{"id":8445,"date":"2026-10-14T18:02:24","date_gmt":"2026-10-14T18:02:24","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-realiser-un-bootstrapping-en-r-avec-exemples\/"},"modified":"2026-10-14T18:02:24","modified_gmt":"2026-10-14T18:02:24","slug":"comment-realiser-un-bootstrapping-en-r-avec-exemples","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-realiser-un-bootstrapping-en-r-avec-exemples","title":{"rendered":"Comment r\u00e9aliser un bootstrapping en R (avec exemples)"},"content":{"rendered":"

L’inf\u00e9rence statistique moderne repose sur une tension fondamentale entre l’\u00e9l\u00e9gance des formulations math\u00e9matiques analytiques et la complexit\u00e9 brute des donn\u00e9es empiriques recueillies sur le terrain. Pendant pr\u00e8s d’un si\u00e8cle, l’\u00e9difice de la statistique param\u00e9trique classique, largement d\u00e9velopp\u00e9 sous l’impulsion de pionniers tels que Ronald Fisher, Jerzy Neyman et Karl Pearson, a contraint les chercheurs \u00e0 formuler des hypoth\u00e8ses strictes quant aux distributions sous-jacentes des populations \u00e9tudi\u00e9es. Parmi ces postulats, la normalit\u00e9 univari\u00e9e ou multivari\u00e9e, l’homosc\u00e9dasticit\u00e9 des r\u00e9sidus et la lin\u00e9arit\u00e9 stricte des relations ont souvent \u00e9t\u00e9 \u00e9rig\u00e9es en conditions pr\u00e9alables non n\u00e9gociables. Cependant, dans les sciences du comportement, en psychologie exp\u00e9rimentale, en neuropsychologie et dans les disciplines biom\u00e9dicales, les donn\u00e9es r\u00e9elles d\u00e9fient constamment ces id\u00e9alisations th\u00e9oriques. Les distributions asym\u00e9triques, les effets de plancher ou de plafond inh\u00e9rents aux \u00e9chelles d’\u00e9valuation psychom\u00e9triques, ainsi que la pr\u00e9valence d’\u00e9chantillons de taille modeste rendent l’application aveugle des tests param\u00e9triques conventionnels particuli\u00e8rement vuln\u00e9rable aux erreurs d’inf\u00e9rence de type I et de type II.<\/p>\n

Face \u00e0 ces limitations structurelles, l’\u00e9mergence de la puissance de calcul informatique dans le dernier quart du vingti\u00e8me si\u00e8cle a permis l’av\u00e8nement d’une r\u00e9volution computationnelle silencieuse mais profonde. Au c\u0153ur de ce changement de paradigme se trouve le r\u00e9\u00e9chantillonnage non param\u00e9trique, conceptualis\u00e9 sous le terme de bootstrapping<\/em> par le statisticien am\u00e9ricain Bradley Efron en 1979<\/a>. En s’affranchissant du besoin de postuler une forme param\u00e9trique a priori pour la population parente, le bootstrapping substitue \u00e0 l’analyse d\u00e9ductive pure une mod\u00e9lisation empirique intensive par ordinateur. Au lieu de d\u00e9river th\u00e9oriquement la variance d’un estimateur \u00e0 partir de lois de probabilit\u00e9 id\u00e9alis\u00e9es, l’approche par r\u00e9\u00e9chantillonnage g\u00e9n\u00e8re artificiellement des milliers de pseudo-\u00e9chantillons \u00e0 partir de l’ensemble d’observations initiales, permettant ainsi d’approcher la distribution d’\u00e9chantillonnage de n’importe quelle statistique avec une fid\u00e9lit\u00e9 remarquable.<\/p>\n

Dans l’\u00e9cosyst\u00e8me de la recherche contemporaine, le langage de programmation statistique R s’est impos\u00e9 comme l’environnement de r\u00e9f\u00e9rence pour la mise en \u0153uvre de ces m\u00e9thodologies intensives. Dot\u00e9 de biblioth\u00e8ques hautement optimis\u00e9es \u00e0 l’instar du package standardis\u00e9 boot<\/em>, R offre aux chercheurs, cliniciens et analystes de donn\u00e9es un cadre de travail d’une flexibilit\u00e9 et d’une rigueur exceptionnelles. Ce guide exhaustif a pour vocation d’explorer en d\u00e9tail les fondements th\u00e9oriques, l’architecture computationnelle et les applications pratiques du bootstrapping en R. \u00c0 travers des cas d’\u00e9tude repr\u00e9sentatifs issus de la psychom\u00e9trie et de la psychologie quantitative, nous d\u00e9taillerons pas \u00e0 pas la construction de fonctions d’estimation sur mesure, le calcul d’intervalles de confiance avanc\u00e9s et l’interpr\u00e9tation rigoureuse des r\u00e9sultats selon les normes acad\u00e9miques internationales.<\/p>\n

1. Fondements th\u00e9oriques et \u00e9pist\u00e9mologiques du bootstrapping<\/h2>\n

1.1 D\u00e9finition formelle et principes du r\u00e9\u00e9chantillonnage non param\u00e9trique<\/h3>\n

Le terme bootstrap<\/em> trouve son origine m\u00e9taphorique dans les aventures picaresques du Baron de M\u00fcnchhausen, r\u00e9put\u00e9 s’\u00eatre extrait d’un mar\u00e9cage en tirant sur les lani\u00e8res de ses propres bottes (to pull oneself up by one’s bootstraps<\/em>). Sur le plan statistique, cette m\u00e9taphore illustre un d\u00e9fi apparemment insoluble : comment obtenir des informations pr\u00e9cises sur la variabilit\u00e9 d’une population inconnue en n’utilisant strictement rien d’autre que l’unique \u00e9chantillon d\u00e9j\u00e0 observ\u00e9 ? La r\u00e9ponse apport\u00e9e par Bradley Efron en 1979 r\u00e9side dans un principe d’analogie \u00e9l\u00e9gant : l’\u00e9chantillon observ\u00e9 est \u00e0 la population ce que les r\u00e9\u00e9chantillons bootstrap sont \u00e0 l’\u00e9chantillon observ\u00e9.<\/p>\n

Formellement, soit un \u00e9chantillon al\u00e9atoire simple de variables al\u00e9atoires ind\u00e9pendantes et identiquement distribu\u00e9es (i.i.d.) not\u00e9 X<\/em> = (x<\/em>1<\/sub>, x<\/em>2<\/sub>, …, xn<\/sub><\/em>), issu d’une population caract\u00e9ris\u00e9e par une fonction de r\u00e9partition cumulative inconnue F<\/em>. L’objectif classique de l’inf\u00e9rence statistique consiste \u00e0 estimer un param\u00e8tre de population inconnu \u03b8<\/em> = t<\/em>(F<\/em>) au moyen d’un estimateur empirique \u03b8\u0302<\/em> = t<\/em>(F\u0302n<\/sub><\/em>), o\u00f9 F\u0302n<\/sub><\/em> repr\u00e9sente la fonction de r\u00e9partition empirique qui assigne une probabilit\u00e9 discr\u00e8te \u00e9gale \u00e0 1\/n<\/em> \u00e0 chaque observation de l’\u00e9chantillon initial.<\/p>\n

Le m\u00e9canisme fondamental du bootstrapping non param\u00e9trique consiste \u00e0 tirer avec remise un grand nombre B<\/em> de pseudo-\u00e9chantillons, chacun de taille exactement \u00e9gale \u00e0 n<\/em>, directement \u00e0 partir de F\u0302n<\/sub><\/em>. Un pseudo-\u00e9chantillon typique, not\u00e9 X<\/em>* = (x<\/em>*1<\/sub>, x<\/em>*2<\/sub>, …, x*n<\/sub><\/em>), contient donc certaines observations originales r\u00e9p\u00e9t\u00e9es plusieurs fois, tandis que d’autres en sont absentes. Sur chacun de ces B<\/em> \u00e9chantillons r\u00e9\u00e9chantillonn\u00e9s, l’estimateur d’int\u00e9r\u00eat est recalcul\u00e9, produisant un ensemble d’estimations r\u00e9pliqu\u00e9es \u03b8\u0302<\/em>*1<\/sub>, \u03b8\u0302<\/em>*2<\/sub>, …, \u03b8\u0302<\/em>*B<\/em><\/sub>. La loi de probabilit\u00e9 de ces r\u00e9plicats bootstrap converge asymptotiquement vers la v\u00e9ritable distribution d’\u00e9chantillonnage de l’estimateur au fur et \u00e0 mesure que la taille de l’\u00e9chantillon n<\/em> cro\u00eet, offrant ainsi une approximation directe de l’erreur type et des quantiles sans n\u00e9cessiter d’int\u00e9grations analytiques complexes.<\/p>\n

1.2 Pertinence et justification m\u00e9thodologique en sciences psychologiques<\/h3>\n

Dans le domaine des sciences psychologiques, de la psychiatrie biologique et des sciences cognitives, la violation des hypoth\u00e8ses de normalit\u00e9 univari\u00e9e et multivari\u00e9e ne constitue pas l’exception, mais la norme empirique. Les instruments de mesure psychom\u00e9trique standardis\u00e9s, tels que le questionnaire de d\u00e9pression de Beck (BDI) ou l’inventaire d’anxi\u00e9t\u00e9 \u00e9tat-trait (STAI), g\u00e9n\u00e8rent couramment des distributions marqu\u00e9es par une forte asym\u00e9trie positive au sein de populations non cliniques, o\u00f9 la grande majorit\u00e9 des r\u00e9pondants pr\u00e9sente des scores faibles ou nuls, alors qu’une minorit\u00e9 pr\u00e9sente des niveaux d’affliction \u00e9lev\u00e9s.<\/p>\n

Face \u00e0 ces distributions fortement asym\u00e9triques ou tronqu\u00e9es, les chercheurs ont traditionnellement recouru \u00e0 des transformations math\u00e9matiques univari\u00e9es, notamment les transformations logarithmiques, en racine carr\u00e9e ou la famille des transformations de Box-Cox. Bien que ces transformations puissent occasionnellement stabiliser les variances et r\u00e9duire l’asym\u00e9trie, elles introduisent un co\u00fbt interpr\u00e9tatif prohibitif : elles modifient l’\u00e9chelle de mesure originale, compliquent l’interpr\u00e9tation substantielle des effets th\u00e9rapeutiques ou exp\u00e9rimentaux et \u00e9chouent fr\u00e9quemment \u00e0 lin\u00e9ariser les relations multivari\u00e9es complexes. De plus, pour de nombreuses m\u00e9triques couramment utilis\u00e9es en recherche clinique, telles que les temps de r\u00e9action, les taux de rechute ou les scores de changement post-intervention, aucune transformation math\u00e9matique simple ne permet de restaurer la normalit\u00e9 sous-jacente.<\/p>\n

Le bootstrapping non param\u00e9trique apporte une solution \u00e9l\u00e9gante et m\u00e9thodologiquement sup\u00e9rieure en \u00e9vitant toute alt\u00e9ration artificielle de l’\u00e9chelle des donn\u00e9es. En traitant directement la distribution empirique observ\u00e9e comme le meilleur mod\u00e8le disponible de la r\u00e9alit\u00e9, il permet d’estimer avec pr\u00e9cision des erreurs types robustes, des intervalles de confiance asym\u00e9triques et des tests d’hypoth\u00e8ses valides, tout en pr\u00e9servant l’int\u00e9grit\u00e9 conceptuelle des m\u00e9triques psychologiques initiales. De surcro\u00eet, le bootstrap se r\u00e9v\u00e8le particuli\u00e8rement adapt\u00e9 aux \u00e9chantillons cliniques de taille modeste, o\u00f9 le th\u00e9or\u00e8me central limite ne peut pas op\u00e9rer efficacement pour garantir la normalit\u00e9 asymptotique de la moyenne ou d’autres param\u00e8tres structuraux.<\/p>\n

1.3 Comparaison avec l’inf\u00e9rence asymptotique classique et les tests param\u00e9triques<\/h3>\n

L’inf\u00e9rence param\u00e9trique classique, fond\u00e9e sur la th\u00e9orie asymptotique, postule que lorsque la taille de l’\u00e9chantillon tend vers l’infini, la distribution d’\u00e9chantillonnage de l’estimateur converge vers une distribution th\u00e9orique connue, presque universellement la loi normale ou la loi de Student. Cependant, l’ad\u00e9quation de cette approximation d\u00e9pend de fa\u00e7on critique de la r\u00e9gularit\u00e9 de la distribution parente et de la forme math\u00e9matique de l’estimateur consid\u00e9r\u00e9. D\u00e8s lors que l’on s’int\u00e9resse \u00e0 des param\u00e8tres non lin\u00e9aires, tels que la m\u00e9diane, les quantiles conditionnels, les coefficients de corr\u00e9lation intraclasse ou les rapports de cotes (odds ratios<\/em>), la d\u00e9rivation d’une formule analytique exacte pour l’erreur type devient soit math\u00e9matiquement insoluble, soit tributaire d’approximations de Taylor de premier ordre (la m\u00e9thode delta<\/em>) dont la pr\u00e9cision est notoirement m\u00e9diocre pour des effectifs restreints.<\/p>\n

\u00c0 l’inverse, l’approche par r\u00e9\u00e9chantillonnage ne repose sur aucune hypoth\u00e8se a priori quant \u00e0 la sym\u00e9trie de la distribution d’\u00e9chantillonnage. Alors que les tests param\u00e9triques classiques calculent des intervalles de confiance strictement sym\u00e9triques autour de l’estimation ponctuelle, le bootstrap permet de d\u00e9gager des intervalles empiriques intrins\u00e8quement asym\u00e9triques, \u00e9pousant fid\u00e8lement les courbures et les contraintes naturelles de l’espace des param\u00e8tres, par exemple la borne naturelle d’un coefficient de d\u00e9termination R<\/em>2<\/sup> contraint entre 0 et 1. La variance d’\u00e9chantillonnage n’est plus inf\u00e9r\u00e9e \u00e0 partir d’une \u00e9quation d\u00e9riv\u00e9e sur papier blanc, mais observ\u00e9e directement par simulation num\u00e9rique de tirages r\u00e9p\u00e9t\u00e9s.<\/p>\n

En outre, la m\u00e9thodologie bootstrap d\u00e9montre une r\u00e9silience remarquable face aux violations de l’homosc\u00e9dasticit\u00e9, un probl\u00e8me omnipr\u00e9sent dans les \u00e9tudes observationnelles o\u00f9 la variabilit\u00e9 des r\u00e9ponses psychologiques s’accro\u00eet souvent avec la s\u00e9v\u00e9rit\u00e9 du tableau clinique. Contrairement aux proc\u00e9dures asymptotiques ordinaires qui sous-estiment l’erreur type en pr\u00e9sence d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 non mod\u00e9lis\u00e9e, le bootstrapping par paires conserve l’association multivari\u00e9e naturelle entre pr\u00e9dicteurs et variance des r\u00e9sidus, fournissant une protection intrins\u00e8que contre les fausses d\u00e9couvertes statistiques.<\/p>\n

2. Pr\u00e9requis techniques et pr\u00e9paration de l’environnement R<\/h2>\n

2.1 Installation et initialisation de la biblioth\u00e8que standard boot<\/h3>\n

L’environnement statistique R fournit une architecture native puissante pour le calcul matriciel et la mod\u00e9lisation statistique. Bien qu’il soit tout \u00e0 fait envisageable de programmer des boucles it\u00e9ratives de r\u00e9\u00e9chantillonnage \u00e0 l’aide des structures syntaxiques fondamentales du langage (telles que for()<\/code>, apply()<\/code> ou replicate()<\/code>), le d\u00e9veloppement de routines statistiques fiables et optimis\u00e9es requiert le recours \u00e0 des biblioth\u00e8ques logicielles audit\u00e9es et \u00e9prouv\u00e9es au sein de la communaut\u00e9 scientifique internationale.<\/p>\n

La biblioth\u00e8que de r\u00e9f\u00e9rence pour la conduite d’analyses par r\u00e9\u00e9chantillonnage dans l’\u00e9cosyst\u00e8me R est le package boot<\/strong>, con\u00e7u initialement par Angelo Canty et int\u00e9gr\u00e9 \u00e0 la distribution standard de R par Brian Ripley, en accompagnement de leur trait\u00e9 classique Bootstrap Methods and Their Application<\/em><\/a> (Davison & Hinkley, 1997). Ce package fait partie int\u00e9grante du bundle recommended<\/em> distribu\u00e9 d’office avec les versions binaires de base de R sur le Comprehensive R Archive Network (CRAN). Par cons\u00e9quent, son installation via install.packages(\"boot\")<\/code> n’est g\u00e9n\u00e9ralement requise que dans des configurations hautement minimalistes de conteneurs de calcul.<\/p>\n

L’initialisation de la biblioth\u00e8que au sein d’une session R s’effectue via la commande standard :<\/p>\n

library(boot)<\/code><\/p>\n

L’ex\u00e9cution de cette commande charge en m\u00e9moire les fonctions analytiques centrales boot()<\/code>, d\u00e9di\u00e9e \u00e0 la g\u00e9n\u00e9ration des r\u00e9plicats empiriques, et boot.ci()<\/code>, r\u00e9serv\u00e9e au calcul rigoureux des intervalles de confiance non param\u00e9triques. Le package assure une compatibilit\u00e9 totale avec les architectures 64 bits contemporaines et s’int\u00e8gre harmonieusement avec les fonctionnalit\u00e9s de calcul vectoriel optimis\u00e9es permises par les liaisons BLAS et LAPACK sous-jacentes du moteur R.<\/p>\n

\"Bootstrapping
Bootstrapping in R<\/figcaption><\/figure>\n

2.2 Structuration des donn\u00e9es psychom\u00e9triques<\/h3>\n

La mise en \u0153uvre sereine du bootstrapping requiert une pr\u00e9paration rigoureuse de la structure de donn\u00e9es en m\u00e9moire. Contrairement \u00e0 certaines fonctions de mod\u00e9lisation de haut niveau de R qui tol\u00e8rent implicitement des valeurs manquantes ou des formats mixtes en proc\u00e9dant \u00e0 des conversions dynamiques opaques, la fonction boot()<\/code> exige une clart\u00e9 structurelle absolue pour garantir que les tirages avec remise n’induisent pas de ruptures logiques inattendues lors de l’indexation matricielle.<\/p>\n

Les donn\u00e9es destin\u00e9es \u00e0 l’inf\u00e9rence peuvent \u00eatre organis\u00e9es sous la forme de vecteurs atomiques num\u00e9riques pour les analyses univari\u00e9es, ou sous la forme de matrices et de cadres de donn\u00e9es (data.frame<\/code>) pour les approches bivari\u00e9es et multivari\u00e9es. L’un des aspects les plus critiques concerne la gestion des donn\u00e9es manquantes (not\u00e9es NA<\/code>). Si une proc\u00e9dure de r\u00e9\u00e9chantillonnage avec remise est appliqu\u00e9e \u00e0 un cadre de donn\u00e9es contenant des valeurs manquantes sans sp\u00e9cification pr\u00e9alable d’une politique de traitement, certains pseudo-\u00e9chantillons pourront contenir une proportion anormalement \u00e9lev\u00e9e de donn\u00e9es manquantes, causant l’effondrement num\u00e9rique de la fonction d’estimation et l’interruption pr\u00e9matur\u00e9e du calcul global.<\/p>\n

Il est donc imp\u00e9ratif de proc\u00e9der \u00e0 un nettoyage strict avant le lancement de la fonction de r\u00e9\u00e9chantillonnage : soit par une suppression par liste (listwise deletion<\/em>) au moyen de la commande na.omit()<\/code> pour les sous-ensembles de variables explicitement retenus, soit en amont par des m\u00e9thodologies d’imputation multiple contemporaines. Par ailleurs, la v\u00e9rification des types de variables s’av\u00e8re indispensable : les scores composites psychom\u00e9triques doivent \u00eatre strictement convertis en formats num\u00e9riques (as.numeric()<\/code>), tandis que les variables d’appartenance cat\u00e9gorielle doivent \u00eatre formalis\u00e9es en facteurs (as.factor()<\/code>) pour pr\u00e9venir tout comportement incoh\u00e9rent des fonctions de mod\u00e9lisation sous-jacentes lors de la r\u00e9it\u00e9ration des calculs.<\/p>\n

2.3 Garantie de reproductibilit\u00e9 par l’initialisation du g\u00e9n\u00e9rateur pseudo-al\u00e9atoire<\/h3>\n

L’un des d\u00e9fis inh\u00e9rents \u00e0 l’application des m\u00e9thodes stochastiques r\u00e9side dans le maintien d’une reproductibilit\u00e9 scientifique absolue. Par d\u00e9finition, le tirage avec remise simule un processus al\u00e9atoire uniforme. D\u00e8s lors, deux ex\u00e9cutions cons\u00e9cutives d’une m\u00eame analyse bootstrap sur un m\u00eame jeu de donn\u00e9es produiront n\u00e9cessairement des valeurs l\u00e9g\u00e8rement divergentes pour l’erreur type et les bornes des intervalles de confiance, \u00e0 moins que l’\u00e9tat interne du g\u00e9n\u00e9rateur de nombres pseudo-al\u00e9atoires de R ne soit rigoureusement fix\u00e9.<\/p>\n

Cette garantie de reproductibilit\u00e9 s’obtient par l’emploi syst\u00e9matique de la fonction set.seed()<\/code>. Cette commande initialise l’algorithme sous-jacent de g\u00e9n\u00e9ration stochastique, qui par d\u00e9faut dans R est l’algorithme Mersenne-Twister, r\u00e9put\u00e9 pour sa p\u00e9riode colossale de 219937<\/sup> \u2212 1 et ses propri\u00e9t\u00e9s d’\u00e9quir\u00e9partition multidimensionnelle exceptionnelles. En passant un entier arbitraire comme graine d\u00e9terministe au sein du script d’analyse :<\/p>\n

set.seed(12345)<\/code><\/p>\n

le chercheur s’assure que la s\u00e9quence pr\u00e9cise de pseudo-\u00e9chantillons tir\u00e9s par la fonction boot()<\/code> sera strictement identique lors de toute r\u00e9analyse ult\u00e9rieure, que celle-ci s’op\u00e8re sur la m\u00eame station de travail ou sur un serveur de calcul distant fonctionnant sous un syst\u00e8me d’exploitation distinct. Cette pr\u00e9caution est d\u00e9sormais exig\u00e9e par la quasi-totalit\u00e9 des revues scientifiques de premier rang affili\u00e9es \u00e0 l’American Psychological Association<\/em> (APA) et s’inscrit au c\u0153ur des recommandations pour la science ouverte et transparente (principes FAIR).<\/p>\n

3. Anatomie fonctionnelle de la fonction boot()<\/h2>\n

3.1 Param\u00e9trage du vecteur de donn\u00e9es et de la structure source<\/h3>\n

La fonction ma\u00eetresse du package boot<\/em>, d\u00e9sign\u00e9e par l’appel boot()<\/code>, encapsule l’int\u00e9gralit\u00e9 du protocole de r\u00e9\u00e9chantillonnage au sein d’une interface standardis\u00e9e. Sa signature canonique primaire s’articule autour de trois arguments obligatoires indispensables : data<\/code>, statistic<\/code> et R<\/code>. La ma\u00eetrise conceptuelle de ces arguments conditionne la validit\u00e9 des calculs statistiques ult\u00e9rieurs.<\/p>\n

L’argument data<\/code> re\u00e7oit l’objet contenant les observations empiriques originales. Il peut s’agir d’un vecteur num\u00e9rique unidimensionnel (pour l’estimation de param\u00e8tres de tendance centrale ou de dispersion d’une variable isol\u00e9e), d’une matrice math\u00e9matique ou, plus couramment dans la pratique psychologique, d’un data.frame<\/code> structur\u00e9 contenant des sujets en lignes et des mesures psychom\u00e9triques en colonnes. Lorsque data<\/code> est un tableau \u00e0 deux dimensions, la fonction boot()<\/code> op\u00e8re le r\u00e9\u00e9chantillonnage non pas au niveau des cellules individuelles prises isol\u00e9ment, mais au niveau des lignes enti\u00e8res du tableau. Cette caract\u00e9ristique technique est d’une importance capitale : elle garantit la pr\u00e9servation absolue de la structure de d\u00e9pendance et de covariance multivari\u00e9e propre \u00e0 chaque participant lors du tirage al\u00e9atoire des pseudo-\u00e9chantillons.<\/p>\n

3.2 Conception rigoureuse de la fonction d’estimation statistique<\/h3>\n

L’argument statistic<\/code> exige la fourniture d’une fonction R personnalis\u00e9e, con\u00e7ue sp\u00e9cifiquement pour \u00eatre appel\u00e9e de mani\u00e8re it\u00e9rative par le moteur de calcul du bootstrap. Contrairement \u00e0 de nombreuses fonctions classiques de haut niveau o\u00f9 l’utilisateur fournit simplement le nom d’un test statistique pr\u00e9d\u00e9fini, l’architecture de boot()<\/code> impose une signature fonctionnelle stricte comportant au minimum deux arguments formels :<\/p>\n

ma_statistique <- function(data, indices) { ... }<\/code><\/p>\n

Le premier argument, conventionnellement d\u00e9sign\u00e9 par data<\/code>, repr\u00e9sente l’ensemble de donn\u00e9es transmis \u00e0 la fonction. Le second argument, presque invariablement nomm\u00e9 indices<\/code> (ou i<\/code>), constitue la cl\u00e9 de vo\u00fbte du processus computationnel. Lors de chaque r\u00e9plication, R g\u00e9n\u00e8re un vecteur d’entiers al\u00e9atoires tir\u00e9s avec remise parmi les entiers compris entre 1 et la taille d’\u00e9chantillon originale n<\/em>. Ce vecteur d’index est pass\u00e9 \u00e0 la fonction personnalis\u00e9e via cet argument formel.<\/p>\n

\u00c0 l’int\u00e9rieur du corps de la fonction, l’analyste doit imp\u00e9rativement sous-ensembler le jeu de donn\u00e9es d’origine en utilisant ce vecteur d’indices. Pour un vecteur simple, cela prend la forme syntaxique data[indices]<\/code>. Pour un tableau de donn\u00e9es ou une matrice \u00e0 deux dimensions, l’indexation s’effectue n\u00e9cessairement sur les lignes : data[indices, ]<\/code>. C’est sur ce sous-\u00e9chantillon r\u00e9index\u00e9 que le calcul du param\u00e8tre d’int\u00e9r\u00eat (moyenne, coefficient de r\u00e9gression, corr\u00e9lation, indice de fiabilit\u00e9 alpha de Cronbach) doit \u00eatre conduit. La fonction personnalis\u00e9e doit imp\u00e9rativement renvoyer la valeur num\u00e9rique scalaire calcul\u00e9e, ou un vecteur de valeurs num\u00e9riques scalaires si plusieurs param\u00e8tres sont estim\u00e9s conjointement au sein du m\u00eame mod\u00e8le.<\/p>\n

3.3 D\u00e9termination optimale du nombre de r\u00e9plications R<\/h3>\n

L’argument R<\/code> sp\u00e9cifie le nombre total d’it\u00e9rations de r\u00e9\u00e9chantillonnage stochastique \u00e0 r\u00e9aliser. Ce param\u00e8tre computationnel gouverne directement la pr\u00e9cision de l’approximation de Monte-Carlo de la distribution d’\u00e9chantillonnage bootstrap. Si le principe math\u00e9matique du bootstrap postule th\u00e9oriquement un r\u00e9\u00e9chantillonnage exhaustif de l’ensemble des nn<\/sup><\/em> combinaisons possibles avec remise, l’explosion combinatoire rend cette approche d\u00e9terministe irr\u00e9alisable pour tout \u00e9chantillon sup\u00e9rieur \u00e0 une dizaine d’observations. L’approximation stochastique par simulation de Monte-Carlo est donc indispensable.<\/p>\n

Le choix de la valeur num\u00e9rique assign\u00e9e \u00e0 R<\/code> d\u00e9pend \u00e9troitement des objectifs inf\u00e9rentiels poursuivis. Si le chercheur vise exclusivement l’obtention d’une erreur type empirique robuste ou l’\u00e9valuation du biais moyen d’un estimateur, les travaux fondateurs de Davison et Hinkley (1997) ainsi que d’Efron et Tibshirani (1993) d\u00e9montrent qu’une valeur comprise entre 500 et 1 000 r\u00e9plications s’av\u00e8re g\u00e9n\u00e9ralement suffisante pour stabiliser les deux premiers moments de la distribution d’\u00e9chantillonnage.<\/p>\n

Toutefois, d\u00e8s lors que l’objectif m\u00e9thodologique s’\u00e9tend \u00e0 la construction d’intervalles de confiance non param\u00e9triques, particuli\u00e8rement via les m\u00e9thodes des percentiles ou les intervalles ajust\u00e9s pour le biais et acc\u00e9l\u00e9r\u00e9s (BCa), la stabilit\u00e9 des queues extr\u00eames de la distribution devient cruciale. La d\u00e9termination pr\u00e9cise des centiles 2,5% et 97,5% requiert une densit\u00e9 substantielle de points dans les zones de faible probabilit\u00e9. Dans ce contexte, une valeur minimale de R<\/em> = 2 000 est formellement requise par les normes m\u00e9thodologiques actuelles, une valeur de R<\/em> = 5 000 ou R<\/em> = 10 000 \u00e9tant aujourd’hui fortement encourag\u00e9e pour \u00e9liminer l’erreur de simulation stochastique, d’autant que la puissance des processeurs contemporains permet de traiter de tels volumes en quelques secondes.<\/p>\n

4. Exemple 1 : Estimation bootstrap d’une statistique univari\u00e9e simple<\/h2>\n

4.1 Cas pratique : Moyenne d’un score d’anxi\u00e9t\u00e9 clinique<\/h3>\n

Pour illustrer de mani\u00e8re concr\u00e8te la mise en \u0153uvre du bootstrap univari\u00e9, consid\u00e9rons un protocole de recherche clinique en psychologie de la sant\u00e9 \u00e9valuant la s\u00e9v\u00e9rit\u00e9 des sympt\u00f4mes anxieux aupr\u00e8s d’un \u00e9chantillon de 60 patients admis dans un service de cardiologie apr\u00e8s un infarctus aigu du myocarde. La s\u00e9v\u00e9rit\u00e9 anxieuse est mesur\u00e9e au moyen de l’inventaire d’anxi\u00e9t\u00e9 de Beck (BAI – Beck Anxiety Inventory<\/em>). Les scores au BAI oscillent th\u00e9oriquement de 0 \u00e0 63 points.<\/p>\n

Dans ce contexte clinique sp\u00e9cifique, la distribution des scores pr\u00e9sente une asym\u00e9trie positive tr\u00e8s prononc\u00e9e : une proportion importante de patients manifeste des niveaux de d\u00e9tresse \u00e9motionnelle faibles \u00e0 mod\u00e9r\u00e9s (scores group\u00e9s entre 5 et 18), tandis qu’un sous-groupe r\u00e9duit pr\u00e9sente une d\u00e9tresse aigu\u00eb marqu\u00e9e par des scores extr\u00eames atteignant 45 \u00e0 55 points. Face \u00e0 cette distribution non gaussienne et \u00e0 cet \u00e9chantillon d’effectif modeste (n<\/em> = 60), l’estimation de l’intervalle de confiance standard de la moyenne fond\u00e9 sur la loi de Student t<\/em> expose l’analyste \u00e0 un risque non n\u00e9gligeable de couverture inad\u00e9quate du param\u00e8tre central r\u00e9el de la population.<\/p>\n

Le chercheur formule ainsi pour objectif d’estimer la moyenne r\u00e9elle de d\u00e9tresse psychologique dans cette cohorte tout en quantifiant pr\u00e9cis\u00e9ment son erreur type et son intervalle de confiance empirique sans contraindre la dynamique d’\u00e9chantillonnage au moule restrictif de la sym\u00e9trie gaussienne.<\/p>\n

4.2 Impl\u00e9mentation pas \u00e0 pas du script R<\/h3>\n

La premi\u00e8re \u00e9tape m\u00e9thodologique consiste \u00e0 d\u00e9finir formellement la fonction d’extraction statistique requise par l’architecture de la biblioth\u00e8que boot<\/em>. Cette fonction prend en entr\u00e9e les deux arguments formels prescrits et proc\u00e8de \u00e0 l’extraction de la moyenne arithm\u00e9tique sur le sous-\u00e9chantillon index\u00e9 :<\/p>\n

calculer_moyenne <- function(donnees, indices) {
\n  sous_echantillon <- donnees[indices]
\n  return(mean(sous_echantillon))
\n}<\/code><\/p>\n

Ayant formalis\u00e9 cette fonction, l’ex\u00e9cution du r\u00e9\u00e9chantillonnage s’op\u00e8re via la fonction principale en sp\u00e9cifiant l’\u00e9chantillon clinique, la fonction statistique cible, le nombre de r\u00e9plications stochastiques fix\u00e9 ici \u00e0 2 000 pour assurer une stabilisation robuste des queues de distribution, et en veillant \u00e0 initialiser pr\u00e9alablement la graine stochastique :<\/p>\n

set.seed(42)
\nresultat_boot_anxiete <- boot(
\n  data = scores_bai,
\n  statistic = calculer_moyenne,
\n  R = 2000
\n)<\/code><\/p>\n

L’objet retourn\u00e9, resultat_boot_anxiete<\/code>, est une structure de classe S3 nomm\u00e9e boot<\/code>. L’affichage de cet objet dans la console R fournit imm\u00e9diatement un r\u00e9capitulatif synth\u00e9tique de l’analyse, pr\u00e9cisant la valeur empirique observ\u00e9e de la statistique sur les donn\u00e9es d’origine, le biais moyen d’estimation bootstrap et l’erreur type empirique calcul\u00e9e sur les 2 000 r\u00e9plicats.<\/p>\n

4.3 Extraction et interpr\u00e9tation du biais empirique et de l’erreur type<\/h3>\n

L’exploration approfondie de l’objet resultat_boot_anxiete<\/code> permet de diss\u00e9quer les composantes num\u00e9riques centrales g\u00e9n\u00e9r\u00e9es par l’algorithme. La valeur resultat_boot_anxiete$t0<\/code> stocke la valeur de la statistique calcul\u00e9e sur l’\u00e9chantillon d’origine non r\u00e9\u00e9chantillonn\u00e9. Supposons ici que cette valeur soit t<\/em>0<\/sub> = 16.42 points.<\/p>\n

Le vecteur resultat_boot_anxiete$t<\/code> contient quant \u00e0 lui la totalit\u00e9 des 2 000 r\u00e9plicats empiriques g\u00e9n\u00e9r\u00e9s au fil des it\u00e9rations. L’erreur type bootstrap est formellement d\u00e9finie comme l’\u00e9cart-type d’\u00e9chantillonnage de ces r\u00e9plicats simul\u00e9s :<\/p>\n

se_boot <- sd(resultat_boot_anxiete$t)<\/code><\/p>\n

Cette erreur type empirique, par exemple 1.28 points, int\u00e8gre de facto les fluctuations stochastiques r\u00e9elles sans faire appel \u00e0 la formule analytique classique s<\/em> \/ \u221an<\/em> qui suppose la normalit\u00e9 de la variable parente.<\/p>\n

Le biais bootstrap repr\u00e9sente la diff\u00e9rence math\u00e9matique entre la moyenne des r\u00e9plicats r\u00e9\u00e9chantillonn\u00e9s et la statistique d’origine observ\u00e9e :<\/p>\n

biais_boot <- mean(resultat_boot_anxiete$t) - resultat_boot_anxiete$<\/span>t0<\/code><\/p>\n

Dans le cas d’une statistique lin\u00e9aire comme la moyenne arithm\u00e9tique, le biais asymptotique th\u00e9orique est rigoureusement nul. La valeur empirique du biais calcul\u00e9e par R oscillera donc g\u00e9n\u00e9ralement autour de z\u00e9ro (par exemple, 0.008), traduisant uniquement la l\u00e9g\u00e8re variance d’approximation propre \u00e0 la m\u00e9thode de Monte-Carlo. Un biais d’une telle petitesse par rapport \u00e0 l’erreur type confirme l’ad\u00e9quation absolue de la moyenne arithm\u00e9tique comme estimateur non biais\u00e9 du param\u00e8tre de localisation au sein de cette population post-infarctus.<\/p>\n

5. Exemple 2 : Bootstrapping d’indices d’association bivari\u00e9e<\/h2>\n

5.1 Corr\u00e9lation de Pearson face aux violations distributionnelles<\/h3>\n

L’\u00e9valuation du coefficient de corr\u00e9lation lin\u00e9aire produit-moment de Pearson (r<\/em>) constitue l’un des piliers m\u00e9thodologiques de la recherche psychologique corr\u00e9lative et d\u00e9veloppementale. Toutefois, la th\u00e9orie statistique classique stipule que les tests d’inf\u00e9rence standards sur r<\/em> (tests de Student et intervalles fond\u00e9s sur la transformation asymptotique z<\/em> de Ronald Fisher) requi\u00e8rent imp\u00e9rativement que le couple de variables suive une loi normale bivari\u00e9e.<\/p>\n

En pratique clinique, cette exigence est fr\u00e9quemment mise en d\u00e9faut. Consid\u00e9rons l’\u00e9tude de l’association entre le niveau de stress per\u00e7u mesur\u00e9 par l’\u00e9chelle de Cohen (PSS-10) et la latence d’endormissement mesur\u00e9e en minutes par polysomnographie chez des sujets souffrant d’insomnie chronique. La latence d’endormissement pr\u00e9sente une distribution fortement asym\u00e9trique et leptokurtique, born\u00e9e inf\u00e9rieurement par z\u00e9ro et marqu\u00e9e par la pr\u00e9sence d’observations \u00e9tal\u00e9es dans la queue sup\u00e9rieure droite.<\/p>\n

Lorsque la normalit\u00e9 bivari\u00e9e est viol\u00e9e, ou lorsque la corr\u00e9lation s’approche des bornes d’invariance -1 ou +1, la distribution d’\u00e9chantillonnage de r<\/em> devient intrins\u00e8quement asym\u00e9trique. Dans ces circonstances, l’emploi de la transformation de Fisher peut s’av\u00e9rer insuffisant pour garantir une inf\u00e9rence exacte, particuli\u00e8rement en pr\u00e9sence d’observations \u00e0 fort effet de levier. Le r\u00e9\u00e9chantillonnage non param\u00e9trique offre un m\u00e9canisme de protection direct en permettant d’estimer la stabilit\u00e9 empirique de r<\/em> sans mod\u00e9liser a priori la structure bivari\u00e9e th\u00e9orique du nuage de points.<\/p>\n

5.2 D\u00e9finition de la fonction statistique pour un couple de variables<\/h3>\n

L’extension de la m\u00e9thodologie bootstrap \u00e0 une m\u00e9trique bivari\u00e9e requiert une adaptation pr\u00e9cise de la fonction d’estimation statistique transmise \u00e0 boot()<\/code>. Puisque nous traitons d\u00e9sormais un tableau de donn\u00e9es comportant plusieurs colonnes, l’indexation doit imp\u00e9rativement s’appliquer \u00e0 la premi\u00e8re dimension du tableau (les lignes) :<\/p>\n

calculer_correlation <- function(donnees, indices) {
\n  echantillon_reindexe <- donnees[indices, ]
\n  r_estime <- cor(
\n    echantillon_reindexe$stress_percu,
\n    echantillon_reindexe$latence_sommeil,
\n    method = \"pearson\"
\n  )
\n  return(r_estime)
\n}<\/code><\/p>\n

Cette programmation garantit que pour chaque participant s\u00e9lectionn\u00e9 dans le pseudo-\u00e9chantillon, la paire indissociable form\u00e9e par son niveau de stress et sa dur\u00e9e de latence d’endormissement est pr\u00e9serv\u00e9e intacte. L’ex\u00e9cution du bootstrap bivari\u00e9 sur un \u00e9chantillon de 80 participants s’articule alors rigoureusement ainsi :<\/p>\n

set.seed(8765)
\nresultat_boot_cor <- boot(
\n  data = donnees_sommeil,
\n  statistic = calculer_correlation,
\n  R = 2500
\n)<\/code><\/p>\n

Cette proc\u00e9dure it\u00e9rative g\u00e9n\u00e8re 2 500 estimations de corr\u00e9lations empiriques, cartographiant pr\u00e9cis\u00e9ment l’\u00e9talement et l’asym\u00e9trie de la distribution d’\u00e9chantillonnage de r<\/em> face aux particularit\u00e9s empiriques du couple de variables analys\u00e9.<\/p>\n

5.3 \u00c9valuation de la robustesse face aux donn\u00e9es aberrantes<\/h3>\n

L’un des apports majeurs de l’analyse bivari\u00e9e par bootstrap r\u00e9side dans la mise en \u00e9vidence directe de la sensibilit\u00e9 de l’estimateur aux observations marginales ou discordantes (outliers<\/em>). Dans le cadre d’un mod\u00e8le corr\u00e9latif classique, un unique point isol\u00e9 situ\u00e9 aux extr\u00e9mit\u00e9s des deux distributions peut gonfler artificiellement ou \u00e9craser dramatiquement le coefficient de corr\u00e9lation de Pearson sans que le chercheur n’en per\u00e7oive imm\u00e9diatement l’ampleur.<\/p>\n

Lors du d\u00e9roulement du bootstrap, les tirages avec remise ont pour effet de dupliquer occasionnellement cette observation atypique plusieurs fois au sein de certains r\u00e9\u00e9chantillons, tandis que d’autres r\u00e9\u00e9chantillons en seront totalement exempts. Ce ph\u00e9nom\u00e8ne engendre une dispersion bivoque observable dans les r\u00e9plicats resultat_boot_cor$t<\/code>, se mat\u00e9rialisant graphiquement par une distribution bimodale ou une queue particuli\u00e8rement \u00e9tir\u00e9e.<\/p>\n

Si une telle sensibilit\u00e9 est d\u00e9tect\u00e9e, la m\u00e9thodologie bootstrap s’adapte sans effort conceptuel \u00e0 l’utilisation d’estimateurs robustes d’association. Il suffit \u00e0 l’analyste de modifier l’argument method = \"pearson\"<\/code> par method = \"spearman\"<\/code> ou method = \"kendall\"<\/code> au sein de la fonction personnalis\u00e9e pour obtenir imm\u00e9diatement une inf\u00e9rence bootstrap non param\u00e9trique sur le rho<\/em> de Spearman ou le tau<\/em> de Kendall. Cette souplesse conceptuelle \u00e9vite d’avoir \u00e0 recourir \u00e0 des tables de seuils critiques asymptotiques parfois inexactes en pr\u00e9sence d’ex-aequo (ties<\/em>) massifs dans les rangs psychom\u00e9triques.<\/p>\n

6. Exemple 3 : R\u00e9gression lin\u00e9aire et estimation des coefficients psychom\u00e9triques<\/h2>\n

6.1 Mod\u00e9lisation lin\u00e9aire : Pr\u00e9dire l’\u00e9puisement professionnel par les stresseurs<\/h3>\n

La r\u00e9gression lin\u00e9aire multiple par les moindres carr\u00e9s ordinaires (MCO) repr\u00e9sente l’une des architectures analytiques les plus r\u00e9pandues en psychologie organisationnelle et diff\u00e9rentielle. \u00c0 titre d’illustration m\u00e9thodologique, formulons un mod\u00e8le \u00e9valuant l’\u00e9puisement \u00e9motionnel (dimension centrale du syndrome de burnout<\/em> mesur\u00e9 par le MBI) pr\u00e9dit par deux facteurs stresseurs professionnels : la charge de travail per\u00e7ue et le harc\u00e8lement psychologique per\u00e7u (mobbing).<\/p>\n

Le mod\u00e8le analytique th\u00e9orique s’exprime classiquement sous la forme math\u00e9matique matricielle :<\/p>\n

Y<\/em> = \u03b2<\/em>0<\/sub> + \u03b2<\/em>1<\/sub>X<\/em>1<\/sub> + \u03b2<\/em>2<\/sub>X<\/em>2<\/sub> + \u03b5<\/em><\/p>\n

Dans de nombreuses configurations organisationnelles, la distribution des variables explicatives s’av\u00e8re particuli\u00e8rement d\u00e9s\u00e9quilibr\u00e9e : le harc\u00e8lement per\u00e7u pr\u00e9sente fr\u00e9quemment une variance r\u00e9siduelle fortement asym\u00e9trique (la plupart des salari\u00e9s ne rapportant aucun acte de harc\u00e8lement, certains individus rapportant des occurrences critiques continues). Cette situation engendre une violation flagrante de l’hypoth\u00e8se d’homosc\u00e9dasticit\u00e9 et de normalit\u00e9 des r\u00e9sidus \u03b5<\/em>. En cons\u00e9quence directe, les erreurs types calcul\u00e9es par la m\u00e9thode MCO standard s’av\u00e8rent biais\u00e9es \u00e0 la baisse, augmentant dramatiquement le risque d’erreur d’inf\u00e9rence de type I (rejet \u00e0 tort de l’hypoth\u00e8se nulle).<\/p>\n

Le recours au bootstrapping par r\u00e9\u00e9chantillonnage des lignes (souvent qualifi\u00e9 dans la litt\u00e9rature de pairs bootstrap<\/em> ou bootstrap par cas) s’impose ici comme une strat\u00e9gie d’inf\u00e9rence hautement protectrice, car il ne conditionne aucunement la validit\u00e9 des erreurs types \u00e0 l’homog\u00e9n\u00e9it\u00e9 de la dispersion des erreurs r\u00e9siduelles.<\/p>\n

6.2 Programmation de l’extraction multi-param\u00e8tres<\/h3>\n

Pour soumettre un mod\u00e8le de r\u00e9gression multiple \u00e0 l’algorithme boot()<\/code>, la fonction statistique utilisateur doit \u00eatre programm\u00e9e de fa\u00e7on \u00e0 extraire simultan\u00e9ment l’ensemble des coefficients de pente et la constante du mod\u00e8le. Cette d\u00e9marche multi-param\u00e8tres requiert le renvoi d’un vecteur num\u00e9rique structur\u00e9 :<\/p>\n

extraire_coefficients_regression <- function(donnees, indices) {
\n  echantillon_reindexe <- donnees[indices, ]
\n  modele_lm <- lm(
\n    epuisement_emotionnel ~ charge_travail + harcelement,
\n    data = echantillon_reindexe
\n  )
\n  return(coef(modele_lm))
\n}<\/code><\/p>\n

La commande coef(modele_lm)<\/code> retourne un vecteur contenant trois \u00e9l\u00e9ments distincts : l’ordonn\u00e9e \u00e0 l’origine (\u03b2<\/em>0<\/sub>), le coefficient associ\u00e9 \u00e0 la charge de travail (\u03b2<\/em>1<\/sub>), et le coefficient associ\u00e9 au harc\u00e8lement (\u03b2<\/em>2<\/sub>). L’initialisation du calcul bootstrap s’op\u00e8re ensuite en convoquant la routine computationnelle standard :<\/p>\n

set.seed(3321)
\nresultat_boot_reg <- boot(
\n  data = donnees_burnout,
\n  statistic = extraire_coefficients_regression,
\n  R = 2000
\n)<\/code><\/p>\n

R proc\u00e8de \u00e0 l’ajustement du mod\u00e8le de r\u00e9gression 2 000 fois cons\u00e9cutives sur 2 000 pseudo-\u00e9chantillons d’individus tir\u00e9s avec remise. La matrice r\u00e9sultante resultat_boot_reg$t<\/code> pr\u00e9sentera une dimension de 2 000 lignes par 3 colonnes, consignant les fluctuations stochastiques conjointes de chaque param\u00e8tre du mod\u00e8le.<\/p>\n

6.3 Analyse multidimensionnelle des r\u00e9sultats<\/h3>\n

L’affichage r\u00e9capitulatif de resultat_boot_reg<\/code> permet d’acc\u00e9der \u00e0 l’estimation point par point de la pr\u00e9cision de chaque coefficient psychom\u00e9trique. La console R pr\u00e9sente une table synth\u00e9tique organis\u00e9e par ligne correspondant \u00e0 chacun des coefficients : t1*<\/code> (constante), t2*<\/code> (charge de travail), et t3*<\/code> (harc\u00e8lement per\u00e7u).<\/p>\n

Pour chacun de ces param\u00e8tres, l’analyste examine attentivement l’\u00e9cart entre l’erreur type asymptotique rapport\u00e9e par le r\u00e9sum\u00e9 classique summary(modele_lm)<\/code> et l’erreur type empirique rapport\u00e9e par le bootstrap :<\/p>\n

# Erreurs types bootstrap pour les trois param\u00e8tres
\napply(resultat_boot_reg$t, 2, sd)<\/code><\/p>\n

Dans les contextes d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 av\u00e9r\u00e9e, il est fr\u00e9quent de constater que l’erreur type bootstrap associ\u00e9e au harc\u00e8lement (t3*<\/code>) est sensiblement plus \u00e9lev\u00e9e que l’erreur type th\u00e9orique des MCO. Cette correction empirique prot\u00e8ge le psychologue contre la formulation de conclusions pr\u00e9matur\u00e9es quant \u00e0 la port\u00e9e d’un effet potentiellement instable.<\/p>\n

De plus, cette approche multi-param\u00e9trique permet de calculer la matrice de covariance empirique des estimateurs via cov(resultat_boot_reg$t)<\/code>. Cette matrice bootstrap refl\u00e8te avec une fid\u00e9lit\u00e9 absolue la colin\u00e9arit\u00e9 r\u00e9elle des coefficients de pente, servant de base empirique pour construire des r\u00e9gions de confiance jointes ou tester des combinaisons lin\u00e9aires de param\u00e8tres sans recourir au formalisme asymptotique de Wald.<\/p>\n

7. Construction des intervalles de confiance avec boot.ci()<\/h2>\n

7.1 Typologie et principes math\u00e9matiques des intervalles disponibles<\/h3>\n

L’un des objectifs fondamentaux de l’inf\u00e9rence non param\u00e9trique r\u00e9side dans la d\u00e9limitation d’un intervalle de valeurs plausibles pour le param\u00e8tre cible \u00e0 un seuil de confiance pr\u00e9d\u00e9termin\u00e9 (usuellement 1 – \u03b1<\/em> = 0.95). La fonction sp\u00e9cialis\u00e9e boot.ci()<\/code> de la biblioth\u00e8que standard met \u00e0 la disposition du chercheur cinq m\u00e9thodes distinctes d’\u00e9laboration d’intervalles de confiance non param\u00e9triques : l’intervalle Normal<\/em>, l’intervalle Basique<\/em> (empirique), l’intervalle Percentile<\/em>, l’intervalle Studentis\u00e9<\/em> et l’intervalle BCa<\/em> (Bias-Corrected and Accelerated<\/em>).<\/p>\n

Le choix d’une m\u00e9thode d’intervalle n’est aucunement neutre : chaque formulation math\u00e9matique sous-tend des hypoth\u00e8ses sp\u00e9cifiques quant \u00e0 l’invariance de distribution sous transformation monotone et \u00e0 la convergence de l’erreur de couverture vers le seuil nominal \u03b1<\/em>. L’appel canonique pour obtenir simultan\u00e9ment la comparaison de ces m\u00e9thodes s’articule ainsi :<\/p>\n

intervalles_confiance <- boot.ci(
\n  boot.out = resultat_boot_anxiete,
\n  conf = 0.95,
\n  type = c(\"norm\", \"basic\", \"perc\", \"bca\")
\n)<\/code><\/p>\n

7.2 Intervalles Normal, Basique et Percentile<\/h3>\n

L’intervalle Normal<\/strong> constitue l’approche la plus na\u00efve. Il postule que la distribution d’\u00e9chantillonnage de l’estimateur est asymptotiquement normale et calcule les bornes selon la formule :<\/p>\n

[t<\/em>0<\/sub> – Biais<\/em>] \u00b1 z<\/em>1-\u03b1<\/em>\/2<\/sub> \u00d7 SEboot<\/sub><\/em><\/p>\n

Bien que cet intervalle int\u00e8gre une correction \u00e9l\u00e9mentaire pour le biais d’estimation, il \u00e9choue syst\u00e9matiquement \u00e0 capturer l’asym\u00e9trie intrins\u00e8que des queues de distribution, g\u00e9n\u00e9rant un intervalle strictement sym\u00e9trique peu adapt\u00e9 aux distributions tronqu\u00e9es ou fortement asym\u00e9triques.<\/p>\n

L’intervalle Basique<\/strong> (parfois qualifi\u00e9 d’intervalle empirique des pivots) s’appuie sur la distribution de l’\u00e9cart empirique \u03b4\u0302<\/em>* = \u03b8\u0302<\/em>* – t<\/em>0<\/sub>. Il inverse math\u00e9matiquement la distribution empirique de ces \u00e9carts pour encadrer le v\u00e9ritable param\u00e8tre inconnu, d\u00e9finissant les bornes inf\u00e9rieure et sup\u00e9rieure comme suit :<\/p>\n

[2t<\/em>0<\/sub> – q<\/em>*1-\u03b1<\/em>\/2<\/sub> ; 2t<\/em>0<\/sub> – q<\/em>*\u03b1<\/em>\/2<\/sub>]<\/p>\n

o\u00f9 q<\/em>* repr\u00e9sente les quantiles calcul\u00e9s sur les r\u00e9plicats bootstrap. Bien qu’il s’affranchisse du postulat de normalit\u00e9, cet intervalle souffre d’un d\u00e9faut th\u00e9orique majeur : il n’est pas invariant sous transformation monotone non lin\u00e9aire du param\u00e8tre.<\/p>\n

L’intervalle Percentile<\/strong>, introduit historiquement par Bradley Efron, r\u00e9sout ce probl\u00e8me d’invariance en \u00e9liminant l’inversion des pivots. Les bornes inf\u00e9rieure et sup\u00e9rieure de l’intervalle de confiance sont directement d\u00e9finies par les quantiles empiriques \u03b1<\/em>\/2 et 1 – \u03b1<\/em>\/2 du vecteur ordonn\u00e9 des r\u00e9plicats bootstrap \u03b8\u0302<\/em>* :<\/p>\n

[q<\/em>*\u03b1<\/em>\/2<\/sub> ; q<\/em>*1-\u03b1<\/em>\/2<\/sub>]<\/p>\n

Cet intervalle pr\u00e9sente l’avantage consid\u00e9rable d’\u00eatre strictement invariant par transformation monotone (par exemple, l’intervalle percentile du logarithme d’un param\u00e8tre correspond exactement au logarithme de l’intervalle percentile du param\u00e8tre brut). N\u00e9anmoins, l’intervalle percentile pr\u00e9sente une convergence asymptotique de premier ordre seulement (erreur de couverture d’ordre O<\/em>(n<\/em>-1\/2<\/sup>)) et d\u00e9montre une sensibilit\u00e9 marqu\u00e9e en pr\u00e9sence de biais d’estimation substantiels ou d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 sous-jacente.<\/p>\n

7.3 Intervalles Studentis\u00e9 et BCa (Bias-Corrected and Accelerated)<\/h3>\n

Pour pallier les insuffisances th\u00e9oriques des m\u00e9thodes pr\u00e9c\u00e9dentes, Bradley Efron a d\u00e9velopp\u00e9 l’intervalle BCa<\/strong> (ajust\u00e9 pour le biais et acc\u00e9l\u00e9r\u00e9), d\u00e9sormais consid\u00e9r\u00e9 comme la r\u00e9f\u00e9rence m\u00e9thodologique absolue en psychologie quantitative et en mod\u00e9lisation structurelle. L’intervalle BCa affine le d\u00e9coupage des quantiles de la distribution bootstrap en introduisant deux param\u00e8tres de correction correctifs : le param\u00e8tre de biais m\u00e9dian z<\/em>0<\/sub> et le param\u00e8tre d’acc\u00e9l\u00e9ration a<\/em>.<\/p>\n

Le param\u00e8tre z<\/em>0<\/sub> mesure la divergence entre la m\u00e9diane des estimations r\u00e9\u00e9chantillonn\u00e9es et la statistique originale observ\u00e9e sur l’\u00e9chelle normale standard :<\/p>\n

z<\/em>0<\/sub> = \u03a6-1<\/sup>(Pr(\u03b8\u0302<\/em>* < t<\/em>0<\/sub>))<\/p>\n

Le param\u00e8tre d’acc\u00e9l\u00e9ration a<\/em> quantifie quant \u00e0 lui le taux de variation de l’erreur type de l’estimateur par rapport \u00e0 la v\u00e9ritable valeur du param\u00e8tre de population, capturant ainsi la d\u00e9rive d’asym\u00e9trie (skewness). Dans le package boot<\/em>, ce param\u00e8tre a<\/em> est estim\u00e9 automatiquement de mani\u00e8re non param\u00e9trique via une proc\u00e9dure de r\u00e9\u00e9chantillonnage jackknife<\/em> interne (suppression it\u00e9rative d’une observation \u00e0 la fois).<\/p>\n

Les quantiles effectifs ajust\u00e9s \u03b1<\/em>1<\/sub> et \u03b1<\/em>2<\/sub> retenus pour d\u00e9couper la distribution des r\u00e9plicats bootstrap sont d\u00e9finis par l’\u00e9quation de transformation :<\/p>\n

\u03b1<\/em>ajust\u00e9<\/sub> = \u03a6( z<\/em>0<\/sub> + (z<\/em>0<\/sub> + z\u03b1<\/sub><\/em>) \/ [1 – a<\/em>(z<\/em>0<\/sub> + z\u03b1<\/sub><\/em>)] )<\/p>\n

Gr\u00e2ce \u00e0 cette double correction, l’intervalle BCa poss\u00e8de une pr\u00e9cision asymptotique de second ordre (erreur de couverture d’ordre O<\/em>(n<\/em>-1<\/sup>)), tout en conservant la propri\u00e9t\u00e9 fondamentale d’invariance par transformation. Pour extraire sp\u00e9cifiquement l’intervalle BCa avec le package boot<\/em>, la commande syntaxique s’\u00e9crit rigoureusement :<\/p>\n

ci_bca <- boot.ci(resultat_boot_anxiete, conf = 0.95, type = \"bca\")<\/code><\/p>\n

L’emploi de l’intervalle Studentis\u00e9 (ou bootstrap-t<\/em>), bien que tr\u00e8s performant th\u00e9oriquement, requiert pour sa part l’estimation de la variance sp\u00e9cifique de chaque r\u00e9plicat au sein m\u00eame de chaque it\u00e9ration (soit par formulation analytique, soit par un double bootstrap imbriqu\u00e9), ce qui augmente substantiellement la charge de calcul sans surpasser les performances pratiques du BCa dans la majorit\u00e9 des configurations exp\u00e9rimentales.<\/p>\n

8. Exemple 4 : Application avanc\u00e9e \u00e0 l’analyse de m\u00e9diation en psychologie<\/h2>\n

8.1 Cadre conceptuel de l’effet indirect selon Preacher et Hayes<\/h3>\n

L’analyse de m\u00e9diation statistique vise \u00e0 \u00e9lucider les m\u00e9canismes psychologiques ou comportementaux par lesquels une variable pr\u00e9dictive ind\u00e9pendante (X<\/em>) transmet son influence sur une variable d\u00e9pendante d’int\u00e9r\u00eat (Y<\/em>) \u00e0 travers l’intervention d’une variable interm\u00e9diaire dite m\u00e9diatrice (M<\/em>). Dans le sch\u00e9ma classique de m\u00e9diation simple formalis\u00e9 par Baron et Kenny (1986), le mod\u00e8le s’articule autour de deux \u00e9quations r\u00e9gressives fondamentales :<\/p>\n

M<\/em> = i<\/em>1<\/sub> + aX<\/em> + e<\/em>1<\/sub>
\nY<\/em> = i<\/em>2<\/sub> + c’X<\/em> + bM<\/em> + e<\/em>2<\/sub><\/p>\n

L’effet indirect quantifiant la dynamique de m\u00e9diation est formellement d\u00e9fini comme le produit alg\u00e9brique des deux coefficients de r\u00e9gression non standardis\u00e9s : ab<\/em> = a<\/em> \u00d7 b<\/em>.<\/p>\n

Historiquement, la significativit\u00e9 statistique de cet effet indirect \u00e9tait \u00e9valu\u00e9e au moyen du c\u00e9l\u00e8bre test de Sobel. N\u00e9anmoins, les travaux m\u00e9thodologiques majeurs de Preacher et Hayes (2004, 2008)<\/a> ont d\u00e9montr\u00e9 l’obsolescence m\u00e9thodologique de cette approche. M\u00eame lorsque les coefficients \u00e9l\u00e9mentaires a<\/em> et b<\/em> suivent chacun individuellement une loi normale, la distribution de probabilit\u00e9 de leur produit math\u00e9matique ab<\/em> n’est presque jamais normale : elle pr\u00e9sente une distribution asym\u00e9trique marqu\u00e9e, caract\u00e9ris\u00e9e par un pic aiguis\u00e9 et une kurtosis \u00e9lev\u00e9e, particuli\u00e8rement prononc\u00e9e lorsque la taille d’\u00e9chantillon est modeste ou que les tailles d’effet sont t\u00e9nues.<\/p>\n

En cons\u00e9quence, l’utilisation de tests param\u00e9triques pr\u00e9sumant la normalit\u00e9 sym\u00e9trique de l’effet indirect engendre une chute substantielle de puissance statistique et fausse les conclusions scientifiques. Le consensus m\u00e9thodologique actuel en psychologie quantitative impose donc l’utilisation du bootstrapping non param\u00e9trique, sp\u00e9cifiquement assorti d’intervalles de confiance BCa ou percentiles, pour tester formellement l’existence d’un effet indirect.<\/p>\n

8.2 Script R complet pour le calcul du produit des coefficients<\/h3>\n

La mod\u00e9lisation rigoureuse de l’effet de m\u00e9diation en R n\u00e9cessite une fonction statistique \u00e9valuant s\u00e9quentiellement les deux \u00e9quations de r\u00e9gression sur le m\u00eame jeu de donn\u00e9es r\u00e9index\u00e9, puis extrayant le produit crois\u00e9 des coefficients d’int\u00e9r\u00eat. Consid\u00e9rons une \u00e9tude clinique \u00e9valuant l’effet d’une th\u00e9rapie bas\u00e9e sur la pleine conscience (X<\/em> : variable binaire, 0 = groupe contr\u00f4le liste d’attente, 1 = groupe intervention) sur la r\u00e9duction des sympt\u00f4mes d\u00e9pressifs post-traitement (Y<\/em> : score BDI), \u00e0 travers l’am\u00e9lioration de la r\u00e9gulation \u00e9motionnelle cognitive (M<\/em> : score CERQ).<\/p>\n

La fonction statistique d’extraction s’impl\u00e9mente comme suit :<\/p>\n

effet_mediation <- function(donnees, indices) {
\n  d <- donnees[indices, ]
\n  
\n  # Mod\u00e8le 1 : Pr\u00e9diction du m\u00e9diateur (Chemin a)
\n  modele_m <- lm(regulation_emotion ~ groupe_therapie, data = d)
\n  a <- coef(modele_m)[\"groupe_therapie\"]
\n  
\n  # Mod\u00e8le 2 : Pr\u00e9diction du crit\u00e8re final (Chemins b et c')
\n  modele_y <- lm(depression_post ~ groupe_therapie + regulation_emotion, data = d)
\n  b <- coef(modele_y)[\"regulation_emotion\"]
\n  c_prime <- coef(modele_y)[\"groupe_therapie\"]
\n  
\n  # Calcul de l'effet indirect (ab) et de l'effet total (c = c' + ab)
\n  effet_indirect <- a * b
\n  effet_total <- c_prime + effet_indirect
\n  
\n  return(c(a = a, b = b, c_prime = c_prime, ab = effet_indirect, total = effet_total))
\n}<\/code><\/p>\n

Cette fonction retourne un vecteur nomm\u00e9 de cinq param\u00e8tres psychom\u00e9triques essentiels. Pour garantir une d\u00e9tection sans \u00e9quivoque des queues asym\u00e9triques de la distribution du produit, nous recommandons d’ex\u00e9cuter l’analyse avec au minimum 5 000 r\u00e9plications stochastiques :<\/p>\n

set.seed(9943)
\nboot_mediation <- boot(
\n  data = donnees_cliniques_depression,
\n  statistic = effet_mediation,
\n  R = 5000
\n)<\/code><\/p>\n

8.3 Interpr\u00e9tation statistique et conclusion m\u00e9thodologique<\/h3>\n

L’inf\u00e9rence relative \u00e0 l’effet indirect de m\u00e9diation s’op\u00e8re par l’extraction cibl\u00e9e de son intervalle de confiance BCa. Dans le vecteur retourn\u00e9 par notre fonction personnalis\u00e9e, le produit indirect ab<\/em> occupe la quatri\u00e8me position indiciaire (index = 4<\/code>) :<\/p>\n

ci_effet_indirect <- boot.ci(
\n  boot.out = boot_mediation,
\n  conf = 0.95,
\n  type = \"bca\",
\n  index = 4
\n)<\/code><\/p>\n

La r\u00e8gle de d\u00e9cision inf\u00e9rentielle \u00e9tablie par Preacher et Hayes s’\u00e9nonce avec une grande clart\u00e9 : l’effet de m\u00e9diation indirect est jug\u00e9 statistiquement significatif au seuil de confiance de 95% si et seulement si l’intervalle de confiance non param\u00e9trique obtenu n’inclut pas la valeur z\u00e9ro entre sa borne inf\u00e9rieure et sa borne sup\u00e9rieure.<\/p>\n

Supposons que la commande boot.ci()<\/code> retourne une valeur observ\u00e9e ab<\/em> = -2.85 points de d\u00e9pression, accompagn\u00e9e d’un intervalle BCa \u00e0 95% compris entre [-4.72 ; -1.14]. Puisque cet intervalle est enti\u00e8rement confin\u00e9 dans les valeurs n\u00e9gatives et exclut strictement z\u00e9ro, le chercheur conclut formellement \u00e0 l’existence d’une m\u00e9diation significative : le programme de pleine conscience r\u00e9duit la s\u00e9v\u00e9rit\u00e9 des sympt\u00f4mes d\u00e9pressifs par le canal de l’am\u00e9lioration de la r\u00e9gulation \u00e9motionnelle. L’asym\u00e9trie visible de l’intervalle (qui s’\u00e9tire davantage vers la gauche) t\u00e9moigne pr\u00e9cis\u00e9ment de l’inad\u00e9quation qu’aurait eue un intervalle classique sym\u00e9trique fond\u00e9 sur l’erreur type de Sobel.<\/p>\n

9. Diagnostics graphiques et validation des distributions bootstrap<\/h2>\n

9.1 Visualisation de la distribution d’\u00e9chantillonnage avec plot.boot()<\/h3>\n

La conduite d’une analyse bootstrap rigoureuse ne s’ach\u00e8ve pas \u00e0 l’extraction brute de chiffres dans la console R ; elle exige une phase syst\u00e9matique de diagnostic visuel visant \u00e0 inspecter la morphologie r\u00e9elle de la distribution empirique g\u00e9n\u00e9r\u00e9e par simulation. La biblioth\u00e8que standard int\u00e8gre une m\u00e9thode graphique sp\u00e9cialis\u00e9e accessible via la commande g\u00e9n\u00e9rique plot()<\/code> appliqu\u00e9e directement \u00e0 l’objet de classe boot<\/code> :<\/p>\n

plot(resultat_boot_anxiete)<\/code><\/p>\n

L’ex\u00e9cution de cette instruction g\u00e9n\u00e8re une fen\u00eatre graphique articul\u00e9e autour de deux panneaux compl\u00e9mentaires. Le panneau sup\u00e9rieur affiche l’histogramme des fr\u00e9quences empiriques des r\u00e9plicats r\u00e9\u00e9chantillonn\u00e9s \u03b8\u0302<\/em>*. Superpos\u00e9e \u00e0 cet histogramme, une ligne verticale pointill\u00e9e ou continue mat\u00e9rialise l’emplacement exact de la statistique originale observ\u00e9e t<\/em>0<\/sub>.<\/p>\n

\"Histogram
Histogram of bootstrapped samples in R<\/figcaption><\/figure>\n

L’inspection attentive de ce premier panneau graphique permet de v\u00e9rifier instantan\u00e9ment plusieurs propri\u00e9t\u00e9s structurales d\u00e9terminantes : la r\u00e9gularit\u00e9 de la distribution, la pr\u00e9sence \u00e9ventuelle de multimodalit\u00e9s inattendues (qui pourraient traduire un \u00e9chantillonnage accidentel de sous-groupes cliniques non homog\u00e8nes ou latents), et l’\u00e9talement relatif des queues. Une asym\u00e9trie visible entre la masse centrale de l’histogramme et le positionnement de t<\/em>0<\/sub> signale d’embl\u00e9e la pr\u00e9sence d’un biais d’estimation empirique substantiel.<\/p>\n

9.2 Diagrammes quantile-quantile (Q-Q plots) appliqu\u00e9s aux r\u00e9plicats<\/h3>\n

Le panneau inf\u00e9rieur produit par la fonction plot.boot()<\/code> pr\u00e9sente un diagramme quantile-quantile (Normal Q-Q Plot<\/em>). Ce graphique porte en abscisse les quantiles th\u00e9oriques d’une distribution normale standardis\u00e9e centr\u00e9e r\u00e9duite et en ordonn\u00e9e les quantiles empiriques standardis\u00e9s issus des r\u00e9plicats de Monte-Carlo g\u00e9n\u00e9r\u00e9s par l’analyse.<\/p>\n

L’\u00e9valuation visuelle de ce diagramme fournit un diagnostic sans \u00e9quivalent sur la conformit\u00e9 asymptotique de la statistique \u00e9tudi\u00e9e :<\/p>\n