitement de texte Microsoft Word.<\/p>\n

Pour r\u00e9ussir cette int\u00e9gration automatis\u00e9e, le programmeur doit veiller \u00e0 d\u00e9sactiver les attributs de marge r\u00e9siduels qui caract\u00e9risent les conteneurs SAS par d\u00e9faut. En appliquant l’option BODYTITLE au sein de la d\u00e9claration ODS RTF, les titres formels d\u00e9clar\u00e9s par l’instruction TITLE de SAS sont transf\u00e9r\u00e9s directement dans le corps de la page Word plut\u00f4t que d’\u00eatre s\u00e9questr\u00e9s dans les en-t\u00eates d’impression du document, assurant ainsi un flux r\u00e9dactionnel naturel et respectueux des styles de mise en page institutionnels.<\/p>\n

De fa\u00e7on analogue, la publication de rapports d’audit interactifs \u00e0 destination de l’intranet d’une entreprise ou d’un comit\u00e9 de surveillance de donn\u00e9es s’appuie massivement sur la destination ODS HTML5. Ce protocole d’exportation permet d’embarquer les graphiques SVG vectoriels directement au c\u0153ur du code balis\u00e9 de la page web, tout en neutralisant les bordures de conteneur invasives via des styles CSS \u00e9pur\u00e9s. Les utilisateurs finaux peuvent ainsi zoomer dynamiquement sur les distributions par groupe directement depuis leur navigateur internet sans distorsion graphique.<\/p>\n

11.3 Respect des directives typographiques et visuelles APA<\/h3>\n

La mise en conformit\u00e9 visuelle avec les canons de l’\u00e9dition scientifique, notamment les recommandations du Manuel de style de l’APA (7e \u00e9dition), exige une stricte asc\u00e8se stylistique guid\u00e9e par le principe fondamental de r\u00e9duction de l’encre superflue formul\u00e9 par le th\u00e9oricien de l’information Edward Tufte. Selon ces pr\u00e9ceptes de s\u00e9miologie graphique, chaque goutte d’encre imprim\u00e9e doit v\u00e9hiculer une particule d’information statistique irr\u00e9ductible : les arri\u00e8re-plans color\u00e9s, les ombrages tridimensionnels, les bordures d’encadrement \u00e9paisses et les grilles quadrill\u00e9es agressives doivent \u00eatre impitoyablement \u00e9radiqu\u00e9s.<\/p>\n

La typographie employ\u00e9e au sein des instructions de label d’axes et de l\u00e9gendes doit entrer en r\u00e9sonance absolue avec le corps de texte du manuscrit global. L’utilisation d’une police unique sans empattement hautement lisible (telle qu’Arial ou Helvetica) ou avec empattement traditionnel (Times New Roman), param\u00e9tr\u00e9e rigoureusement \u00e0 des corps \u00e9chelonn\u00e9s entre 8 et 10 points pour les annotations et 10 \u00e0 12 points pour les titres d’axes, pr\u00e9vient les d\u00e9s\u00e9quilibres esth\u00e9tiques criants lors de la r\u00e9duction \u00e0 l’\u00e9chelle de la colonne de publication.<\/p>\n

Enfin, l’appareil graphique doit imp\u00e9rativement \u00eatre compl\u00e9t\u00e9 par une l\u00e9gende acad\u00e9mique formelle (Figure Note<\/em>) positionn\u00e9e imm\u00e9diatement sous l’illustration dans le manuscrit. Cette note descriptive normalis\u00e9e explicite le sens exact des \u00e9l\u00e9ments g\u00e9om\u00e9triques pr\u00e9sent\u00e9s : elle doit confirmer sans ambigu\u00eft\u00e9 que la ligne transversale mat\u00e9rialise la m\u00e9diane, que les bornes de la bo\u00eete circonscrivent l’intervalle interquartile (25e et 75e centiles), que les moustaches d\u00e9ploient l’\u00e9tendue des donn\u00e9es adjacentes born\u00e9es par la r\u00e8gle de 1,5 fois l’IQR de Tukey, et d\u00e9tailler la signification biologique de chaque marqueur individualis\u00e9 au titre des valeurs marginales observ\u00e9es.<\/p>\n

12. R\u00e9solution des erreurs fr\u00e9quentes et automatisation par macro-programmation<\/h2>\n

12.1 Diagnostic des avertissements et anomalies structurelles r\u00e9currentes<\/h3>\n

L’exploitation quotidienne des proc\u00e9dures graphiques de SAS confronte r\u00e9guli\u00e8rement l’analyste \u00e0 des anomalies d’ex\u00e9cution dont la r\u00e9solution exige une solide ma\u00eetrise des diagnostics syst\u00e8me. L’erreur la plus banale mais bloquante survient lors de l’inversion involontaire des natures de variables au niveau des arguments de l’instruction VBOX. Si un statisticien assigne par inadvertance une variable alphanum\u00e9rique en tant qu’argument d\u00e9pendant primaire de VBOX, le compilateur interrompt instantan\u00e9ment le traitement avec un message d’erreur stipulant l’impossibilit\u00e9 d’ex\u00e9cuter des op\u00e9rations d’analyse distributionnelle continue sur des cha\u00eenes de texte.<\/p>\n

Une autre anomalie visuelle fr\u00e9quente concerne l’apparition de \u00ab\u00a0groupes fant\u00f4mes\u00a0\u00bb ou de cat\u00e9gories d\u00e9doubl\u00e9es de fa\u00e7on aberrante sur l’axe horizontal. Ce ph\u00e9nom\u00e8ne d\u00e9coule syst\u00e9matiquement d’un d\u00e9faut d’assainissement pr\u00e9alable des m\u00e9tadonn\u00e9es au sein de l’\u00e9tape DATA : la pr\u00e9sence d’espaces typographiques r\u00e9siduels en fin de cha\u00eene, de diff\u00e9rences de capitalisation ou de formats d’affichage mal align\u00e9s am\u00e8ne le processeur graphique \u00e0 consid\u00e9rer des libell\u00e9s comme s\u00e9mantiquement distincts. L’analyste rem\u00e9diera \u00e0 ce comportement en encapsulant syst\u00e9matiquement ses variables de classification dans une fonction STRIP ou UPCASE avant la compilation visuelle.<\/p>\n

Enfin, lors du traitement de jeux de donn\u00e9es massifs (Big Data<\/em> en bio-informatique ou en flux transactionnels), l’utilisateur peut se heurter \u00e0 un effondrement de la session d’ex\u00e9cution accompagn\u00e9 d’un message d’alerte relatif au d\u00e9passement des quotas de m\u00e9moire allou\u00e9e \u00e0 la machine virtuelle Java sous-jacente d’ODS Graphics. Ce blocage se r\u00e9sout par la purge pr\u00e9ventive de l’environnement graphique via l’instruction `ODS GRAPHICS \/ RESET;` et l’incr\u00e9mentation des capacit\u00e9s d’allocation m\u00e9moire au lancement de la session SAS via les options syst\u00e8me globales (ex. `-Xmx2048m`).<\/p>\n

12.2 Standardisation industrielle par la cr\u00e9ation de macros SAS modulaires<\/h3>\n

Dans un contexte de recherche clinique ou de biostatistique appliqu\u00e9e, il est couramment exig\u00e9 de produire des dizaines, voire des centaines de bo\u00eetes \u00e0 moustaches stratifi\u00e9es pour auditer l’ensemble des variables d\u00e9mographiques, des bilans biochimiques et des crit\u00e8res d’efficacit\u00e9 d’une \u00e9tude. La r\u00e9\u00e9criture s\u00e9quentielle manuelle de blocs de code PROC SGPLOT pour chaque param\u00e8tre constitue une pratique archa\u00efque, chronophage et hautement vuln\u00e9rable \u00e0 l’introduction d’erreurs humaines de copier-coller. La solution m\u00e9thodologique d’excellence repose sur la compilation d’une macro-commande SAS modulaire et param\u00e9trable.<\/p>\n

Une macro-commande industrielle rigoureuse doit encapsuler l’ensemble des arguments de variabilit\u00e9 : le nom de la table source, l’identifiant de la variable d\u00e9pendante continue, la variable factorielle de regroupement, la pr\u00e9sence optionnelle d’une sous-stratification par grappe, le titre acad\u00e9mique de la figure et le chemin de destination du fichier haute r\u00e9solution g\u00e9n\u00e9r\u00e9. \u00c0 l’int\u00e9rieur de la macro, l’int\u00e9gration de tests conditionnels pr\u00e9alables bas\u00e9s sur les dictionnaires de m\u00e9tadonn\u00e9es de SAS (via les tables syst\u00e8me `SASHELP.VCOLUMN`) permet de v\u00e9rifier automatiquement l’existence formelle et la conformit\u00e9 typologique des variables avant d’autoriser le d\u00e9clenchement de la proc\u00e9dure graphique proprement dite.<\/p>\n

Cette architecture param\u00e9trique autorise ensuite l’orchestration de boucles d’automatisation massives. En couplant la macro \u00e0 une routine it\u00e9rative ou \u00e0 une ex\u00e9cution s\u00e9quentielle pilot\u00e9e par PROC SQL, le statisticien peut d\u00e9clencher en une seule soumission de programme la g\u00e9n\u00e9ration industrialis\u00e9e, standardis\u00e9e et esth\u00e9tiquement parfaite d’un atlas graphique distributionnel complet couvrant l’int\u00e9gralit\u00e9 des biomarqueurs d’un essai clinique, chaque trac\u00e9 ob\u00e9issant au millim\u00e8tre pr\u00e8s aux directives de style d\u00e9finies pour le protocole.<\/p>\n

12.3 Bonnes pratiques de gouvernance de code et de tra\u00e7abilit\u00e9 scientifique<\/h3>\n

La confection de graphiques statistiques destin\u00e9s \u00e0 orienter des d\u00e9cisions de sant\u00e9 publique, des homologations de m\u00e9dicaments ou des arbitrages \u00e9conomiques majeurs s’inscrit dans un devoir de transparence et d’int\u00e9grit\u00e9 scientifique inconditionnel. La reproductibilit\u00e9 computationnelle absolue doit \u00eatre garantie \u00e0 chaque \u00e9tape de la cha\u00eene de production graphique. Tout programme SAS g\u00e9n\u00e9rant des bo\u00eetes \u00e0 moustaches doit ainsi s’ouvrir par un cartouche d’en-t\u00eate formalis\u00e9 mentionnant la version exacte du syst\u00e8me SAS d\u00e9ploy\u00e9, l’architecture du syst\u00e8me d’exploitation h\u00f4te, l’identifiant de l’analyste responsable, la date de g\u00e9n\u00e9ration et l’arborescence absolue des jeux de donn\u00e9es d’entr\u00e9e.<\/p>\n

Les donn\u00e9es brutes ne doivent en aucun cas subir de modifications manuelles non document\u00e9es en amont de la proc\u00e9dure graphique. Tout nettoyage, exclusion d’observations manquantes ou conversion d’\u00e9chelles de variables de regroupement doit imp\u00e9rativement s’ex\u00e9cuter par des \u00e9tapes de programmation transparentes, trac\u00e9es dans les fichiers journaux (Logs<\/em>) qui doivent \u00eatre archiv\u00e9s syst\u00e9matiquement aux c\u00f4t\u00e9s des livrables visuels finaux. L’ancrage de filigranes temporels discrets et du nom du script source en bas de page des graphiques d’audit constitue une pratique d’assurance qualit\u00e9 fortement recommand\u00e9e dans l’industrie pharmaceutique.<\/p>\n

Enfin, il est imp\u00e9ratif d’op\u00e9rer une validation crois\u00e9e syst\u00e9matique entre les visualisations g\u00e9om\u00e9triques d\u00e9livr\u00e9es par PROC SGPLOT et les r\u00e9sum\u00e9s scalaires d\u00e9terministes produits par des proc\u00e9dures statistiques d\u00e9di\u00e9es telles que PROC UNIVARIATE<\/a> ou PROC MEANS. L’analyste doit v\u00e9rifier m\u00e9thodiquement que les coordonn\u00e9es physiques des lignes m\u00e9dianes, des charni\u00e8res de quartiles et des cl\u00f4tures de moustaches affich\u00e9es sur l’image co\u00efncident au bit pr\u00e8s avec les valeurs des centiles calcul\u00e9es formellement dans les tables descriptives, garantissant ainsi que l’\u00e9l\u00e9gance du rendu graphique repose sur un socle de rigueur statistique inattaquable.<\/p>\n

R\u00e9f\u00e9rences<\/h2>\n