{"id":8400,"date":"2026-10-14T18:02:23","date_gmt":"2026-10-14T18:02:23","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-creer-tables-frequences-sas-exemples\/"},"modified":"2026-10-14T18:02:23","modified_gmt":"2026-10-14T18:02:23","slug":"comment-creer-tables-frequences-sas-exemples","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-creer-tables-frequences-sas-exemples","title":{"rendered":"Comment cr\u00e9er des tables de fr\u00e9quences dans SAS (avec exemples)"},"content":{"rendered":"

Dans le champ contemporain de la science des donn\u00e9es et de la biostatistique, l’analyse descriptive constitue la pierre angulaire incontournable de tout protocole d’investigation empirique. Avant d’\u00e9chafauder des mod\u00e8les pr\u00e9dictifs sophistiqu\u00e9s, d’ajuster des r\u00e9gressions logistiques multivari\u00e9es ou d’implanter des algorithmes d’apprentissage automatique, le statisticien doit imp\u00e9rativement appr\u00e9hender la structure intrins\u00e8que de ses donn\u00e9es. Cette \u00e9tape exploratoire permet d’\u00e9valuer la qualit\u00e9 du recueil, de cartographier la distribution des variables et d’identifier les anomalies de mesure. Au sein de l’\u00e9cosyst\u00e8me logiciel SAS (Statistical Analysis System), qui demeure la r\u00e9f\u00e9rence absolue dans l’industrie pharmaceutique, la recherche clinique et les grandes institutions statistiques publiques, la proc\u00e9dure PROC FREQ s’impose comme l’outil d’\u00e9lection pour quantifier, croiser et soumettre \u00e0 l’\u00e9preuve de l’inf\u00e9rence les variables discr\u00e8tes et cat\u00e9gorielles.<\/p>\n

La puissance de cette proc\u00e9dure r\u00e9side dans sa polyvalence exceptionnelle, alliant une sobri\u00e9t\u00e9 syntaxique remarquable \u00e0 une profondeur analytique de haut niveau. Capable de traiter avec une efficacit\u00e9 computationnelle optimale des bases de donn\u00e9es massives comptant plusieurs millions d’enregistrements, la proc\u00e9dure PROC FREQ ne se limite pas \u00e0 un simple d\u00e9nombrement d’occurrences. Elle fournit un ensemble complet d’indicateurs de dispersion, d’estimations de proportions, d’intervalles de confiance asymptotiques et exacts, ainsi qu’une batterie exhaustive de tests d’hypoth\u00e8ses sur l’ind\u00e9pendance, l’homog\u00e9n\u00e9it\u00e9 et la concordance des variables observ\u00e9es. Ma\u00eetriser ses multiples facettes repr\u00e9sente une comp\u00e9tence fondamentale pour tout analyste soucieux de rigueur m\u00e9thodologique et de reproductibilit\u00e9 scientifique.<\/p>\n

Le pr\u00e9sent guide a \u00e9t\u00e9 con\u00e7u pour offrir une immersion exhaustive et progressive dans l’art de concevoir, d’interpr\u00e9ter et de valoriser des tables de fr\u00e9quences univari\u00e9es, bivari\u00e9es et multidimensionnelles sous SAS. \u00c0 travers l’\u00e9tude approfondie de la base de donn\u00e9es \u00e9pid\u00e9miologique standardis\u00e9e sashelp.BirthWgt, chaque concept th\u00e9orique sera illustr\u00e9 par des cas d’usage concrets, des extraits de syntaxe rigoureusement comment\u00e9s et une analyse critique des m\u00e9triques produites. Des m\u00e9canismes fondamentaux de calcul aux optimisations de m\u00e9moire sur tr\u00e8s grands volumes, en passant par la gestion d\u00e9licate des donn\u00e9es manquantes et le respect des normes internationales de publication scientifique (notamment celles de l’American Psychological Association), ce trait\u00e9 m\u00e9thodologique accompagnera le chercheur vers une ma\u00eetrise int\u00e9grale de la distribution de ses donn\u00e9es qualitatives.<\/p>\n

1. Introduction fondamentale \u00e0 l’analyse des fr\u00e9quences sous SAS et proc\u00e9dure PROC FREQ<\/h2>\n

1.1 R\u00f4le m\u00e9thodologique des tables de fr\u00e9quences en recherche quantitative<\/h3>\n

L’exploration univari\u00e9e repr\u00e9sente la phase liminaire indispensable de toute d\u00e9marche de mod\u00e9lisation statistique. Dans le cadre des variables cat\u00e9gorielles, qu’elles soient purement qualitatives nominales ou hi\u00e9rarchis\u00e9es sous forme ordinale, l’\u00e9valuation de la distribution empirique conditionne l’ensemble des choix m\u00e9thodologiques ult\u00e9rieurs. Ignorer cette \u00e9tape expose l’analyste \u00e0 des \u00e9cueils majeurs, tels que l’ajustement de mod\u00e8les instables ou la formulation d’inf\u00e9rences erron\u00e9es en raison de la sparsit\u00e9 matricielle. Une distribution empirique asym\u00e9trique, caract\u00e9ris\u00e9e par une cat\u00e9gorie r\u00e9siduelle ne concentrant qu’une fraction marginale des observations, induit des ph\u00e9nom\u00e8nes de quasi-s\u00e9paration ou de s\u00e9paration compl\u00e8te lors de l’estimation des param\u00e8tres par le maximum de vraisemblance.<\/p>\n

En \u00e9pid\u00e9miologie comportementale, en sociologie quantitative et en psychom\u00e9trie, la table de fr\u00e9quences remplit une fonction r\u00e9gulatrice essentielle pour valider la repr\u00e9sentativit\u00e9 de l’\u00e9chantillonnage. Elle permet de v\u00e9rifier si les quotas d\u00e9mographiques d\u00e9finis dans le protocole de recherche ont \u00e9t\u00e9 scrupuleusement respect\u00e9s et si certains sous-groupes vuln\u00e9rables ne sont pas victimes d’une sous-repr\u00e9sentation critique. Cette v\u00e9rification pr\u00e9coce offre la possibilit\u00e9 de redresser l’\u00e9chantillon par des pond\u00e9rations statistiques adapt\u00e9es ou d’orienter le recrutement vers des strates sp\u00e9cifiques avant la cl\u00f4ture d\u00e9finitive des enqu\u00eates sur le terrain.<\/p>\n

De surcro\u00eet, le tableau de distribution constitue un outil diagnostique irrempla\u00e7able pour d\u00e9tecter d’\u00e9ventuelles d\u00e9rives de codage ou des artefacts instrumentaux. Lorsque des \u00e9chelles d’\u00e9valuation psychom\u00e9trique ou des questionnaires standardis\u00e9s sont administr\u00e9s, l’observation d’un effet plancher ou d’un effet plafond se manifeste imm\u00e9diatement \u00e0 la lecture des proportions marginales. La mise en \u00e9vidence d’une telle concentration d’observations sur les bornes extr\u00eames d’une \u00e9chelle ordinale contraint le chercheur \u00e0 reconsid\u00e9rer la sensibilit\u00e9 discriminante de son instrument de mesure avant d’entreprendre des analyses de variance ou des mod\u00e9lisations par \u00e9quations structurelles.<\/p>\n

\"\"<\/figure>\n

1.2 Pr\u00e9sentation technique de la proc\u00e9dure PROC FREQ dans SAS<\/h3>\n

Au sein de l’architecture logicielle de SAS Base, la proc\u00e9dure PROC FREQ<\/a> occupe une position nodale d\u00e9di\u00e9e au traitement des attributs qualitatifs. Tandis que la proc\u00e9dure PROC MEANS est sp\u00e9cifiquement calibr\u00e9e pour synth\u00e9tiser les grandeurs continues \u00e0 travers le calcul d’esp\u00e9rances math\u00e9matiques, d’\u00e9carts-types, de variances et d’\u00e9tendues interquartiles, PROC FREQ prend en charge le traitement des variables discontinues. Elle structure les donn\u00e9es individuelles en tables de contingence dimensionnelles, d\u00e9nombrant les occurrences associ\u00e9es \u00e0 chaque modalit\u00e9 et \u00e9tablissant les distributions de probabilit\u00e9s empiriques correspondantes.<\/p>\n

Le moteur sous-jacent de PROC FREQ se distingue par son haut degr\u00e9 d’optimisation computationnelle. Lors de l’ex\u00e9cution d’une \u00e9tape de d\u00e9nombrement, la proc\u00e9dure met en \u0153uvre des algorithmes de hachage et de partitionnement de m\u00e9moire vive permettant d’agr\u00e9ger les donn\u00e9es avec une empreinte m\u00e9moire particuli\u00e8rement restreinte. Contrairement \u00e0 d’autres environnements de calcul qui chargent l’int\u00e9gralit\u00e9 des tables brutes dans des matrices denses d’objets, SAS op\u00e8re une lecture s\u00e9quentielle optimis\u00e9e des tables enregistr\u00e9es sur disque, ne conservant en m\u00e9moire centrale que les compteurs d’occurrences associ\u00e9s aux cl\u00e9s de modalit\u00e9 uniques.<\/p>\n

Cette distinction conceptuelle entre structures continues et discr\u00e8tes conf\u00e8re \u00e0 PROC FREQ une robustesse singuli\u00e8re dans le traitement des ensembles de donn\u00e9es massifs (Big Data). La proc\u00e9dure est capable d’absorber des volum\u00e9tries exc\u00e9dant plusieurs dizaines de gigaoctets sans saturer la m\u00e9moire vive de la machine h\u00f4te. Au-del\u00e0 du simple comptage, elle int\u00e8gre un module de calcul inf\u00e9rentiel sophistiqu\u00e9 capable de d\u00e9river instantan\u00e9ment les erreurs-types de proportions, les tests de conformit\u00e9 multinomiale et les statistiques non param\u00e9triques associ\u00e9es aux structures tabulaires.<\/p>\n

1.3 Pr\u00e9sentation de la base de r\u00e9f\u00e9rence sashelp.BirthWgt<\/h3>\n

Afin d’ancrer les d\u00e9monstrations de ce guide dans un cadre empirique r\u00e9aliste et imm\u00e9diatement reproductible par tout utilisateur disposant d’un environnement SAS standard, nous exploiterons la table de donn\u00e9es int\u00e9gr\u00e9e sashelp.BirthWgt<\/strong>. Ce jeu de donn\u00e9es volumineux rassemble un \u00e9chantillon probabiliste de 100 000 observations obst\u00e9tricales et n\u00e9onatales, issu des registres d’\u00e9tat civil des services de sant\u00e9 publique am\u00e9ricains. Cette cohorte offre une profondeur statistique id\u00e9ale pour appr\u00e9hender les enjeux de distribution des facteurs sociod\u00e9mographiques et p\u00e9rinataux.<\/p>\n

La table se structure autour de plusieurs variables cat\u00e9gorielles fondamentales. La variable Race<\/em> documente l’appartenance ethnoculturelle maternelle d\u00e9clin\u00e9e en plusieurs modalit\u00e9s d’enregistrement administratif. La variable AgeGroup<\/em> segmente l’\u00e2ge de la m\u00e8re au moment de l’accouchement en tranches chronologiques distinctes, permettant d’analyser la maturit\u00e9 reproductive. La variable binaire LowBirthWgt<\/em> enregistre le diagnostic d’insuffisance pond\u00e9rale \u00e0 la naissance (d\u00e9finie m\u00e9dicalement par un poids f\u0153tal strictement inf\u00e9rieur \u00e0 2 500 grammes), repr\u00e9sentant une variable de r\u00e9sultat clinique majeure. Enfin, la variable binaire Smoke<\/em> qualifie l’exposition active de la m\u00e8re au tabagisme durant la p\u00e9riode gestationnelle.<\/p>\n

Cette base de donn\u00e9es constitue un arch\u00e9type d’application \u00e9pid\u00e9miologique. Elle encapsule simultan\u00e9ment des probl\u00e9matiques d’\u00e9quilibre d\u00e9mographique, des disparit\u00e9s de sant\u00e9 publique et des relations de confusion potentielles entre comportements \u00e0 risque et issues cliniques d\u00e9favorables. La multiplicit\u00e9 de ses variables et la taille substantielle de son \u00e9chantillon permettront de mettre en lumi\u00e8re aussi bien les propri\u00e9t\u00e9s fondamentales des tables univari\u00e9es que la subtilit\u00e9 des croisements multidimensionnels stratifi\u00e9s.<\/p>\n

2. Exploration pr\u00e9liminaire des donn\u00e9es avec PROC PRINT<\/h2>\n

2.1 Inspection des premi\u00e8res observations avec l’instruction obs=10<\/h3>\n

Pr\u00e9alablement \u00e0 toute op\u00e9ration de synth\u00e8se agr\u00e9g\u00e9e, une inspection visuelle directe des enregistrements bruts s’impose comme une mesure \u00e9l\u00e9mentaire de pr\u00e9caution m\u00e9thodologique. L’instruction syst\u00e8me de restriction du nombre d’enregistrements constitue la m\u00e9thode la plus \u00e9l\u00e9gante pour examiner l’agencement interne d’une table sans saturer le tampon d’affichage. Sous SAS, l’association de la proc\u00e9dure PROC PRINT avec l’option de jeu de donn\u00e9es (obs=10)<\/em> permet de mat\u00e9rialiser instantan\u00e9ment un aper\u00e7u structural des dix premi\u00e8res lignes de la base observ\u00e9e.<\/p>\n

Le bloc de commande s’articule selon la formulation canonique suivante : proc print data=sashelp.BirthWgt (obs=10); run;<\/code>. L’ex\u00e9cution de cette directive sollicite le moteur d’acc\u00e8s SAS pour extraire les dix premiers vecteurs d’observation et les restituer sous la forme d’un tableau bidimensionnel dans la destination de sortie active de l’Output Delivery System<\/a> (ODS). Cette d\u00e9marche pr\u00e9liminaire permet de certifier que le chemin d’acc\u00e8s \u00e0 la biblioth\u00e8que est fonctionnel, que la table n’est pas verrouill\u00e9e par un processus concurrent et que la structure g\u00e9n\u00e9rale des colonnes correspond aux sp\u00e9cifications attendues.<\/p>\n

L’affichage g\u00e9n\u00e9r\u00e9 met en lumi\u00e8re la s\u00e9quence ordonn\u00e9e des variables, les en-t\u00eates de colonnes officiellement assign\u00e9s, ainsi que la nature des valeurs alphanum\u00e9riques ou num\u00e9riques stock\u00e9es. Ce premier contact visuel permet de v\u00e9rifier la pr\u00e9sence de pr\u00e9fixes, d’espaces superflus ou de caract\u00e8res invisibles qui pourraient alt\u00e9rer les routines de d\u00e9nombrement cat\u00e9goriel ult\u00e9rieures. Il permet \u00e9galement d’observer la variabilit\u00e9 intrins\u00e8que des enregistrements d’une ligne \u00e0 l’autre au sein de l’\u00e9chantillon natif.<\/p>\n

2.2 Identification de la nature des variables cat\u00e9gorielles<\/h3>\n

L’examen minutieux de la sortie d’exploration permet de distinguer formellement la nature typologique des variables qualitatives sous revue. En statistique appliqu\u00e9e, une fronti\u00e8re nette s\u00e9pare les variables nominales des variables ordinales. Une variable nominale pure, \u00e0 l’instar de la variable Race<\/em>, \u00e9tablit une partition de la population en cat\u00e9gories mutuellement exclusives et exhaustivement observables, sans qu’aucune relation d’ordre naturel, de pr\u00e9s\u00e9ance ou de hi\u00e9rarchie m\u00e9trique ne puisse \u00eatre postul\u00e9e entre les diff\u00e9rentes modalit\u00e9s.<\/p>\n

Inversement, les variables ordinales poss\u00e8dent une structure sous-jacente intrins\u00e8quement ordonn\u00e9e. Dans notre jeu de r\u00e9f\u00e9rence, la variable AgeGroup<\/em> illustre cette cat\u00e9gorie : les tranches d’\u00e2ge s’\u00e9chelonnent selon un continuum temporel irr\u00e9versible, o\u00f9 chaque modalit\u00e9 est conceptuellement sup\u00e9rieure \u00e0 la pr\u00e9c\u00e9dente. Dans le syst\u00e8me SAS, cette distinction est influenc\u00e9e par la mani\u00e8re dont la variable est encod\u00e9e en machine. Une variable peut \u00eatre stock\u00e9e sous forme de cha\u00eene de caract\u00e8res (type Character<\/em>) ou sous forme de valeur num\u00e9rique enti\u00e8re coupl\u00e9e \u00e0 un format d’affichage (type Numeric<\/em> avec format d’\u00e9tiquette assign\u00e9).<\/p>\n

Cette caract\u00e9ristique de stockage a des cons\u00e9quences directes sur le comportement analytique du logiciel. Si une variable ordinale est stock\u00e9e sous une forme textuelle arbitraire, SAS proc\u00e8dera par d\u00e9faut \u00e0 un tri purement lexicographique lors de la construction des tables de fr\u00e9quences. Ce m\u00e9canisme ordonnera les modalit\u00e9s selon l’alphabet (par exemple, en classant la modalit\u00e9 descriptive d’un niveau interm\u00e9diaire avant celle d’un niveau \u00e9l\u00e9mentaire), alt\u00e9rant l’intelligibilit\u00e9 des distributions cumul\u00e9es. L’identification pr\u00e9coce de ces formats permet d’anticiper la n\u00e9cessit\u00e9 de recourir \u00e0 des formats num\u00e9riques sous-jacents ou \u00e0 des options de tri sp\u00e9cifiques.<\/p>\n

2.3 Contr\u00f4le qualit\u00e9 initial et d\u00e9tection des valeurs atypiques<\/h3>\n

La revue pr\u00e9liminaire des donn\u00e9es avec PROC PRINT remplit \u00e9galement une fonction de contr\u00f4le de qualit\u00e9 des donn\u00e9es (data quality assurance<\/em>). M\u00eame au sein de bases institutionnelles r\u00e9put\u00e9es stables, des incoh\u00e9rences lexicales peuvent s’introduire : variations de casse entre majuscules et minuscules (par exemple, la coexistence de libell\u00e9s tels que \u00ab Fumeur \u00bb et \u00ab fumeur \u00bb), pr\u00e9sence d’espaces ins\u00e9cables en queue de cha\u00eene de caract\u00e8res, ou utilisation h\u00e9t\u00e9rog\u00e8ne de libell\u00e9s pour d\u00e9signer une m\u00eame r\u00e9alit\u00e9 physiologique. Pour le moteur SAS, deux cha\u00eenes diff\u00e9rant d’un unique caract\u00e8re ou d’une simple variation de casse constituent des modalit\u00e9s distinctes et seront d\u00e9compt\u00e9es dans des lignes s\u00e9par\u00e9es.<\/p>\n

De plus, l’observation directe permet de rep\u00e9rer visuellement les conventions retenues pour coder l’absence de r\u00e9ponse. Selon les standards des organismes producteurs de donn\u00e9es, les valeurs manquantes peuvent \u00eatre indiqu\u00e9es par des points standards du moteur SAS pour les variables num\u00e9riques, par des blancs pour les variables caract\u00e8res, ou encore par des codes explicites arbitraires tels que \u00ab 999 \u00bb, \u00ab Inconnu \u00bb, \u00ab Non renseigne \u00bb ou \u00ab NA \u00bb. Si ces codes num\u00e9riques sont trait\u00e9s sans pr\u00e9caution par une proc\u00e9dure d’analyse, le logiciel les assimilera \u00e0 des valeurs valides et faussera l’\u00e9valuation des proportions r\u00e9elles.<\/p>\n

Lorsque cette phase d’inspection d\u00e9c\u00e8le des anomalies formelles ou des ambigu\u00eft\u00e9s structurelles, le statisticien doit imp\u00e9rativement intercaler une \u00e9tape de nettoyage des donn\u00e9es (Data Step<\/em>) avant de solliciter les outils de d\u00e9nombrement. Ce travail pr\u00e9alable de recodage, de standardisation des cha\u00eenes de caract\u00e8res via des fonctions d\u00e9di\u00e9es (telles que UPCASE<\/em>, TRIM<\/em> ou STRIP<\/em>) et d’imputation formelle des codes d’absence de donn\u00e9es garantit l’int\u00e9grit\u00e9 de toutes les tables de distribution qui seront construites en aval.<\/p>\n

3. Cr\u00e9ation d’une table de fr\u00e9quences univari\u00e9e simple<\/h2>\n

3.1 Syntaxe fondamentale de l’instruction TABLES<\/h3>\n

L’architecture syntaxique r\u00e9gissant la mise en \u0153uvre de la proc\u00e9dure PROC FREQ se caract\u00e9rise par une logique d\u00e9clarative modulaire standardis\u00e9e. Le bloc d’instructions \u00e9l\u00e9mentaire requiert l’invocation de la commande de proc\u00e9dure, la d\u00e9finition de la table de donn\u00e9es d’entr\u00e9e, la sp\u00e9cification explicite des variables \u00e0 d\u00e9nombrer au moyen de l’instruction TABLES<\/strong>, et l’instruction d’ex\u00e9cution RUN<\/strong>. Cette structure constitue le gabarit fondamental \u00e0 partir duquel se greffent l’ensemble des options analytiques avanc\u00e9es.<\/p>\n

L’instruction TABLES d\u00e9termine la g\u00e9om\u00e9trie de la synth\u00e8se \u00e0 op\u00e9rer. Lorsque l’analyste y d\u00e9clare une variable isol\u00e9e sans aucun op\u00e9rateur de croisement ni d\u00e9limiteur d’options, la proc\u00e9dure interpr\u00e8te cette directive comme une demande de calcul univari\u00e9 \u00e0 une dimension. Il convient de souligner que le syst\u00e8me SAS requiert une rigueur formelle absolue dans le placement du point-virgule terminal : l’omission de ce d\u00e9limiteur ou son insertion pr\u00e9matur\u00e9e avant la sp\u00e9cification des variables entra\u00eene une interruption imm\u00e9diate de la compilation du bloc avec g\u00e9n\u00e9ration d’un message d’erreur d’analyse syntaxique dans le journal.<\/p>\n

L’instruction TABLES accepte une liste ind\u00e9finie de variables s\u00e9par\u00e9es par de simples espaces. Il est essentiel de comprendre que la juxtaposition de plusieurs noms de variables au sein de cette instruction (par exemple, TABLES VarA VarB;<\/code>) n’induit aucun croisement bivari\u00e9 entre elles, mais d\u00e9clenche la production successive et ind\u00e9pendante de plusieurs tables de fr\u00e9quences univari\u00e9es au cours de la m\u00eame \u00e9tape de calcul. Cette sp\u00e9cificit\u00e9 syntaxique offre une grande concision d’\u00e9criture pour explorer simultan\u00e9ment l’ensemble des dimensions descriptives d’un fichier de donn\u00e9es.<\/p>\n

3.2 Exemple pas \u00e0 pas sur la variable Race du jeu BirthWgt<\/h3>\n

Pour illustrer la mise en pratique imm\u00e9diate de cette syntaxe sur notre base de r\u00e9f\u00e9rence, consid\u00e9rons l’analyse de la r\u00e9partition ethnoculturelle des m\u00e8res enregistr\u00e9es dans la cohorte. Le programme SAS s’\u00e9nonce avec une grande clart\u00e9 :<\/p>\n

proc freq data=sashelp.BirthWgt;
\n    tables Race;
\nrun;<\/code><\/p>\n

Lors de la soumission de cette s\u00e9quence, le superviseur d’ex\u00e9cution de SAS engage un protocole rigoureux document\u00e9 pas \u00e0 pas dans la fen\u00eatre du journal d’ex\u00e9cution (SAS Log<\/em>). Le journal confirme d’abord l’ouverture de la table sashelp.BirthWgt<\/em> en mode lecture seule, certifie la conformit\u00e9 de la variable Race<\/em> par rapport au dictionnaire interne du jeu de donn\u00e9es, puis alloue dynamiquement les blocs de m\u00e9moire n\u00e9cessaires \u00e0 l’enregistrement des niveaux distincts rencontr\u00e9s. Le journal imprime enfin le temps d’ex\u00e9cution CPU et le temps r\u00e9el d’horloge consacr\u00e9s au traitement des 100 000 enregistrements, attestant de l’efficacit\u00e9 de la compilation.<\/p>\n

Le r\u00e9sultat produit par la proc\u00e9dure se mat\u00e9rialise sous la forme d’un tableau \u00e0 double entr\u00e9e rigoureusement calibr\u00e9. Chaque modalit\u00e9 identifi\u00e9e dans la colonne Race<\/em> est assign\u00e9e \u00e0 une ligne d\u00e9di\u00e9e. En face de chaque cat\u00e9gorie, SAS aligne syst\u00e9matiquement quatre colonnes de r\u00e9sultats analytiques : l’effectif absolu (Frequency<\/em>), le pourcentage relatif par rapport au total valide (Percent<\/em>), l’effectif cumul\u00e9 progressif (Cumulative Frequency<\/em>) et la proportion cumul\u00e9e correspondante (Cumulative Percent<\/em>). Aucune erreur ni aucun avertissement ne venant troubler le journal, la distribution peut \u00eatre exploit\u00e9e imm\u00e9diatement pour l’interpr\u00e9tation substantielle.<\/p>\n

\"frequency
frequency table in SAS<\/figcaption><\/figure>\n

3.3 G\u00e9n\u00e9ration de tables univari\u00e9es multiples en une seule passe<\/h3>\n

Dans le cours d’un projet de recherche quantitative d’envergure, l’analyste doit g\u00e9n\u00e9ralement synth\u00e9tiser plusieurs dizaines de variables qualitatives distinctes. D\u00e9clarer une proc\u00e9dure PROC FREQ ind\u00e9pendante pour chaque variable s’av\u00e9rerait inefficace sur le plan programmatique et p\u00e9nalisant sur le plan computationnel, car cela imposerait au moteur SAS de r\u00e9it\u00e9rer autant de lectures compl\u00e8tes du fichier de donn\u00e9es sur le disque dur.<\/p>\n

L’optimisation consiste \u00e0 rassembler toutes les variables d’int\u00e9r\u00eat au sein d’une unique instruction TABLES, comme l’illustre le bloc programmatique suivant :<\/p>\n

proc freq data=sashelp.BirthWgt;
\n    tables Race Smoke LowBirthWgt AgeGroup;
\nrun;<\/code><\/p>\n

Cette formulation permet \u00e0 SAS de scanner la table de donn\u00e9es en une seule passe s\u00e9quentielle. Durant cette lecture unique, les compteurs de fr\u00e9quences associ\u00e9s \u00e0 chacune des quatre variables sp\u00e9cifi\u00e9es sont incr\u00e9ment\u00e9s simultan\u00e9ment en m\u00e9moire centrale. Cette m\u00e9thode r\u00e9duit consid\u00e9rablement les op\u00e9rations d’entr\u00e9es-sorties physiques (I\/O), pr\u00e9servant ainsi les ressources du serveur d’analyse lors du traitement de jeux de donn\u00e9es massifs.<\/p>\n

Dans l’interface de restitution de l’Output Delivery System (ODS), les r\u00e9sultats sont pr\u00e9sent\u00e9s sous forme d’une succession ordonn\u00e9e de tables ind\u00e9pendantes, chacune dot\u00e9e de ses propres m\u00e9triques et de ses m\u00e9tadonn\u00e9es descriptives. Cette organisation s\u00e9quentielle facilite l’extraction modulaire des sorties vers des documents bureautiques ou des classeurs de synth\u00e8se, tout en garantissant une tra\u00e7abilit\u00e9 analytique sans faille pour l’ensemble du profil sociod\u00e9mographique et clinique de la population sous \u00e9tude.<\/p>\n

4. Interpr\u00e9tation d\u00e9taill\u00e9e des quatre m\u00e9triques standards de SAS<\/h2>\n

4.1 La fr\u00e9quence absolue (Frequency)<\/h3>\n

La fr\u00e9quence absolue, identifi\u00e9e sous l’en-t\u00eate standard Frequency<\/strong> dans les restitutions de SAS, correspond au d\u00e9nombrement arithm\u00e9tique brut des occurrences observ\u00e9es pour chaque modalit\u00e9 discr\u00e8te au sein de l’\u00e9chantillon analys\u00e9. Sur le plan formel, si l’on consid\u00e8re une variable nominale partitionn\u00e9e en un nombre k<\/em> de modalit\u00e9s mutuellement exclusives, la fr\u00e9quence absolue de la i<\/em>-\u00e8me modalit\u00e9 repr\u00e9sente la somme scalaire de toutes les lignes d’observations satisfaisant rigoureusement \u00e0 cette condition cat\u00e9gorielle.<\/p>\n

Dans le cadre de l’ex\u00e9cution men\u00e9e sur la table sashelp.BirthWgt<\/em> pour la variable Race<\/em>, l’examen de la colonne des fr\u00e9quences r\u00e9v\u00e8le des effectifs bruts contrast\u00e9s selon les groupes ethnoculturels. \u00c0 titre d’illustration empirique, la modalit\u00e9 d\u00e9signant les m\u00e8res d’origine hispanique affiche un d\u00e9compte d’exactement 22 139<\/strong> observations. Cette grandeur brute constitue la mesure primaire d’abondance du groupe au sein de la base de donn\u00e9es. Elle traduit le volume r\u00e9el d’individus sur lequel reposent l’ensemble des inf\u00e9rences statistiques ult\u00e9rieures relatives \u00e0 ce segment de population.<\/p>\n

La validation formelle de la distribution impose que la sommation arithm\u00e9tique de l’ensemble des fr\u00e9quences absolues rapport\u00e9es sur chaque ligne co\u00efncide rigoureusement avec l’effectif global des donn\u00e9es valides, soit un total consolid\u00e9 de 100 000 observations dans notre cohorte de r\u00e9f\u00e9rence en l’absence de donn\u00e9es manquantes. Toute divergence entre cette sommation marginale et l’effectif th\u00e9orique attendu de la cohorte constitue l’indice irr\u00e9futable de la pr\u00e9sence de valeurs non renseign\u00e9es ou d’enregistrements exclus par des conditions de filtrage pr\u00e9alables.<\/p>\n

4.2 Le pourcentage relatif (Percent)<\/h3>\n

La m\u00e9trique d\u00e9nomm\u00e9e Percent<\/strong> exprime la proportion standardis\u00e9e que repr\u00e9sente l’effectif d’une modalit\u00e9 sp\u00e9cifique par rapport \u00e0 la taille totale de l’\u00e9chantillon d’analyse valide. Son calcul d\u00e9rive de l’application directe du ratio classique : la fr\u00e9quence absolue de la cat\u00e9gorie consid\u00e9r\u00e9e est divis\u00e9e par l’effectif total cumul\u00e9 des observations valides, le quotient r\u00e9sultant \u00e9tant ensuite multipli\u00e9 par cent afin de transposer la fraction sur une \u00e9chelle cent\u00e9simale standardis\u00e9e.<\/p>\n

En reprenant l’exemple concret du sous-groupe des m\u00e8res hispaniques dans la base de donn\u00e9es obst\u00e9tricale, l’observation de 22 139 cas rapport\u00e9e \u00e0 l’ensemble des 100 000 patientes de l’\u00e9tude donne lieu \u00e0 un pourcentage relatif de pr\u00e9cis\u00e9ment 22,14 %<\/strong> apr\u00e8s application des algorithmes d’arrondi d\u00e9cimal du syst\u00e8me SAS. Cette statistique normalis\u00e9e neutralise la d\u00e9pendance \u00e0 la taille brute de l’\u00e9chantillon, permettant ainsi d’effectuer des comparaisons \u00e9pid\u00e9miologiques rigoureuses avec d’autres registres hospitaliers ou d’autres juridictions sanitaires ayant inclus des volumes d’observations diff\u00e9rents.<\/p>\n

Par d\u00e9faut, la proc\u00e9dure PROC FREQ restitue les pourcentages avec une pr\u00e9cision fix\u00e9e \u00e0 deux d\u00e9cimales, appliquant la r\u00e8gle conventionnelle d’arrondi arithm\u00e9tique vers le chiffre le plus proche. Il importe que le chercheur garde \u00e0 l’esprit que, par suite de ces m\u00e9canismes d’arrondi individuel sur chaque modalit\u00e9, la sommation th\u00e9orique des pourcentages d’une table univari\u00e9e peut occasionnellement osciller entre 99,99 % et 100,01 %. Ce ph\u00e9nom\u00e8ne purement calculatoire ne constitue nullement une anomalie statistique, mais refl\u00e8te la troncature inh\u00e9rente \u00e0 la repr\u00e9sentation en virgule flottante au sein des syst\u00e8mes informatiques.<\/p>\n

4.3 La fr\u00e9quence cumul\u00e9e (Cumulative Frequency)<\/h3>\n

L’indicateur Cumulative Frequency<\/strong> traduit le m\u00e9canisme de sommation s\u00e9quentielle, ligne par ligne, des effectifs absolus enregistr\u00e9s depuis la premi\u00e8re modalit\u00e9 jusqu’au niveau d’analyse consid\u00e9r\u00e9 dans la hi\u00e9rarchie d’affichage de la table. Pour la premi\u00e8re ligne d’un tableau, la fr\u00e9quence cumul\u00e9e est math\u00e9matiquement identique \u00e0 la fr\u00e9quence absolue simple. Pour chaque \u00e9chelon suivant, elle int\u00e8gre la fr\u00e9quence de la ligne courante \u00e0 l’accumulation des effectifs des cat\u00e9gories qui la pr\u00e9c\u00e8dent imm\u00e9diatement.<\/p>\n

Toutefois, l’interpr\u00e9tation substantive de la fr\u00e9quence cumul\u00e9e exige une grande rigueur m\u00e9thodologique quant \u00e0 l’\u00e9chelle de mesure sous-jacente. Cette m\u00e9trique ne poss\u00e8de de validit\u00e9 conceptuelle que si la variable examin\u00e9e appartient au domaine des \u00e9chelles ordinales<\/em>, pour lesquelles l’ordonnancement s\u00e9quentiel des niveaux d’affichage traduit une progression r\u00e9elle, un degr\u00e9 croissant ou une hi\u00e9rarchie temporelle. Appliquer et commenter une fr\u00e9quence cumul\u00e9e sur une variable nominale<\/em> pure telle que l’origine ethnoculturelle (Race<\/em>) ou le statut marital rel\u00e8ve d’une h\u00e9r\u00e9sie analytique, car l’ordre d’empilement des cat\u00e9gories y est conventionnel et d\u00e9pourvu de signification ordinale.<\/p>\n

En revanche, lorsque la fr\u00e9quence cumul\u00e9e est d\u00e9ploy\u00e9e sur la variable AgeGroup<\/em>, elle prend tout son sens clinique et \u00e9pid\u00e9miologique. Elle permet de quantifier avec exactitude le volume absolu de m\u00e8res n’ayant pas d\u00e9pass\u00e9 une borne d’\u00e2ge sp\u00e9cifique, offrant ainsi une visibilit\u00e9 directe sur la concentration d\u00e9mographique des femmes tr\u00e8s jeunes ou, inversement, sur la pr\u00e9valence des maternit\u00e9s tardives au sein de la cohorte suivie.<\/p>\n

4.4 Le pourcentage cumul\u00e9 (Cumulative Percent)<\/h3>\n

Le pourcentage cumul\u00e9, d\u00e9sign\u00e9 par la mention Cumulative Percent<\/strong>, formalise la progression cent\u00e9simale de la somme des fr\u00e9quences relatives au fur et \u00e0 mesure du parcours des modalit\u00e9s de la variable. Il s’obtient en divisant la fr\u00e9quence cumul\u00e9e de la modalit\u00e9 courante par l’effectif total d’observations valides de la cohorte, puis en multipliant cette valeur par cent. Cette colonne culmine imp\u00e9rativement \u00e0 la valeur de 100,00 % sur la ligne terminale de la table, marquant l’\u00e9puisement exhaustif de l’\u00e9chantillon analys\u00e9.<\/p>\n

Cette grandeur statistique s’av\u00e8re particuli\u00e8rement pr\u00e9cieuse dans le champ de la psychom\u00e9trie, de l’\u00e9valuation de la qualit\u00e9 de vie et de la validation d’\u00e9chelles de s\u00e9v\u00e9rit\u00e9 clinique. Elle permet en effet de d\u00e9terminer empiriquement des percentiles, des quartiles ou des seuils de d\u00e9marcation (cut-off points<\/em>). En pr\u00e9sence d’un score d’\u00e9valuation clinique ordonn\u00e9, l’observation du pourcentage cumul\u00e9 permet d’identifier instantan\u00e9ment le niveau de s\u00e9v\u00e9rit\u00e9 en de\u00e7\u00e0 duquel se regroupent, par exemple, 50 % (la m\u00e9diane empirique) ou 75 % (le troisi\u00e8me quartile) des individus sous surveillance.<\/p>\n

Dans l’analyse des tranches d’\u00e2ge maternelles de notre jeu de r\u00e9f\u00e9rence, le pourcentage cumul\u00e9 permet d’affirmer d’un simple regard quelle proportion exacte de la cohorte est constitu\u00e9e de m\u00e8res appartenant aux classes d’\u00e2ges inf\u00e9rieures \u00e0 un rep\u00e8re donn\u00e9. Cela facilite grandement la r\u00e9daction de profils d\u00e9mographiques synth\u00e9tiques destin\u00e9s aux d\u00e9cideurs sanitaires, sans n\u00e9cessiter de retraitements arithm\u00e9tiques secondaires sous un logiciel tableur.<\/p>\n

5. Gestion des valeurs manquantes dans les tables de fr\u00e9quences<\/h2>\n

5.1 Comportement par d\u00e9faut de SAS face aux donn\u00e9es manquantes<\/h3>\n

L’omission d’information constitue une probl\u00e9matique r\u00e9currente et complexe dans l’analyse de donn\u00e9es r\u00e9elles, qu’elle r\u00e9sulte d’un refus de r\u00e9ponse, d’une d\u00e9faillance instrumentale ou d’une perte de suivi. Par d\u00e9faut, la proc\u00e9dure PROC FREQ adopte une approche conservatrice et standardis\u00e9e vis-\u00e0-vis des valeurs manquantes. Lorsqu’un enregistrement comporte une valeur non renseign\u00e9e sur la variable cibl\u00e9e par l’instruction TABLES, SAS exclut automatiquement cette observation du corps principal de la table de contingence.<\/p>\n

En cons\u00e9quence de cette exclusion implicite, les calculs de fr\u00e9quences relatives (pourcentages simples) et de proportions cumul\u00e9es reposent exclusivement sur l’effectif des cas dits complets ou valides. Afin de maintenir la transparence m\u00e9thodologique du traitement, la proc\u00e9dure appose syst\u00e9matiquement une note textuelle explicite imm\u00e9diatement sous le tableau produit. Cette mention indique pr\u00e9cis\u00e9ment le volume absolu d’observations \u00e9cart\u00e9es de la distribution au moyen de la formule consacr\u00e9e : \u00ab Frequency Missing = X<\/em> \u00bb.<\/p>\n

Bien que cette modalit\u00e9 de fonctionnement par d\u00e9faut permette de pr\u00e9server le d\u00e9nominateur analytique pour l’estimation de proportions cliniques pures, elle rec\u00e8le des risques d’interpr\u00e9tation majeurs si l’analyste n’y pr\u00eate pas attention. Si le m\u00e9canisme r\u00e9gissant l’absence d’information n’est pas de type compl\u00e8tement al\u00e9atoire au sens de Rubin (Missing Completely at Random<\/em> [MCAR]), l’\u00e9viction pure et simple de ces donn\u00e9es sans caract\u00e9risation approfondie introduit un biais d’attrition substantiel, susceptible de fausser dramatiquement les conclusions \u00e9pid\u00e9miologiques tir\u00e9es de l’\u00e9tude.<\/p>\n

\"\"<\/figure>\n

5.2 Inclusion des donn\u00e9es manquantes dans les totaux avec l’option MISSING<\/h3>\n

Pour neutraliser l’exclusion automatique des observations incompl\u00e8tes et analyser la non-r\u00e9ponse comme une composante structurelle du recueil de donn\u00e9es, SAS propose l’option MISSING<\/strong>. Cette option se greffe directement sur l’instruction TABLES, positionn\u00e9e imm\u00e9diatement \u00e0 la suite du symbole barre oblique (slash), conform\u00e9ment au sch\u00e9ma programmatique suivant :<\/p>\n

proc freq data=sashelp.BirthWgt;
\n    tables Race \/ missing;
\nrun;<\/code><\/p>\n

L’adjonction de ce param\u00e8tre modifie en profondeur la dynamique de calcul de la proc\u00e9dure. Au lieu d’\u00eatre rel\u00e9gu\u00e9es en note d’avertissement de bas de page, les valeurs manquantes se voient attribuer une ligne \u00e0 part enti\u00e8re au sein du corps du tableau de fr\u00e9quences. Cette ligne appara\u00eet g\u00e9n\u00e9ralement en t\u00eate de distribution, mat\u00e9rialis\u00e9e par un point pour les donn\u00e9es num\u00e9riques ou par un espace vide pour les donn\u00e9es textuelles.<\/p>\n

L’impact statistique majeur de l’option MISSING r\u00e9side dans la red\u00e9finition du d\u00e9nominateur global de calcul. D\u00e8s lors que l’effectif des donn\u00e9es manquantes est int\u00e9gr\u00e9 dans le total de r\u00e9f\u00e9rence de l’\u00e9chantillon, les pourcentages relatifs associ\u00e9s \u00e0 l’ensemble des modalit\u00e9s valides diminuent proportionnellement. Cette m\u00e9thode s’av\u00e8re indispensable pour quantifier avec pr\u00e9cision le taux d’attrition, \u00e9valuer la compl\u00e9tude des formulaires de recueil clinique (Case Report Forms<\/em>) et documenter les d\u00e9faillances de suivi dans les cohortes longitudinales en recherche observationnelle.<\/p>\n

5.3 Affichage informatif sans distorsion des pourcentages avec MISSPRINT<\/h3>\n

Il se pr\u00e9sente fr\u00e9quemment des situations m\u00e9thodologiques o\u00f9 le chercheur souhaite visualiser explicitement le volume des donn\u00e9es manquantes dans la table finale, tout en refusant cat\u00e9goriquement que ce contingent n’alt\u00e8re le d\u00e9nominateur de calcul des pourcentages des modalit\u00e9s valides. Cette exigence est particuli\u00e8rement pr\u00e9gnante dans les rapports d’essais cliniques destin\u00e9s aux autorit\u00e9s de r\u00e9gulation du m\u00e9dicament, o\u00f9 les taux d’efficacit\u00e9 doivent imp\u00e9rativement \u00eatre exprim\u00e9s au sein de la seule population \u00e9valuable.<\/p>\n

Pour r\u00e9pondre \u00e0 ce besoin pr\u00e9cis, SAS int\u00e8gre l’option MISSPRINT<\/strong> dans l’instruction TABLES. Sa d\u00e9claration s’op\u00e8re selon une logique similaire : tables Race \/ missprint;<\/code>. Lorsqu’elle est activ\u00e9e, cette commande demande \u00e0 la proc\u00e9dure de faire figurer une ligne d\u00e9di\u00e9e aux valeurs manquantes dans le tableau et d’en afficher l’effectif absolu dans la colonne Frequency<\/em>. Toutefois, la proc\u00e9dure s’abstient rigoureusement d’inscrire des valeurs dans les colonnes Percent<\/em>, Cumulative Frequency<\/em> et Cumulative Percent<\/em> sur cette ligne sp\u00e9cifique.<\/p>\n

Le tableau comparatif suivant synth\u00e9tise les divergences de traitement op\u00e9r\u00e9es par SAS selon l’instruction d\u00e9clar\u00e9e :<\/p>\n