Ce guide exhaustif a pour vocation d’accompagner les chercheurs, biostatisticiens, data scientists et \u00e9tudiants avanc\u00e9s dans l’apprentissage m\u00e9thodique du test d’ad\u00e9quation du khi-deux au sein de l’\u00e9cosyst\u00e8me SAS. Depuis les fondements math\u00e9matiques et probabilistes sous-jacents jusqu’\u00e0 la r\u00e9daction normalis\u00e9e des r\u00e9sultats selon les standards acad\u00e9miques internationaux, chaque \u00e9tape est diss\u00e9qu\u00e9e avec pr\u00e9cision. \u00c0 travers une \u00e9tude de cas concr\u00e8te articul\u00e9e autour de l’affluence de clients au cours d’une semaine commerciale, nous explorerons l’\u00e9criture du code, le d\u00e9cryptage des sorties analytiques, le calcul des tailles d’effet, le diagnostic des violations d’hypoth\u00e8ses et les strat\u00e9gies d’optimisation syntaxique n\u00e9cessaires \u00e0 une pratique statistique sans faille.<\/p>\n
1. Fondements th\u00e9oriques et \u00e9pist\u00e9mologiques du test d’ad\u00e9quation du khi-deux<\/h2>\n1.1 D\u00e9finition formelle et objet statistique de l’\u00e9preuve d’ad\u00e9quation<\/h3>\n
Le test d’ad\u00e9quation du khi-deux de Pearson, couramment d\u00e9sign\u00e9 sous le terme anglo-saxon de Goodness of Fit Test<\/em>, est une \u00e9preuve d’hypoth\u00e8se non param\u00e9trique con\u00e7ue pour d\u00e9terminer si la distribution de fr\u00e9quences empiriques observ\u00e9e sur un \u00e9chantillon d’unit\u00e9s statistiques concorde avec une distribution th\u00e9orique ou attendue postul\u00e9e a priori. Contrairement aux proc\u00e9dures d’analyse bivari\u00e9es ou multivari\u00e9es, ce test s’applique strictement \u00e0 une seule variable qualitative discr\u00e8te, qu’elle soit de nature nominale ou ordinale, partitionn\u00e9e en un nombre fini de cat\u00e9gories disjointes. L’investigation porte sur l’ensemble de la variable consid\u00e9r\u00e9e comme un syst\u00e8me ferm\u00e9 d’\u00e9v\u00e9nements \u00e9l\u00e9mentaires.<\/p>\n Sur le plan probabiliste, le m\u00e9canisme sous-jacent repose sur l’hypoth\u00e8se que les observations recueillies sont issues d’un tirage al\u00e9atoire suivant une loi multinomiale caract\u00e9ris\u00e9e par un vecteur de probabilit\u00e9s th\u00e9oriques. Chaque modalit\u00e9 de la variable poss\u00e8de une probabilit\u00e9 th\u00e9orique d’occurrence d\u00e9sign\u00e9e sous la notation conventionnelle pi. D\u00e8s lors que l’\u00e9chantillon comprend un effectif total N, la fr\u00e9quence absolue attendue pour chaque cat\u00e9gorie se d\u00e9duit directement par le produit arithm\u00e9tique de la taille de l’\u00e9chantillon par la probabilit\u00e9 associ\u00e9e \u00e0 cette cat\u00e9gorie. Le test proc\u00e8de ainsi \u00e0 une confrontation terme \u00e0 terme entre chaque fr\u00e9quence observ\u00e9e et sa contrepartie th\u00e9orique sous l’hypoth\u00e8se de validit\u00e9 du mod\u00e8le.<\/p>\n Il est imp\u00e9ratif d’\u00e9tablir une diff\u00e9renciation \u00e9pist\u00e9mologique stricte entre le test d’ad\u00e9quation univari\u00e9, le test d’ind\u00e9pendance du khi-deux et le test d’homog\u00e9n\u00e9it\u00e9. Tandis que le test d’ad\u00e9quation confronte une variable unique \u00e0 une norme probabiliste externe et fixe, le test d’ind\u00e9pendance croise deux variables qualitatives recueillies conjointement sur une population unique afin d’\u00e9valuer l’existence d’une association statistique. Enfin, le test d’homog\u00e9n\u00e9it\u00e9 compare la distribution d’une variable qualitative \u00e0 travers plusieurs sous-populations ind\u00e9pendantes pr\u00e9d\u00e9finies. Bien que ces trois d\u00e9clinaisons partagent un formalisme alg\u00e9brique convergent fond\u00e9 sur les \u00e9carts quadratiques, leurs implications m\u00e9thodologiques, le calcul de leurs degr\u00e9s de libert\u00e9 et la structure des donn\u00e9es d’entr\u00e9e diff\u00e8rent fondamentalement.<\/p>\n La statistique de test propos\u00e9e par Pearson repose sur la sommation pond\u00e9r\u00e9e des carr\u00e9s des d\u00e9viations entre les comptages empiriques observ\u00e9s, not\u00e9s O pour Observed<\/em>, et les effectifs th\u00e9oriques attendus, not\u00e9s E pour Expected<\/em>. L’expression g\u00e9n\u00e9rale s’\u00e9nonce comme la somme, \u00e9tendue \u00e0 l’ensemble des k modalit\u00e9s de la variable, du quotient de la diff\u00e9rence au carr\u00e9 entre l’effectif observ\u00e9 et l’effectif th\u00e9orique par l’effectif th\u00e9orique correspondant. Cette division normalisatrice conf\u00e8re \u00e0 chaque \u00e9cart quadratique une dimension relative \u00e0 l’importance th\u00e9orique de la classe, \u00e9vitant ainsi que les modalit\u00e9s dot\u00e9es d’effectifs massifs ne dominent artificiellement le r\u00e9sultat global.<\/p>\n Chaque terme composant cette sommation constitue un \u00e9cart quadratique r\u00e9duit \u00e9l\u00e9mentaire. Lorsque la taille de l’\u00e9chantillon tend vers l’infini, la distribution d’\u00e9chantillonnage de cette somme de variables al\u00e9atoires converge en loi vers la distribution continue th\u00e9orique du khi-deux. Cette propri\u00e9t\u00e9 remarquable d\u00e9coule directement de l’application du th\u00e9or\u00e8me central limite aux composantes multinomiales normalis\u00e9es. Ainsi, sous l’hypoth\u00e8se nulle d’ad\u00e9quation parfaite, la statistique empirique calcul\u00e9e se comporte asymptotiquement comme une variable al\u00e9atoire gouvern\u00e9e par une loi de densit\u00e9 param\u00e9tr\u00e9e par son nombre de degr\u00e9s de libert\u00e9.<\/p>\n La d\u00e9termination du nombre de degr\u00e9s de libert\u00e9, commun\u00e9ment abr\u00e9g\u00e9 sous le sigle DDL ou DF pour Degrees of Freedom<\/em>, ob\u00e9it \u00e0 une r\u00e8gle arithm\u00e9tique rigide. Dans la configuration classique o\u00f9 la distribution th\u00e9orique est int\u00e9gralement sp\u00e9cifi\u00e9e ex nihilo sans n\u00e9cessiter l’estimation pr\u00e9alable de param\u00e8tres \u00e0 partir de l’\u00e9chantillon, le nombre de degr\u00e9s de libert\u00e9 est \u00e9gal au nombre de cat\u00e9gories k diminu\u00e9 d’une unit\u00e9, soit k moins un. Cette perte d’un degr\u00e9 de libert\u00e9 refl\u00e8te la contrainte lin\u00e9aire universelle stipulant que la somme des effectifs attendus doit imp\u00e9rativement \u00e9galer la taille totale de l’\u00e9chantillon N. Si, dans des applications plus complexes, m param\u00e8tres distributionnels doivent \u00eatre estim\u00e9s \u00e0 partir des donn\u00e9es observ\u00e9es (comme la moyenne d’une loi de Poisson discr\u00e9tis\u00e9e), le nombre de degr\u00e9s de libert\u00e9 r\u00e9siduels s’\u00e9tablit formellement \u00e0 k moins un moins m.<\/p>\n Dans le champ des sciences comportementales, de la psychologie cognitive et de la recherche clinique, le test d’ad\u00e9quation du khi-deux r\u00e9pond \u00e0 des exigences m\u00e9thodologiques de premier ordre. Une premi\u00e8re application majeure r\u00e9side dans la v\u00e9rification de l’\u00e9quiprobabilit\u00e9 ou de l’uniformit\u00e9 des pr\u00e9f\u00e9rences au sein de protocoles de choix forc\u00e9. Lorsqu’un chercheur soumet des participants \u00e0 k stimuli visuels, auditifs ou gustatifs concurrents sans incitation pr\u00e9alable, l’hypoth\u00e8se nulle postule une indiff\u00e9rence cognitive se traduisant par une distribution uniforme o\u00f9 chaque stimulus a une probabilit\u00e9 \u00e9gale d’\u00eatre s\u00e9lectionn\u00e9. L’\u00e9preuve de Pearson permet de rejeter formellement l’\u00e9quiprobabilit\u00e9 et d’attester de l’existence d’un biais attentionnel ou perceptif structurel.<\/p>\n Une seconde fonction m\u00e9thodologique cruciale concerne le contr\u00f4le de l’\u00e9quilibre des proc\u00e9dures de randomisation au sein d’essais contr\u00f4l\u00e9s randomis\u00e9s. Lorsqu’un protocole assigne s\u00e9quentiellement des sujets \u00e0 diff\u00e9rents groupes exp\u00e9rimentaux (par exemple, bras contr\u00f4le, traitement actif standard et traitement innovant), il est indispensable de s’assurer a posteriori que l’assignation al\u00e9atoire n’a pas introduit de biais d’allocation disproportionn\u00e9 entre les cohortes. Le test d’ad\u00e9quation permet de valider empiriquement que les proportions observ\u00e9es d’individus assign\u00e9s \u00e0 chaque condition exp\u00e9rimentale ne s’\u00e9cartent pas de mani\u00e8re statistiquement significative des ratios d’allocation pr\u00e9vus par le protocole initial.<\/p>\n Enfin, en psychom\u00e9trie et en sociologie quantitative, cette technique intervient de fa\u00e7on syst\u00e9matique pour s’assurer de la repr\u00e9sentativit\u00e9 d’un \u00e9chantillon d’enqu\u00eate vis-\u00e0-vis d’une population cible connue. Lorsque les donn\u00e9es de recensement national fournissent la r\u00e9partition exacte de la population g\u00e9n\u00e9rale selon des crit\u00e8res sociod\u00e9mographiques cl\u00e9s, tels que les cat\u00e9gories socio-professionnelles ou le niveau d’\u00e9ducation, l’ad\u00e9quation du khi-deux permet de v\u00e9rifier formellement que l’\u00e9chantillon stratifi\u00e9 recrut\u00e9 refl\u00e8te fid\u00e8lement la structure sociologique parente. Tout \u00e9cart significatif imposera alors l’application de coefficients de pond\u00e9ration corrective avant toute g\u00e9n\u00e9ralisation des conclusions cliniques ou psychom\u00e9triques.<\/p>\n La validit\u00e9 des conclusions issues d’un test d’ad\u00e9quation du khi-deux repose sur le strict respect de conditions d’application probabilistes fondamentales. Au premier rang de ces exigences figure l’ind\u00e9pendance mutuelle absolue de l’ensemble des observations composant l’\u00e9chantillon. Chaque unit\u00e9 d’observation ne doit contribuer qu’une seule et unique fois \u00e0 une seule et unique cat\u00e9gorie du tableau de fr\u00e9quences. Les plans de mesures r\u00e9p\u00e9t\u00e9es, les donn\u00e9es appari\u00e9es ou les situations o\u00f9 un m\u00eame sujet est \u00e9valu\u00e9 longitudinalement \u00e0 plusieurs reprises violent d\u00e9lib\u00e9r\u00e9ment cette hypoth\u00e8se et requi\u00e8rent des mod\u00e9lisations alternatives adapt\u00e9es, \u00e0 l’instar du test de McNemar ou des \u00e9quations d’estimation g\u00e9n\u00e9ralis\u00e9es.<\/p>\n La seconde condition incontournable concerne la magnitude des effectifs attendus sous l’hypoth\u00e8se nulle. Dans la mesure o\u00f9 la loi continue du khi-deux ne constitue qu’une approximation asymptotique de la distribution multinomiale discr\u00e8te sous-jacente, cette convergence n’est satisfaisante que si les effectifs th\u00e9oriques sont suffisamment volumineux. Le crit\u00e8re le plus largement accept\u00e9 dans la communaut\u00e9 statistique est la r\u00e8gle empirique de William Cochran : pour un test d’ad\u00e9quation comportant plus de deux modalit\u00e9s, aucun effectif th\u00e9orique ne doit \u00eatre inf\u00e9rieur \u00e0 un, et au moins 80 pour cent des cat\u00e9gories doivent pr\u00e9senter un effectif th\u00e9orique sup\u00e9rieur ou \u00e9gal \u00e0 cinq. Dans le cas particulier o\u00f9 la variable ne comporte que deux cat\u00e9gories (un degr\u00e9 de libert\u00e9), tous les effectifs th\u00e9oriques doivent obligatoirement d\u00e9passer le seuil de cinq.<\/p>\n La m\u00e9connaissance ou la violation de ces conditions relatives aux effectifs attendus produit une distorsion s\u00e9v\u00e8re du taux d’erreur de premi\u00e8re esp\u00e8ce, not\u00e9 alpha. Lorsque les effectifs th\u00e9oriques sont excessivement faibles, la variance de la statistique de Pearson subit une inflation disproportionn\u00e9e, conduisant fr\u00e9quemment \u00e0 des rejets abusifs de l’hypoth\u00e8se nulle alors m\u00eame que celle-ci est v\u00e9rifi\u00e9e dans la population parente. Pour rem\u00e9dier \u00e0 cette vuln\u00e9rabilit\u00e9 avant de proc\u00e9der aux calculs d’inf\u00e9rence, le statisticien peut envisager deux approches : le regroupement logique de modalit\u00e9s adjacentes ou, plus rigoureusement dans SAS, l’abandon de l’approximation asymptotique au profit du calcul des distributions d’\u00e9chantillonnage exactes.<\/p>\n L’application rigoureuse de l’\u00e9preuve d’ad\u00e9quation impose une r\u00e9flexion approfondie sur la nature ontologique et l’\u00e9chelle m\u00e9trologique de la variable examin\u00e9e. Le syst\u00e8me de classification adopt\u00e9 doit satisfaire deux principes logiques invariables : les cat\u00e9gories doivent \u00eatre mutuellement exclusives, interdisant \u00e0 un individu statistique d’appartenir simultan\u00e9ment \u00e0 plus d’une modalit\u00e9, et collectivement exhaustives, garantissant que chaque unit\u00e9 observ\u00e9e trouve sans ambigu\u00eft\u00e9 sa place au sein du syst\u00e8me de classification propos\u00e9. L’omission d’une cat\u00e9gorie potentielle vicie irr\u00e9m\u00e9diablement l’estimation de l’effectif global N et fausse l’int\u00e9gralit\u00e9 du calcul des probabilit\u00e9s th\u00e9oriques.<\/p>\n Bien que le test s’adresse nativement aux variables qualitatives nominales pures (telles que le groupe sanguin, l’appartenance g\u00e9ographique ou la typologie de diagnostic psychopathologique), il est r\u00e9guli\u00e8rement employ\u00e9 sur des variables qualitatives ordinales ou des variables quantitatives continues discr\u00e9tis\u00e9es en classes d’amplitudes d\u00e9finies. Dans ce dernier cas, une vigilance accrue s’impose. L’\u00e9preuve d’ad\u00e9quation standard de Pearson est par nature omnibus : elle \u00e9value une d\u00e9viation globale par rapport au mod\u00e8le sans tenir compte de l’ordre hi\u00e9rarchique intrins\u00e8que existant entre les modalit\u00e9s ordinales. D\u00e8s lors, le test omnibus peut s’av\u00e9rer sous-optimal en termes de puissance statistique si la d\u00e9viation empirique suit une tendance directionnelle monotone ordonn\u00e9e.<\/p>\n Par ailleurs, la transformation d’une \u00e9chelle continue en variable cat\u00e9gorielle expose l’analyse au risque majeur de biais d’agr\u00e9gation. Le choix arbitraire des bornes de d\u00e9coupage des classes peut masquer des h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9s internes substantielles ou, \u00e0 l’inverse, fabriquer artificiellement des \u00e9carts distributionnels factices. D\u00e8s lors qu’une variable quantitative fait l’objet d’un d\u00e9coupage cat\u00e9goriel, le statisticien doit justifier le choix des intervalles sur des crit\u00e8res th\u00e9oriques \u00e9prouv\u00e9s ou recourir \u00e0 des tests d’ad\u00e9quation sp\u00e9cifiques aux variables continues, \u00e0 l’instar des tests de Kolmogorov-Smirnov, de Cramer-von Mises ou d’Anderson-Darling disponibles au sein de la proc\u00e9dure PROC UNIVARIATE de SAS.<\/p>\n Toute d\u00e9marche d’inf\u00e9rence statistique n\u00e9cessite la formalisation explicite et univoque d’un couple d’hypoth\u00e8ses rivales. L’hypoth\u00e8se nulle, canoniquement not\u00e9e H0, formalise l’\u00e9nonc\u00e9 de conformit\u00e9 absolue selon lequel la distribution des probabilit\u00e9s multinomiales dans la population cible co\u00efncide rigoureusement avec la distribution th\u00e9orique sp\u00e9cifi\u00e9e par le mod\u00e8le d’int\u00e9r\u00eat. Dans sa d\u00e9clinaison la plus \u00e9l\u00e9mentaire, celle de l’\u00e9quiprobabilit\u00e9 uniforme, H0 postule que la probabilit\u00e9 d’occurrence p1 est \u00e9gale \u00e0 p2, elle-m\u00eame \u00e9gale \u00e0 l’ensemble des k probabilit\u00e9s, soit exactement la fraction un sur k pour chaque modalit\u00e9.<\/p>\n Cependant, l’hypoth\u00e8se nulle ne se limite nullement au cas de l’uniformit\u00e9. Elle peut sp\u00e9cifier un vecteur probabiliste hautement asym\u00e9trique issu d’un cadre th\u00e9orique d\u00e9terministe, d’une s\u00e9rie chronologique historique ou d’un mod\u00e8le math\u00e9matique sp\u00e9cifique. Par exemple, sous l’hypoth\u00e8se de transmission g\u00e9n\u00e9tique mend\u00e9lienne lors d’un croisement dihybride, H0 formulera que les quatre ph\u00e9notypes r\u00e9sultants respectent scrupuleusement les probabilit\u00e9s proportionnelles respectives de neuf seizi\u00e8mes, trois seizi\u00e8mes, trois seizi\u00e8mes et un seizi\u00e8me. Quelle que soit la complexit\u00e9 de ce vecteur, la somme des probabilit\u00e9s th\u00e9oriques articul\u00e9es sous H0 doit obligatoirement \u00eatre \u00e9gale \u00e0 l’unit\u00e9.<\/p>\n \u00c0 l’oppos\u00e9, l’hypoth\u00e8se alternative, d\u00e9sign\u00e9e par H1, adopte une nature omnibus et non directionnelle. Elle \u00e9nonce simplement qu’au moins l’une des probabilit\u00e9s empiriques de la population d\u00e9vie de la probabilit\u00e9 th\u00e9orique postul\u00e9e sous H0. Il ne s’agit donc pas d’une hypoth\u00e8se unilat\u00e9rale pr\u00e9disant le sens de l’\u00e9cart sur une modalit\u00e9 cibl\u00e9e, mais d’une hypoth\u00e8se bilat\u00e9rale globale attestant de la rupture de l’ad\u00e9quation g\u00e9n\u00e9rale du mod\u00e8le. La d\u00e9cision statistique s’op\u00e8re par le calcul de la probabilit\u00e9 critique p-valeur sous la distribution du khi-deux \u00e0 k moins un degr\u00e9s de libert\u00e9. En psychologie exp\u00e9rimentale et dans les sciences sociales, le seuil de signification conventionnel alpha est traditionnellement fix\u00e9 \u00e0 0,05, d\u00e9terminant une zone de rejet critique au-del\u00e0 de laquelle la discordance entre donn\u00e9es empiriques et pr\u00e9dictions th\u00e9oriques ne peut raisonnablement plus \u00eatre attribu\u00e9e aux seules fluctuations d’\u00e9chantillonnage al\u00e9atoire.<\/p>\n Une mise en \u0153uvre rigoureuse d’analyses quantitatives sous SAS requiert une organisation m\u00e9thodique de l’espace de travail et la configuration pr\u00e9liminaire des param\u00e8tres d’environnement. Le moteur SAS repose sur une architecture duale distinguant la biblioth\u00e8que de travail temporaire, universellement nomm\u00e9e WORK, des biblioth\u00e8ques d’archivage permanentes. Toutes les tables de donn\u00e9es allou\u00e9es au sein de la biblioth\u00e8que WORK sont automatiquement purg\u00e9es \u00e0 la cl\u00f4ture de la session logicielle. Pour des projets d’envergure n\u00e9cessitant la p\u00e9rennit\u00e9 et la tra\u00e7abilit\u00e9 des manipulations, il est indispensable de formaliser l’assignation d’une biblioth\u00e8que permanente \u00e0 l’aide de l’instruction LIBNAME, reliant un alias SAS \u00e0 un r\u00e9pertoire physique s\u00e9curis\u00e9 du syst\u00e8me d’exploitation.<\/p>\n En amont de toute ex\u00e9cution statistique, il est fortement conseill\u00e9 de calibrer les options globales d’affichage \u00e0 l’aide de l’instruction OPTIONS. Des param\u00e8tres tels que LINESIZE=120 et PAGESIZE=60 permettent de contraindre la largeur et la longueur des sorties textuelles imprim\u00e9es dans le journal ou l’afficheur SAS, \u00e9vitant ainsi les coupures de lignes inopportunes dans les tableaux statistiques volumineux. De surcro\u00eet, l’adjonction des param\u00e8tres NODATE et NONUMBER permet d’\u00e9purer les bordures de documents des horodatages et des num\u00e9rotations automatiques, garantissant une meilleure lisibilit\u00e9 pour l’int\u00e9gration ult\u00e9rieure dans des rapports scientifiques institutionnels.<\/p>\n Enfin, l’architecture moderne de SAS tire parti du syst\u00e8me de diffusion ODS, signifiant Output Delivery System<\/em>. L’environnement ODS intercepte l’ensemble des r\u00e9sultats bruts g\u00e9n\u00e9r\u00e9s par les proc\u00e9dures de calcul pour les convertir en sorties graphiques, tabulaires ou pagin\u00e9es dans une vaste gamme de formats standardis\u00e9s (tels que HTML, PDF, RTF ou feuilles de calcul XML). L’activation m\u00e9thodique de l’instruction ODS LISTING CLOSE coupl\u00e9e \u00e0 l’ouverture s\u00e9lective de destinations vectorielles ou typographiques permet au chercheur de ma\u00eetriser int\u00e9gralement la restitution visuelle de ses tableaux de contingence univari\u00e9s et d’assurer une mise en page impeccable des r\u00e9sultats statistiques.<\/p>\n L’ing\u00e9nierie des donn\u00e9es sous SAS s’articule autour de deux structures matricielles fondamentales pour l’\u00e9valuation des distributions cat\u00e9gorielles : le format des donn\u00e9es individuelles non consolid\u00e9es (donn\u00e9es brutes) et le format des donn\u00e9es synth\u00e9tiques agr\u00e9g\u00e9es (donn\u00e9es de comptage). Comprendre les propri\u00e9t\u00e9s formelles de ces deux configurations est primordial pour configurer ad\u00e9quatement les proc\u00e9dures d’analyse sous-jacentes et optimiser les ressources de traitement de la machine.<\/p>\n Le format de donn\u00e9es brutes repr\u00e9sente la forme d’enregistrement la plus imm\u00e9diate en sortie de recueil d’enqu\u00eate ou d’exp\u00e9rimentation clinique. Dans ce sch\u00e9ma structurel, chaque observation physique (un individu, un patient, un client) occupe une ligne distincte au sein de la table SAS. La variable cat\u00e9gorielle d’int\u00e9r\u00eat figure sous forme d’une colonne unitaire contenant le label textuel ou le code num\u00e9rique identifiant la modalit\u00e9 observ\u00e9e pour cette unit\u00e9 sp\u00e9cifique. Si une \u00e9tude porte sur un \u00e9chantillon de dix mille participants, la table de donn\u00e9es comportera rigoureusement dix mille observations. Bien que tr\u00e8s intuitif, ce sch\u00e9ma peut engendrer une consommation substantielle de m\u00e9moire vive et ralentir les cycles d’\u00e9criture sur disque lorsque les effectifs atteignent des ordres de grandeur massifs.<\/p>\n \u00c0 l’inverse, le format de donn\u00e9es agr\u00e9g\u00e9es proc\u00e8de \u00e0 une compression substantielle de l’information pr\u00e9alable \u00e0 l’analyse. Dans cette mod\u00e9lisation, la table SAS ne contient qu’exactement autant de lignes qu’il existe de modalit\u00e9s disjointes k au sein de la variable cat\u00e9gorielle. Une premi\u00e8re colonne conserve la nomenclature des cat\u00e9gories, tandis qu’une seconde colonne de nature quantitative accueille les effectifs absolus cumul\u00e9s constat\u00e9s sur l’ensemble de l’\u00e9chantillon pour chacune desdites cat\u00e9gories. Comme nous le d\u00e9taillerons dans les sections suivantes, l’exploitation d’une table agr\u00e9g\u00e9e dans SAS impose l’utilisation explicite de l’instruction WEIGHT dans la proc\u00e9dure PROC FREQ afin d’indiquer au compilateur que chaque ligne repr\u00e9sente une r\u00e9p\u00e9tition multiple et non une unit\u00e9 d’\u00e9chantillonnage singuli\u00e8re.<\/p>\n Afin de concr\u00e9tiser l’ensemble de la d\u00e9marche m\u00e9thodologique sur un cas empirique repr\u00e9sentatif, nous allons formaliser une \u00e9tude portant sur les variations hebdomadaires d’affluence au sein d’une enseigne de commerce de d\u00e9tail. Le gestionnaire de l’\u00e9tablissement postule historiquement une r\u00e9partition \u00e9quiprobable de ses clients du lundi au vendredi, supposant que le flux d’acheteurs demeure uniforme au cours des jours ouvr\u00e9s. Sur une semaine sp\u00e9cifique d’observation, un comptage exhaustif a recens\u00e9 un effectif total de 200 clients, r\u00e9partis comme suit : 50 clients le lundi, 60 le mardi, 40 le mercredi, 47 le jeudi et 53 le vendredi. Nous adoptons ici un sch\u00e9ma de donn\u00e9es agr\u00e9g\u00e9es particuli\u00e8rement compact.<\/p>\n L’initialisation de ce jeu de donn\u00e9es s’op\u00e8re dans SAS au moyen de l’\u00e9tape DATA \u00e9l\u00e9mentaire. L’instruction d’ouverture DATA suivie de l’identifiant my_data instancie la cr\u00e9ation d’une nouvelle table au sein de l’espace de travail WORK. Imm\u00e9diatement apr\u00e8s, l’instruction INPUT sp\u00e9cifie le mod\u00e8le de lecture des colonnes. Afin de lire le jour de la semaine sous forme de cha\u00eene de caract\u00e8res alphanum\u00e9riques, le nom de variable Day est suivi du modificateur dollar ($). La seconde variable, nomm\u00e9e Customers, n’est suivie d’aucun caract\u00e8re sp\u00e9cial, signalant au compilateur SAS son statut de variable quantitative num\u00e9rique continue.<\/p>\n La transmission directe des valeurs s’op\u00e8re par l’instruction DATALINES (ou son \u00e9quivalent s\u00e9mantique CARDS), suivie imm\u00e9diatement par les enregistrements s\u00e9quentiels combinant jour et effectif, chaque ligne \u00e9tant scrupuleusement termin\u00e9e par un retour chariot. Le bloc de donn\u00e9es se cl\u00f4ture de fa\u00e7on imp\u00e9rative par une ligne isol\u00e9e contenant un point-virgule terminal, suivie de l’instruction RUN. Cette derni\u00e8re constitue le point de synchronisation fondamental qui d\u00e9clenche formellement la phase de compilation et d’ex\u00e9cution s\u00e9quentielle de l’\u00e9tape DATA par le superviseur SAS, g\u00e9n\u00e9rant une table en m\u00e9moire parfaitement calibr\u00e9e pour les \u00e9tapes proc\u00e9durales ult\u00e9rieures.<\/p>\n Une r\u00e8gle cardinale de la pratique statistique sous SAS stipule qu’aucune mod\u00e9lisation inf\u00e9rentielle ne doit \u00eatre ex\u00e9cut\u00e9e sans un audit visuel pr\u00e9alable de la structure interne des donn\u00e9es import\u00e9es. La proc\u00e9dure la plus directe pour accomplir ce contr\u00f4le qualit\u00e9 \u00e9l\u00e9mentaire est la proc\u00e9dure PROC PRINT. L’invocation d’un bloc simple constitu\u00e9 des instructions proc print data=my_data; run; d\u00e9clenche l’affichage exhaustif des lignes de la table courante dans la fen\u00eatre de sortie ODS active.<\/p>\n Cet examen pr\u00e9liminaire a pour premier objet de valider l’absence totale de valeurs manquantes (valeurs d\u00e9sign\u00e9es sous SAS par un point pour les donn\u00e9es num\u00e9riques ou un espace vide pour les donn\u00e9es caract\u00e8res). La pr\u00e9sence fortuite d’une modalit\u00e9 non renseign\u00e9e dans la colonne Day ou d’un effectif absent au sein de la variable Customers conduirait \u00e0 l’exclusion silencieuse de la ligne concern\u00e9e lors de l’ex\u00e9cution de PROC FREQ, introduisant une distorsion catastrophique dans l’effectif global N et compromettant la pertinence math\u00e9matique du test d’ad\u00e9quation.<\/p>\n Par ailleurs, la proc\u00e9dure PROC PRINT permet de confirmer que les cat\u00e9gories textuelles ont \u00e9t\u00e9 int\u00e9gr\u00e9es sans alt\u00e9ration de casse ni d’espacement involontaire. Dans SAS, une cha\u00eene de caract\u00e8res telle que \u00ab\u00a0Lundi \u00a0\u00bb contenant une espace finale parasite serait trait\u00e9e par l’interpr\u00e9teur comme une modalit\u00e9 distincte de la cha\u00eene standard \u00ab\u00a0Lundi\u00a0\u00bb, conduisant \u00e0 la cr\u00e9ation factice d’une sixi\u00e8me modalit\u00e9 au lieu des cinq attendues. Cet examen rapide du journal d’ex\u00e9cution (SAS LOG) et de la table imprim\u00e9e garantit l’int\u00e9grit\u00e9 nominale absolue du support analytique avant toute inf\u00e9rence statistique.<\/p>\n Dans la pratique contemporaine de l’analyse de donn\u00e9es, les praticiens sont fr\u00e9quemment amen\u00e9s \u00e0 manipuler des volumes d’information substantiellement plus imposants que ceux autoris\u00e9s par une saisie directe via l’instruction DATALINES. SAS propose une suite d’utilitaires hautement performants pour importer des fichiers de donn\u00e9es stock\u00e9s sous des formats externes standardis\u00e9s, au premier rang desquels figurent les formats d\u00e9limit\u00e9s par des virgules ou points-virgules (fichiers CSV) et les classeurs tabulaires Microsoft Excel (fichiers XLSX).<\/p>\n La m\u00e9thode canonique d’ingestion automatis\u00e9e de fichiers externes repose sur l’utilisation de la proc\u00e9dure PROC IMPORT. Cette proc\u00e9dure autonome analyse dynamiquement les premi\u00e8res lignes du fichier source afin d’en d\u00e9duire automatiquement la structure des colonnes, le d\u00e9limiteur de champs, ainsi que les types informatiques (num\u00e9riques ou alphanum\u00e9riques). Lors de l’importation de fichiers CSV ou XLSX contenant des variables qualitatives destin\u00e9es \u00e0 un test d’ad\u00e9quation, il convient de porter une attention scrupuleuse \u00e0 l’option GUESSINGROWS. En param\u00e9trant cette option \u00e0 sa valeur maximale (GUESSINGROWS=MAX), le chercheur contraint SAS \u00e0 sonder l’int\u00e9gralit\u00e9 du fichier externe plut\u00f4t que de borner son analyse aux vingt premi\u00e8res lignes, \u00e9liminant ainsi le risque d’une troncature accidentelle de la longueur des libell\u00e9s de cat\u00e9gories.<\/p>\n Apr\u00e8s chaque ex\u00e9cution de la proc\u00e9dure PROC IMPORT, une inspection approfondie du journal d’ex\u00e9cution (SAS LOG) demeure indispensable. Le statisticien doit v\u00e9rifier avec acuit\u00e9 l’absence de tout message de type WARNING<\/em> ou NOTE<\/em> signalant des conversions de type erron\u00e9es ou des pertes de pr\u00e9cision num\u00e9rique. La validation des longueurs de cha\u00eenes assign\u00e9es par d\u00e9faut (longueur $CHAR) s’av\u00e8re critique : si un label de modalit\u00e9 d\u00e9passe la longueur allou\u00e9e, SAS op\u00e8re une troncature silencieuse qui pourrait fusionner accidentellement deux modalit\u00e9s conceptuellement distinctes pr\u00e9sentant un pr\u00e9fixe textuel similaire.<\/p>\n Pr\u00e9alablement au d\u00e9clenchement des m\u00e9canismes d’inf\u00e9rence probabiliste, la d\u00e9marche m\u00e9thodologique impose une exploration descriptive exhaustive de la distribution d’\u00e9chantillon. Cette phase a pour premier objectif d’\u00e9tablir l’effectif cumul\u00e9 total N par la sommation arithm\u00e9tique des effectifs observ\u00e9s au sein des diff\u00e9rentes classes. Dans notre exemple commercial, la somme des clients comptabilis\u00e9s du lundi au vendredi (50 + 60 + 40 + 47 + 53) s’\u00e9tablit rigoureusement \u00e0 un total g\u00e9n\u00e9ral de N = 200 individus statistiques.<\/p>\n \u00c0 partir de cet effectif global, le calcul de la moyenne arithm\u00e9tique th\u00e9orique par cellule s’impose sous le mod\u00e8le d’\u00e9quiprobabilit\u00e9 uniforme. La division de la taille de l’\u00e9chantillon par le nombre de modalit\u00e9s k (soit 200 divis\u00e9 par 5) d\u00e9termine une fr\u00e9quence th\u00e9orique attendue uniforme d’exactement 40 clients par jour. La confrontation descriptive primaire entre les effectifs empiriques et cette valeur de r\u00e9f\u00e9rence r\u00e9v\u00e8le imm\u00e9diatement des d\u00e9viations : le mercredi co\u00efncide rigoureusement avec l’attente th\u00e9orique (40 clients), tandis que le mardi affiche un exc\u00e9dent notable de 20 clients (soit 60 observ\u00e9s), et le lundi un surplus de 10 clients (50 observ\u00e9s). Le jeudi (47) et le vendredi (53) se positionnent \u00e9galement au-dessus de la ligne th\u00e9orique de base.<\/p>\n L’\u00e9valuation de la dispersion brute des effectifs autour de la moyenne th\u00e9orique fournit une premi\u00e8re indication heuristique sur le degr\u00e9 de divergence globale du syst\u00e8me. Le calcul des \u00e9carts simples (O moins E) et de la variance inter-cat\u00e9gories permet au chercheur d’anticiper si les d\u00e9viations constat\u00e9es rel\u00e8vent d’un bruit stochastique mod\u00e9r\u00e9, intrins\u00e8que \u00e0 tout \u00e9chantillonnage al\u00e9atoire, ou si la dispersion sugg\u00e8re une asym\u00e9trie substantielle m\u00e9ritant un test formel d’ad\u00e9quation avec une probabilit\u00e9 critique \u00e9lev\u00e9e de rejet.<\/p>\n L’exploration visuelle des profils cat\u00e9goriels constitue une \u00e9tape d’une importance diagnostique majeure. Au sein de SAS, le module ODS Graphics met \u00e0 disposition des chercheurs la proc\u00e9dure PROC SGPLOT, un outil graphique de pointe dot\u00e9 d’une syntaxe d\u00e9clarative \u00e9l\u00e9gante et d’une pr\u00e9cision de rendu irr\u00e9prochable. Pour repr\u00e9senter ad\u00e9quatement des donn\u00e9es de fr\u00e9quences pond\u00e9r\u00e9es, l’utilisation conjointe de l’instruction VBAR et de l’option RESPONSE s’av\u00e8re particuli\u00e8rement appropri\u00e9e.<\/p>\n Dans un script d\u00e9di\u00e9, l’appel \u00e0 la proc\u00e9dure proc sgplot data=my_data; coupl\u00e9 \u00e0 l’instruction vbar Day \/ response=Customers; permet d’\u00e9riger un diagramme en b\u00e2tons vertical restituant fid\u00e8lement l’amplitude des effectifs pour chaque jour de la semaine. Pour enrichir la port\u00e9e analytique de cette visualisation, l’int\u00e9gration de l’instruction REFLINE permet de tracer une ligne horizontale de r\u00e9f\u00e9rence traversant le graphique \u00e0 la coordonn\u00e9e y=40, mat\u00e9rialisant visuellement le seuil th\u00e9orique d’\u00e9quiprobabilit\u00e9 attendu sous l’hypoth\u00e8se nulle.<\/p>\n Une telle construction visuelle permet au statisticien d’identifier instantan\u00e9ment la g\u00e9om\u00e9trie des d\u00e9viations distributionnelles. Les barres s’\u00e9levant nettement au-dessus de la ligne de r\u00e9f\u00e9rence, \u00e0 l’instar de celle du mardi, signalent des foyers d’affluence pr\u00e9f\u00e9rentielle, tandis que l’alignement strict du mercredi sur le seuil th\u00e9orique illustre une ad\u00e9quation locale parfaite. Cette contextualisation graphique pr\u00e9liminaire facilite grandement l’interpr\u00e9tation ult\u00e9rieure des r\u00e9sidus standardis\u00e9s et prot\u00e8ge l’analyste contre les conclusions h\u00e2tives d\u00e9connect\u00e9es de la r\u00e9alit\u00e9 mat\u00e9rielle des donn\u00e9es.<\/p>\n Le c\u0153ur computationnel du traitement des tables de contingence et des distributions de fr\u00e9quences univari\u00e9es dans SAS r\u00e9side dans la c\u00e9l\u00e8bre proc\u00e9dure PROC FREQ. Cette proc\u00e9dure g\u00e9n\u00e9rale d’analyse non param\u00e9trique propose une panoplie d’outils statistiques allant des simples comptages combinatoires jusqu’aux tests d’association les plus sophistiqu\u00e9s. Pour initier un test d’ad\u00e9quation du khi-deux, la syntaxe commence par l’instruction ma\u00eetresse proc freq data=my_data;, d\u00e9signant formellement la table source devant faire l’objet des calculs.<\/p>\n L’instruction TABLES constitue la directive op\u00e9rationnelle centrale au sein de PROC FREQ. Elle assigne le r\u00f4le statistique des variables et sp\u00e9cifie la structure du tableau \u00e0 construire. Dans le cadre d’un test d’ad\u00e9quation univari\u00e9, la syntaxe requiert la d\u00e9claration du nom de la variable cat\u00e9gorielle unique d’\u00e9tude, sans croisement bidimensionnel, sous la forme directe tables Day;. Cette directive intime \u00e0 SAS l’ordre de ventiler les observations \u00e0 travers l’ensemble des modalit\u00e9s exhaustives contenues dans la variable Day.<\/p>\n Comme pour tout bloc proc\u00e9dural SAS, la s\u00e9quence syntaxique se termine obligatoirement par l’instruction RUN, suivie d’un point-virgule terminal. D\u00e8s la d\u00e9tection de cette instruction par le compilateur, la proc\u00e9dure alloue les vecteurs de travail en m\u00e9moire vive, extrait les donn\u00e9es de la table sp\u00e9cifi\u00e9e, proc\u00e8de au tri interne des modalit\u00e9s et g\u00e9n\u00e8re les tables de fr\u00e9quences primaires selon les directives configur\u00e9es. En l’absence de toute option additionnelle, PROC FREQ produira un tableau univari\u00e9 descriptif comprenant les effectifs bruts, les pourcentages relatifs, ainsi que les fr\u00e9quences et pourcentages cumul\u00e9s.<\/p>\n Par d\u00e9faut, l’instruction TABLES d’une proc\u00e9dure PROC FREQ se limite \u00e0 une restitution purement descriptive de la distribution d’\u00e9chantillon. Pour basculer d’une simple tabulation vers une d\u00e9marche d’inf\u00e9rence statistique et forcer le calcul de l’\u00e9preuve d’ad\u00e9quation de Pearson, le chercheur doit obligatoirement adjoindre l’option CHISQ apr\u00e8s une barre oblique de s\u00e9paration sur l’instruction TABLES, adoptant ainsi la formulation canonique tables Day \/ chisq;.<\/p>\n L’adjonction de ce modificateur CHISQ d\u00e9clenche une transformation radicale du moteur d’\u00e9valuation de SAS. Pour une analyse \u00e0 une seule dimension (une variable univari\u00e9e), SAS interpr\u00e8te automatiquement l’option CHISQ non pas comme un test d’ind\u00e9pendance bivari\u00e9, mais sp\u00e9cifiquement comme un test d’ad\u00e9quation du khi-deux (One-Way Chi-Square Goodness of Fit Test<\/em>). Sous son param\u00e9trage standard, le logiciel postule automatiquement une hypoth\u00e8se nulle d’\u00e9quiprobabilit\u00e9 stricte entre toutes les modalit\u00e9s d\u00e9tect\u00e9es dans la table.<\/p>\n Le moteur g\u00e9n\u00e8re alors deux objets de sortie distincts et hautement structur\u00e9s au sein du rapport ODS. D’une part, il enrichit le tableau de fr\u00e9quences principal d’un bloc diagnostique d\u00e9taillant la fr\u00e9quence th\u00e9orique attendue pour chaque classe, ainsi que la contribution locale de chaque modalit\u00e9 \u00e0 la statistique globale. D’autre part, il produit un tableau synth\u00e9tique d\u00e9di\u00e9, titr\u00e9 Chi-Square Test for Equal Proportions<\/em>, qui restitue la valeur num\u00e9rique exacte de la statistique de Pearson, les degr\u00e9s de libert\u00e9 associ\u00e9s, la probabilit\u00e9 critique p-valeur correspondante, ainsi que la statistique alternative du rapport de vraisemblance (Likelihood Ratio Chi-Square<\/em>).<\/p>\n L’utilisation de donn\u00e9es agr\u00e9g\u00e9es impose l’adjonction d’une directive syntaxique suppl\u00e9mentaire sans laquelle l’int\u00e9gralit\u00e9 des calculs statistiques s’av\u00e9rerait fausse : l’instruction WEIGHT. Dans notre table de travail my_data, chaque jour de la semaine n’est mat\u00e9rialis\u00e9 que par une seule ligne physique dans la structure SAS. Si la proc\u00e9dure PROC FREQ \u00e9tait ex\u00e9cut\u00e9e directement sans instruction de pond\u00e9ration, le logiciel traiterait chaque ligne comme repr\u00e9sentant un unique individu statistique, concluant erron\u00e9ment \u00e0 un \u00e9chantillon global de N = 5 clients avec un client pour chaque jour ouvr\u00e9.<\/p>\n Pour contourner cet \u00e9cueil et restituer la volum\u00e9trie r\u00e9elle de l’\u00e9chantillon d’enqu\u00eate, l’instruction weight Customers; doit \u00eatre imp\u00e9rativement ins\u00e9r\u00e9e entre la d\u00e9claration de proc\u00e9dure et l’instruction RUN. Le mot-cl\u00e9 WEIGHT instruit SAS de consid\u00e9rer la variable Customers comme une fr\u00e9quence de r\u00e9p\u00e9tition exacte pour chaque ligne correspondante. Dans le traitement math\u00e9matique sous-jacent, le compilateur multiplie virtuellement chaque enregistrement par la valeur enti\u00e8re de son poids, reconstituant ainsi instantan\u00e9ment la distribution des 200 clients observ\u00e9s.<\/p>\n Il importe de distinguer l’instruction WEIGHT de l’instruction alternative FREQ au sein de SAS. Bien que dans le cadre d’entiers positifs stricts comme nos effectifs de comptage, WEIGHT et FREQ aboutissent \u00e0 des estimations num\u00e9riques rigoureusement identiques pour le test du khi-deux, l’instruction FREQ tronque par convention les nombres \u00e0 leur partie enti\u00e8re et rejette strictement les valeurs n\u00e9gatives ou nulles. L’instruction WEIGHT, quant \u00e0 elle, tol\u00e8re les pond\u00e9rations fractionnaires dans d’autres proc\u00e9dures mod\u00e9lisatrices, bien que PROC FREQ impose une troncature enti\u00e8re pour le calcul probabiliste exact de Pearson. Dans le contexte des tables de fr\u00e9quences univari\u00e9es agr\u00e9g\u00e9es, l’usage de WEIGHT Customers ou de FREQ Customers constitue donc la norme programmatique incontournable.<\/p>\n L’affichage par d\u00e9faut de la proc\u00e9dure PROC FREQ est con\u00e7u pour \u00eatre exhaustif, pr\u00e9sentant pour chaque cellule l’effectif absolu, le pourcentage relatif par rapport \u00e0 la taille totale N, ainsi que les fr\u00e9quences et pourcentages cumul\u00e9s. Si cette richesse descriptive s’av\u00e8re utile lors des phases de d\u00e9bogage pr\u00e9liminaire, elle surcharge inutilement les rapports de recherche finaux et complique l’extraction rapide de l’information statistique pertinente. SAS met \u00e0 disposition une suite d’options de masquage s\u00e9lectif permettant d’\u00e9laguer les tableaux de sortie.<\/p>\n En enrichissant l’instruction TABLES des options NOPERCENT et NOCUM (par exemple, tables Day \/ chisq nopercent nocum;), le statisticien d\u00e9sactive imm\u00e9diatement la production des pourcentages globaux et des lignes de cumul progressif. La table r\u00e9sultante n’affiche plus que les effectifs observ\u00e9s, les effectifs attendus sous l’hypoth\u00e8se nulle et les contributions quadratiques associ\u00e9es, ce qui clarifie consid\u00e9rablement la restitution tabulaire pour les comit\u00e9s de lecture acad\u00e9miques ou les pr\u00e9sentations manag\u00e9riales.<\/p>\n Un autre param\u00e8tre d\u00e9terminant r\u00e9side dans l’instruction de tri ORDER= configur\u00e9e directement sur l’en-t\u00eate PROC FREQ. Par d\u00e9faut, SAS ordonne les modalit\u00e9s des variables alphanum\u00e9riques selon l’ordre alphab\u00e9tique standard de leurs valeurs format\u00e9es (ce qui placerait pour notre exemple : Jeudi, Lundi, Mardi, Mercredi, Vendredi). Cet agencement arbitraire brise la continuit\u00e9 chronologique naturelle de la semaine commerciale. En sp\u00e9cifiant l’option proc freq data=my_data order=data;, le statisticien force SAS \u00e0 traiter et afficher les cat\u00e9gories strictement selon leur ordre d’apparition s\u00e9quentiel dans la table de donn\u00e9es d’origine, restaurant ainsi la coh\u00e9rence logique du flux hebdomadaire.<\/p>\n La pr\u00e9sentation professionnelle des r\u00e9sultats statistiques requiert un contr\u00f4le strict du formatage typographique des valeurs affich\u00e9es, notamment en mati\u00e8re de d\u00e9cimales pour les effectifs attendus et les probabilit\u00e9s critiques. L’int\u00e9gration de la proc\u00e9dure PROC FORMAT permet de d\u00e9finir des dictionnaires de formats personnalis\u00e9s que l’on applique ensuite aux variables \u00e0 l’aide de l’instruction FORMAT au sein de PROC FREQ, garantissant une harmonisation parfaite des d\u00e9signations cat\u00e9gorielles.<\/p>\n Pour aller plus loin dans la ma\u00eetrise des sorties et s’affranchir de l’encombrement des rapports bruts, le syst\u00e8me ODS de SAS d\u00e9ploie une puissance de ciblage chirurgicale au travers des instructions ODS SELECT et ODS OUTPUT. Chaque tableau produit par une proc\u00e9dure SAS poss\u00e8de un nom interne standardis\u00e9 (un objet ODS). Dans le cadre d’un test d’ad\u00e9quation univari\u00e9 sous PROC FREQ, le tableau principal de comptage porte le nom OneWayFreqs, tandis que le tableau des statistiques inf\u00e9rentielles du test s’intitule OneWayChiSq.<\/p>\n En ins\u00e9rant l’instruction ods select OneWayChiSq; en amont de l’appel proc\u00e9dural, le praticien contraint SAS \u00e0 occulter totalement les tableaux de fr\u00e9quences descriptives pour ne restituer \u00e0 l’\u00e9cran que le bloc d\u00e9cisionnel contenant la statistique du khi-deux et sa p-valeur. De surcro\u00eet, l’instruction ods output OneWayChiSq=work.mes_statistiques; permet d’exporter directement les m\u00e9triques calcul\u00e9es dans une table SAS p\u00e9renne. Cette fonctionnalit\u00e9 ouvre la voie \u00e0 une automatisation compl\u00e8te des calculs ult\u00e9rieurs, tels que l’extraction programmatique de la statistique du khi-deux pour alimenter des algorithmes de calcul de taille d’effet ou des cha\u00eenes d’int\u00e9gration continue de rapports automatis\u00e9s.<\/p>\n Bien que l’hypoth\u00e8se nulle d’uniformit\u00e9 (\u00e9quiprobabilit\u00e9) constitue la configuration par d\u00e9faut de l’option CHISQ dans PROC FREQ, de nombreuses probl\u00e9matiques scientifiques et exp\u00e9rimentales imposent de confronter la distribution empirique \u00e0 des mod\u00e8les th\u00e9oriques asym\u00e9triques. L’hypoth\u00e8se de proportions \u00e9gales ne refl\u00e8te en effet qu’un cas particulier du test d’ad\u00e9quation univari\u00e9. Dans une pluralit\u00e9 de contextes empiriques, les probabilit\u00e9s th\u00e9oriques attendues sous H0 r\u00e9sultent d’un \u00e9talonnage pr\u00e9alable, de distributions d\u00e9mographiques nationales ou de pr\u00e9dictions formelles d\u00e9riv\u00e9es de corpus th\u00e9oriques sp\u00e9cifiques.<\/p>\n Consid\u00e9rons, \u00e0 titre d’illustration, une mod\u00e9lisation \u00e9pid\u00e9miologique o\u00f9 la vuln\u00e9rabilit\u00e9 \u00e0 une affection clinique est suppos\u00e9e se distribuer de mani\u00e8re h\u00e9t\u00e9rog\u00e8ne \u00e0 travers trois classes d’\u00e2ge : les jeunes adultes (probabilit\u00e9 attendue de 20 pour cent), les adultes d’\u00e2ge moyen (50 pour cent) et les seniors (30 pour cent). Soumettre un \u00e9chantillon de patients \u00e0 un test d’\u00e9quiprobabilit\u00e9 attribuant un tiers des observations \u00e0 chaque groupe constituerait une erreur m\u00e9thodologique r\u00e9dhibitoire qui masquerait la v\u00e9ritable nature des divergences cliniques observ\u00e9es.<\/p>\n Pour adresser ces situations complexes, SAS int\u00e8gre un m\u00e9canisme de param\u00e9trage explicite des probabilit\u00e9s th\u00e9oriques. Il permet au chercheur d’abandonner l’\u00e9quiprobabilit\u00e9 standard pour injecter son propre vecteur probabiliste. Ce m\u00e9canisme transforme PROC FREQ en un instrument d’\u00e9valuation d’une souplesse absolue, apte \u00e0 v\u00e9rifier l’ad\u00e9quation de n’importe quel mod\u00e8le discret univari\u00e9 issu de la th\u00e9orie des probabilit\u00e9s ou de l’exp\u00e9rimentation de terrain.<\/p>\n L’op\u00e9rationnalisation d’une distribution th\u00e9orique personnalis\u00e9e dans PROC FREQ s’effectue au moyen de l’option TESTP=(…), directement greff\u00e9e sur l’instruction TABLES en compl\u00e9ment de l’option CHISQ. La syntaxe g\u00e9n\u00e9rale prend la forme tables MaVariable \/ chisq testp=(p1, p2, …, pk);, o\u00f9 les valeurs pi repr\u00e9sentent les pourcentages th\u00e9oriques postul\u00e9s pour chaque niveau successif de la variable d’\u00e9tude.<\/p>\n L’utilisation de l’option TESTP ob\u00e9it \u00e0 deux r\u00e8gles syntaxiques et math\u00e9matiques absolues impos\u00e9es par le compilateur SAS. La premi\u00e8re contrainte stipule que la sommation de l’ensemble des proportions sp\u00e9cifi\u00e9es entre parenth\u00e8ses doit \u00eatre rigoureusement \u00e9gale \u00e0 100 si l’on emploie des pourcentages, ou \u00e0 1 si l’on renseigne des fractions probabilistes d\u00e9cimales. Tout \u00e9cart par rapport \u00e0 cette somme unitaire entra\u00eene l’interruption imm\u00e9diate de l’ex\u00e9cution proc\u00e9durale avec inscription d’un message d’erreur bloquant dans le journal SAS LOG.<\/p>\n La seconde r\u00e8gle, source fr\u00e9quente d’erreurs m\u00e9thodologiques chez les praticiens non avertis, concerne l’alignement s\u00e9quentiel des probabilit\u00e9s. SAS assigne les valeurs du vecteur TESTP aux modalit\u00e9s de la variable d’int\u00e9r\u00eat selon l’ordre interne de tri de ces modalit\u00e9s au sein de la proc\u00e9dure. D\u00e8s lors, si la proc\u00e9dure fonctionne sous son ordre de tri alphab\u00e9tique par d\u00e9faut, la premi\u00e8re proportion p1 sera in\u00e9vitablement affect\u00e9e \u00e0 la modalit\u00e9 apparaissant en premier par ordre alphab\u00e9tique, et non \u00e0 celle apparaissant en t\u00eate de la table de donn\u00e9es brute. Pour \u00e9viter toute inversion dramatique d’attribution probabiliste, il est vivement recommand\u00e9 de combiner l’option ORDER=DATA avec TESTP=(…) ou de valider avec une rigueur absolue la concordance entre la s\u00e9quence des proportions d\u00e9clar\u00e9es et l’ordre d’affichage des modalit\u00e9s dans le tableau descriptif produit par SAS.<\/p>\n Pour illustrer la mise en \u0153uvre empirique de distributions asym\u00e9triques, consid\u00e9rons une \u00e9tude en neuro-ergonomie comportementale examinant le temps de r\u00e9action des op\u00e9rateurs face \u00e0 trois interfaces visuelles d’alerte : l’interface Alpha, l’interface B\u00eata et l’interface Gamma. La litt\u00e9rature th\u00e9orique et les mod\u00e8les biom\u00e9caniques de saillance sensorielle pr\u00e9disent que, sous des conditions d’attention standardis\u00e9es, les op\u00e9rateurs devraient orienter pr\u00e9f\u00e9rentiellement leur premier regard vers Alpha dans 50 pour cent des cas, vers B\u00eata dans 35 pour cent des situations, et vers Gamma dans seulement 15 pour cent des occurrences.<\/p>\n L’\u00e9chantillon exp\u00e9rimental recueilli aupr\u00e8s de 100 participants rapporte une distribution empirique constatant 45 s\u00e9lections pour Alpha, 40 s\u00e9lections pour B\u00eata et 15 s\u00e9lections pour Gamma. L’instruction SAS d\u00e9di\u00e9e s’articulera sous la forme tables Interface \/ chisq testp=(50, 35, 15); en s’assurant pr\u00e9alablement que les interfaces sont tri\u00e9es dans l’ordre Alpha, B\u00eata, puis Gamma. Lors de l’ex\u00e9cution, SAS calcule les effectifs attendus sous H0 en appliquant ces ratios sp\u00e9cifiques \u00e0 la taille N (soit respectivement 50, 35 et 15 sujets attendus).<\/p>\n La confrontation entre les effectifs observ\u00e9s (45, 40, 15) et attendus (50, 35, 15) g\u00e9n\u00e8re alors une statistique de Pearson refl\u00e9tant strictement l’\u00e9cart au mod\u00e8le de saillance th\u00e9orique. En comparant les r\u00e9sultats de cette mod\u00e9lisation asym\u00e9trique avec ceux qu’aurait produits un test d’\u00e9quiprobabilit\u00e9 standard (qui aurait postul\u00e9 33,33 pour cent d’attente pour chaque interface), le chercheur pr\u00e9serve la validit\u00e9 \u00e9cologique de sa d\u00e9marche et \u00e9vite de rejeter \u00e0 tort un mod\u00e8le th\u00e9orique robuste en raison d’une mod\u00e9lisation statistique inadapt\u00e9e.<\/p>\n L’ex\u00e9cution de la proc\u00e9dure PROC FREQ enrichie de l’option CHISQ g\u00e9n\u00e8re au sein de l’afficheur ODS un premier tableau fondamental structurant les m\u00e9triques univari\u00e9es de chaque classe. Ce tableau pr\u00e9sente, pour chaque jour de la semaine dans notre exemple commercial, quatre colonnes cl\u00e9s : l’effectif observ\u00e9 (Frequency<\/em>), l’effectif th\u00e9orique attendu sous H0 (Expected<\/em>), l’\u00e9cart brut entre observation et pr\u00e9diction (Deviation<\/em>), et la contribution quadratique sp\u00e9cifique de la cat\u00e9gorie \u00e0 la statistique globale (Chi-Square Contribution<\/em>).<\/p>\n L’examen minutieux de ce tableau permet d’identifier pr\u00e9cis\u00e9ment l’architecture de la variabilit\u00e9 empirique au sein de l’\u00e9chantillon de 200 clients. Les effectifs attendus sont rigoureusement fix\u00e9s \u00e0 40,000 pour chaque modalit\u00e9 sous l’hypoth\u00e8se d’uniformit\u00e9. Les d\u00e9viations s’\u00e9tablissent donc \u00e0 +10 pour le lundi, +20 pour le mardi, 0 pour le mercredi, +7 pour le jeudi et +13 pour le vendredi. On note imm\u00e9diatement que le mardi et le vendredi concentrent les divergences positives les plus accentu\u00e9es, sugg\u00e9rant une propension marqu\u00e9e de la client\u00e8le \u00e0 privil\u00e9gier ces journ\u00e9es sp\u00e9cifiques.<\/p>\n La colonne des contributions au khi-deux r\u00e9v\u00e8le la part relative de responsabilit\u00e9 de chaque cellule dans le r\u00e9sultat global du test. Calcul\u00e9e comme le quotient de la d\u00e9viation au carr\u00e9 par l’effectif attendu, la contribution s’\u00e9l\u00e8ve \u00e0 2,500 pour le lundi (100 divis\u00e9 par 40), 10,000 pour le mardi (400 divis\u00e9 par 40), 0,000 pour le mercredi (0 divis\u00e9 par 40), 1,225 pour le jeudi (49 divis\u00e9 par 40) et 4,225 pour le vendredi (169 divis\u00e9 par 40). Il appara\u00eet avec une nettet\u00e9 statistique indiscutable que la journ\u00e9e du mardi g\u00e9n\u00e8re \u00e0 elle seule plus de la moiti\u00e9 de l’ampleur totale de la statistique empirique, constituant le moteur principal de l’asym\u00e9trie constat\u00e9e.<\/p>\n Le second bloc de r\u00e9sultats fourni par SAS, intitul\u00e9 Chi-Square Test for Equal Proportions<\/em>, synth\u00e9tise les grandeurs d’inf\u00e9rence d\u00e9cisionnelle globale. La premi\u00e8re m\u00e9trique mise en exergue est la valeur num\u00e9rique sommative de la statistique de Pearson (Chi-Square<\/em>). Dans notre cas d’\u00e9tude, cette valeur s’obtient par l’addition exacte des contributions locales d\u00e9termin\u00e9es pr\u00e9c\u00e9demment : 2,500 + 10,000 + 0,000 + 1,225 + 4,225 = 17,950. Cette grandeur quantitative mesure l’\u00e9loignement global absolu entre la distribution observ\u00e9e des clients et l’hypoth\u00e8se d’\u00e9quiprobabilit\u00e9 hebdomadaire.<\/p>\n La ligne imm\u00e9diatement cons\u00e9cutive indique la valeur des degr\u00e9s de libert\u00e9, d\u00e9sign\u00e9e sous l’acronyme DF pour Degrees of Freedom<\/em>. Conform\u00e9ment aux r\u00e8gles d’inf\u00e9rence \u00e9tablies, la variable Day comprenant cinq modalit\u00e9s discr\u00e8tes (k = 5) et aucune estimation de param\u00e8tre n’ayant \u00e9t\u00e9 requise \u00e0 partir de l’\u00e9chantillon, le nombre de degr\u00e9s de libert\u00e9 r\u00e9siduels s’\u00e9l\u00e8ve rigoureusement \u00e0 DF = 5 – 1 = 4. Cette grandeur d\u00e9termine la fonction de densit\u00e9 de probabilit\u00e9 th\u00e9orique continue du khi-deux sur laquelle va \u00eatre projet\u00e9e la statistique observ\u00e9e de 17,950.<\/p>\n Pour appr\u00e9cier la significativit\u00e9 de cette statistique en dehors de la p-valeur automatis\u00e9e, le chercheur peut confronter la valeur calcul\u00e9e de 17,950 au seuil critique tabul\u00e9 pour 4 degr\u00e9s de libert\u00e9 au seuil de risque standard de 5 pour cent (alpha = 0,05). Dans les tables probabilistes conventionnelles, la valeur critique seuil pour un test bilat\u00e9ral \u00e0 DF = 4 s’\u00e9tablit \u00e0 9,488. \u00c9tant donn\u00e9 que la statistique empirique observ\u00e9e (17,950) exc\u00e8de tr\u00e8s largement le seuil critique d’invalidation (17,950 est sup\u00e9rieur \u00e0 9,488), l’\u00e9chantillon d’observations se situe profond\u00e9ment ancr\u00e9 au sein de la zone de rejet critique de l’hypoth\u00e8se nulle.<\/p>\n La d\u00e9cision inf\u00e9rentielle formelle repose sur la ligne identifi\u00e9e dans la sortie SAS par le libell\u00e9 probabiliste Pr > ChiSq. Cette valeur num\u00e9rique correspond rigoureusement \u00e0 l’int\u00e9grale de la fonction de densit\u00e9 du khi-deux \u00e0 4 degr\u00e9s de libert\u00e9 calcul\u00e9e depuis la valeur de la statistique observ\u00e9e (17,950) jusqu’\u00e0 l’infini positif. Elle quantifie pr\u00e9cis\u00e9ment la probabilit\u00e9 d’obtenir, par le seul fait des fluctuations d’\u00e9chantillonnage al\u00e9atoire, une statistique du khi-deux au moins aussi extr\u00eame que celle observ\u00e9e, sous l’hypoth\u00e8se v\u00e9rifi\u00e9e o\u00f9 les clients fr\u00e9quenteraient le magasin de mani\u00e8re parfaitement \u00e9quiprobable au cours de la semaine.<\/p>\n Dans l’analyse ex\u00e9cut\u00e9e sur nos donn\u00e9es d’exemple, SAS affiche une p-valeur \u00e9gale \u00e0 0,0013. Ce r\u00e9sultat indique qu’il n’existe qu’environ treize chances sur dix mille de constater une telle h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 d’affluence sous la stricte hypoth\u00e8se de validit\u00e9 de l’\u00e9quiprobabilit\u00e9 postul\u00e9e par le commer\u00e7ant. En comparant formellement cette valeur observ\u00e9e au seuil conventionnel alpha fix\u00e9 \u00e0 0,05 (ou m\u00eame \u00e0 un seuil conservateur de 0,01), le constat est sans \u00e9quivoque : la p-valeur observ\u00e9e est tr\u00e8s inf\u00e9rieure au seuil alpha critique (p = 0,0013 < 0,05).<\/p>\n La r\u00e8gle de d\u00e9cision statistique standard s’applique d\u00e8s lors dans toute sa rigueur : l’hypoth\u00e8se nulle H0 d’\u00e9quiprobabilit\u00e9 des visites de clients au cours des jours ouvr\u00e9s de la semaine est formellement rejet\u00e9e au profit de l’hypoth\u00e8se alternative H1. L’analyste conclut avec un degr\u00e9 de confiance sup\u00e9rieur \u00e0 99,8 pour cent que l’affluence de la client\u00e8le au sein de ce magasin de d\u00e9tail est structurellement et significativement asym\u00e9trique \u00e0 travers les jours de la semaine consid\u00e9r\u00e9e.<\/p>\n Le rejet statistique sans \u00e9quivoque de l’hypoth\u00e8se nulle entra\u00eene des cons\u00e9quences manag\u00e9riales et op\u00e9rationnelles imm\u00e9diates pour la gestion commerciale de l’\u00e9tablissement \u00e9tudi\u00e9. L’affirmation historique du gestionnaire postulant un volume constant et uniforme de chalands du lundi au vendredi est formellement invalid\u00e9e par l’\u00e9preuve d’ad\u00e9quation. Les donn\u00e9es d\u00e9montrent une polarisation marqu\u00e9e de l’activit\u00e9, caract\u00e9ris\u00e9e par une surrepr\u00e9sentation massive de la fr\u00e9quentation lors de la journ\u00e9e du mardi (60 clients observ\u00e9s contre 40 attendus), compl\u00e9t\u00e9e par un pic secondaire lors du vendredi (53 clients).<\/p>\n D’un point de vue logistique et organisationnel, ce diagnostic inf\u00e9rentiel impose une r\u00e9vision substantielle de la planification des ressources humaines et des op\u00e9rations de r\u00e9approvisionnement des stocks. Maintenir une dotation uniforme en personnel d’accueil et de vente tout au long de la semaine constitue une allocation inefficace des ressources. La direction du point de vente gagne \u00e0 r\u00e9orienter les effectifs pour renforcer la pr\u00e9sence en magasin le mardi et le vendredi, tout en all\u00e9geant la charge de personnel lors des journ\u00e9es structurellement plus calmes telles que le mercredi.<\/p>\n Il convient n\u00e9anmoins de rappeler une mise en garde m\u00e9thodologique fondamentale concernant la nature de la d\u00e9cision statistique en cas de non-rejet. Si, dans une configuration empirique alternative, la statistique du khi-deux avait conduit \u00e0 une p-valeur sup\u00e9rieure \u00e0 0,05, cette absence de significativit\u00e9 statistique n’aurait en aucun cas constitu\u00e9 une preuve formelle d’\u00e9quiprobabilit\u00e9 stricte. En \u00e9pist\u00e9mologie statistique, une absence de preuve n’\u00e9quivaut jamais \u00e0 une preuve d’absence. Un non-rejet indique simplement que les d\u00e9viations constat\u00e9es sont d’une magnitude compatible avec le jeu normal du hasard pour la taille d’\u00e9chantillon consid\u00e9r\u00e9e, maintenant l’hypoth\u00e8se nulle dans le champ du plausible sans jamais la prouver p\u00e9remptoirement.<\/p>\n L’obtention d’une p-valeur statistiquement significative informe sur l’existence d’une d\u00e9viation non imputable au hasard, mais ne renseigne en aucune mani\u00e8re sur l’ampleur pratique ou la magnitude concr\u00e8te de cette d\u00e9viation. En effet, sur un \u00e9chantillon gigantesque comprenant des dizaines de milliers d’observations, la moindre fluctuation marginale insignifiante d’un point de vue op\u00e9rationnel sera d\u00e9clar\u00e9e hautement significative (p < 0,001). C’est pourquoi la communaut\u00e9 scientifique contemporaine, align\u00e9e sur les pr\u00e9conisations de l’American Psychological Association<\/a>, impose syst\u00e9matiquement la restitution conjointe d’un indicateur standardis\u00e9 de taille d’effet.<\/p>\n Pour le test d’ad\u00e9quation du khi-deux univari\u00e9, la m\u00e9trique standard de r\u00e9f\u00e9rence pr\u00e9conis\u00e9e par Jacob Cohen est l’indice w de Cohen, alg\u00e9briquement \u00e9quivalent au V de Cramer univari\u00e9. Cet indice de corr\u00e9lation multinomiale sans dimension se d\u00e9finit math\u00e9matiquement comme la racine carr\u00e9e du quotient de la statistique empirique du khi-deux par la taille totale N de l’\u00e9chantillon. Pour notre \u00e9tude d’affluence, le calcul s’op\u00e8re par la division de la statistique obtenue (17,950) par l’effectif N (200), soit 0,08975, dont la racine carr\u00e9e livre un indice w d’environ 0,300 (arrondi au milli\u00e8me le plus proche).<\/p>\n La grille de lecture conventionnelle \u00e9tablie par Cohen pour le test d’ad\u00e9quation qualifie un effet d’indice w proche de 0,10 comme un effet faible, un indice avoisinant 0,30 comme un effet mod\u00e9r\u00e9 ou moyen, et une valeur sup\u00e9rieure ou \u00e9gale \u00e0 0,50 comme un effet de grande magnitude. Avec une valeur calcul\u00e9e d’exactement w = 0,300, notre \u00e9tude se positionne rigoureusement sur le seuil d’un effet mod\u00e9r\u00e9. L’asym\u00e9trie de la fr\u00e9quentation n’est donc pas un artefact technique d\u00fb \u00e0 la sensibilit\u00e9 d’un \u00e9chantillon hypertrophi\u00e9, mais traduit un ph\u00e9nom\u00e8ne comportemental d’une intensit\u00e9 concr\u00e8te et op\u00e9rationnelle tangible.<\/p>\n Ce calcul peut \u00eatre enti\u00e8rement automatis\u00e9 au sein de SAS \u00e0 l’aide d’une \u00e9tape DATA secondaire connect\u00e9e \u00e0 la table de sortie ODS captur\u00e9e pr\u00e9alablement :<\/p>\n Il suffit d’extraire la variable ChiSq de la table export\u00e9e et de lui appliquer la formule w = sqrt(ChiSq \/ 200). La programmation s\u00e9quentielle de cette \u00e9tape permet d’int\u00e9grer dynamiquement la taille d’effet directement dans les tables finales sans recourir \u00e0 des calculs manuels externes susceptibles d’introduire des erreurs d’arrondi.<\/p>\n La robustesse des inf\u00e9rences quantitatives requiert une \u00e9valuation rigoureuse de la puissance statistique, d\u00e9finie comme le compl\u00e9mentaire \u00e0 l’unit\u00e9 du risque d’erreur de deuxi\u00e8me esp\u00e8ce (not\u00e9 1 moins b\u00eata). La puissance mesure la capacit\u00e9 probabiliste d’un protocole exp\u00e9rimental \u00e0 d\u00e9tecter une divergence d’une magnitude donn\u00e9e d\u00e8s lors que celle-ci est r\u00e9ellement pr\u00e9sente dans la population parente. SAS met \u00e0 la disposition des chercheurs une proc\u00e9dure d\u00e9di\u00e9e d’une pr\u00e9cision remarquable : la proc\u00e9dure PROC POWER.<\/p>\n Dans le cadre d’un test d’ad\u00e9quation univari\u00e9, la proc\u00e9dure PROC POWER dispose d’instructions sp\u00e9cialis\u00e9es permettant de conduire des analyses de sensibilit\u00e9 a posteriori ou de planification prospective de taille d’\u00e9chantillon. En sp\u00e9cifiant l’instruction ONESAMPLEFREQ (ou par approximation via les modules de tables g\u00e9n\u00e9riques), le praticien peut renseigner le vecteur des probabilit\u00e9s th\u00e9oriques sous H0, le vecteur des probabilit\u00e9s anticip\u00e9es sous H1, le seuil de risque alpha et la taille de l’\u00e9chantillon N afin de d\u00e9terminer la puissance effectivement d\u00e9ploy\u00e9e lors de l’\u00e9tude.<\/p>\n Pour des investigations futures, l’analyse prospective s’av\u00e8re encore plus d\u00e9terminante. Si un chercheur envisage de r\u00e9pliquer l’\u00e9tude d’affluence dans une autre succursale commerciale en ciblant la d\u00e9tection d’un effet mod\u00e9r\u00e9 de Cohen (w = 0,30) avec une puissance standard rigoureuse de 80 pour cent (1 – b\u00eata = 0,80) \u00e0 un seuil de signification de 5 pour cent (alpha = 0,05) pour une variable \u00e0 4 degr\u00e9s de libert\u00e9, la proc\u00e9dure PROC POWER calculera l’effectif minimal exact requis. Pour cette configuration pr\u00e9cise, la r\u00e9solution num\u00e9rique d\u00e9montre qu’un effectif d’environ 133 observations est n\u00e9cessaire pour garantir une sensibilit\u00e9 suffisante, validant a posteriori que notre \u00e9chantillon de 200 individus disposait d’une puissance confortable sup\u00e9rieure \u00e0 90 pour cent pour invalider l’hypoth\u00e8se d’uniformit\u00e9.<\/p>\n L’une des limitations intrins\u00e8ques les plus redoutables du test d’ad\u00e9quation de Pearson r\u00e9side dans sa d\u00e9pendance fondamentale vis-\u00e0-vis des approximations asymptotiques. D\u00e8s lors que la taille totale de l’\u00e9chantillon N est restreinte ou que la distribution comporte des cat\u00e9gories tr\u00e8s rares, les effectifs th\u00e9oriques attendus sous H0 peuvent s’effondrer en de\u00e7\u00e0 du seuil critique de Cochran (effectifs th\u00e9oriques inf\u00e9rieurs \u00e0 5). Dans une telle configuration, la convergence vers la loi du khi-deux n’est plus math\u00e9matiquement assur\u00e9e, induisant une distorsion majeure des probabilit\u00e9s critiques calcul\u00e9es.<\/p>\n Pour surmonter radicalement cet obstacle sans biaiser l’analyse, SAS int\u00e8gre des algorithmes d’\u00e9num\u00e9ration combinatoire exacte bas\u00e9s sur l’extension du test exact multinomial de Fisher-Freeman-Halton. L’activation de cette m\u00e9thode s’op\u00e8re avec une simplicit\u00e9 d\u00e9concertante dans la proc\u00e9dure PROC FREQ par l’insertion de l’instruction ind\u00e9pendante exact chisq;. Cette directive ordonne au compilateur d’abandonner l’approximation de la densit\u00e9 continue et de calculer la p-valeur exacte par le d\u00e9nombrement probabiliste de toutes les configurations matricielles possibles conditionn\u00e9es par les marges observ\u00e9es.<\/p>\n Le tableau de sortie ODS produit alors une ligne analytique suppl\u00e9mentaire libell\u00e9e Exact Pr >= ChiSq<\/em>. Cette probabilit\u00e9 combinatoire exacte remplace l’approximation asymptotique et garantit une ma\u00eetrise absolue du taux d’erreur de premi\u00e8re esp\u00e8ce, m\u00eame en pr\u00e9sence d’effectifs th\u00e9oriques unitaires ou inf\u00e9rieurs \u00e0 3. Lorsque la combinatoire matricielle devient excessivement complexe sur de tr\u00e8s grandes tables, SAS permet d’adjoindre l’option MC \u00e0 l’instruction EXACT pour obtenir une approximation par simulation de Monte Carlo d’une pr\u00e9cision statistique extr\u00eame tout en pr\u00e9servant le temps de calcul machine.<\/p>\n Face \u00e0 la d\u00e9tection d’effectifs attendus d\u00e9ficitaires, une strat\u00e9gie corrective classique et pragmatique consiste \u00e0 op\u00e9rer un regroupement raisonn\u00e9 de classes \u00e9l\u00e9mentaires. En agr\u00e9geant deux ou plusieurs modalit\u00e9s adjacentes pr\u00e9sentant de faibles fr\u00e9quences d’apparition, le statisticien augmente m\u00e9caniquement l’effectif absolu de la modalit\u00e9 combin\u00e9e r\u00e9sultante, restaurant ainsi la conformit\u00e9 de l’\u00e9chantillon vis-\u00e0-vis de la r\u00e8gle de Cochran relative aux effectifs minimaux sup\u00e9rieurs \u00e0 cinq.<\/p>\n La mise en \u0153uvre de cette consolidation sous SAS s’ex\u00e9cute de mani\u00e8re \u00e9l\u00e9gante sans alt\u00e9rer le jeu de donn\u00e9es d’origine gr\u00e2ce aux formats personnalis\u00e9s de la proc\u00e9dure PROC FORMAT. Par exemple, si les journ\u00e9es du jeudi et du vendredi pr\u00e9sentaient des effectifs trop \u00e9tiques, un format de regroupement nomm\u00e9 $JOURFMT peut leur assigner une \u00e9tiquette commune unique telle que \u00ab\u00a0Fin_de_Semaine\u00a0\u00bb. L’application de ce format dans l’instruction format Day$<\/span>JOURFMT.; au sein de la proc\u00e9dure PROC FREQ force le moteur \u00e0 fusionner imm\u00e9diatement les deux niveaux sans n\u00e9cessiter de r\u00e9\u00e9criture de la table de donn\u00e9es.<\/p>\n Il convient n\u00e9anmoins de souligner les contreparties m\u00e9thodologiques et conceptuelles de cette pratique d’agr\u00e9gation. La fusion de cat\u00e9gories engendre syst\u00e9matiquement la perte d’un degr\u00e9 de libert\u00e9 pour chaque classe fusionn\u00e9e (r\u00e9duisant le nombre total de classes k), ce qui modifie la sensibilit\u00e9 du test. Plus grave encore, le regroupement de modalit\u00e9s cliniquement ou fonctionnellement h\u00e9t\u00e9rog\u00e8nes peut masquer des dynamiques r\u00e9elles et introduire un biais de sp\u00e9cification conceptuel. Tout regroupement de classes doit donc imp\u00e9rativement \u00eatre dict\u00e9 par une logique th\u00e9orique substantielle et non par une simple complaisance math\u00e9matique visant \u00e0 satisfaire artificiellement les crit\u00e8res de Cochran.<\/p>\n L’analyse des fr\u00e9quences cat\u00e9gorielles ne se cantonne pas \u00e0 la proc\u00e9dure PROC FREQ. Dans une perspective de mod\u00e9lisation statistique avanc\u00e9e, le test d’ad\u00e9quation univari\u00e9 s’inscrit au sein d’un cadre th\u00e9orique int\u00e9grateur plus large : la famille des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s (GLM), et plus sp\u00e9cifiquement la r\u00e9gression de Poisson et la mod\u00e9lisation log-lin\u00e9aire. SAS met \u00e0 disposition des analystes la proc\u00e9dure PROC GENMOD pour ex\u00e9cuter ces mod\u00e9lisations avec une flexibilit\u00e9 conceptuelle in\u00e9gal\u00e9e.<\/p>\n Lorsqu’un test d’ad\u00e9quation est param\u00e9tr\u00e9 dans PROC GENMOD, la variable de comptage (Customers) est mod\u00e9lis\u00e9e comme une variable r\u00e9ponse suivant une distribution de Poisson gouvern\u00e9e par un lien logarithmique (dist=poisson link=log). L’hypoth\u00e8se nulle d’uniformit\u00e9 revient \u00e0 tester un mod\u00e8le n’incorporant qu’un simple terme d’interception (intercept-only model), ou un mod\u00e8le avec offset repr\u00e9sentant les effectifs attendus sous H0. La d\u00e9viance globale du mod\u00e8le (Deviance<\/em>) calcul\u00e9e par la proc\u00e9dure GENMOD converge asymptotiquement vers la statistique du khi-deux du rapport de vraisemblance.<\/p>\n Le recours \u00e0 la proc\u00e9dure PROC GENMOD pr\u00e9sente des avantages m\u00e9thodologiques consid\u00e9rables d\u00e8s lors que l’on souhaite d\u00e9passer les limites du test d’ad\u00e9quation univari\u00e9 standard. Elle autorise notamment l’int\u00e9gration simultan\u00e9e de covariables d’ajustement continues (par exemple, la temp\u00e9rature m\u00e9t\u00e9orologique ext\u00e9rieure lors de chaque journ\u00e9e d’observation), la prise en charge des ph\u00e9nom\u00e8nes de surdispersion statistique via des lois binomiales n\u00e9gatives, et la mod\u00e9lisation d’effets d’autocorr\u00e9lation temporelle. L’analyste b\u00e9n\u00e9ficie ainsi d’un continuum m\u00e9thodologique fluide reliant l’\u00e9preuve \u00e9l\u00e9mentaire de Pearson aux architectures pr\u00e9dictives multivari\u00e9es les plus sophistiqu\u00e9es.<\/p>\n La communication des r\u00e9sultats statistiques au sein des revues scientifiques internationales exige le respect scrupuleux des normes de standardisation \u00e9dict\u00e9es par l’American Psychological Association dans sa septi\u00e8me \u00e9dition (manuel APA 7). Ces normes imposent un format typographique universel et une pr\u00e9cision d’information garantissant l’intelligibilit\u00e9, la reproductibilit\u00e9 et l’\u00e9valuation critique des calculs inf\u00e9rentiels par la communaut\u00e9 des pairs.<\/p>\n La restitution canonique d’un test d’ad\u00e9quation du khi-deux univari\u00e9 doit comporter, dans un ordre s\u00e9quentiel strict, l’identification du symbole statistique, les degr\u00e9s de libert\u00e9, la taille totale N de l’\u00e9chantillon entre parenth\u00e8ses, la valeur num\u00e9rique exacte de la statistique de test calcul\u00e9e, la probabilit\u00e9 critique p-valeur correspondante, et l’estimation standardis\u00e9e de la taille d’effet accompagn\u00e9e de son indice. Sur le plan typographique, les symboles statistiques d\u00e9sign\u00e9s par des lettres latines ou grecques (tels que N<\/em>, p<\/em>, w<\/em>, ainsi que le symbole du khi-carr\u00e9) doivent obligatoirement \u00eatre compos\u00e9s en caract\u00e8res italiques.<\/p>\n Conform\u00e9ment \u00e0 ces pr\u00e9ceptes, la r\u00e9daction institutionnelle des r\u00e9sultats obtenus dans notre \u00e9tude d’affluence s’articulera de la mani\u00e8re suivante dans le corps de texte d’un article scientifique :<\/p>\n \u00ab Un test d’ad\u00e9quation du khi-deux de Pearson a \u00e9t\u00e9 conduit afin de d\u00e9terminer si la fr\u00e9quentation de la client\u00e8le d’un magasin de d\u00e9tail se distribuait de mani\u00e8re uniforme \u00e0 travers les cinq jours ouvr\u00e9s de la semaine. L’analyse des fr\u00e9quences observ\u00e9es met en \u00e9vidence un rejet statistiquement significatif de l’hypoth\u00e8se d’\u00e9quiprobabilit\u00e9 hebdomadaire, avec une statistique du khi-carr\u00e9 \u00e0 quatre degr\u00e9s de libert\u00e9 sur un \u00e9chantillon de 200 clients s’\u00e9levant \u00e0 17,95 pour une probabilit\u00e9 critique p \u00e9gale \u00e0 0,001. La taille d’effet standardis\u00e9e correspondante, mesur\u00e9e par l’indice w de Cohen, s’\u00e9tablit \u00e0 0,30, attestant d’une divergence empirique d’amplitude mod\u00e9r\u00e9e par rapport au mod\u00e8le uniforme th\u00e9orique. Les donn\u00e9es r\u00e9v\u00e8lent une concentration pr\u00e9f\u00e9rentielle marqu\u00e9e des flux de client\u00e8le lors de la journ\u00e9e du mardi (avec 60 observations recens\u00e9es pour 40 attendues) ainsi que du vendredi (53 observ\u00e9s), tandis que l’affluence du mercredi se conforme rigoureusement aux pr\u00e9dictions th\u00e9oriques du mod\u00e8le. \u00bb<\/p>\n En compl\u00e9ment d’une restitution narrative fluide, l’int\u00e9gration d’un tableau synth\u00e9tique d’ad\u00e9quation renforce l’impact d\u00e9monstratif des publications acad\u00e9miques. Selon les standards APA 7, ce tableau doit \u00e9viter les lignes verticales de s\u00e9paration et ne comporter que trois lignes horizontales majeures : au sommet du tableau, sous la rang\u00e9e des en-t\u00eates de colonnes, et imm\u00e9diatement \u00e0 la base du tableau apr\u00e8s la ligne des totaux cumul\u00e9s.<\/p>\n Le tableau doit croiser m\u00e9thodiquement les modalit\u00e9s de la variable d’\u00e9tude avec quatre indicateurs essentiels : la fr\u00e9quence absolue observ\u00e9e, le pourcentage empirique correspondant, la fr\u00e9quence th\u00e9orique attendue sous le mod\u00e8le H0, ainsi que le r\u00e9sidu standardis\u00e9 (ou r\u00e9sidu ajust\u00e9 de Pearson). L’int\u00e9gration de cette derni\u00e8re grandeur est particuli\u00e8rement pr\u00e9cieuse : calcul\u00e9 comme le quotient de la d\u00e9viation (O moins E) par la racine carr\u00e9e de l’effectif attendu E, le r\u00e9sidu standardis\u00e9 se comporte asymptotiquement comme un score standard Z de loi normale centr\u00e9e r\u00e9duite. Toute cellule pr\u00e9sentant un r\u00e9sidu sup\u00e9rieur \u00e0 +1,96 ou inf\u00e9rieur \u00e0 -1,96 (au seuil de 5 pour cent) peut ainsi \u00eatre explicitement signal\u00e9e comme une source de divergence locale statistiquement significative, guidant le lecteur dans l’interpr\u00e9tation post-hoc des anomalies distributionnelles.<\/p>\n Enfin, l’exportation des visualisations graphiques issues de PROC SGPLOT vers des formats vectoriels de haute r\u00e9solution (tels que les formats SVG, PDF vectoriel ou EPS) permet de pr\u00e9server la nettet\u00e9 des polices de caract\u00e8res et des lignes de d\u00e9marcation lors de la photocomposition typographique finale de l’article. L’\u00e9cueil classique consistant \u00e0 interpr\u00e9ter une p-valeur significative comme l’indice d’une sup\u00e9riorit\u00e9 de toutes les cat\u00e9gories par rapport aux attentes est ainsi totalement dissip\u00e9 gr\u00e2ce \u00e0 la convergence synergique d’un tableau d’ad\u00e9quation r\u00e9siduel rigoureux et d’une repr\u00e9sentation graphique impeccablement calibr\u00e9e sous SAS.<\/p>\n American Psychological Association. (2020). Publication manual of the American Psychological Association<\/em> (7th ed.). American Psychological Association. https:\/\/doi.org\/10.1037\/0000165-000<\/a><\/p>\n Cochran, W. G. (1952). The chi-square test of goodness of fit. The Annals of Mathematical Statistics<\/em>, 23(3), 315\u2013345. https:\/\/doi.org\/10.1214\/aoms\/1177729380<\/a><\/p>\n Cochran, W. G. (1954). Some methods for strengthening the common chi-square tests. Biometrics<\/em>, 10(4), 417\u2013451. https:\/\/doi.org\/10.2307\/3001616<\/a><\/p>\n Cohen, J. (1988). Statistical power analysis for the behavioral sciences<\/em> (2nd ed.). Lawrence Erlbaum Associates. https:\/\/doi.org\/10.4324\/9780203771587<\/a><\/p>\n Freeman, G. H., & Halton, J. H. (1951). Note on an exact treatment of contingency, goodness of fit and other problems of significance. Biometrika<\/em>, 38(1\/2), 141\u2013149. https:\/\/doi.org\/10.2307\/2332323<\/a><\/p>\n Greenwood, P. E., & Nikulin, M. S. (1996). A guide to chi-squared testing<\/em>. John Wiley & Sons.<\/p>\n Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. Philosophical Magazine Series 5<\/em>, 50(302), 157\u2013175. https:\/\/doi.org\/10.1080\/14786440009463897<\/a><\/p>\n1.2 Formulation math\u00e9matique de la statistique de test<\/h3>\n
1.3 Pertinence m\u00e9thodologique en sciences du comportement et psychologie<\/h3>\n
2. Hypoth\u00e8ses statistiques et conditions d’application pr\u00e9alables<\/h2>\n
2.1 Exigences relatives \u00e0 l’\u00e9chantillonnage et aux effectifs th\u00e9oriques<\/h3>\n
2.2 Nature et \u00e9chelle de mesure des variables \u00e9tudi\u00e9es<\/h3>\n
2.3 \u00c9nonc\u00e9 rigoureux des hypoth\u00e8ses nulle (H0) et alternative (H1)<\/h3>\n
3. Pr\u00e9paration et structuration de l’environnement de travail dans SAS<\/h2>\n
3.1 Organisation de la session SAS et configuration des biblioth\u00e8ques<\/h3>\n
3.2 Diff\u00e9renciation des formats d’entr\u00e9e : donn\u00e9es brutes versus donn\u00e9es agr\u00e9g\u00e9es<\/h3>\n
4. \u00c9tape 1 : Cr\u00e9ation et importation de la table de donn\u00e9es SAS<\/h2>\n
4.1 Impl\u00e9mentation de l’\u00e9tape DATA pour le jeu de donn\u00e9es d’exemple<\/h3>\n
4.2 Examen et v\u00e9rification structurelle via la proc\u00e9dure PROC PRINT<\/h3>\n
![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/good1.jpg\")
<\/figure>\n4.3 Alternatives d’acquisition de donn\u00e9es externes dans SAS<\/h3>\n
5. Exploration descriptive initiale et validation des donn\u00e9es d’\u00e9chantillon<\/h2>\n
5.1 Calcul pr\u00e9alable des param\u00e8tres descriptifs \u00e9l\u00e9mentaires<\/h3>\n
5.2 Repr\u00e9sentation graphique exploratoire dans SAS<\/h3>\n
6. \u00c9tape 2 : Ex\u00e9cution de la proc\u00e9dure PROC FREQ pour le test d’ad\u00e9quation<\/h2>\n
6.1 Structure fondamentale de l’instruction PROC FREQ<\/h3>\n
6.2 R\u00f4le crucial de la clause CHISQ sur l’instruction TABLES<\/h3>\n
6.3 Pond\u00e9ration des cat\u00e9gories via l’instruction WEIGHT<\/h3>\n
7. D\u00e9cryptage approfondi de la syntaxe SAS : TABLES, CHISQ et WEIGHT<\/h2>\n
7.1 Param\u00e9trage des options d’affichage de tableaux dans PROC FREQ<\/h3>\n
7.2 Contr\u00f4le des d\u00e9cimales et formatage des tables de sortie<\/h3>\n
8. D\u00e9finition de distributions th\u00e9oriques personnalis\u00e9es avec l’option TESTP<\/h2>\n
8.1 Sortir de l’hypoth\u00e8se d’\u00e9quiprobabilit\u00e9 par d\u00e9faut<\/h3>\n
8.2 Syntaxe pratique et r\u00e8gles d’utilisation de TESTP=(…)<\/h3>\n
![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/good2.jpg\")
<\/figure>\n8.3 Application \u00e0 un cas asym\u00e9trique en psychologie exp\u00e9rimentale<\/h3>\n
9. Analyse d\u00e9taill\u00e9e et interpr\u00e9tation des sorties statistiques SAS<\/h2>\n
9.1 Lecture des r\u00e9sultats du tableau d’ad\u00e9quation univari\u00e9<\/h3>\n
9.2 Interpr\u00e9tation de la statistique du khi-deux et du degr\u00e9 de libert\u00e9<\/h3>\n
9.3 \u00c9valuation de la p-valeur (Pr > ChiSq)<\/h3>\n
10. Prise de d\u00e9cision statistique et calcul de la taille d’effet<\/h2>\n
10.1 Conclusion inf\u00e9rentielle relative au cas de l’affluence du magasin<\/h3>\n
10.2 Calcul de la taille d’effet : le V de Cramer et l’indice w de Cohen<\/h3>\n
10.3 Analyse de la puissance a posteriori et prospective<\/h3>\n
11. Diagnostic des violations d’hypoth\u00e8ses et alternatives m\u00e9thodologiques dans SAS<\/h2>\n
11.1 Traitement des faibles effectifs par les tests exacts<\/h3>\n
11.2 Regroupement empirique des modalit\u00e9s adjacentes<\/h3>\n
11.3 Alternatives non param\u00e9triques et mod\u00e9lisations g\u00e9n\u00e9ralis\u00e9es<\/h3>\n
12. R\u00e9daction des r\u00e9sultats selon les normes acad\u00e9miques et APA<\/h2>\n
12.1 Standardisation formelle de l’\u00e9criture statistique APA 7<\/h3>\n
12.2 Pr\u00e9sentation tabulaire et graphique des r\u00e9sultats acad\u00e9miques<\/h3>\n
R\u00e9f\u00e9rences<\/h2>\n