{"id":9261,"date":"2026-10-14T18:02:28","date_gmt":"2026-10-14T18:02:28","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-effectuer-une-regression-lineaire-simple-dans-sas\/"},"modified":"2026-10-14T18:02:28","modified_gmt":"2026-10-14T18:02:28","slug":"comment-effectuer-une-regression-lineaire-simple-dans-sas","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-effectuer-une-regression-lineaire-simple-dans-sas","title":{"rendered":"Comment effectuer une r\u00e9gression lin\u00e9aire simple dans SAS"},"content":{"rendered":"

La mod\u00e9lisation statistique constitue le socle fondamental sur lequel repose l’analyse quantitative contemporaine dans les sciences exactes, \u00e9conomiques, sociales et comportementales. Face \u00e0 la prolif\u00e9ration de donn\u00e9es multidimensionnelles, l’identification de structures relationnelles intelligibles demeure un d\u00e9fi permanent pour les chercheurs et les praticiens de la science des donn\u00e9es. Parmi l’\u00e9ventail des m\u00e9thodologies param\u00e9triques disponibles, l’analyse de r\u00e9gression lin\u00e9aire simple s’impose comme la cl\u00e9 de vo\u00fbte initiale permettant de formaliser, de tester et de quantifier l’influence exerc\u00e9e par une variable ind\u00e9pendante sur un ph\u00e9nom\u00e8ne d’int\u00e9r\u00eat continu.<\/p>\n

Le recours \u00e0 des environnements informatiques sp\u00e9cialis\u00e9s et hautement fiables s’av\u00e8re indispensable pour mener \u00e0 bien ces investigations quantitatives complexes. Le logiciel SAS (Statistical Analysis System<\/a>), reconnu \u00e0 l’\u00e9chelle internationale pour sa robustesse algorithmique, sa conformit\u00e9 aux exigences r\u00e9glementaires les plus strictes et sa puissance d’analyse, offre une infrastructure d’exception pour le traitement de la r\u00e9gression. Au moyen de proc\u00e9dures d\u00e9di\u00e9es telles que la proc\u00e9dure de r\u00e9gression lin\u00e9aire classique, le chercheur dispose d’un \u00e9cosyst\u00e8me exhaustif englobant aussi bien l’ajustement num\u00e9rique des coefficients que l’exploration des diagnostics d’influence et la visualisation des distributions d’erreurs.<\/p>\n

Le pr\u00e9sent article propose une d\u00e9marche m\u00e9thodique, exhaustive et rigoureuse pour ma\u00eetriser l’art et la science de la r\u00e9gression lin\u00e9aire simple sous SAS. Depuis les fondements math\u00e9matiques du crit\u00e8re d’optimalit\u00e9 de Gauss-Markov jusqu’\u00e0 la r\u00e9daction acad\u00e9mique des conclusions selon les normes de l’American Psychological Association, chaque \u00e9tape sera diss\u00e9qu\u00e9e avec pr\u00e9cision. \u00c0 travers un exemple empirique appliqu\u00e9 portant sur la relation entre le temps d’\u00e9tude et la performance acad\u00e9mique, ce guide offre une r\u00e9f\u00e9rence didactique compl\u00e8te pour transformer des donn\u00e9es brutes en d\u00e9ductions statistiques irr\u00e9futables.<\/p>\n

1. Introduction th\u00e9orique \u00e0 la r\u00e9gression lin\u00e9aire simple et mod\u00e9lisation statistique<\/h2>\n

1.1 D\u00e9finition et objectifs de la r\u00e9gression lin\u00e9aire simple<\/h3>\n

La r\u00e9gression lin\u00e9aire simple est une approche statistique param\u00e9trique con\u00e7ue pour mod\u00e9liser la relation lin\u00e9aire bivari\u00e9e entre deux variables m\u00e9triques quantitatives continues. D’un point de vue structural, cette d\u00e9marche repose sur une diff\u00e9renciation stricte des r\u00f4les op\u00e9rationnels d\u00e9volus aux entit\u00e9s \u00e9tudi\u00e9es. D’une part, la variable pr\u00e9dictive, traditionnellement d\u00e9sign\u00e9e comme variable explicative, ind\u00e9pendante ou r\u00e9gresseur (not\u00e9e X<\/em>), est pr\u00e9sum\u00e9e porter l’information structurante ou agir comme source de fluctuation. D’autre part, la variable r\u00e9ponse, \u00e9galement qualifi\u00e9e de variable d\u00e9pendante, crit\u00e8re ou variable d’effet (not\u00e9e Y<\/em>), repr\u00e9sente le ph\u00e9nom\u00e8ne dont la variabilit\u00e9 conditionnelle constitue l’objet principal de l’investigation empirique.<\/p>\n

Sur le plan t\u00e9l\u00e9ologique, la mise en \u0153uvre d’une telle mod\u00e9lisation r\u00e9pond \u00e0 une dualit\u00e9 d’objectifs fondamentaux en analyse de donn\u00e9es. Le premier objectif rel\u00e8ve de la pr\u00e9diction statistique : il s’agit d’estimer avec une marge d’incertitude quantifi\u00e9e la valeur conditionnelle attendue de la variable r\u00e9ponse pour une modalit\u00e9 sp\u00e9cifique observ\u00e9e ou projet\u00e9e de la variable ind\u00e9pendante. Le second objectif concerne l’explication et la description th\u00e9orique des relations associatives. Dans cette perspective, le mod\u00e8le permet de diss\u00e9quer la magnitude, l’orientation et la port\u00e9e substantielle du lien qui unit les ph\u00e9nom\u00e8nes observ\u00e9s. Toutefois, l’analyste rigoureux se doit de dissocier express\u00e9ment la covariation math\u00e9matique de toute causalit\u00e9 ontologique, l’affirmation d’un lien de causalit\u00e9 exigeant un contr\u00f4le exp\u00e9rimental strict ou des designs quasi-exp\u00e9rimentaux sp\u00e9cifiques.<\/p>\n

Dans l’arsenal m\u00e9thodologique de l’analyse quantitative et de la psychom\u00e9trie<\/a>, la r\u00e9gression bivari\u00e9e occupe une place n\u00e9vralgique. Elle constitue le cadre paradigmatique de transition entre la simple analyse de corr\u00e9lation, purement sym\u00e9trique et non directionnelle, et les architectures de mod\u00e9lisation plus complexes comme les r\u00e9gressions multiples, les analyses de covariance ou les syst\u00e8mes d’\u00e9quations structurelles. Sa ma\u00eetrise constitue une \u00e9tape obligatoire pour quiconque souhaite explorer les dynamiques empiriques au sein de distributions r\u00e9elles.<\/p>\n

1.2 Formulation de l’\u00e9quation du mod\u00e8le et des param\u00e8tres<\/h3>\n

La structure formelle de la r\u00e9gression lin\u00e9aire simple s’exprime au moyen d’une formulation math\u00e9matique postul\u00e9e au niveau de la population g\u00e9n\u00e9rale, dont d\u00e9coule la fonction d’ajustement empirique calcul\u00e9e sur un \u00e9chantillon repr\u00e9sentatif de taille d\u00e9termin\u00e9e. Au niveau de la population, l’esp\u00e9rance conditionnelle de la r\u00e9ponse s’\u00e9crit traditionnellement sous la forme :<\/p>\n

Y<\/em> = β0<\/sub> + β1<\/sub>X<\/em> + ε<\/p>\n

Dans cette formulation, β0<\/sub> et β1<\/sub> repr\u00e9sentent les param\u00e8tres d\u00e9terministes inconnus de la population, tandis que ε incarne la composante stochastique, c’est-\u00e0-dire le terme d’erreur al\u00e9atoire. Lorsque ce mod\u00e8le est ajust\u00e9 \u00e0 des donn\u00e9es observationnelles \u00e0 l’aide des estimateurs d’\u00e9chantillonnage b<\/em>0<\/sub> et b<\/em>1<\/sub>, l’\u00e9quation pr\u00e9dictive empirique de la valeur ajust\u00e9e prend la forme canonique :<\/p>\n

\u0177<\/em> = b<\/em>0<\/sub> + b<\/em>1<\/sub>x<\/em><\/p>\n

L’ordonn\u00e9e \u00e0 l’origine, incarn\u00e9e par le coefficient b<\/em>0<\/sub> (ou l’interception), d\u00e9signe la valeur moyenne conditionnelle pr\u00e9dite pour la variable r\u00e9ponse Y<\/em> lorsque la variable explicative X<\/em> est rigoureusement \u00e9gale \u00e0 z\u00e9ro. Bien que sa signification math\u00e9matique soit absolue, son interpr\u00e9tation ph\u00e9nom\u00e9nologique demeure tributaire de l’ancrage empirique de l’\u00e9tude. Si la valeur z\u00e9ro n’appartient pas au domaine de d\u00e9finition op\u00e9rationnel de la variable pr\u00e9dictive, ou si elle se r\u00e9v\u00e8le biologiquement ou conceptuellement absurde, l’ordonn\u00e9e \u00e0 l’origine doit \u00eatre interpr\u00e9t\u00e9e exclusivement comme une constante g\u00e9om\u00e9trique d’ajustement sans port\u00e9e physique imm\u00e9diate.<\/p>\n

\u00c0 l’inverse, la pente de r\u00e9gression repr\u00e9sent\u00e9e par le coefficient b<\/em>1<\/sub> capture le taux de variation marginal de la r\u00e9ponse. Elle quantifie math\u00e9matiquement le changement attendu de la valeur moyenne de Y<\/em> cons\u00e9cutif \u00e0 l’incr\u00e9mentation d’une unit\u00e9 scalaire de la variable explicative X<\/em>. Le signe de cette pente dicte la directionnalit\u00e9 de l’association, tandis que son amplitude absolue indique sa force de transmission. Enfin, l’introduction formelle du terme d’erreur r\u00e9siduelle ε refl\u00e8te l’impossibilit\u00e9 inh\u00e9rente de capturer l’int\u00e9gralit\u00e9 du r\u00e9el : il agr\u00e8ge toutes les influences omises, les erreurs d’observation instrumentales et l’ind\u00e9termination intrins\u00e8que propre aux dynamiques empiriques.<\/p>\n

1.3 Applications de la r\u00e9gression dans les sciences du comportement<\/h3>\n

Les sciences du comportement, la psychologie diff\u00e9rentielle, les sciences de l’\u00e9ducation et la sociologie quantitative font un usage intensif de la r\u00e9gression lin\u00e9aire bivari\u00e9e pour op\u00e9rationnaliser des paradigmes th\u00e9oriques complexes. Un champ d’application historique et particuli\u00e8rement f\u00e9cond r\u00e9side dans l’analyse de la performance acad\u00e9mique. Dans ces mod\u00e9lisations, le temps d’investissement cognitif ou le volume d’heures consacr\u00e9es aux r\u00e9visions p\u00e9dagogiques est fr\u00e9quemment op\u00e9rationnalis\u00e9 comme r\u00e9gresseur dans le but de pr\u00e9voir le niveau d’acquisition des comp\u00e9tences, objectiv\u00e9 par les notes \u00e0 des examens standardis\u00e9s.<\/p>\n

Parall\u00e8lement, la r\u00e9gression permet d’\u00e9valuer l’impact direct de variables affectives et cognitives, telles que l’anxi\u00e9t\u00e9 \u00e9valuative, l’estime de soi scolaire ou les scores obtenus \u00e0 des batteries de tests de m\u00e9moire de travail, sur l’efficience comportementale globale. La mod\u00e9lisation bivari\u00e9e offre dans ce cadre une m\u00e9trique standardis\u00e9e permettant de v\u00e9rifier si les variations d’une dimension psychologique donn\u00e9e s’accompagnent de variations syst\u00e9matiques et pr\u00e9visibles d’un indicateur de performance, posant ainsi les jalons pr\u00e9liminaires de programmes d’intervention cibl\u00e9s.<\/p>\n

N\u00e9anmoins, l’application de ce cadre math\u00e9matique aux sciences humaines impose une vigilance \u00e9pist\u00e9mologique permanente relative aux limites de l’inf\u00e9rence causale. L’identification d’une pente statistiquement significative entre une variable ind\u00e9pendante comportementale et une mesure de r\u00e9ponse ne saurait en aucun cas valider de mani\u00e8re univoque un sch\u00e9ma causal d\u00e9terministe. Les risques de confusion induits par des variables dormantes non mesur\u00e9es, la possibilit\u00e9 d’une causalit\u00e9 invers\u00e9e ou encore l’existence de m\u00e9canismes m\u00e9diateurs non sp\u00e9cifi\u00e9s contraignent le chercheur \u00e0 consid\u00e9rer l’ajustement lin\u00e9aire comme une mise en \u00e9vidence d’associations syst\u00e9matiques au sein d’un \u00e9chantillon donn\u00e9, plut\u00f4t que comme l’\u00e9lucidation d\u00e9finitive d’un m\u00e9canisme de cause \u00e0 effet.<\/p>\n

2. Fondements math\u00e9matiques et m\u00e9thode des moindres carr\u00e9s ordinaires (MCO)<\/h2>\n

2.1 Principe d’optimisation des moindres carr\u00e9s ordinaires<\/h3>\n

L’ajustement num\u00e9rique d’une droite de r\u00e9gression lin\u00e9aire \u00e0 un nuage de points bi-dimensionnel repose tr\u00e8s majoritairement sur le crit\u00e8re d’optimisation formul\u00e9 par Carl Friedrich Gauss et Adrien-Marie Legendre : la m\u00e9thode des moindres carr\u00e9s ordinaires<\/a> (MCO). Confront\u00e9 \u00e0 une pluralit\u00e9 infinie de trajectoires lin\u00e9aires concevables \u00e0 travers un ensemble d’observations, ce principe math\u00e9matique propose d’\u00e9lire l’unique fonction pour laquelle la somme des carr\u00e9s des erreurs r\u00e9siduelles (SCE, ou Sum of Squared Errors<\/em>) est rigoureusement minimis\u00e9e sur l’ensemble de l’\u00e9chantillon empirique.<\/p>\n

L’erreur r\u00e9siduelle, not\u00e9e ei<\/sub><\/em> pour un individu i<\/em> particulier, repr\u00e9sente l’\u00e9cart vertical observ\u00e9 entre la valeur empirique mesur\u00e9e yi<\/sub><\/em> et la valeur th\u00e9orique conditionnelle d\u00e9duite de la droite postul\u00e9e, soit ei<\/sub><\/em> = yi<\/sub><\/em> – \u0177i<\/sub><\/em>. La fonction de co\u00fbt quadratique \u00e0 minimiser s’exprime donc sous la forme analytique :<\/p>\n

S<\/em>(b<\/em>0<\/sub>, b<\/em>1<\/sub>) = Σ (yi<\/sub><\/em> – (b<\/em>0<\/sub> + b<\/em>1<\/sub>xi<\/sub><\/em>))2<\/sup><\/p>\n

Pour d\u00e9terminer les estimateurs optimaux, le calcul diff\u00e9rentiel est mobilis\u00e9 en annulant simultan\u00e9ment les d\u00e9riv\u00e9es partielles de la fonction S<\/em> par rapport aux param\u00e8tres b<\/em>0<\/sub> et b<\/em>1<\/sub>. Cette r\u00e9solution analytique conduit au syst\u00e8me dit des \u00e9quations normales. De ces \u00e9quations d\u00e9coule l’expression ferm\u00e9e de la pente b<\/em>1<\/sub>, qui s’av\u00e8re \u00eatre le rapport entre la covariance empirique des deux variables et la variance empirique de la variable explicative :<\/p>\n

b<\/em>1<\/sub> = Σ((xi<\/sub><\/em> – x\u0304<\/em>)(yi<\/sub><\/em> – \u0233<\/em>)) \/ Σ(xi<\/sub><\/em> – x\u0304<\/em>)2<\/sup><\/p>\n

Une fois la pente d\u00e9riv\u00e9e, l’estimateur de l’ordonn\u00e9e \u00e0 l’origine se calcule imm\u00e9diatement afin d’assurer que la droite passe obligatoirement par le barycentre du nuage de points constitu\u00e9 des moyennes arithm\u00e9tiques des variables, soit b<\/em>0<\/sub> = \u0233<\/em> – b<\/em>1<\/sub>x\u0304<\/em>. Sous la validit\u00e9 des postulats classiques, le th\u00e9or\u00e8me de Gauss-Markov d\u00e9montre de fa\u00e7on \u00e9l\u00e9gante que ces estimateurs poss\u00e8dent la propri\u00e9t\u00e9 d’\u00eatre BLUE (Best Linear Unbiased Estimators<\/em>) : parmi l’ensemble des estimateurs lin\u00e9aires et sans biais, ils exhibent la variance d’\u00e9chantillonnage minimale absolue.<\/p>\n

2.2 D\u00e9composition de la variance totale<\/h3>\n

L’\u00e9valuation quantitative de la capacit\u00e9 explicative du mod\u00e8le de r\u00e9gression n\u00e9cessite un partitionnement rigoureux de la variabilit\u00e9 globale de la variable r\u00e9ponse. Cette d\u00e9composition analytique, connue sous le nom d’identit\u00e9 de l’analyse de variance, repose sur la d\u00e9composition de l’\u00e9cart total s\u00e9parant chaque observation de la moyenne g\u00e9n\u00e9rale en deux composantes ind\u00e9pendantes et orthogonales : la d\u00e9viation expliqu\u00e9e par le mod\u00e8le pr\u00e9dictif et la d\u00e9viation r\u00e9siduelle inexpliqu\u00e9e.<\/p>\n

Sur le plan alg\u00e9brique, la somme totale des carr\u00e9s (not\u00e9e SST pour Total Sum of Squares<\/em>) quantifie la dispersion intrins\u00e8que des observations de la r\u00e9ponse autour de leur barycentre univari\u00e9 :<\/p>\n

SST = Σ (yi<\/sub><\/em> – \u0233<\/em>)2<\/sup><\/p>\n

Cette dispersion totale se scinde parfaitement en deux termes additifs sous les hypoth\u00e8ses de la m\u00e9thode des moindres carr\u00e9s :<\/p>\n

SST = SSM + SSE<\/p>\n

La somme des carr\u00e9s du mod\u00e8le (SSM, ou Model Sum of Squares<\/em>) repr\u00e9sente la proportion de la variabilit\u00e9 globale directement prise en charge par la fonction d’ajustement lin\u00e9aire : SSM = Σ (\u0177i<\/sub><\/em> – \u0233<\/em>)2<\/sup>. \u00c0 l’oppos\u00e9, la somme des carr\u00e9s des erreurs r\u00e9siduelles (SSE, ou Error Sum of Squares<\/em>) mesure la variabilit\u00e9 r\u00e9siduelle non capt\u00e9e : SSE = Σ (yi<\/sub><\/em> – \u0177i<\/sub><\/em>)2<\/sup>.<\/p>\n

Cette architecture arithm\u00e9tique conduit directement \u00e0 la d\u00e9finition formelle du coefficient de d\u00e9termination, conventionnellement not\u00e9 R<\/em>2<\/sup>. Ce ratio normalis\u00e9 s’exprime comme le rapport de la variance expliqu\u00e9e par le mod\u00e8le \u00e0 la variance totale du ph\u00e9nom\u00e8ne \u00e9tudi\u00e9 :<\/p>\n

R<\/em>2<\/sup> = SSM \/ SST = 1 – (SSE \/ SST)<\/p>\n

Dans l’espace restreint d’un mod\u00e8le bivari\u00e9 simple, ce coefficient est strictement \u00e9quivalent au carr\u00e9 du coefficient de corr\u00e9lation lin\u00e9aire de Pearson, mat\u00e9rialisant ainsi la continuit\u00e9 conceptuelle unissant l’association standard et la th\u00e9orie de l’ajustement lin\u00e9aire.<\/p>\n

\"\"<\/figure>\n

2.3 Postulats th\u00e9oriques classiques du mod\u00e8le lin\u00e9aire<\/h3>\n

Pour que les estimations issues des moindres carr\u00e9s ordinaires soient non seulement optimales au sens de Gauss-Markov, mais se pr\u00eatent \u00e9galement \u00e0 une inf\u00e9rence statistique valide (calcul de tests d’hypoth\u00e8ses, d’intervalles de confiance et de seuils de significativit\u00e9), plusieurs postulats th\u00e9oriques fondamentaux doivent \u00eatre scrupuleusement v\u00e9rifi\u00e9s sur la distribution conditionnelle des termes d’erreurs εi<\/sub>.<\/p>\n

Le premier postulat exige la lin\u00e9arit\u00e9 intrins\u00e8que des param\u00e8tres : la relation entre l’esp\u00e9rance math\u00e9matique de la r\u00e9ponse et la variable pr\u00e9dictive doit \u00eatre fid\u00e8lement repr\u00e9sentable par une \u00e9quation affine de premier degr\u00e9. Le deuxi\u00e8me postulat concerne l’homosc\u00e9dasticit\u00e9, qui requiert que la variance conditionnelle des termes d’erreur demeure rigoureusement constante sur l’int\u00e9gralit\u00e9 du continuum de la variable ind\u00e9pendante :<\/p>\n

Var(εi<\/sub> | X<\/em> = xi<\/sub><\/em>) = σ2<\/sup> ∀ i<\/em><\/p>\n

Si la dispersion des r\u00e9sidus s’accro\u00eet ou s’amenuise en fonction des valeurs du r\u00e9gresseur, le mod\u00e8le souffre d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9, ce qui a pour cons\u00e9quence directe de biaiser l’estimation des erreurs types associ\u00e9es aux param\u00e8tres, invalidant de fait les tests statistiques traditionnels.<\/p>\n

Le troisi\u00e8me postulat fondamental impose l’ind\u00e9pendance mutuelle stricte des perturbations stochastiques : la covariance entre deux erreurs associ\u00e9es \u00e0 des unit\u00e9s statistiques distinctes doit \u00eatre identiquement nulle (Cov(εi<\/sub>, εj<\/sub>) = 0 pour tout i<\/em> distinct de j<\/em>). Ce crit\u00e8re exclut tout ph\u00e9nom\u00e8ne d’autocorr\u00e9lation, situation fr\u00e9quemment rencontr\u00e9e dans les s\u00e9ries chronologiques ou les mesures longitudinales r\u00e9p\u00e9t\u00e9es. Enfin, le quatri\u00e8me postulat pose la normalit\u00e9 distributionnelle conditionnelle des r\u00e9sidus :<\/p>\n

εi<\/sub> ~ N<\/em>(0, σ2<\/sup>)<\/p>\n

Ce dernier postulat est absolument indispensable pour asseoir la validit\u00e9 exacte des distributions de Student et de Fisher mobilis\u00e9es pour les tests d’inf\u00e9rence en situation de petits \u00e9chantillons empiriques.<\/p>\n

3. Pr\u00e9paration et structuration des donn\u00e9es sous SAS (\u00c9tape 1)<\/h2>\n

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

Dans l’environnement de programmation statistique SAS, la manipulation et la mise en forme initiale des donn\u00e9es s’ex\u00e9cutent au moyen d’un bloc instructionnel hautement optimis\u00e9 d\u00e9sign\u00e9 sous l’appellation d’\u00e9tape DATA<\/a>. Cette \u00e9tape constitue la matrice fondatrice dans laquelle les variables sont d\u00e9clar\u00e9es, typ\u00e9es, transform\u00e9es et stock\u00e9es dans une table matricielle propri\u00e9taire r\u00e9sidente en m\u00e9moire vive ou inscrite au sein d’une biblioth\u00e8que permanente sur disque dur.<\/p>\n

La conception programmatique d’un jeu de donn\u00e9es s’initie par l’instruction d\u00e9clarative DATA nom_de_la_table;<\/code>, qui instancie l’objet vectoriel dans l’environnement de travail imm\u00e9diat. L’instruction subs\u00e9quente INPUT<\/code> joue un r\u00f4le d\u00e9terminant en configurant le pointeur de lecture du compilateur : elle pr\u00e9cise s\u00e9quentiellement l’intitul\u00e9 et la nature des dimensions analytiques. Dans le contexte d’une mod\u00e9lisation bivari\u00e9e, on d\u00e9finira traditionnellement une variable explicative et une variable d\u00e9pendante, s\u00e9par\u00e9es par un espacement r\u00e9gulier.<\/p>\n

Pour injecter directement des relev\u00e9s empiriques bruts sans recourir \u00e0 l’importation de fichiers d\u00e9limit\u00e9s externes, l’instruction DATALINES;<\/code> (ou son \u00e9quivalent historique CARDS;<\/code>) signale au moteur d’ex\u00e9cution que les lignes textuelles suivantes constituent les enregistrements matriciels eux-m\u00eames. Le flux de saisie se conclut de mani\u00e8re canonique par une ligne contenant un unique point-virgule, scellant la fin des donn\u00e9es brutes, imm\u00e9diatement suivie de l’instruction imp\u00e9rative RUN;<\/code>. Cette derni\u00e8re d\u00e9clenche la compilation imm\u00e9diate de l’\u00e9tape DATA et l’\u00e9criture d\u00e9finitive du jeu d’observations dans l’espace de stockage allou\u00e9.<\/p>\n

3.2 Exemple appliqu\u00e9 : heures d’\u00e9tude et scores aux examens<\/h3>\n

Afin de concr\u00e9tiser le d\u00e9ploiement op\u00e9rationnel d’une r\u00e9gression lin\u00e9aire sous SAS, nous formalisons un sc\u00e9nario empirique issu des sciences de l’\u00e9ducation. L’investigation cherche \u00e0 \u00e9valuer l’intensit\u00e9 avec laquelle le volume d’heures individuelles de r\u00e9vision consenties par un panel d’\u00e9tudiants permet d’anticiper la note chiffr\u00e9e finale obtenue lors d’une \u00e9preuve standardis\u00e9e d’\u00e9valuation des comp\u00e9tences. L’\u00e9chantillon est compos\u00e9 de quinze observations distinctes (N<\/em> = 15), chaque paire observationnelle associant une valeur continue d’heures \u00e0 un score acad\u00e9mique calibr\u00e9 sur une \u00e9chelle de 0 \u00e0 100.<\/p>\n

La structuration programmatique de cet ensemble s’effectue au sein d’une \u00e9tape DATA nomm\u00e9e Academie<\/code>. Il convient de s’assurer que les deux variables manipul\u00e9es, \u00e0 savoir Heures<\/code> et Score<\/code>, soient implicitement reconnues comme des variables quantitatives continues de format num\u00e9rique standard par SAS. De surcro\u00eet, le respect des standards de programmation analytique impose l’adjonction de m\u00e9tadonn\u00e9es s\u00e9mantiques claires par le truchement de l’instruction LABEL<\/code>. Ces \u00e9tiquettes textuelles descriptives permettront d’enrichir l’ensemble des sorties tabulaires et des graphiques g\u00e9n\u00e9r\u00e9s ult\u00e9rieurement en \u00e9vitant toute ambigu\u00eft\u00e9 terminologique.<\/p>\n

L’impl\u00e9mentation algorithmique se pr\u00e9sente sous la forme structur\u00e9e suivante :<\/p>\n

\nDATA Academie;
\n    INPUT Heures Score;
\n    LABEL Heures = ‘Volume de r\u00e9vision (en heures)’
\n          Score = ‘Note finale obtenue (sur 100)’;
\n    DATALINES;
\n2.5 58
\n3.0 62
\n4.2 68
\n4.5 65
\n5.0 72
\n5.8 75
\n6.1 71
\n6.9 80
\n7.3 84
\n8.0 82
\n8.5 89
\n9.1 87
\n9.8 93
\n10.2 91
\n11.0 96
\n;
\nRUN;\n<\/p>\n

Ce jeu de donn\u00e9es calibr\u00e9 exhibe une relation positive coh\u00e9rente tout en incorporant les fluctuations stochastiques caract\u00e9ristiques des donn\u00e9es observationnelles humaines r\u00e9elles.<\/p>\n

3.3 Validation de l’int\u00e9grit\u00e9 de la table avec la proc\u00e9dure PROC PRINT<\/h3>\n

Pr\u00e9alablement \u00e0 toute d\u00e9marche de mod\u00e9lisation math\u00e9matique formelle, une inspection scrupuleuse de l’int\u00e9grit\u00e9 physique du jeu de donn\u00e9es constitue un imp\u00e9ratif m\u00e9thodologique \u00e9l\u00e9mentaire. Des erreurs de transcription mat\u00e9rielle, la pr\u00e9sence inopin\u00e9e de caract\u00e8res alphab\u00e9tiques au sein d’une colonne num\u00e9rique ou la g\u00e9n\u00e9ration accidentelle de donn\u00e9es manquantes (missing values<\/em>) sont susceptibles de compromettre l’estimation matricielle de Gauss-Markov.<\/p>\n

L’outil fondamental d\u00e9di\u00e9 \u00e0 cette validation sous SAS est la proc\u00e9dure PROC PRINT<\/code>. Son ex\u00e9cution permet d’afficher dans l’interface de restitution l’int\u00e9gralit\u00e9 du tableau de donn\u00e9es compil\u00e9. Afin de maximiser la clart\u00e9 et d’\u00e9purer la sortie de colonnes accessoires non n\u00e9cessaires, l’adjonction de l’option NOOBS<\/code> est pr\u00e9conis\u00e9e : elle neutralise l’affichage syst\u00e9matique de la colonne d’indexation interne des num\u00e9ros d’observation g\u00e9n\u00e9r\u00e9e par le syst\u00e8me.<\/p>\n

Parall\u00e8lement, l’instruction de restriction VAR<\/code> permet d’\u00e9num\u00e9rer sp\u00e9cifiquement les dimensions soumises \u00e0 la v\u00e9rification visuelle. La syntaxe op\u00e9rationnelle s’exprime ainsi :<\/p>\n

\nPROC PRINT DATA=Academie NOOBS;
\n    VAR Heures Score;
\nRUN;\n<\/p>\n

L’inspection du journal d’ex\u00e9cution (le SAS Log) parall\u00e8lement \u00e0 la consultation de la sortie g\u00e9n\u00e9r\u00e9e permet de confirmer que les quinze observations ont \u00e9t\u00e9 convenablement ing\u00e9r\u00e9es, qu’aucune donn\u00e9e n’est trait\u00e9e comme absente et que le typage num\u00e9rique est parfaitement conforme aux attentes statistiques.<\/p>\n

4. Exploration pr\u00e9liminaire et v\u00e9rification descriptive des donn\u00e9es dans SAS<\/h2>\n

4.1 Calcul des statistiques descriptives univari\u00e9es avec PROC MEANS<\/h3>\n

L’exploration analytique pr\u00e9liminaire constitue une exigence incontournable avant tout travail d’estimation param\u00e9trique. Il est indispensable de cartographier avec minutie les caract\u00e9ristiques distributionnelles propres \u00e0 chaque variable prise isol\u00e9ment afin de situer leurs ordres de grandeur, leurs indices de tendance centrale et l’ampleur de leur variabilit\u00e9 intrins\u00e8que. La proc\u00e9dure PROC MEANS<\/code> constitue l’outil de r\u00e9f\u00e9rence pour ex\u00e9cuter rapidement cette synth\u00e8se descriptive sous SAS.<\/p>\n

Par d\u00e9faut, l’instruction PROC MEANS<\/code> g\u00e9n\u00e8re les effectifs non manquants, la moyenne arithm\u00e9tique, l’\u00e9cart-type, ainsi que les valeurs minimale et maximale. Toutefois, pour approfondir l’\u00e9valuation de la morphologie distributionnelle, il est hautement pertinent d’adjoindre des options explicites demandant l’extraction de la m\u00e9diane, de la variance, de l’\u00e9tendue interquartile (IQR) ainsi que des coefficients d’asym\u00e9trie (skewness<\/em>) et d’aplatissement (kurtosis<\/em>). La commande programmatique s’articule comme suit :<\/p>\n

\nPROC MEANS DATA=Academie N MEAN MEDIAN STD VAR QRANGE SKEWNESS KURTOSIS;
\n    VAR Heures Score;
\nRUN;\n<\/p>\n

L’examen des \u00e9carts relatifs entre la moyenne et la m\u00e9diane constitue une indication imm\u00e9diate sur l’\u00e9ventuelle pr\u00e9sence d’une asym\u00e9trie de distribution. Une concordance \u00e9troite entre ces deux m\u00e9triques atteste d’une sym\u00e9trie globale favorable, garantissant que des valeurs aberrantes univari\u00e9es n’exercent pas une distorsion pr\u00e9alable sur le barycentre de l’\u00e9chantillon empirique.<\/p>\n

4.2 Analyse de corr\u00e9lation bivari\u00e9e avec PROC CORR<\/h3>\n

Une fois la distribution marginale de chaque dimension examin\u00e9e, l’\u00e9valuation du degr\u00e9 d’association lin\u00e9aire conjointe entre le pr\u00e9dicteur et le crit\u00e8re s’impose. La proc\u00e9dure PROC CORR<\/code> est express\u00e9ment con\u00e7ue pour quantifier la force et la direction de cette covariance standardis\u00e9e en calculant le coefficient de corr\u00e9lation produit-moment de Pearson (not\u00e9 r<\/em>). Elle permet de sonder empiriquement l’hypoth\u00e8se de liaison avant de figer une structure directionnelle d’asym\u00e9trie propre \u00e0 la r\u00e9gression.<\/p>\n

L’appel de la proc\u00e9dure se formalise de la mani\u00e8re suivante :<\/p>\n

\nPROC CORR DATA=Academie PEARSON;
\n    VAR Heures;
\n    WITH Score;
\nRUN;\n<\/p>\n

L’instruction VAR<\/code> sp\u00e9cifie le vecteur explicatif tandis que l’instruction WITH<\/code> isole la dimension d\u00e9pendante, structurant ainsi la matrice de corr\u00e9lation sous une forme rectangulaire synth\u00e9tique. La table de sortie d\u00e9livr\u00e9e par SAS expose deux indicateurs fondamentaux : la valeur ponctuelle de la corr\u00e9lation r<\/em>, born\u00e9e dans l’intervalle canonique [-1 ; +1], et la probabilit\u00e9 critique bilat\u00e9rale (p-value<\/em>) associ\u00e9e au test de nullit\u00e9 de la corr\u00e9lation dans la population (H<\/em>0<\/sub> : ρ = 0).<\/p>\n

L’obtention d’un coefficient r<\/em> positif d’une magnitude \u00e9lev\u00e9e (par exemple r<\/em> > 0,90) assorti d’une p-valeur tr\u00e8s nettement inf\u00e9rieure au seuil de significativit\u00e9 conventionnel (α = 0,05) confirme l’existence d’une association lin\u00e9aire empirique robuste. Ce r\u00e9sultat fournit une justification m\u00e9thodologique solide pour poursuivre vers la phase de mod\u00e9lisation math\u00e9matique approfondie par la m\u00e9thode des moindres carr\u00e9s.<\/p>\n

4.3 Visualisation pr\u00e9liminaire par nuage de points avec PROC SGPLOT<\/h3>\n

En d\u00e9pit de la rigueur des indicateurs num\u00e9riques synth\u00e9tiques, l’inspection optique directe des observations demeure irrempla\u00e7able. Le c\u00e9l\u00e8bre paradoxe du quartet d’Anscombe<\/a> d\u00e9montre de fa\u00e7on p\u00e9remptoire que des structures de donn\u00e9es radicalement h\u00e9t\u00e9rog\u00e8nes (relations curvilignes, singularit\u00e9s extr\u00eames) peuvent engendrer des coefficients de Pearson rigoureusement identiques. Il est donc fondamental de g\u00e9n\u00e9rer un diagramme de dispersion (scatterplot<\/em>) afin de confronter l’hypoth\u00e8se de lin\u00e9arit\u00e9 \u00e0 la g\u00e9om\u00e9trie r\u00e9elle du nuage de points.<\/p>\n

Le syst\u00e8me graphique moderne de SAS met \u00e0 disposition la proc\u00e9dure PROC SGPLOT<\/code>, dont l’\u00e9l\u00e9gance et la pr\u00e9cision typographique r\u00e9pondent aux plus hauts standards de l’\u00e9dition scientifique. La production d’un nuage de points \u00e9l\u00e9mentaire fait appel \u00e0 l’instruction vectorielle SCATTER<\/code>, reliant les coordonn\u00e9es d’abscisse et d’ordonn\u00e9e :<\/p>\n

\nPROC SGPLOT DATA=Academie;
\n    SCATTER X=Heures Y=Score \/ MARKERATTRS=(SYMBOL=CircleFilled SIZE=9 COLOR=CX1F77B4);
\n    XAXIS GRID LABEL=\u00a0\u00bbVolume de r\u00e9vision hebdomadaire (Heures)\u00a0\u00bb;
\n    YAXIS GRID LABEL=\u00a0\u00bbScore \u00e0 l’\u00e9valuation standardis\u00e9e\u00a0\u00bb;
\nRUN;\n<\/p>\n

L’examen visuel du graphique permet de valider trois aspects d\u00e9cisifs : la progression monotone globalement rectiligne des points, l’absence apparente de courbure asymptotique ou quadratique pouvant exiger une transformation non lin\u00e9aire pr\u00e9alable (logarithmique ou polynomiale), et l’absence d’observations isol\u00e9es situ\u00e9es \u00e0 une distance critique de la trajectoire dominante du nuage.<\/p>\n

5. Mise en \u0153uvre du mod\u00e8le de r\u00e9gression lin\u00e9aire simple avec PROC REG (\u00c9tape 2)<\/h2>\n

5.1 Structure syntaxique fondamentale de PROC REG<\/h3>\n

La proc\u00e9dure PROC REG<\/code> constitue le moteur algorithmique historique et fondamental d\u00e9velopp\u00e9 par SAS pour l’estimation des mod\u00e8les de r\u00e9gression par la m\u00e9thode des moindres carr\u00e9s ordinaires. D’une grande puissance conceptuelle, cette proc\u00e9dure b\u00e9n\u00e9ficie d’une conception modulaire hautement optimis\u00e9e, capable de traiter aussi bien des \u00e9quations univari\u00e9es que des syst\u00e8mes complexes d’\u00e9quations multivari\u00e9es avec contraintes lin\u00e9aires.<\/p>\n

La mise en \u0153uvre canonique de la proc\u00e9dure repose sur une architecture syntaxique \u00e9pur\u00e9e mais strictement norm\u00e9e. Le bloc s’ouvre par la d\u00e9claration PROC REG DATA=nom_de_table;<\/code> qui assigne la source de donn\u00e9es matricielle. Le c\u0153ur op\u00e9rationnel r\u00e9side ensuite dans l’instruction imp\u00e9rative MODEL<\/code>, au sein de laquelle la relation fonctionnelle asym\u00e9trique est stipul\u00e9e sous la forme conventionnelle Variable_Reponse = Variable_Explicative<\/code>. Contrairement \u00e0 de nombreuses proc\u00e9dures SAS conventionnelles qui se terminent simplement par l’instruction RUN;<\/code>, PROC REG<\/code> est une proc\u00e9dure interactive : elle demeure active en m\u00e9moire pour accepter des commandes subs\u00e9quentes tant qu’une instruction explicite QUIT;<\/code> n’a pas \u00e9t\u00e9 soumise au compilateur.<\/p>\n

La formulation \u00e9l\u00e9mentaire pour notre cas d’\u00e9tude acad\u00e9mique se r\u00e9dige par cons\u00e9quent de la mani\u00e8re suivante :<\/p>\n

\nPROC REG DATA=Academie;
\n    MODEL Score = Heures;
\nRUN;
\nQUIT;\n<\/p>\n

Cette commande commande le d\u00e9clenchement imm\u00e9diat du solveur de moindres carr\u00e9s, la g\u00e9n\u00e9ration des \u00e9quations normales, l’inversion matricielle associ\u00e9e et la construction de l’ensemble des tables analytiques de synth\u00e8se.<\/p>\n

5.2 Options de commande essentielles de l’instruction MODEL<\/h3>\n

L’instruction MODEL<\/code> de la proc\u00e9dure PROC REG<\/code> dispose d’un ensemble particuli\u00e8rement riche d’options de compilation que l’on place \u00e0 la suite d’une barre oblique (\/<\/code>). Ces options permettent d’ordonner au moteur statistique de calculer et d’afficher des m\u00e9triques diagnostiques sp\u00e9cialis\u00e9es sans avoir \u00e0 recourir \u00e0 des \u00e9tapes de programmation matricielle annexes.<\/p>\n

L’une des options les plus fr\u00e9quemment requises dans le contexte de la recherche acad\u00e9mique et appliqu\u00e9e est l’option CLB<\/code> (Confidence Limits for Parameters<\/em>). Elle ordonne l’extraction directe des bornes inf\u00e9rieures et sup\u00e9rieures des intervalles de confiance \u00e0 95 % encadrant l’estimation ponctuelle de chaque param\u00e8tre du mod\u00e8le (l’ordonn\u00e9e \u00e0 l’origine et la pente). Si l’investigateur souhaite modifier le seuil de confiance nominal, l’option conjointe ALPHA=<\/code> permet de reconfigurer ce param\u00e8tre stochastique (par exemple, ALPHA=0.01<\/code> pour obtenir des intervalles de confiance calibr\u00e9s \u00e0 99 %).<\/p>\n

D’autres options diagnostiques m\u00e9ritent une mention particuli\u00e8re : l’option VIF<\/code> calcule le facteur d’inflation de la variance, indispensable pour d\u00e9tecter la multicolin\u00e9arit\u00e9 dans les extensions multivari\u00e9es, tandis que l’option COLLIN<\/code> produit une analyse d\u00e9taill\u00e9e de d\u00e9composition des valeurs propres de la matrice d’information. Pour notre investigation univari\u00e9e, l’appel \u00e9tendu s’\u00e9crit formellement :<\/p>\n

\nPROC REG DATA=Academie;
\n    MODEL Score = Heures \/ CLB ALPHA=0.05;
\nRUN;
\nQUIT;\n<\/p>\n

Cette sp\u00e9cification garantit la production des marges d’erreur inf\u00e9rentielles indispensables \u00e0 une interpr\u00e9tation probante des param\u00e8tres structurels du mod\u00e8le.<\/p>\n

5.3 Gestion de l’environnement graphique avec ODS GRAPHICS<\/h3>\n

L’analyse moderne des donn\u00e9es r\u00e9gularis\u00e9es ne saurait se cantonner \u00e0 la lecture exclusive de m\u00e9triques scalaires ins\u00e9r\u00e9es dans des tableaux de contingence. L’environnement SAS int\u00e8gre de fa\u00e7on native le syst\u00e8me ODS (Output Delivery System<\/em>) Graphics, qui automatise la g\u00e9n\u00e9ration de visualisations de haute qualit\u00e9 typographique pour l’\u00e9valuation diagnostique des mod\u00e8les lin\u00e9aires.<\/p>\n

Pour exploiter la pl\u00e9nitude des capacit\u00e9s visuelles de PROC REG<\/code>, il est imp\u00e9ratif d’activer explicitement le gestionnaire graphique pr\u00e9alablement \u00e0 l’appel de la proc\u00e9dure en soumettant l’instruction globale ODS GRAPHICS ON;<\/code>. Lorsque ce commutateur est arm\u00e9, l’ex\u00e9cution de l’instruction MODEL<\/code> engendre automatiquement la compilation d’un panneau diagnostique multipanneaux complet (le Fit Diagnostics Panel<\/em>) ainsi que le graphique d’ajustement bivari\u00e9 int\u00e9grant les bandes de confiance statistiques.<\/p>\n

La bonne pratique de programmation SAS exige \u00e9galement de clore proprement le flux graphique apr\u00e8s ex\u00e9cution en envoyant l’instruction sym\u00e9trique ODS GRAPHICS OFF;<\/code>, lib\u00e9rant ainsi les ressources graphiques allou\u00e9es dans la session. L’architecture scripturale consolid\u00e9e prend donc la forme :<\/p>\n

\nODS GRAPHICS ON;
\nPROC REG DATA=Academie;
\n    MODEL Score = Heures \/ CLB;
\nRUN;
\nQUIT;
\nODS GRAPHICS OFF;\n<\/p>\n

Cette approche syst\u00e9matique garantit la production conjointe des tableaux de chiffres et des repr\u00e9sentations graphiques vectorielles indispensables \u00e0 la validation empirique du mod\u00e8le.<\/p>\n

6. Analyse approfondie des tables de sortie ODS de la proc\u00e9dure PROC REG<\/h2>\n

6.1 Interpr\u00e9tation du tableau d’analyse de la variance (ANOVA)<\/h3>\n

L’interface de restitution de la proc\u00e9dure PROC REG<\/code> d\u00e9livre en premier lieu le tableau d’analyse de la variance (ANOVA). Cette table formalise num\u00e9riquement la d\u00e9composition orthogonale de la somme totale des carr\u00e9s \u00e9voqu\u00e9e dans les fondements math\u00e9matiques. Elle structure la confrontation statistique entre l’hypoth\u00e8se nulle d’absence totale d’effet lin\u00e9aire du mod\u00e8le dans la population g\u00e9n\u00e9rale (H<\/em>0<\/sub> : β1<\/sub> = 0) et l’hypoth\u00e8se alternative d’une contribution significative (H<\/em>1<\/sub> : β1<\/sub> ≠ 0).<\/p>\n

\"simple
simple linear regression output in SAS<\/figcaption><\/figure>\n

Le tableau se segmente en trois sources de variation fondamentales : le mod\u00e8le (Model<\/em>), l’erreur r\u00e9siduelle (Error<\/em>) et le total corrig\u00e9 (Corrected Total<\/em>). Pour chacune de ces sources, SAS d\u00e9taille les degr\u00e9s de libert\u00e9 (DF<\/em>), la somme des carr\u00e9s (Sum of Squares<\/em>) et les carr\u00e9s moyens (Mean Square<\/em>). Les degr\u00e9s de libert\u00e9 du mod\u00e8le sont rigoureusement \u00e9gaux au nombre de variables explicatives engag\u00e9es (soit k<\/em> = 1 en r\u00e9gression lin\u00e9aire simple). Pour l’erreur r\u00e9siduelle, ils s’\u00e9tablissent \u00e0 n<\/em> – k<\/em> – 1, soit dans notre cas d’\u00e9tude 15 – 1 – 1 = 13 degr\u00e9s de libert\u00e9. La somme totale cumule n<\/em> – 1 = 14 degr\u00e9s de libert\u00e9.<\/p>\n

Les carr\u00e9s moyens r\u00e9sultent du ratio direct entre la somme des carr\u00e9s correspondante et son degr\u00e9 de libert\u00e9 associ\u00e9. Le carr\u00e9 moyen de l’erreur (MSE pour Mean Square Error<\/em>) repr\u00e9sente l’estimateur sans biais de la variance r\u00e9siduelle conditionnelle de la population, not\u00e9e s<\/em>2<\/sup> ou σ2<\/sup>. La statistique F<\/em> de Fisher constitue ensuite le pivot inf\u00e9rentiel : elle s’obtient par le rapport entre le carr\u00e9 moyen du mod\u00e8le et le carr\u00e9 moyen de l’erreur (F<\/em> = MSModel<\/sub> \/ MSE). La lecture se termine par l’inspection de la probabilit\u00e9 critique not\u00e9e Pr > F<\/code>. L’obtention d’une valeur p<\/em> infinit\u00e9simale (not\u00e9e usuellement < 0.0001) permet de rejeter sans \u00e9quivoque l’hypoth\u00e8se nulle globale et atteste que la proportion de variance expliqu\u00e9e par la droite d’ajustement ne rel\u00e8ve pas d’une fluctuation d’\u00e9chantillonnage al\u00e9atoire.<\/p>\n

6.2 Lecture des statistiques globales d’ajustement du mod\u00e8le<\/h3>\n

Imm\u00e9diatement en dessous du bloc de d\u00e9composition de l’analyse de la variance, la proc\u00e9dure PROC REG<\/code> produit un ensemble compact d’indicateurs synth\u00e9tiques caract\u00e9risant l’efficience globale et l’\u00e9chelle d’erreur de la droite ajust\u00e9e. Ces m\u00e9triques fournissent une vision op\u00e9rationnelle de la pr\u00e9cision intrins\u00e8que du mod\u00e8le au-del\u00e0 de la seule significativit\u00e9 statistique inf\u00e9rentielle.<\/p>\n

Le premier indicateur affich\u00e9 est la racine carr\u00e9e de l’erreur quadratique moyenne, d\u00e9sign\u00e9e sous l’appellation Root MSE<\/code>. Alg\u00e9briquement, cette valeur correspond \u00e0 l’\u00e9cart-type de la distribution des r\u00e9sidus empiriques autour de la droite de r\u00e9gression :<\/p>\n

Root MSE = √(MSE)<\/p>\n

Exprim\u00e9e strictement dans la m\u00eame unit\u00e9 de mesure m\u00e9trique que la variable d\u00e9pendante d’origine (ici, des points sur l’\u00e9chelle d’\u00e9valuation acad\u00e9mique), cette grandeur renseigne directement l’analyste sur l’erreur absolue typique commise par le mod\u00e8le lors de la pr\u00e9diction de la performance d’un \u00e9tudiant particulier.<\/p>\n

La table restitue ensuite la moyenne arithm\u00e9tique globale de la variable r\u00e9ponse (Dependent Mean<\/code>), calcul\u00e9e sur l’ensemble de l’\u00e9chantillon empirique (\u0233<\/em>). Cette moyenne sert d’ancrage absolu pour calibrer l’indicateur subs\u00e9quent : le coefficient de variation (Coeff Var<\/code>). Ce dernier est un indice sans dimension exprim\u00e9 sous la forme d’un pourcentage, d\u00e9fini comme le ratio du Root MSE \u00e0 la moyenne de la variable d\u00e9pendante multipli\u00e9 par cent :<\/p>\n

Coeff Var = (Root MSE \/ \u0233<\/em>) × 100<\/p>\n

Un coefficient de variation faible indique une excellente homog\u00e9n\u00e9it\u00e9 relative de l’erreur au regard de l’\u00e9chelle globale de la r\u00e9ponse \u00e9tudi\u00e9e.<\/p>\n

6.3 Estimation des param\u00e8tres et tests de Student individuels<\/h3>\n

La section conclusive du compte-rendu textuel standard de PROC REG<\/code> d\u00e9taille les valeurs num\u00e9riques attribu\u00e9es aux param\u00e8tres structurels de la droite d’ajustement au sein de la table intitul\u00e9e Parameter Estimates<\/em>. Cette grille expose de fa\u00e7on disjonctive l’estimation de la constante (not\u00e9e Intercept<\/code>, repr\u00e9sentative de b<\/em>0<\/sub>) et le coefficient multiplicateur assign\u00e9 \u00e0 la variable ind\u00e9pendante (not\u00e9e Heures<\/code>, incarnant la pente b<\/em>1<\/sub>).<\/p>\n

Pour chaque param\u00e8tre, SAS fournit son estimation ponctuelle issue des moindres carr\u00e9s (colonne Parameter Estimate<\/em>), suivie de son erreur type empirique associ\u00e9e (colonne Standard Error<\/em>). Cette erreur standard quantifie la variabilit\u00e9 asymptotique de l’estimateur si l’exp\u00e9rience venait \u00e0 \u00eatre r\u00e9pliqu\u00e9e une infinit\u00e9 de fois sur des \u00e9chantillons al\u00e9atoires ind\u00e9pendants issus de la m\u00eame population source. Le ratio direct entre l’estimation du param\u00e8tre et son erreur type d’\u00e9chantillonnage engendre la statistique t<\/em> de Student (colonne t Value<\/em>) :<\/p>\n

t<\/em> = b<\/em>1<\/sub> \/ SE(b<\/em>1<\/sub>)<\/p>\n

Ce test \u00e9value l’hypoth\u00e8se de nullit\u00e9 univari\u00e9e sp\u00e9cifique H<\/em>0<\/sub> : β1<\/sub> = 0 au regard d’une loi de Student calibr\u00e9e \u00e0 n<\/em> – 2 degr\u00e9s de libert\u00e9. La colonne subs\u00e9quente Pr > |t|<\/code> consigne la probabilit\u00e9 critique bilat\u00e9rale associ\u00e9e. Une valeur p<\/em> inf\u00e9rieure au seuil critique de 5 % certifie que le param\u00e8tre est statistiquement dissociable de z\u00e9ro. Si l’option CLB<\/code> a \u00e9t\u00e9 stipul\u00e9e dans l’instruction de commande, la table s’enrichit de deux colonnes annexes encadrant chaque coefficient au sein d’un intervalle de confiance \u00e0 95 %, fournissant la plage de plausibilit\u00e9 stochastique des v\u00e9ritables param\u00e8tres de la population sous-jacente.<\/p>\n

7. \u00c9valuation de la qualit\u00e9 de l’ajustement et pertinence explicative<\/h2>\n

7.1 Le coefficient de d\u00e9termination (R-Square)<\/h3>\n

L’\u00e9valuation de la performance explicative d’un mod\u00e8le de r\u00e9gression lin\u00e9aire simple s’appuie au premier chef sur l’examen du coefficient de d\u00e9termination, restitu\u00e9 sous la d\u00e9signation R-Square<\/code> dans les sorties informatiques de la proc\u00e9dure PROC REG<\/code>. Cet indicateur statistique fondamental exprime la fraction exacte de la variabilit\u00e9 globale de la variable d\u00e9pendante qui se trouve statistiquement subsum\u00e9e et expliqu\u00e9e par la variation lin\u00e9aire du r\u00e9gresseur introduit dans l’\u00e9quation.<\/p>\n

Sur le plan distributionnel, le R<\/em>2<\/sup> est born\u00e9 de fa\u00e7on rigide sur l’intervalle unitaire standard [0 ; 1]. Une valeur tendant vers 0 atteste de l’incapacit\u00e9 absolue de la variable pr\u00e9dictive \u00e0 rendre compte des variations de la r\u00e9ponse dans le cadre d’un formalisme lin\u00e9aire, tandis qu’une valeur convergeant vers 1 traduit un ajustement parfait o\u00f9 l’int\u00e9gralit\u00e9 des points observationnels viendrait s’aligner sans la moindre dispersion r\u00e9siduelle le long de la droite d’estimation. Dans le cadre pr\u00e9cis de notre investigation p\u00e9dagogique, l’obtention d’un R<\/em>2<\/sup> d’une magnitude \u00e9lev\u00e9e (par exemple 0.94) signale que 94 % de la variance des scores d’examen est attribuable au volume temporel consacr\u00e9 aux r\u00e9visions, les 6 % restants renvoyant aux bruits r\u00e9siduels et aux facteurs contextuels non mod\u00e9lis\u00e9s.<\/p>\n

La sortie logicielle de SAS fournit syst\u00e9matiquement une seconde m\u00e9trique compl\u00e9mentaire : le coefficient de d\u00e9termination ajust\u00e9 (Adj R-Sq<\/code>). Contrairement au R<\/em>2<\/sup> conventionnel, cet indice incorpore une p\u00e9nalisation relative au nombre de param\u00e8tres introduits en rapport avec la taille de l’\u00e9chantillon d’analyse :<\/p>\n

R<\/em>2<\/sup>ajust\u00e9<\/sub> = 1 – [(1 – R<\/em>2<\/sup>)(n<\/em> – 1) \/ (n<\/em> – k<\/em> – 1)]<\/p>\n

Bien que cette correction math\u00e9matique s’av\u00e8re particuli\u00e8rement cruciale dans l’univers de la r\u00e9gression multiple pour neutraliser l’inflation m\u00e9canique artificielle de la variance expliqu\u00e9e lors de l’ajout de pr\u00e9dicteurs accessoires, son \u00e9cartement vis-\u00e0-vis du R<\/em>2<\/sup> ordinaire en r\u00e9gression simple refl\u00e8te principalement l’impact correctif induit par la relative exigu\u00eft\u00e9 de l’\u00e9chantillon d’observations.<\/p>\n

7.2 Pr\u00e9cision de l’estimation et dispersion r\u00e9siduelle<\/h3>\n

L’appr\u00e9ciation experte d’une \u00e9quation de r\u00e9gression ne saurait se limiter \u00e0 la seule contemplation d’un coefficient de d\u00e9termination flatteur. Il est imp\u00e9ratif d’\u00e9valuer la pr\u00e9cision brute de la mod\u00e9lisation \u00e0 l’aune de la dispersion r\u00e9siduelle effective capt\u00e9e par l’indicateur Root MSE<\/code>. En effet, un R<\/em>2<\/sup> \u00e9lev\u00e9 peut coexister avec une erreur type d’estimation substantielle si la dispersion totale d’origine (SST) de la variable r\u00e9ponse s’av\u00e8re initialement gigantesque dans la cohorte d’analyse.<\/p>\n

La confrontation de la valeur num\u00e9rique du Root MSE<\/code> \u00e0 l’amplitude de l’\u00e9chelle m\u00e9trique op\u00e9rationnelle de la variable d\u00e9pendante permet de mat\u00e9rialiser concr\u00e8tement les incertitudes associ\u00e9es aux estimations individuelles. Si l’\u00e9valuation des connaissances s’\u00e9chelonne sur une amplitude th\u00e9orique de z\u00e9ro \u00e0 cent points, un Root MSE s’\u00e9tablissant aux alentours de 3.1 points atteste d’une acuit\u00e9 pr\u00e9dictive particuli\u00e8rement fine, l’erreur de dispersion moyenne s’av\u00e9rant tr\u00e8s restreinte vis-\u00e0-vis de l’\u00e9chelle d’\u00e9talonnage globale.<\/p>\n

En outre, l’analyste m\u00e9thodologiste doit garder \u00e0 l’esprit une limitation inh\u00e9rente au comportement formel du coefficient de d\u00e9termination : la d\u00e9pendance structurelle du R<\/em>2<\/sup> \u00e0 l’\u00e9gard de la variance de la variable ind\u00e9pendante \u00e9chantillonn\u00e9e. Lorsque la variabilit\u00e9 du pr\u00e9dicteur X<\/em> est artificiellement restreinte au sein du protocole de collecte (ph\u00e9nom\u00e8ne de restriction de variance), la valeur calcul\u00e9e du R<\/em>2<\/sup> subit une att\u00e9nuation m\u00e9canique drastique, sans que la v\u00e9ritable pr\u00e9cision intrins\u00e8que de la droite d’estimation ne soit alt\u00e9r\u00e9e. L’\u00e9valuation de la qualit\u00e9 globale d’ajustement impose par cons\u00e9quent une lecture crois\u00e9e articulant le R<\/em>2<\/sup>, le Root MSE et la variance d’\u00e9chantillonnage du r\u00e9gresseur.<\/p>\n

7.3 Taille d’effet et signification pratique des r\u00e9sultats<\/h3>\n

Une rigueur \u00e9pist\u00e9mologique accomplie impose d’op\u00e9rer une distinction conceptuelle nette entre la significativit\u00e9 purement statistique d’un r\u00e9sultat (attest\u00e9e par une valeur de p<\/em> inf\u00e9rieure au seuil alpha) et sa pertinence substantielle ou clinique dans le monde r\u00e9el. Un test de Student hautement significatif certifie uniquement que l’hypoth\u00e8se nulle d’une pente strictement \u00e9gale \u00e0 z\u00e9ro peut \u00eatre rejet\u00e9e avec un risque de premi\u00e8re esp\u00e8ce ma\u00eetris\u00e9 ; il ne pr\u00e9juge en rien de la port\u00e9e mat\u00e9rielle de l’effet document\u00e9.<\/p>\n

Pour mesurer la taille d’effet standardis\u00e9e au sens des conventions d’\u00e9valuation psychom\u00e9trique formul\u00e9es par Jacob Cohen, l’analyste convertit le coefficient de d\u00e9termination en un coefficient f<\/em>2<\/sup> de Cohen, d\u00e9fini par l’expression alg\u00e9brique :<\/p>\n

f<\/em>2<\/sup> = R<\/em>2<\/sup> \/ (1 – R<\/em>2<\/sup>)<\/p>\n

Selon les grilles de lecture usuelles de Cohen, des valeurs de f<\/em>2<\/sup> franchissant respectivement les paliers de 0.02, 0.15 et 0.35 sont qualifi\u00e9es d’effets faibles, moyens et larges. Une mod\u00e9lisation bivari\u00e9e affichant un R<\/em>2<\/sup> de 0.94 engendre un f<\/em>2<\/sup> d\u00e9passant largement le seuil conventionnel des effets d’une magnitude exceptionnelle, confirmant l’impact d\u00e9terminant de la variable explicative.<\/p>\n

Enfin, la signification pratique s’incarne directement dans la lecture substantielle du coefficient de pente b<\/em>1<\/sub> non standardis\u00e9. Si l’ajustement empirique d\u00e9livre une valeur param\u00e9trique estim\u00e9e \u00e0 b<\/em>1<\/sub> = 4.38, cette grandeur num\u00e9rique s’interpr\u00e8te de mani\u00e8re parfaitement concr\u00e8te pour les acteurs de terrain : chaque heure additionnelle d’\u00e9tude m\u00e9thodique investie par un apprenant g\u00e9n\u00e8re en moyenne statistique un gain direct de 4.38 points sur la note de l’\u00e9valuation finale. C’est cette quantification marginale intelligible qui conf\u00e8re au mod\u00e8le sa v\u00e9ritable utilit\u00e9 d\u00e9cisionnelle et pragmatique.<\/p>\n

8. Diagnostic rigoureux des postulats du mod\u00e8le lin\u00e9aire sous SAS<\/h2>\n

8.1 \u00c9valuation de la normalit\u00e9 des r\u00e9sidus<\/h3>\n

La validit\u00e9 des conclusions inf\u00e9rentielles issues de l’application de PROC REG<\/code> demeure subordonn\u00e9e au respect rigoureux des hypoth\u00e8ses th\u00e9oriques portant sur les erreurs r\u00e9siduelles. L’\u00e9valuation de la distribution gaussienne des perturbations stochastiques constitue la premi\u00e8re \u00e9tape incontournable de la cha\u00eene de validation diagnostique. Le non-respect de la normalit\u00e9 peut fausser la calibration des intervalles de confiance et invalider les probabilit\u00e9s critiques d\u00e9duites des distributions t<\/em> et F<\/em> en contexte d’\u00e9chantillons de taille modeste.<\/p>\n

Le premier outil d’investigation est d’ordre visuel : il s’agit de l’examen minutieux du diagramme quantile-quantile (Q-Q plot) g\u00e9n\u00e9r\u00e9 nativement par l’activation du syst\u00e8me ODS Graphics. Sur ce graphique sp\u00e9cialis\u00e9, les quantiles de la distribution des r\u00e9sidus studentis\u00e9s empiriques sont confront\u00e9s aux quantiles th\u00e9oriques issus d’une loi normale standard. L’ad\u00e9quation parfaite \u00e0 la normalit\u00e9 se mat\u00e9rialise par l’alignement rectiligne des points le long de la diagonale de r\u00e9f\u00e9rence \u00e0 45 degr\u00e9s. Tout d\u00e9crochage structurel observable au niveau des queues de distribution signale une asym\u00e9trie ou un ph\u00e9nom\u00e8ne d’\u00e9paississement leptokurtique.<\/p>\n

Afin d’\u00e9tayer le jugement visuel par une d\u00e9marche d’inf\u00e9rence statistique formelle, les r\u00e9sidus de l’\u00e9quation doivent \u00eatre export\u00e9s dans un jeu de donn\u00e9es d\u00e9di\u00e9 \u00e0 l’aide de l’instruction OUTPUT<\/code> de PROC REG<\/code>, puis soumis \u00e0 la proc\u00e9dure PROC UNIVARIATE<\/code>. Cette derni\u00e8re applique les tests classiques d’ajustement distributionnel, notamment le test de Shapiro-Wilk<\/a> (particuli\u00e8rement performant lorsque N<\/em> < 50) et le test de Kolmogorov-Smirnov. La s\u00e9quence programmatique s’articule comme suit :<\/p>\n

\nPROC REG DATA=Academie NOPRINT;
\n    MODEL Score = Heures;
\n    OUTPUT OUT=DiagnosticResidus RESIDUAL=ResidusBruts STUDENT=ResidusStudent;
\nRUN;
\nQUIT;<\/p>\n

PROC UNIVARIATE DATA=DiagnosticResidus NORMAL;
\n    VAR ResidusBruts;
\nRUN;\n<\/p>\n

Une valeur p<\/em> associ\u00e9e au test de Shapiro-Wilk sup\u00e9rieure au seuil α = 0.05 conduit au non-rejet de l’hypoth\u00e8se de normalit\u00e9, consolidant la l\u00e9gitimit\u00e9 des tests d’hypoth\u00e8ses d\u00e9riv\u00e9s du mod\u00e8le.<\/p>\n

8.2 D\u00e9tection de l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9<\/h3>\n

L’hypoth\u00e8se d’homosc\u00e9dasticit\u00e9 stipule que la variabilit\u00e9 r\u00e9siduelle ne doit pr\u00e9senter aucune d\u00e9pendance fonctionnelle vis-\u00e0-vis du niveau de la variable pr\u00e9dictive ou des valeurs ajust\u00e9es conditionnelles du mod\u00e8le. Si la dispersion des perturbations s’amplifie ou se contracte le long de l’axe de projection, le mod\u00e8le se trouve entach\u00e9 d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9, entra\u00eenant une estimation inefficiente des coefficients et une sous-estimation syst\u00e9matique de leurs erreurs standards r\u00e9elles.<\/p>\n

Le diagnostic graphique \u00e9l\u00e9mentaire s’op\u00e8re par l’analyse du graphique de dispersion confrontant les r\u00e9sidus standardis\u00e9s sur l’axe des ordonn\u00e9es aux valeurs pr\u00e9dites (\u0177<\/em>) sur l’axe des abscisses. Une dispersion homosc\u00e9dastique saine se caract\u00e9rise par une configuration en bande horizontale al\u00e9atoire d’\u00e9paisseur constante, d\u00e9pourvue de tout motif g\u00e9om\u00e9trique identifiable. \u00c0 l’oppos\u00e9, l’apparition d’une morphologie en entonnoir, en \u00e9ventail ou en trompette constitue la signature visuelle patente d’une variance d’erreur h\u00e9t\u00e9rog\u00e8ne conditionnelle.<\/p>\n

Sur le plan inf\u00e9rentiel, SAS propose des tests statistiques rigoureux d’homosc\u00e9dasticit\u00e9 directement au sein de l’instruction MODEL<\/code> gr\u00e2ce \u00e0 l’adjonction de l’option SPEC<\/code>. Cette derni\u00e8re ordonne l’ex\u00e9cution formelle du test de White pour l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 g\u00e9n\u00e9rale :<\/p>\n

\nPROC REG DATA=Academie;
\n    MODEL Score = Heures \/ SPEC;
\nRUN;
\nQUIT;\n<\/p>\n

Ce test \u00e9value l’hypoth\u00e8se nulle stipulant que la variance de l’erreur est strictement homosc\u00e9dastique. Si la p-valeur issue de la statistique de White se r\u00e9v\u00e8le sup\u00e9rieure au seuil conventionnel de 0.05, l’investigateur est fond\u00e9 \u00e0 retenir le postulat de constance de la variance, validant ainsi la stabilit\u00e9 des inf\u00e9rences issues de l’estimateur des moindres carr\u00e9s ordinaires.<\/p>\n

\"\"<\/figure>\n

8.3 Identification des observations influentes et aberrantes<\/h3>\n

La m\u00e9thode des moindres carr\u00e9s ordinaires \u00e9tant intrins\u00e8quement sensible aux points extr\u00eames en raison de la nature quadratique de sa fonction de p\u00e9nalisation math\u00e9matique, l’examen de la topologie des r\u00e9sidus et des points de levier repr\u00e9sente une \u00e9tape diagnostique critique. Une observation singuli\u00e8re isol\u00e9e peut exercer un effet de bascule disproportionn\u00e9 sur la trajectoire de la droite de r\u00e9gression et masquer la relation structurelle dominante.<\/p>\n

Trois concepts math\u00e9matiques distincts et compl\u00e9mentaires sont mobilis\u00e9s pour traquer ces anomalies dans SAS :<\/p>\n