{"id":9186,"date":"2026-10-14T18:02:28","date_gmt":"2026-10-14T18:02:28","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-effectuer-test-t-echantillons-apparies-sas\/"},"modified":"2026-10-14T18:02:28","modified_gmt":"2026-10-14T18:02:28","slug":"comment-effectuer-test-t-echantillons-apparies-sas","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-effectuer-test-t-echantillons-apparies-sas","title":{"rendered":"Comment effectuer un test t pour \u00e9chantillons appari\u00e9s dans SAS"},"content":{"rendered":"

Dans le paysage contemporain de la recherche en psychologie, en neurosciences cognitives et en sciences du comportement, l’\u00e9valuation rigoureuse des changements intra-individuels constitue l’un des piliers m\u00e9thodologiques fondamentaux. Qu’il s’agisse de mesurer l’efficacit\u00e9 d’une psychoth\u00e9rapie innovante, d’analyser l’impact d’un entra\u00eenement cognitif informatis\u00e9 ou d’estimer les modifications psychophysiologiques cons\u00e9cutives \u00e0 un protocole de stress exp\u00e9rimental, les chercheurs recourent massivement \u00e0 des protocoles de mesures r\u00e9p\u00e9t\u00e9es. Au c\u0153ur de cette d\u00e9marche inf\u00e9rentielle, le test t<\/em> pour \u00e9chantillons appari\u00e9s s’impose comme l’outil statistique de r\u00e9f\u00e9rence pour comparer deux moyennes mesur\u00e9es sur les m\u00eames unit\u00e9s exp\u00e9rimentales ou sur des paires appari\u00e9es selon des crit\u00e8res stricts.<\/p>\n

L’utilisation de logiciels d’analyse de donn\u00e9es avanc\u00e9s est indispensable pour garantir l’int\u00e9grit\u00e9, la reproductibilit\u00e9 et la puissance des inf\u00e9rences statistiques. Parmi ces environnements computationnels, SAS (Statistical Analysis System)<\/a> demeure la r\u00e9f\u00e9rence institutionnelle et industrielle majeure, particuli\u00e8rement au sein des laboratoires de recherche biom\u00e9dicale, des consortiums de pharmacovigilance et des d\u00e9partements de psychom\u00e9trie quantitative. Gr\u00e2ce \u00e0 sa proc\u00e9dure native PROC TTEST<\/code> et \u00e0 son moteur de rendu ODS Graphics<\/code>, SAS offre une infrastructure logicielle d’une robustesse exceptionnelle, capable de traiter des architectures de donn\u00e9es complexes tout en g\u00e9n\u00e9rant des diagnostics d’ad\u00e9quation distributionnelle particuli\u00e8rement exhaustifs.<\/p>\n

Ce guide exhaustif a pour ambition d’accompagner les chercheurs, psychom\u00e9triciens et analystes de donn\u00e9es dans la ma\u00eetrise compl\u00e8te du test t<\/em> pour \u00e9chantillons appari\u00e9s sous SAS. Depuis les fondements \u00e9pist\u00e9mologiques et math\u00e9matiques du mod\u00e8le jusqu’\u00e0 la communication acad\u00e9mique des r\u00e9sultats selon les normes rigoureuses de l’American Psychological Association<\/em> (APA 7e<\/sup> \u00e9dition), chaque \u00e9tape sera d\u00e9cortiqu\u00e9e avec minutie. \u00c0 travers une \u00e9tude de cas clinique compl\u00e8te en neuropsychologie, nous explorerons la structuration des tables, l’ex\u00e9cution du code, la validation empirique des postulats sous-jacents, ainsi que le d\u00e9ploiement d’alternatives non param\u00e9triques et visuelles de pointe.<\/p>\n

1. Fondements conceptuels du test t pour \u00e9chantillons appari\u00e9s en psychologie<\/h2>\n

1.1 D\u00e9finition et nature des mesures r\u00e9p\u00e9t\u00e9es<\/h3>\n

Le principe de d\u00e9pendance statistique entre les paires d’observations repr\u00e9sente le concept central du test t<\/em> pour \u00e9chantillons appari\u00e9s (\u00e9galement nomm\u00e9 test t<\/em> pour mesures r\u00e9p\u00e9t\u00e9es ou d\u00e9pendantes). Contrairement \u00e0 un devis \u00e0 groupes ind\u00e9pendants o\u00f9 chaque condition exp\u00e9rimentale est assign\u00e9e \u00e0 des entit\u00e9s biologiques distinctes, le plan appari\u00e9 recueille plusieurs vecteurs de r\u00e9ponses aupr\u00e8s d’une seule et m\u00eame unit\u00e9 d’observation. Dans un tel cadre, les scores obtenus par un participant donn\u00e9 lors du temps initial et du temps subs\u00e9quent ne peuvent en aucun cas \u00eatre consid\u00e9r\u00e9s comme ind\u00e9pendants au sens probabiliste ; ils partagent une part substantielle de variance attribuable aux caract\u00e9ristiques intrins\u00e8ques, g\u00e9n\u00e9tiques, cognitives et sociod\u00e9mographiques de l’individu.<\/p>\n

Cette distinction m\u00e9thodologique fondamentale transforme radicalement l’architecture de l’erreur exp\u00e9rimentale. Dans un test pour \u00e9chantillons ind\u00e9pendants, la variance d’\u00e9chantillonnage agr\u00e8ge \u00e0 la fois la variabilit\u00e9 induite par le traitement et l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 naturelle existant entre les diff\u00e9rents participants (la variance interindividuelle). \u00c0 l’inverse, dans un protocole de mesures r\u00e9p\u00e9t\u00e9es, chaque participant agit comme son propre t\u00e9moin statistique. Cette propri\u00e9t\u00e9 d’auto-appariement permet de neutraliser la variance interindividuelle stable en soustrayant le score de base du score cons\u00e9cutif pour chaque entit\u00e9, isolant ainsi la pure variance intra-individuelle li\u00e9e \u00e0 l’effet temporel ou th\u00e9rapeutique.<\/p>\n

Dans les applications psychom\u00e9triques classiques, ce dispositif trouve son expression paradigmatique au sein des protocoles pr\u00e9-test et post-test. L’objectif consiste \u00e0 administrer une \u00e9chelle psychom\u00e9trique standardis\u00e9e avant l’introduction d’une variable ind\u00e9pendante manipul\u00e9e (par exemple, une rem\u00e9diation cognitive ou une exposition \u00e9motionnelle), puis de r\u00e9administrer le m\u00eame instrument de mesure, ou une forme parall\u00e8le rigoureusement calibr\u00e9e, au terme de la manipulation. Cette r\u00e9duction cibl\u00e9e du bruit de fond exp\u00e9rimental se traduit m\u00e9caniquement par une diminution marqu\u00e9e de l’erreur standard de la diff\u00e9rence, conf\u00e9rant au mod\u00e8le une puissance statistique hautement sup\u00e9rieure \u00e0 celle d’un devis transversal standard pour un effectif \u00e9quivalent.<\/p>\n

1.2 Hypoth\u00e8ses statistiques formelles<\/h3>\n

L’assise math\u00e9matique du test repose sur l’analyse de la variable al\u00e9atoire diff\u00e9rentielle, traditionnellement not\u00e9e D<\/em>, d\u00e9finie pour chaque participant i<\/em> par l’\u00e9quation Di<\/sub> = Xpost, i<\/sub> – Xpre, i<\/sub><\/em> (ou inversement selon l’orientation analytique adopt\u00e9e). D\u00e8s lors, l’inf\u00e9rence ne porte plus sur deux distributions bivari\u00e9es distinctes, mais se ram\u00e8ne formellement \u00e0 un test univari\u00e9 \u00e0 \u00e9chantillon unique appliqu\u00e9 sur le vecteur des diff\u00e9rences individuelles, confront\u00e9 \u00e0 une valeur th\u00e9orique de r\u00e9f\u00e9rence, g\u00e9n\u00e9ralement nulle.<\/p>\n

La formalisation rigoureuse de l’hypoth\u00e8se nulle (not\u00e9e H0<\/sub><\/em>) postule l’absence de divergence syst\u00e9matique au sein de la population parente, ce qui s’\u00e9nonce math\u00e9matiquement comme suit : H0<\/sub> : μD<\/sub> = 0<\/strong>, o\u00f9 μD<\/sub><\/em> d\u00e9signe l’esp\u00e9rance math\u00e9matique de la distribution des diff\u00e9rences intra-sujets. Cette formulation postule que les variations observ\u00e9es entre les deux temps d’\u00e9chantillonnage ne constituent que des fluctuations stochastiques al\u00e9atoires centr\u00e9es autour de z\u00e9ro.<\/p>\n

\u00c0 cette hypoth\u00e8se nulle s’oppose l’hypoth\u00e8se alternative bilat\u00e9rale (non directionnelle), not\u00e9e H1<\/sub> : μD<\/sub> ≠ 0<\/strong>. Cette derni\u00e8re postule l’existence d’une modification statistiquement d\u00e9tectable des scores moyens entre les deux conditions d’observation, sans pr\u00e9juger de la trajectoire positive ou r\u00e9gressive de cette variation. Ce param\u00e9trage bilat\u00e9ral constitue la norme de pr\u00e9caution \u00e9pist\u00e9mologique en recherche fondamentale, pr\u00e9venant les conclusions h\u00e2tives en cas d’effets iatrog\u00e8nes ou contre-intuitifs.<\/p>\n

N\u00e9anmoins, dans certains contextes th\u00e9rapeutiques ou \u00e9ducatifs rigoureusement balis\u00e9s par la litt\u00e9rature pr\u00e9alable, les investigateurs peuvent formaliser des hypoth\u00e8ses alternatives unilat\u00e9rales (directionnelles), formul\u00e9es sous les formes H1<\/sub> : μD<\/sub> > 0<\/em> (hypoth\u00e8se unilat\u00e9rale sup\u00e9rieure) ou H1<\/sub> : μD<\/sub> < 0<\/em> (hypoth\u00e8se unilat\u00e9rale inf\u00e9rieure). Quelle que soit la direction retenue, l’estimation ponctuelle de la m\u00e9trique diff\u00e9rentielle intra-individuelle acquiert une valeur probante majeure pour l’inf\u00e9rence causale, sous r\u00e9serve que les biais m\u00e9thodologiques longitudinaux aient \u00e9t\u00e9 rigoureusement neutralis\u00e9s.<\/p>\n

1.3 Pertinence du mod\u00e8le dans les plans quasi-exp\u00e9rimentaux<\/h3>\n

Dans les champs de la psychologie clinique, de la neuropsychologie et des sciences de l’\u00e9ducation, le recours \u00e0 une randomisation int\u00e9grale en double aveugle s’av\u00e8re fr\u00e9quemment irr\u00e9alisable pour des motifs d\u00e9ontologiques ou logistiques. Les chercheurs d\u00e9ploient alors des devis quasi-exp\u00e9rimentaux \u00e0 groupe unique pr\u00e9-post. Dans cette configuration, le test t<\/em> appari\u00e9 d\u00e9ploie toute sa pertinence m\u00e9thodologique en contr\u00f4lant de mani\u00e8re intrins\u00e8que une infinit\u00e9 de variables parasites invariantes dans le temps, telles que le niveau socio-\u00e9conomique initial, le capital g\u00e9n\u00e9tique, le quotient intellectuel pr\u00e9morbide ou les traits de personnalit\u00e9 structurels.<\/p>\n

Toutefois, la manipulation d’un tel plan d’exp\u00e9rience requiert une vigilance \u00e9pist\u00e9mologique accrue quant aux menaces pesant sur la validit\u00e9 interne. L’auto-appariement n’immunise pas l’exp\u00e9rimentateur contre les effets de maturation biologique ou psychologique spontan\u00e9e des sujets, ni contre l’impact de l’histoire externe survenant entre les deux sessions de mesure. De surcro\u00eet, le ph\u00e9nom\u00e8ne bien connu d’apprentissage du mat\u00e9riel de test (effet d’entra\u00eenement psychom\u00e9trique li\u00e9 \u00e0 la familiarit\u00e9 avec les stimuli) peut induire une \u00e9l\u00e9vation artificielle des performances au post-test, mimant un gain th\u00e9rapeutique fictif.<\/p>\n

Malgr\u00e9 ces limitations intrins\u00e8ques, le test t<\/em> appari\u00e9 demeure irrempla\u00e7able pour l’\u00e9valuation pr\u00e9liminaire d’interventions psychoth\u00e9rapeutiques cibl\u00e9es, la r\u00e9\u00e9ducation de fonctions ex\u00e9cutives chez des patients c\u00e9r\u00e9brol\u00e9s\u00e9s, ou le suivi longitudinal d’indicateurs de stress post-traumatique. Il permet d’\u00e9tablir rapidement si une variation comportementale d\u00e9passe l’amplitude du simple bruit de mesure instrumental.<\/p>\n

2. Conditions d’application et postulats statistiques sous-jacents<\/h2>\n

2.1 Postulat de normalit\u00e9 des scores de diff\u00e9rence<\/h3>\n

L’une des m\u00e9connaissances les plus r\u00e9pandues lors de la mise en \u0153uvre du test t<\/em> appari\u00e9 concerne la cible exacte du postulat de normalit\u00e9 distributionnelle. Il est fr\u00e9quemment affirm\u00e9 \u00e0 tort que les variables brutes recueillies au pr\u00e9-test et au post-test doivent obligatoirement suivre chacune une loi normale. En r\u00e9alit\u00e9, le mod\u00e8le math\u00e9matique n’exige nullement la normalit\u00e9 marginale des deux s\u00e9ries de donn\u00e9es brutes, mais se concentre exclusivement sur la normalit\u00e9 de la distribution univari\u00e9e des scores de diff\u00e9rence (Di<\/sub><\/em>). Deux distributions asym\u00e9triques ou bimodales au niveau des scores bruts peuvent parfaitement produire, par soustraction crois\u00e9e, une distribution diff\u00e9rentielle rigoureusement gaussienne.<\/p>\n

La statistique t<\/em> de Student pr\u00e9sente une vuln\u00e9rabilit\u00e9 notable face aux asym\u00e9tries prononc\u00e9es (skewness<\/em>) et aux exc\u00e8s d’aplatissement (kurtosis<\/em>) lorsque l’\u00e9chantillon comporte un faible nombre d’observations (typiquement N<\/em> < 30). Dans cette situation, les queues de distribution \u00e9paisses faussent consid\u00e9rablement l’estimation de l’erreur type de la moyenne diff\u00e9rentielle, ce qui alt\u00e8re le taux nominal d’erreur de premi\u00e8re esp\u00e8ce (α), augmentant le risque de faux positifs ou de fausses d\u00e9clarations de non-significativit\u00e9.<\/p>\n

Lorsque la taille de la cohorte s’accro\u00eet substantiellement, le th\u00e9or\u00e8me central limite<\/a> intervient comme un m\u00e9canisme de r\u00e9gulation statistique. En vertu de ce principe, la distribution d’\u00e9chantillonnage de la moyenne diff\u00e9rentielle converge asymptotiquement vers une loi normale, conf\u00e9rant au test t<\/em> une robustesse relative face aux d\u00e9viations mod\u00e9r\u00e9es de la normalit\u00e9 pour des cohortes de taille moyenne ou \u00e9lev\u00e9e. N\u00e9anmoins, la pr\u00e9sence de valeurs aberrantes (outliers<\/em>) demeure critique : un seul \u00e9cart extr\u00eame peut gonfler artificiellement la variance d’\u00e9chantillonnage sD<\/sub>2<\/sup><\/em>, \u00e9crasant la valeur de la statistique t<\/em> observ\u00e9e et masquant un effet exp\u00e9rimental bien r\u00e9el.<\/p>\n

2.2 Niveau de mesure et continuit\u00e9 des variables<\/h3>\n

Le formalisme sous-jacent \u00e0 la distribution t<\/em> de Student postule math\u00e9matiquement que la variable d\u00e9pendante investigu\u00e9e se d\u00e9ploie sur un continuum r\u00e9el continu, ou \u00e0 tout le moins selon une \u00e9chelle d’intervalles r\u00e9guliers. L’unit\u00e9 de mesure doit conserver une signification invariante sur l’ensemble de l’\u00e9tendue des valeurs observables, condition indispensable pour que le calcul de la moyenne arithm\u00e9tique et de l’\u00e9cart-type conserve une validit\u00e9 m\u00e9trique absolue.<\/p>\n

Cette condition pose un d\u00e9fi r\u00e9current en sciences sociales, o\u00f9 les instruments de mesure prennent fr\u00e9quemment la forme d’\u00e9chelles de Likert ordinales en 5 ou 7 points. Traiter directement les items ordinaux isol\u00e9s au moyen d’un test t<\/em> constitue une entorse m\u00e9thodologique, car les intervalles psychologiques entre deux \u00e9chelons successifs (par exemple, entre \u00ab tout \u00e0 fait d’accord \u00bb et \u00ab d’accord \u00bb) ne sont pas rigoureusement \u00e9quidistants. Les psychom\u00e9triciens recommandent de n’appliquer le test t<\/em> que sur des scores composites agr\u00e9g\u00e9s (sommes ou moyennes d’un grand nombre d’items standardis\u00e9s), dont les propri\u00e9t\u00e9s distributionnelles se rapprochent de la m\u00e9trique d’intervalle continu.<\/p>\n

La pr\u00e9servation rigoureuse de cette m\u00e9trique est un pr\u00e9requis non n\u00e9gociable au calcul du diff\u00e9rentiel intra-individuel. Si l’instrumentation subit une modification entre les deux phases d’\u00e9valuation (changement d’\u00e9talonnage, r\u00e9organisation des questions ou d\u00e9rive de sensibilit\u00e9 instrumentale), le score diff\u00e9rentiel Di<\/sub><\/em> perd toute coh\u00e9rence conceptuelle et refl\u00e8te un art\u00e9fact de mesure plut\u00f4t qu’une dynamique clinique r\u00e9elle.<\/p>\n

2.3 Ind\u00e9pendance des paires d’observations<\/h3>\n

Bien que le test t<\/em> pour \u00e9chantillons appari\u00e9s mod\u00e9lise explicitement la d\u00e9pendance statistique existant \u00e0 l’int\u00e9rieur de chaque paire de mesures, il impose une condition absolue d’ind\u00e9pendance statistique entre les diff\u00e9rentes paires ou unit\u00e9s d’observation. En des termes plus explicites, le vecteur de scores diff\u00e9rentiels du participant A<\/em> ne doit pr\u00e9senter aucune covariance r\u00e9siduelle ou corr\u00e9lation syst\u00e9matique avec le vecteur de scores diff\u00e9rentiels du participant B<\/em>.<\/p>\n

Cette condition d’ind\u00e9pendance inter-paires est fr\u00e9quemment menac\u00e9e dans les protocoles de psychologie sociale, organisationnelle ou clinique impliquant des interactions groupales. Si les participants suivent une th\u00e9rapie dispens\u00e9e sous forme de sessions de groupe, une contagion \u00e9motionnelle ou des dynamiques relationnelles communes introduisent une corr\u00e9lation intra-classe non n\u00e9gligeable. De fa\u00e7on similaire, l’inclusion de dyades pr\u00e9existantes (couples, jumeaux, coll\u00e8gues de travail) sans mod\u00e9lisation ad\u00e9quate viole le postulat d’ind\u00e9pendance entre les unit\u00e9s statistiques.<\/p>\n

L’omission de cette structure de regroupement entra\u00eene une sous-estimation syst\u00e9matique de la variance d’\u00e9chantillonnage r\u00e9elle et une inflation artificielle de l’erreur de type I. D\u00e8s lors que l’ind\u00e9pendance inter-paires n’est pas pleinement garantie, l’investigateur doit d\u00e9laisser le test t<\/em> classique au profit de mod\u00e8les multiniveaux ou de mod\u00e8les mixtes lin\u00e9aires capables de d\u00e9composer explicitement les strates de corr\u00e9lation.<\/p>\n

3. Structuration et encodage des donn\u00e9es dans l’environnement SAS<\/h2>\n
\"\"<\/figure>\n

3.1 Organisation en format large (Wide Format)<\/h3>\n

L’architecture computationnelle de SAS exige une structuration pr\u00e9cise de la table de donn\u00e9es pour la r\u00e9alisation d’analyses appari\u00e9es par le biais de la commande native PAIRED<\/code> de la proc\u00e9dure PROC TTEST<\/code>. Cette proc\u00e9dure n\u00e9cessite imp\u00e9rativement une disposition matricielle dite \u00ab en format large \u00bb (wide format<\/em>), par opposition au format \u00ab long \u00bb (long format<\/em>) g\u00e9n\u00e9ralement privil\u00e9gi\u00e9 pour les analyses de variance \u00e0 mesures r\u00e9p\u00e9t\u00e9es sous PROC GLM<\/code> ou les mod\u00e8les mixtes sous PROC MIXED<\/code>.<\/p>\n

Dans cette configuration en format large, chaque unit\u00e9 exp\u00e9rimentale (le participant) est repr\u00e9sent\u00e9e par une ligne unique au sein de la table SAS. Les diff\u00e9rents temps d’observation ou conditions appari\u00e9es sont d\u00e9clin\u00e9s de mani\u00e8re multidimensionnelle le long de cette ligne, sous forme de variables de colonnes distinctes. Ainsi, une ligne contiendra un identifiant sujet immuable, le score mesur\u00e9 au temps pr\u00e9-exp\u00e9rimental, et le score mesur\u00e9 au temps post-exp\u00e9rimental.<\/p>\n

L’attribution rigoureuse d’un identifiant unique (variable ID<\/code> ou Sujet<\/code>) est une prescription incontournable en psychom\u00e9trie quantitative. Elle permet de garantir la tra\u00e7abilit\u00e9 de chaque enregistrement individuel, d’\u00e9viter les doublons involontaires lors de fusions de bases et d’effectuer des v\u00e9rifications d’int\u00e9grit\u00e9 r\u00e9f\u00e9rentielle en cas d’anomalies de saisie.<\/p>\n

3.2 Cr\u00e9ation du jeu de donn\u00e9es via l’\u00e9tape DATA<\/h3>\n

La g\u00e9n\u00e9ration et la structuration des tables de donn\u00e9es analytiques s’op\u00e8rent nativement dans SAS gr\u00e2ce au bloc de programmation proc\u00e9durale fondamental nomm\u00e9 l’\u00e9tape DATA<\/code>. Cette structure algorithmique s\u00e9quentielle lit, formate et valide chaque vecteur d’observation avant son int\u00e9gration dans les biblioth\u00e8ques temporaires (WORK<\/code>) ou permanentes du logiciel.<\/p>\n

L’instruction INPUT<\/code> permet de sp\u00e9cifier la nomenclature analytique des variables et de d\u00e9terminer leur type (num\u00e9rique par d\u00e9faut, ou alphanum\u00e9rique \u00e0 l’aide du symbole dollar $<\/code>). Lorsque les donn\u00e9es cliniques sont directement ins\u00e9r\u00e9es au sein du script pour des motifs de reproductibilit\u00e9 ou d’exp\u00e9rimentation p\u00e9dagogique, l’instruction DATALINES<\/code> (ou son \u00e9quivalent historique CARDS<\/code>) signale au compilateur SAS que les lignes de texte subs\u00e9quentes constituent le flux d’enregistrement direct des donn\u00e9es.<\/p>\n

La ma\u00eetrise des d\u00e9limiteurs est primordiale sous l’\u00e9diteur de code SAS. Par d\u00e9faut, SAS utilise l’espace simple comme d\u00e9limiteur de champs. Si les observations comportent des d\u00e9limiteurs particuliers, tels que des tabulations ou des points-virgules caract\u00e9ristiques de fichiers d’exportation de batteries neuropsychologiques, l’instruction INFILE<\/code> combin\u00e9e \u00e0 l’option DLM=<\/code> s’av\u00e8re indispensable. D\u00e8s que la compilation s’ach\u00e8ve avec succ\u00e8s, l’inspection imm\u00e9diate du jeu de donn\u00e9es \u00e0 l’aide de la proc\u00e9dure de rapport PROC PRINT<\/code> constitue une mesure de contr\u00f4le qualit\u00e9 pr\u00e9alable non n\u00e9gociable.<\/p>\n

3.3 Traitement des valeurs manquantes et attrition exp\u00e9rimentale<\/h3>\n

L’un des d\u00e9fis majeurs inh\u00e9rents aux protocoles longitudinaux en psychologie concerne l’attrition exp\u00e9rimentale : d\u00e9sengagement des participants en cours d’\u00e9tude, abandons pour effets secondaires ou omissions accidentelles lors de la collecte des protocoles psychom\u00e9triques. Dans le vocabulaire SAS, une cellule num\u00e9rique d\u00e9pourvue d’information est conventionnellement cod\u00e9e par un point unique (.<\/code>).<\/p>\n

Face \u00e0 une ligne comportant une valeur manquante au pr\u00e9-test ou au post-test, le comportement par d\u00e9faut de la proc\u00e9dure PROC TTEST<\/code> repose sur la suppression observationnelle compl\u00e8te (listwise deletion<\/em> ou suppression ligne par ligne). Si un participant dispose d’une mesure initiale mais a manqu\u00e9 la session terminale, l’ensemble de son enregistrement est exclu de la confrontation statistique appari\u00e9e. Cette approche a pour cons\u00e9quence directe une r\u00e9duction m\u00e9canique de la taille effective de l’\u00e9chantillon analytique (Neffectif<\/sub><\/em>), grevant la puissance statistique a priori.<\/p>\n

Au-del\u00e0 de la perte purement quantitative de puissance, l’attrition introduit un risque s\u00e9rieux de biais de s\u00e9lection si le m\u00e9canisme sous-jacent n’est pas strictement al\u00e9atoire (donn\u00e9es manquantes au hasard, MAR, ou non al\u00e9atoires, MNAR). Si les patients pr\u00e9sentant les d\u00e9t\u00e9riorations cognitives les plus s\u00e9v\u00e8res abandonnent pr\u00e9f\u00e9rentiellement l’\u00e9tude, l’\u00e9chantillon restant ne refl\u00e8te plus que les individus r\u00e9silients, faussant dramatiquement l’estimation de l’efficacit\u00e9 du protocole. Les chercheurs doivent documenter scrupuleusement l’ampleur des abandons \u00e0 l’aide de proc\u00e9dures descriptives pr\u00e9liminaires.<\/p>\n

4. Syntaxe fondamentale et options avanc\u00e9es de PROC TTEST<\/h2>\n

4.1 Syntaxe de base de l’instruction PAIRED<\/h3>\n

La proc\u00e9dure PROC TTEST<\/a> constitue le moteur computationnel d\u00e9di\u00e9 \u00e0 l’inf\u00e9rence sur les moyennes dans l’\u00e9cosyst\u00e8me statistique SAS. Son architecture syntaxique a \u00e9t\u00e9 sp\u00e9cialement con\u00e7ue pour encapsuler la complexit\u00e9 de l’appariement bivari\u00e9 \u00e0 travers une formulation concise et \u00e9l\u00e9gante, centr\u00e9e sur l’instruction d\u00e9di\u00e9e PAIRED<\/code>.<\/p>\n

L’invocation g\u00e9n\u00e9rale du bloc analytique d\u00e9bute par la d\u00e9claration de la proc\u00e9dure, associ\u00e9e \u00e0 l’argument DATA=<\/code> pointant explicitement vers la table SAS contenant les observations. L’instruction cl\u00e9 s’articule sous la forme structurelle PAIRED Variable1 * Variable2;<\/code>. L’op\u00e9rateur ast\u00e9risque (*<\/code>) ne symbolise nullement une op\u00e9ration multiplicative, mais \u00e9tablit une conjonction d’appariement formel entre les deux espaces de mesure vectoriels au sein de chaque ligne de donn\u00e9es.<\/p>\n

Un aspect syntaxique fondamental \u00e0 ma\u00eetriser r\u00e9side dans la convention de soustraction interne adopt\u00e9e par les d\u00e9veloppeurs de SAS Institute : l’instruction PAIRED VarA * VarB;<\/code> ordonne math\u00e9matiquement au syst\u00e8me de calculer la diff\u00e9rence sous la forme Diff\u00e9rence = VarA – VarB<\/strong>. Si l’on souhaite analyser les gains temporels d\u00e9finis par le score post-test moins le score pr\u00e9-test, l’analyste doit formuler son instruction imp\u00e9rativement comme PAIRED Post * Pre;<\/code>. Enfin, la sp\u00e9cification du niveau de risque de premi\u00e8re esp\u00e8ce s’effectue globalement via l’option d’en-t\u00eate ALPHA=<\/code>, le standard acad\u00e9mique \u00e9tant fix\u00e9 \u00e0 ALPHA=0.05<\/code> pour un intervalle de confiance bilat\u00e9ral calibr\u00e9 \u00e0 95 %.<\/p>\n

4.2 Gestion des hypoth\u00e8ses directionnelles unilat\u00e9rales<\/h3>\n

Bien que le param\u00e9trage par d\u00e9faut de SAS privil\u00e9gie l’\u00e9valuation bilat\u00e9rale standard (d\u00e9tection d’une alt\u00e9ration ou d’une progression indistinctement), les r\u00e9alit\u00e9s exp\u00e9rimentales en psychoth\u00e9rapie cognitive justifient parfois le recours d\u00e9lib\u00e9r\u00e9 \u00e0 une inf\u00e9rence directionnelle unilat\u00e9rale. SAS permet de configurer cette sp\u00e9cification par l’entremise de l’option SIDES=<\/code> ins\u00e9r\u00e9e au niveau de l’instruction PROC TTEST<\/code>.<\/p>\n

Pour soumettre \u00e0 l’\u00e9preuve l’hypoth\u00e8se selon laquelle un entra\u00eenement cognitif produit une augmentation nette des capacit\u00e9s mn\u00e9siques (H1<\/sub> : μPost<\/sub> – μPre<\/sub> > 0<\/em>), l’analyste renseigne l’option SIDES=U<\/code> (pour Upper-tailed<\/em>). Cette commande demande \u00e0 l’algorithme de concentrer l’int\u00e9gralit\u00e9 de la r\u00e9gion de rejet de probabilit\u00e9 α dans la queue sup\u00e9rieure de la distribution de Student de r\u00e9f\u00e9rence. Inversement, l’instruction SIDES=L<\/code> (pour Lower-tailed<\/em>) est r\u00e9serv\u00e9e aux contextes o\u00f9 l’intervention vise une r\u00e9duction cibl\u00e9e d’un score symptomatique, tel que l’inventaire d’anxi\u00e9t\u00e9 de Beck ou l’\u00e9chelle de d\u00e9pression de Hamilton (H1<\/sub> : μPost<\/sub> – μPre<\/sub> < 0<\/em>).<\/p>\n

L’adoption d’un test unilat\u00e9ral modifie substantiellement le calcul de la valeur p<\/em> r\u00e9sultante, qui se trouve pour l’essentiel divis\u00e9e par deux si la d\u00e9viation observ\u00e9e s’oriente dans le sens pr\u00e9dit, ainsi que les intervalles de confiance associ\u00e9s qui se transforment en bornes unilat\u00e9rales ferm\u00e9es d’un seul c\u00f4t\u00e9. Cette strat\u00e9gie exige une justification th\u00e9orique rigoureuse r\u00e9dig\u00e9e en amont de toute inspection des donn\u00e9es, afin de proscrire toute d\u00e9rive vers des pratiques m\u00e9thodologiquement contestables.<\/p>\n

4.3 Contr\u00f4le des sorties ODS Graphics<\/h3>\n

L’un des atouts d\u00e9terminants de SAS r\u00e9side dans l’int\u00e9gration native du syst\u00e8me graphique ODS (Output Delivery System) Graphics<\/code>. Lorsqu’il est initialis\u00e9 via la directive globale ODS GRAPHICS ON;<\/code>, ce module intercepte l’ex\u00e9cution de la proc\u00e9dure PROC TTEST<\/code> pour produire automatiquement un ensemble coordonn\u00e9 de visualisations diagnostiques \u00e0 haute r\u00e9solution typographique.<\/p>\n

L’instruction fine de cette couche de visualisation s’op\u00e8re par le biais de l’option proc\u00e9durale PLOTS=<\/code>. L’analyste peut s\u00e9lectionner de mani\u00e8re exhaustive les \u00e9l\u00e9ments graphiques pertinents pour son diagnostic en requ\u00e9rant par exemple PLOTS(SHOWROWS=ALL)=(SUMMARYPLOT AGREEMENTPLOT PROFILES)<\/code>. Ces commandes g\u00e9n\u00e8rent respectivement un panneau r\u00e9capitulatif montrant la moyenne diff\u00e9rentielle encadr\u00e9e de son intervalle de confiance, un trac\u00e9 de concordance test-retest confrontant chaque paire \u00e0 la bissectrice d’identit\u00e9 parfaite, et un graphe de profils retra\u00e7ant le faisceau des trajectoires individuelles.<\/p>\n

Ces figures vectorielles peuvent \u00eatre directement export\u00e9es vers des formats de publication professionnelle (tels que TIFF haute r\u00e9solution, PDF vectoriel ou SVG) gr\u00e2ce aux instructions de routage ODS LISTING GPATH='chemin\/disque';<\/code>. Ce pipeline automatis\u00e9 assure une transition fluide entre la mod\u00e9lisation statistique pure et la pr\u00e9paration des manuscrits pour les comit\u00e9s de lecture des revues internationales de psychologie.<\/p>\n

5. \u00c9tude de cas clinique : Programme d’intervention cognitive<\/h2>\n

5.1 Contextualisation du devis de recherche<\/h3>\n

Afin d’ancrer notre expos\u00e9 dans les exigences pratiques d’un laboratoire de neuropsychologie clinique, consid\u00e9rons un protocole de recherche translationnelle destin\u00e9 \u00e0 \u00e9valuer l’impact d’un programme d’entra\u00eenement intensif de la m\u00e9moire de travail chez des adultes d’\u00e2ge m\u00fbr signalant un d\u00e9clin subjectif de leurs facult\u00e9s cognitives. Ce protocole a re\u00e7u l’approbation d’un comit\u00e9 d’\u00e9thique hospitalo-universitaire et s’\u00e9tale sur une dur\u00e9e de six semaines cons\u00e9cutives.<\/p>\n

L’\u00e9chantillon exp\u00e9rimental se compose de 15 participants cons\u00e9cutifs r\u00e9pondant aux crit\u00e8res d’inclusion (N<\/em> = 15). Chaque sujet a \u00e9t\u00e9 soumis, 48 heures avant l’initiation du programme (\u00e9valuation Pre_Test<\/code>), \u00e0 l’administration informatis\u00e9e du test d’empan complexe visuo-spatial (score composite standardis\u00e9 s’\u00e9tendant th\u00e9oriquement sur une \u00e9chelle continue de 0 \u00e0 100 points). \u00c0 l’issue des six semaines d’entra\u00eenement biquotidien sur tablette num\u00e9rique, les participants ont \u00e9t\u00e9 r\u00e9\u00e9valu\u00e9s dans des conditions exp\u00e9rimentales rigoureusement identiques (\u00e9valuation Post_Test<\/code>) \u00e0 l’aide d’une forme parall\u00e8le de l’\u00e9preuve.<\/p>\n

La question scientifique centrale consiste \u00e0 d\u00e9terminer si l’exposition au programme d’entra\u00eenement induit une am\u00e9lioration statistiquement significative et cliniquement relevante des performances de m\u00e9moire de travail. L’hypoth\u00e8se de travail postule un gain moyen positif entre la condition de base et la mesure post-interventionnelle.<\/p>\n

5.2 Impl\u00e9mentation du programme SAS complet<\/h3>\n

L’\u00e9tape pr\u00e9liminaire de notre analyse r\u00e9side dans l’encodage exhaustif des donn\u00e9es cliniques au sein de l’environnement SAS. Nous impl\u00e9mentons une \u00e9tape DATA<\/code> nomm\u00e9e Memoire_Clinique<\/code>, enrichie d’identifiants individuels textuels et des scores psychom\u00e9triques correspondants.<\/p>\n

Voici l’impl\u00e9mentation compl\u00e8te du code de structuration et de validation :<\/p>\n

\"\"<\/figure>\n

Le bloc de code SAS suivant mat\u00e9rialise l’int\u00e9gration des observations des 15 participants :<\/p>\n

\n
\n\/* Initialisation de l'\u00e9tape DATA pour l'\u00e9tude cognitive *\/
\nDATA Memoire_Clinique;
\n  INPUT ID_Patient $ Pre_Test Post_Test;
\n  LABEL Pre_Test = 'Empan Visuo-Spatial Pr\u00e9-Intervention'
\n        Post_Test = 'Empan Visuo-Spatial Post-Intervention';
\nDATALINES;
\nP01 54 62
\nP02 61 68
\nP03 48 55
\nP04 70 72
\nP05 55 60
\nP06 63 69
\nP07 59 58
\nP08 67 75
\nP09 52 59
\nP10 58 64
\nP11 65 71
\nP12 49 53
\nP13 72 78
\nP14 56 63
\nP15 62 67
\n;
\nRUN;<\/p>\n

\/* Contr\u00f4le d'int\u00e9grit\u00e9 via PROC PRINT *\/
\nPROC PRINT DATA=Memoire_Clinique NOOBS LABEL;
\nRUN;
\n<\/code>\n<\/p>\n

L’ex\u00e9cution de cette routine au sein de l’\u00e9diteur SAS entra\u00eene la cr\u00e9ation d’une table d’analyse temporaire propre. L’analyste se doit de consulter imm\u00e9diatement le journal d’ex\u00e9cution (la fen\u00eatre SAS Log<\/em>) afin de v\u00e9rifier l’absence d’erreurs syntaxiques, de messages d’incompatibilit\u00e9 de type (variables converties implicitement de caract\u00e8re \u00e0 num\u00e9rique) ou d’avertissements relatifs \u00e0 d’\u00e9ventuelles valeurs tronqu\u00e9es.<\/p>\n

5.3 Calcul explicite de la variable diff\u00e9rentielle<\/h3>\n

Bien que la commande PAIRED<\/code> de PROC TTEST<\/code> effectue en interne la soustraction arithm\u00e9tique sans n\u00e9cessiter la mat\u00e9rialisation d’une colonne tierce, la d\u00e9rivation explicite d’une variable de diff\u00e9rence au sein d’une \u00e9tape DATA<\/code> d\u00e9riv\u00e9e pr\u00e9sente un int\u00e9r\u00eat diagnostique et p\u00e9dagogique inestimable. Cette d\u00e9marche permet d’inspecter visuellement l’amplitude du changement chez chaque individu et de pr\u00e9parer le terrain pour les tests distributionnels univari\u00e9s.<\/p>\n

Nous construisons cette variable d\u00e9riv\u00e9e via le script suivant :<\/p>\n

\n
\n\/* Calcul explicite de la variable de changement individuel *\/
\nDATA Memoire_Diff;
\n  SET Memoire_Clinique;
\n  Diff_Score = Post_Test - Pre_Test;
\n  LABEL Diff_Score = 'Diff\u00e9rence Intra-Individuelle (Post - Pr\u00e9)';
\nRUN;
\n<\/code>\n<\/p>\n

L’inspection des scores diff\u00e9rentiels individuels (Diff_Score<\/em>) r\u00e9v\u00e8le imm\u00e9diatement une dynamique int\u00e9ressante : pour la grande majorit\u00e9 des participants (par exemple, P01 gagne +8 points, P08 progresse de +8 points), la trajectoire est ascendante. Cependant, des variations individuelles subsistent, \u00e0 l’image du participant P07 qui pr\u00e9sente une l\u00e9g\u00e8re r\u00e9gression de -1 point, illustrant l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des r\u00e9ponses th\u00e9rapeutiques au sein d’un \u00e9chantillon clinique r\u00e9el.<\/p>\n

6. V\u00e9rification empirique du postulat de normalit\u00e9 des \u00e9carts avec PROC UNIVARIATE<\/h2>\n

6.1 Syntaxe d’exploration distributionnelle<\/h3>\n

Avant d’accorder une quelconque validit\u00e9 inf\u00e9rentielle aux r\u00e9sultats issus du test t<\/em>, l’obligation m\u00e9thodologique absolue consiste \u00e0 soumettre la distribution de la variable de diff\u00e9rence (Diff_Score<\/em>) \u00e0 un examen exploratoire exhaustif. La proc\u00e9dure reine de l’arsenal SAS pour cette finalit\u00e9 est la puissante proc\u00e9dure PROC UNIVARIATE<\/code>.<\/p>\n

En adjoignant l’option g\u00e9n\u00e9rale NORMAL<\/code> \u00e0 l’en-t\u00eate de la commande, le chercheur somme SAS de calculer une batterie compl\u00e8te de tests d’ad\u00e9quation formels \u00e0 la loi normale. L’instruction secondaire QQPLOT<\/code> adjointe de l’option \/ NORMAL(MU=EST SIGMA=EST)<\/code> demande simultan\u00e9ment le trac\u00e9 d’un graphique quantile-quantile superposant les quantiles th\u00e9oriques d’une distribution gaussienne aux quantiles empiriques observ\u00e9s.<\/p>\n

Le bloc computationnel se formule comme suit :<\/p>\n

\n
\n\/* Diagnostic d'ad\u00e9quation distributionnelle sur la diff\u00e9rence *\/
\nPROC UNIVARIATE DATA=Memoire_Diff NORMAL;
\n  VAR Diff_Score;
\n  QQPLOT Diff_Score \/ NORMAL(MU=EST SIGMA=EST);
\nRUN;
\n<\/code>\n<\/p>\n

Cette commande g\u00e9n\u00e8re une d\u00e9composition syst\u00e9matique des statistiques descriptives fondamentales : moyenne arithm\u00e9tique, m\u00e9diane, mode, variance, \u00e9cart-type, ainsi que les coefficients d’asym\u00e9trie (skewness<\/em>) et d’aplatissement (kurtosis<\/em>). Pour une distribution normale standard, ces deux coefficients tendent th\u00e9oriquement vers z\u00e9ro.<\/p>\n

6.2 Interpr\u00e9tation du test de Shapiro-Wilk dans SAS<\/h3>\n

Au sein du tableau intitul\u00e9 Tests for Normality<\/em> fourni en sortie par SAS, quatre crit\u00e8res d’inf\u00e9rence coexistent : le test de Kolmogorov-Smirnov, le test de Cram\u00e9r-von Mises, le test d’Anderson-Darling et le prestigieux test de Shapiro-Wilk<\/a>. Pour les \u00e9chantillons d’effectif restreint ou mod\u00e9r\u00e9 (typiquement N<\/em> < 2000), le test de Shapiro-Wilk, d\u00e9sign\u00e9 par la statistique W<\/strong>, constitue la r\u00e9f\u00e9rence m\u00e9thodologique la plus robuste en raison de sa puissance sup\u00e9rieure face \u00e0 un large \u00e9ventail d’anomalies distributionnelles.<\/p>\n

L’hypoth\u00e8se nulle du test de Shapiro-Wilk stipule que l’\u00e9chantillon diff\u00e9rentiel provient d’une population parente distribu\u00e9e selon une loi normale. Par cons\u00e9quent, la r\u00e8gle de d\u00e9cision inf\u00e9rentielle s’\u00e9nonce comme suit :<\/p>\n