1. Introduction aux mesures d’association ordinale et gen\u00e8se du D de Somers<\/h2>\n1.1 Contexte \u00e9pist\u00e9mologique en psychom\u00e9trie et statistiques non param\u00e9triques<\/h3>\n
L’essor de la psychom\u00e9trie moderne et des m\u00e9thodologies d’enqu\u00eates au cours du vingti\u00e8me si\u00e8cle a profond\u00e9ment transform\u00e9 la nature des donn\u00e9es soumises \u00e0 la mod\u00e9lisation statistique. Dans les disciplines du comportement, telles que la psychologie clinique, la sociologie quantitative, les sciences de l’\u00e9ducation ou le marketing fondamental, le recours aux \u00e9chelles d’attitudes de type Likert constitue la modalit\u00e9 pr\u00e9valente de recueil de l’information empirique. Ces dispositifs m\u00e9trologiques invitent les participants \u00e0 positionner leur niveau d’accord, de s\u00e9v\u00e9rit\u00e9 symptomatique ou de satisfaction sur un continuum discret, g\u00e9n\u00e9ralement \u00e9chelonn\u00e9 en cinq, sept ou neuf points (allant, par exemple, de \u00ab pas du tout d’accord \u00bb \u00e0 \u00ab tout \u00e0 fait d’accord \u00bb). Bien que ces \u00e9chelons poss\u00e8dent un ordre s\u00e9mantique et logique \u00e9vident, ils ne disposent d’aucune unit\u00e9 de mesure physique standardis\u00e9e ; il est formellement impossible d’affirmer que l’intervalle psychologique s\u00e9parant \u00ab mod\u00e9r\u00e9 \u00bb de \u00ab s\u00e9v\u00e8re \u00bb \u00e9quivaut exactement \u00e0 la distance s\u00e9parant \u00ab absent \u00bb de \u00ab l\u00e9ger \u00bb.<\/p>\n
L’application irr\u00e9fl\u00e9chie du coefficient de corr\u00e9lation lin\u00e9aire de Pearson \u00e0 ces scores cat\u00e9goriels ordonn\u00e9s se heurte \u00e0 des limites \u00e9pist\u00e9mologiques et formelles dirimantes. Le mod\u00e8le de Pearson repose sur l’hypoth\u00e8se sous-jacente d’une distribution normale bivari\u00e9e et postule la continuit\u00e9 ainsi que l’homos\u30d1dasticit\u00e9 des r\u00e9sidus. Lorsque les variables sont intrins\u00e8quement discr\u00e8tes et born\u00e9es, le coefficient lin\u00e9aire sous-estime de mani\u00e8re syst\u00e9matique la v\u00e9ritable force de l’association monotone, tout en se montrant excessivement vuln\u00e9rable \u00e0 la forme des distributions marginales. D\u00e8s lors qu’une variable pr\u00e9sente une asym\u00e9trie de distribution prononc\u00e9e \u2014 ph\u00e9nom\u00e8ne r\u00e9current en psychopathologie o\u00f9 les scores de d\u00e9tresse sont fr\u00e9quemment concentr\u00e9s sur les valeurs basses dans la population g\u00e9n\u00e9rale \u2014, Pearson \u00e9choue \u00e0 restituer la coh\u00e9rence du classement relatif des individus.<\/p>\n
Ce constat a impos\u00e9 le d\u00e9ploiement d’une approche m\u00e9thodologique alternative : la statistique non param\u00e9trique distribution-free, affranchie de tout postulat relatif \u00e0 la normalit\u00e9 des populations parentes. Dans ce cadre paradigmatique, l’objectif analytique ne consiste plus \u00e0 mod\u00e9liser la covariance des \u00e9carts \u00e0 la moyenne arithm\u00e9tique, mais \u00e0 \u00e9valuer la pr\u00e9servation de l’ordre relatif des sujets \u00e0 travers les diff\u00e9rentes dimensions investigu\u00e9es. La n\u00e9cessit\u00e9 s’est ainsi fait jour de concevoir des indices capables de quantifier \u00e0 la fois l’intensit\u00e9 et le sens directionnel d’un lien d’influence entre construits psychologiques, sans exiger l’artificialit\u00e9 d’une m\u00e9trisation m\u00e9trique arbitraire.<\/p>\n
1.2 Origine historique : Les travaux fondateurs de Robert H. Somers (1962)<\/h3>\n
Au d\u00e9but des ann\u00e9es 1960, le paysage m\u00e9thodologique des mesures d’association ordinale \u00e9tait domin\u00e9 par les travaux pionniers de Maurice Kendall et de Leo Goodman associ\u00e9s \u00e0 William Kruskal. En 1954, Goodman et Kruskal introduisirent leur coefficient Gamma, une mesure \u00e9l\u00e9gante calcul\u00e9e exclusivement \u00e0 partir de la proportion de paires d’observations concordantes et discordantes. Si le Gamma apportait une r\u00e9ponse novatrice aux limites des statistiques de contingence traditionnelles bas\u00e9es sur le Chi-deux, il souffrait d’un biais structural majeur : l’exclusion pure et simple de toutes les paires d’observations pr\u00e9sentant des valeurs identiques (les ex \u00e6quo ou ties<\/em>) sur l’une ou l’autre des variables analys\u00e9es.<\/p>\n Cette omission d\u00e9lib\u00e9r\u00e9e conduit le Gamma \u00e0 gonfler artificiellement l’ampleur de la corr\u00e9lation per\u00e7ue, particuli\u00e8rement au sein de tableaux de contingence denses o\u00f9 le nombre de cat\u00e9gories est restreint et o\u00f9 la concentration des effectifs engendre in\u00e9vitablement une masse consid\u00e9rable de rangs li\u00e9s. Face \u00e0 cette lacune conceptuelle, le sociologue et m\u00e9thodologiste am\u00e9ricain Robert H. Somers publia en 1962, au sein de l’\u00e9minente revue American Sociological Review<\/em>, un article s\u00e9minal intitul\u00e9 \u00ab A New Asymmetric Measure of Association for Ordinal Variables \u00bb<\/em>. Somers y d\u00e9veloppait une critique rigoureuse des propri\u00e9t\u00e9s du Gamma et d\u00e9montrait qu’ignorer les ex \u00e6quo revenait \u00e0 occulter une part substantielle de l’information empirique disponible.<\/p>\n L’innovation fondamentale de Somers ne r\u00e9sidait pas seulement dans l’int\u00e9gration arithm\u00e9tique des paires li\u00e9es, mais dans l’introduction formelle du concept d’asym\u00e9trie pr\u00e9dictive dans le champ de l’analyse ordinale. Somers postulait que dans la vaste majorit\u00e9 des protocoles de recherche sociologique ou psychologique, les deux variables sous revue n’occupent pas un statut \u00e9pist\u00e9mologique \u00e9quivalent. L’une op\u00e8re \u00e0 titre de variable ind\u00e9pendante (le facteur explicatif ou pr\u00e9dicteur), tandis que l’autre repr\u00e9sente la variable d\u00e9pendante (le crit\u00e8re d’aboutissement ou la variable r\u00e9ponse). En incorporant s\u00e9lectivement les ex \u00e6quo observ\u00e9s sur la variable d\u00e9pendante au d\u00e9nominateur de son ratio, Somers concevait une m\u00e9trique p\u00e9nalisant l’incapacit\u00e9 du mod\u00e8le \u00e0 discriminer les r\u00e9ponses, tout en neutralisant l’impact des regroupements inh\u00e9rents \u00e0 la variable explicative.<\/p>\n Pour appr\u00e9hender la port\u00e9e math\u00e9matique du D de Somers, il convient de le situer au sein de la c\u00e9l\u00e8bre taxonomie des niveaux de mesure formul\u00e9e par le psychologue Stanley Smith Stevens en 1946. Stevens distingue quatre \u00e9chelles fondamentales : nominale, ordinale, d’intervalle et de rapport. L’\u00e9chelle ordinale occupe une position charni\u00e8re au sein de cette hi\u00e9rarchie. \u00c0 la diff\u00e9rence de l’\u00e9chelle nominale, qui n’autorise que des jugements d’\u00e9quivalence ou de dissemblance qualitative sans orientation sous-jacente (par exemple, le groupe sanguin ou le statut matrimonial), l’\u00e9chelle ordinale introduit une relation d’ordre binaire compl\u00e8te, transitive et r\u00e9flexive, traditionnellement not\u00e9e par le symbole de comparaison sup\u00e9rieure ou \u00e9gale.<\/p>\n Toutefois, l’\u00e9chelle ordinale se distingue radicalement des \u00e9chelles m\u00e9triques (d’intervalle et de rapport) en ce qu’elle ne poss\u00e8de pas d’unit\u00e9 de mesure standard invariable. Les propri\u00e9t\u00e9s formelles du rang permettent d’affirmer avec certitude que le sujet A manifeste un niveau de trait latent sup\u00e9rieur au sujet B, mais interdisent formellement de quantifier l’amplitude absolue de cette divergence. Les op\u00e9rations arithm\u00e9tiques fondamentales telles que l’addition, la soustraction et, par extension, le calcul de la moyenne arithm\u00e9tique ou de la variance d’\u00e9chantillonnage, sont d\u00e9pourvues de validit\u00e9 math\u00e9matique stricte sur des donn\u00e9es purement ordinales. Les seules transformations admissibles sont les fonctions strictement monotones croissantes, qui pr\u00e9servent l’ordonnancement relatif sans modifier la structure relationnelle des observations.<\/p>\n Cette caract\u00e9ristique impose des contraintes s\u00e9v\u00e8res sur le choix des mod\u00e8les probabilistes. Traiter des donn\u00e9es cat\u00e9gorielles ordonn\u00e9es comme des r\u00e9alisations de variables al\u00e9atoires continues induit des biais d’estimation non lin\u00e9aires dans l’\u00e9valuation des param\u00e8tres structurels. Les mesures de concordance, \u00e0 l’instar du D de Somers, respectent scrupuleusement l’invariance par rapport aux transformations monotones. Elles fondent leur m\u00e9canique inf\u00e9rentielle exclusivement sur la position relative des couples d’individus, fournissant une quantification robuste du degr\u00e9 d’alignement empirique entre dimensions d’\u00e9valuation, ind\u00e9pendamment de toute assignation num\u00e9rique arbitraire aux cat\u00e9gories observ\u00e9es.<\/p>\n L’analyse statistique bivari\u00e9e oscille historiquement entre deux finalit\u00e9s \u00e9pist\u00e9mologiques distinctes : la caract\u00e9risation de l’interd\u00e9pendance mutuelle et la mod\u00e9lisation de la d\u00e9pendance unilat\u00e9rale. Les approches sym\u00e9triques, incarn\u00e9es par le coefficient r de Pearson ou le Tau de Kendall, abordent les deux variables de mani\u00e8re rigoureusement interchangeable. Dans ce cadre, la corr\u00e9lation unissant une variable X \u00e0 une variable Y est formellement indiscernable de celle liant Y \u00e0 X. Si cette propri\u00e9t\u00e9 s’av\u00e8re parfaitement l\u00e9gitime lorsqu’on cherche \u00e0 \u00e9valuer la fid\u00e9lit\u00e9 test-retest de deux versions parall\u00e8les d’un m\u00eame questionnaire, elle devient conceptuellement sous-optimale d\u00e8s lors que la recherche s’inscrit dans un paradigme causal, quasi-exp\u00e9rimental ou pr\u00e9dictif.<\/p>\n En psychologie clinique et en \u00e9pid\u00e9miologie, l’investigateur cherche quasi syst\u00e9matiquement \u00e0 appr\u00e9hender dans quelle mesure la variation observ\u00e9e sur un pr\u00e9dicteur X (par exemple, l’exposition \u00e0 un stresseur aigu) conditionne ou explique l’ordonnancement d’un crit\u00e8re Y (par exemple, la s\u00e9v\u00e9rit\u00e9 d’un \u00e9pisode d\u00e9pressif caract\u00e9ris\u00e9). La d\u00e9pendance stochastique n’est pas r\u00e9ciproque : l’incapacit\u00e9 d’une \u00e9chelle de d\u00e9pression \u00e0 distinguer deux patients ayant subi des niveaux de stress dissemblables constitue un \u00e9chec pr\u00e9dictif patent de la variable X. \u00c0 l’inverse, si deux individus subissent le m\u00eame niveau de stress X mais expriment des niveaux de d\u00e9pression Y diff\u00e9rents, cette variance r\u00e9siduelle rel\u00e8ve de facteurs tiers (r\u00e9silience, g\u00e9n\u00e9tique) sans n\u00e9cessairement invalider la capacit\u00e9 globale de X \u00e0 orienter la hi\u00e9rarchie des r\u00e9ponses.<\/p>\n Le concept d’asym\u00e9trie relationnelle formalis\u00e9 par Somers traduit cette dissociation fonctionnelle. En assignant des r\u00f4les structurellement diff\u00e9renci\u00e9s \u00e0 X et Y, le D de Somers brise la sym\u00e9trie algorithmique. Il quantifie l’efficacit\u00e9 avec laquelle la connaissance du rang d’un individu sur le pr\u00e9dicteur permet d’anticiper son positionnement hi\u00e9rarchique sur la variable r\u00e9ponse. Cette perspective pr\u00e9figure de mani\u00e8re directe la philosophie des mod\u00e8les de r\u00e9gression logistique ordinale et d’analyse de survie, o\u00f9 la finalit\u00e9 premi\u00e8re r\u00e9side dans l’optimisation du pouvoir discriminant unilat\u00e9ral.<\/p>\n D’un point de vue probabiliste formel, le D de Somers asym\u00e9trique, classiquement not\u00e9 D(Y|X), s’articule autour de la notion d’\u00e9chantillonnage de paires d’observations ind\u00e9pendantes issues d’une population conjointe. Consid\u00e9rons deux individus distincts tir\u00e9s au sort de mani\u00e8re al\u00e9atoire, caract\u00e9ris\u00e9s respectivement par leurs r\u00e9alisations bivari\u00e9es $(x_i, y_i)$<\/span> et $(x_j, y_j)$<\/span>. Le statut relationnel de cette paire peut \u00eatre class\u00e9 en trois configurations mutuellement exclusives : concordante, discordante, ou li\u00e9e (ex \u00e6quo).<\/p>\n La formulation probabiliste du D de Somers repose sur l’\u00e9valuation de la diff\u00e9rence entre deux probabilit\u00e9s conditionnelles, le conditionnement s’op\u00e9rant explicitement sur l’ensemble des paires qui pr\u00e9sentent des valeurs distinctes sur la variable pr\u00e9dictive X. En notation probabiliste standard, le coefficient s’exprime sous la forme suivante :<\/p>\n D(Y|X) = P(Concordance | X_i \u2260 X_j) – P(Discordance | X_i \u2260 X_j)<\/em><\/p>\n Cette formalisation met en lumi\u00e8re l’essence op\u00e9rationnelle de la m\u00e9trique : elle \u00e9value l’exc\u00e9dent net de la probabilit\u00e9 d’observer un ordonnancement concordant sur la variable d\u00e9pendante par rapport \u00e0 la probabilit\u00e9 d’observer un ordonnancement discordant, sachant que les deux entit\u00e9s compar\u00e9es poss\u00e8dent des niveaux distincts sur le facteur pr\u00e9dictif. Sous l’hypoth\u00e8se nulle d’une ind\u00e9pendance stochastique parfaite entre X et Y, la probabilit\u00e9 conditionnelle de concordance devient strictement \u00e9gale \u00e0 la probabilit\u00e9 conditionnelle de discordance, r\u00e9sultant en une valeur esp\u00e9r\u00e9e de D(Y|X) rigoureusement \u00e9gale \u00e0 z\u00e9ro. Toute d\u00e9viation par rapport \u00e0 cette valeur nulle atteste d’une capacit\u00e9 pr\u00e9dictive monotone non al\u00e9atoire.<\/p>\n \u00c0 l’instar des coefficients de corr\u00e9lation conventionnels, le D de Somers est une statistique adimensionnelle born\u00e9e sur le continuum ferm\u00e9 allant de -1 \u00e0 +1 inclus. Cette normalisation conf\u00e8re \u00e0 l’indice une interpr\u00e9tabilit\u00e9 directe et standardis\u00e9e, facilitant les comparaisons entre instruments psychom\u00e9triques ou cohortes d’\u00e9tudes h\u00e9t\u00e9rog\u00e8nes. La signification des points d’ancrage canoniques de cet intervalle m\u00e9rite une clarification rigoureuse :<\/p>\n Il importe de souligner que, contrairement au coefficient Gamma, l’obtention des valeurs limites +1 ou -1 constitue un \u00e9v\u00e9nement particuli\u00e8rement exigeant pour le D de Somers. En effet, la pr\u00e9sence d’ex \u00e6quo sur Y pour des paires informatives sur X minore math\u00e9matiquement la valeur absolue du coefficient, conf\u00e9rant \u00e0 ce dernier une nature conservatrice particuli\u00e8rement appr\u00e9ci\u00e9e en m\u00e9trologie scientifique.<\/p>\n L’infrastructure algorithmique du D de Somers repose int\u00e9gralement sur la combinatoire bivari\u00e9e appliqu\u00e9e \u00e0 l’ensemble des paires non ordonn\u00e9es pouvant \u00eatre extraites d’un \u00e9chantillon de taille N. Le nombre total de paires distinctes s’\u00e9l\u00e8ve \u00e0 N(N – 1) \/ 2<\/em>. L’analyse proc\u00e8de \u00e0 l’examen syst\u00e9matique de chaque paire form\u00e9e par l’observation i<\/em>, not\u00e9e $(x_i, y_i)$<\/span>, et l’observation j<\/em>, not\u00e9e $(x_j, y_j)$<\/span>, pour tout $i < j$<\/span>.<\/p>\n Une paire est formellement d\u00e9clar\u00e9e concordante<\/strong> si la relation d’ordre unissant les deux sujets sur la variable ind\u00e9pendante X est scrupuleusement reproduite dans le m\u00eame sens sur la variable d\u00e9pendante Y. En termes math\u00e9matiques rigoureux, la condition de concordance s’exprime par le pr\u00e9dicat logique suivant :<\/p>\n (x_i > x_j ET y_i > y_j) OU (x_i < x_j ET y_i < y_j)<\/em><\/p>\n Ce pr\u00e9dicat peut \u00eatre synth\u00e9tis\u00e9 de mani\u00e8re \u00e9l\u00e9gante par l’in\u00e9galit\u00e9 de produit alg\u00e9brique : (x_i – x_j)(y_i – y_j) > 0<\/em>. Sur le plan de la signification clinique ou comportementale, la pr\u00e9valence des paires concordantes \u2014 dont la somme totale est d\u00e9sign\u00e9e par la notation standard $N_C$<\/span> ou simplement $C$<\/span> \u2014 indique que le classement relatif des individus est pr\u00e9serv\u00e9 de mani\u00e8re homog\u00e8ne. Un individu manifestant un niveau de propension plus marqu\u00e9 sur la variable ant\u00e9c\u00e9dente pr\u00e9sente conjointement une intensit\u00e9 plus soutenue sur la variable r\u00e9sultante.<\/p>\n \u00c0 l’oppos\u00e9 structural de la concordance se trouvent les paires qualifi\u00e9es de discordantes<\/strong>. Une paire est d\u00e9finie comme discordante lorsqu’il s’op\u00e8re un renversement complet de l’ordonnancement hi\u00e9rarchique entre les deux dimensions investigu\u00e9es. Math\u00e9matiquement, la paire $(i, j)$<\/span> est assign\u00e9e \u00e0 cette classe si elle satisfait \u00e0 la condition logique suivante :<\/p>\n (x_i > x_j ET y_i < y_j) OU (x_i y_j)<\/em><\/p>\n De fa\u00e7on compacte, cette relation \u00e9quivaut \u00e0 v\u00e9rifier l’in\u00e9galit\u00e9 : (x_i – x_j)(y_i – y_j) < 0<\/em>. L’agr\u00e9gation de l’ensemble de ces occurrences au sein de l’\u00e9chantillon d\u00e9finit le cardinal des paires discordantes, traditionnellement r\u00e9f\u00e9renc\u00e9 sous le symbole $N_D$<\/span> ou $D$<\/span>.<\/p>\n La dynamique des paires discordantes joue un r\u00f4le mod\u00e9rateur direct dans l’estimation de l’association. Dans la construction de la statistique de Somers, chaque paire discordante vient retrancher son poids \u00e0 la masse des paires concordantes via l’op\u00e9rateur de diff\u00e9rence \u00e9l\u00e9mentaire $(N_C – N_D)$<\/span>. En contexte psychologique, un volume substantiel de paires discordantes signale l’existence d’antagonismes relationnels ou de trajectoires individuelles atypiques invalidant l’hypoth\u00e8se d’une monotonicit\u00e9 globale du ph\u00e9nom\u00e8ne sous surveillance.<\/p>\n L’analyse des rangs sur des variables cat\u00e9gorielles \u00e0 support discret confronte in\u00e9luctablement l’analyste \u00e0 des situations d’indiscernabilit\u00e9 ordinale, d\u00e9nomm\u00e9es paires li\u00e9es<\/strong> ou ex \u00e6quo<\/strong> (commun\u00e9ment d\u00e9sign\u00e9es par le terme anglais ties<\/em>). D\u00e8s lors que la taille d’\u00e9chantillon N exc\u00e8de le nombre restreint de modalit\u00e9s de r\u00e9ponse, la formation d’ex \u00e6quo devient une certitude math\u00e9matique en vertu du principe des tiroirs. Une d\u00e9composition exhaustive de l’espace combinatoire impose de cat\u00e9goriser ces liens en trois sous-ensembles mutuellement exclusifs :<\/p>\n L’\u00e9quation fondamentale de partition du volume combinatoire global s’\u00e9crit formellement :<\/p>\n N(N – 1) \/ 2 = N_C + N_D + T_x + T_y + T_{xy}<\/em><\/p>\n La mani\u00e8re dont une m\u00e9trique d’association traite ces trois composantes de liaison ($T_x$<\/span>, $T_y$<\/span>, $T_{xy}$<\/span>) d\u00e9termine l’ensemble de ses propri\u00e9t\u00e9s alg\u00e9briques et sa sensibilit\u00e9 aux caract\u00e9ristiques des distributions empiriques.<\/p>\n La formulation alg\u00e9brique canonique du D de Somers asym\u00e9trique, consid\u00e9rant la variable Y comme d\u00e9pendante de la variable X, est structur\u00e9e par un ratio normalis\u00e9. Au num\u00e9rateur, on retrouve la diff\u00e9rence nette entre le nombre total de paires concordantes et le nombre total de paires discordantes, reflet direct du sens et de la coh\u00e9rence de l’ordonnancement bivari\u00e9. Au d\u00e9nominateur, Somers introduit la somme des paires concordantes, discordantes et des paires li\u00e9es exclusivement sur la variable d\u00e9pendante Y. L’\u00e9quation ma\u00eetresse se formule ainsi :<\/p>\n D(Y|X) = (N_C – N_D) \/ (N_C + N_D + T_y)<\/em><\/p>\n Il est particuli\u00e8rement instructif de constater que le d\u00e9nominateur peut \u00eatre r\u00e9\u00e9crit sous une forme probabiliste alternative. En reprenant l’\u00e9quation de d\u00e9composition combinatoire \u00e9tablie pr\u00e9c\u00e9demment, la quantit\u00e9 (N_C + N_D + T_y)<\/em> repr\u00e9sente pr\u00e9cis\u00e9ment le nombre total de paires pour lesquelles la variable ind\u00e9pendante X pr\u00e9sente des valeurs strictement distinctes, soit l’ensemble des paires non ex \u00e6quo sur X. Par cons\u00e9quent :<\/p>\n N_C + N_D + T_y = [N(N – 1) \/ 2] – (T_x + T_{xy})<\/em><\/p>\n Cette \u00e9l\u00e9gante reformulation explicite la m\u00e9canique de conditionnement : le D de Somers neutralise l’impact des ex \u00e6quo survenus sur la variable ind\u00e9pendante (qui sont exclus de l’\u00e9valuation pr\u00e9dictive puisqu’ils n’offrent aucune base discriminante pr\u00e9alable sur X), mais p\u00e9nalise formellement le mod\u00e8le pour chaque ex \u00e6quo observ\u00e9 sur Y en pr\u00e9sence d’une disparit\u00e9 sur X. Le ratio exprime litt\u00e9ralement la proportion de divergence directionnelle rapport\u00e9e \u00e0 la totalit\u00e9 des comparaisons ordonn\u00e9es valides initi\u00e9es par le pr\u00e9dicteur.<\/p>\n L’asym\u00e9trie structurelle du D de Somers implique que l’inversion des r\u00f4les attribu\u00e9s aux variables modifie substantiellement la valeur num\u00e9rique du coefficient. Si l’analyste d\u00e9cide d’examiner dans quelle mesure la variable X est pr\u00e9dite par la variable Y \u2014 adoptant ainsi Y comme variable ind\u00e9pendante et X comme crit\u00e8re \u2014, l’\u00e9quation de calcul doit \u00eatre ajust\u00e9e pour p\u00e9naliser d\u00e9sormais les ex \u00e6quo observ\u00e9s sur X ($T_x$<\/span>). La formulation r\u00e9ciproque s’\u00e9nonce comme suit :<\/p>\n D(X|Y) = (N_C – N_D) \/ (N_C + N_D + T_x)<\/em><\/p>\n Tandis que le num\u00e9rateur (N_C – N_D)<\/em> demeure rigoureusement invariant dans les deux expressions, les d\u00e9nominateurs divergent d\u00e8s lors que $T_x \u2260 T_y$<\/span>. En pratique, si la variable d\u00e9pendante Y est mesur\u00e9e sur une \u00e9chelle grossi\u00e8re comportant un nombre tr\u00e8s restreint de cat\u00e9gories (par exemple, une \u00e9chelle en trois points), le volume d’ex \u00e6quo $T_y$<\/span> sera structurellement plus volumineux que le contingent $T_x$<\/span> issu d’une \u00e9chelle pr\u00e9dictive continue ou plus finement gradu\u00e9e (par exemple, un score sur vingt points). En cons\u00e9quence, le d\u00e9nominateur de D(Y|X) sera plus lourd, entra\u00eenant une valeur de D(Y|X) plus faible que celle de D(X|Y).<\/p>\n Le choix m\u00e9thodologique entre D(Y|X) et D(X|Y) ne rel\u00e8ve donc aucunement d’un arbitrage statistique opportuniste fond\u00e9 sur l’ampleur du chiffre obtenu, mais d’une rigoureuse d\u00e9cision th\u00e9orique pr\u00e9alable dict\u00e9e par la temporalit\u00e9, l’\u00e9tiologie ou l’architecture conceptuelle des hypoth\u00e8ses de recherche. C’est l’identification sans \u00e9quivoque de la variable devant \u00eatre expliqu\u00e9e qui gouverne la s\u00e9lection de la direction de conditionnement.<\/p>\n Bien que con\u00e7u originellement pour r\u00e9pondre aux exigences de la mod\u00e9lisation directionnelle, le D de Somers peut \u00eatre d\u00e9clin\u00e9 sous une forme sym\u00e9trique lorsque le cadre de recherche ne permet pas de postuler une ant\u00e9riorit\u00e9 logique ou causale entre les deux construits examin\u00e9s. La version sym\u00e9trique constitue un compromis alg\u00e9brique r\u00e9int\u00e9grant l’ensemble des paires li\u00e9es unilat\u00e9rales ($T_x$<\/span> et $T_y$<\/span>).<\/p>\n Elle est traditionnellement formul\u00e9e en divisant la diff\u00e9rence des paires concordantes et discordantes par la moyenne arithm\u00e9tique des d\u00e9nominateurs conditionnels respectifs :<\/p>\n D_sym\u00e9trique = (N_C – N_D) \/ [ 0.5 * ((N_C + N_D + T_y) + (N_C + N_D + T_x)) ] = 2 * (N_C – N_D) \/ (2 * N_C + 2 * N_D + T_x + T_y)<\/em><\/p>\n Cette expression sym\u00e9trique partage des parent\u00e9s \u00e9troites avec le Tau-b de Kendall. Toutefois, tandis que le Tau-b recourt \u00e0 une moyenne g\u00e9om\u00e9trique des composantes d’ex \u00e6quo au d\u00e9nominateur, le D sym\u00e9trique de Somers s’appuie sur une structure arithm\u00e9tique. Bien que leurs valeurs num\u00e9riques soient fr\u00e9quemment tr\u00e8s proches en pr\u00e9sence de tableaux r\u00e9guliers, le D sym\u00e9trique demeure privil\u00e9gi\u00e9 par certains statisticiens en raison de sa d\u00e9rivation probabiliste directe dans l’\u00e9valuation des contrastes moyens de rangs appari\u00e9s.<\/p>\n Pour appr\u00e9cier l’apport m\u00e9thodologique du D de Somers, la confrontation avec le coefficient Gamma de Goodman et Kruskal s’av\u00e8re indispensable. Le Gamma est d\u00e9fini par l’expression algorithmique suivante :<\/p>\n Gamma = (N_C – N_D) \/ (N_C + N_D)<\/em><\/p>\n L’examen de cette formule r\u00e9v\u00e8le que le Gamma op\u00e8re dans un univers probabiliste strictement conditionn\u00e9 \u00e0 l’exclusion de l’int\u00e9gralit\u00e9 des ex \u00e6quo ($T_x = 0, T_y = 0, T_{xy} = 0$<\/span>). Il n’analyse la structure des donn\u00e9es qu’au travers des paires strictement ordonn\u00e9es sur les deux variables simultan\u00e9ment. Cette amputation du d\u00e9nominateur conf\u00e8re au Gamma une tendance syst\u00e9matique et bien document\u00e9e \u00e0 la surestimation drastique de la force de l’association. Dans les grands tableaux de contingence sociologiques ou m\u00e9dicaux, o\u00f9 les ex \u00e6quo constituent couramment de 40 % \u00e0 70 % de la combinatoire totale, le Gamma peut afficher des valeurs impressionnantes (par exemple, 0,75) alors m\u00eame que la capacit\u00e9 pr\u00e9dictive r\u00e9elle de la variable ind\u00e9pendante est profond\u00e9ment \u00e9rod\u00e9e par une incapacit\u00e9 \u00e0 diff\u00e9rencier la majorit\u00e9 des cas cliniques.<\/p>\n Le D de Somers s’affirme comme une alternative hautement plus conservatrice, r\u00e9aliste et \u00e9pist\u00e9mologiquement honn\u00eate. En r\u00e9incorporant les ex \u00e6quo de la variable d\u00e9pendante au d\u00e9nominateur, il sanctionne la perte de pouvoir s\u00e9parateur de l’instrument d’\u00e9valuation. Un D de Somers de 0,40 refl\u00e8te souvent une r\u00e9gularit\u00e9 sous-jacente plus robuste et pr\u00e9dictivement exploitable qu’un Gamma artificiellement gonfl\u00e9 \u00e0 0,70 par l’\u00e9viction complaisante des observations \u00e0 rangs li\u00e9s.<\/p>\n La famille des coefficients Tau d\u00e9velopp\u00e9e par Maurice Kendall propose diverses strat\u00e9gies d’ajustement combinatoire. Le Tau-a<\/strong> originel applique la p\u00e9nalisation maximale en rapportant le solde (N_C – N_D)<\/em> \u00e0 la totalit\u00e9 absolue des paires possibles N(N – 1) \/ 2<\/em>, sans op\u00e9rer la moindre distinction quant \u00e0 la localisation des ex \u00e6quo. Par cons\u00e9quent, d\u00e8s que l’\u00e9chantillon pr\u00e9sente des n\u0153uds cat\u00e9goriels, le Tau-a est incapable d’atteindre les bornes th\u00e9oriques +1 ou -1, ce qui limite son utilit\u00e9 pratique dans les matrices discr\u00e8tes.<\/p>\n Le Tau-b de Kendall<\/strong> r\u00e9sout ce bridage en ajustant le d\u00e9nominateur par la racine carr\u00e9e du produit des paires non li\u00e9es sur chaque variable :<\/p>\n Tau-b = (N_C – N_D) \/ sqrt[(N_C + N_D + T_x) * (N_C + N_D + T_y)]<\/em><\/p>\n Le Tau-b est intrins\u00e8quement une statistique sym\u00e9trique<\/strong>. Il est remarquablement adapt\u00e9 aux tableaux de contingence carr\u00e9s (poss\u00e9dant un nombre identique de lignes et de colonnes), mais il ne peut atteindre ses bornes extr\u00eames lorsque la matrice de donn\u00e9es est rectangulaire. Pour pallier cette contrainte dans les tables non carr\u00e9es, Stuart a propos\u00e9 le Tau-c<\/strong>, qui int\u00e8gre un facteur de correction d’\u00e9chelle d\u00e9pendant du minimum entre le nombre de lignes et de colonnes. Cependant, aucune de ces variantes ne formalise l’asym\u00e9trie fonctionnelle entre variable explicative et variable \u00e0 expliquer. D\u00e8s lors qu’une relation de cause \u00e0 effet ou d’ant\u00e9c\u00e9dence diagnostique est investigu\u00e9e, le D de Somers asym\u00e9trique surpasse le Tau-b en alignant l’architecture math\u00e9matique de l’indice sur le mod\u00e8le conceptuel du clinicien.<\/p>\n Le coefficient de corr\u00e9lation des rangs de Spearman ($r_s$<\/span> ou Rho) correspond \u00e0 l’application stricte de l’\u00e9quation de Bravais-Pearson aux donn\u00e9es converties pr\u00e9alablement en rangs statistiques simples (allant de 1 \u00e0 N). Bien que Spearman soit fr\u00e9quemment employ\u00e9 comme solution de repli pour les \u00e9chelles ordinales, son comportement analytique devient probl\u00e9matique en pr\u00e9sence de donn\u00e9es group\u00e9es au sein d’un faible nombre de modalit\u00e9s cat\u00e9gorielles.<\/p>\n Lorsque des centaines d’individus partagent la m\u00eame cat\u00e9gorie Likert, ils se voient attribuer un rang moyen identique (les rangs moyens d’ex \u00e6quo). Cette op\u00e9ration alt\u00e8re la variance th\u00e9orique des rangs et impose l’application de formules de correction pour liens particuli\u00e8rement complexes. De surcro\u00eet, le Rho de Spearman demeure une mesure sym\u00e9trique qui postule implicitement que la variance des rangs refl\u00e8te ad\u00e9quatement un continuum m\u00e9trique sous-jacent uniform\u00e9ment espac\u00e9.<\/p>\n Le D de Somers s’av\u00e8re conceptuellement sup\u00e9rieur pour les donn\u00e9es cat\u00e9gorielles ordonn\u00e9es group\u00e9es en tableaux de contingence. Il ne n\u00e9cessite aucun artifice d’assignation de rangs moyens continus, son calcul d\u00e9coulant directement des fr\u00e9quences conjointes de la matrice crois\u00e9e. Il pr\u00e9serve ainsi la stricte nature non m\u00e9trique des \u00e9chelons qualitatifs tout en autorisant une interpr\u00e9tation probabiliste directe en termes de diff\u00e9rentiel de concordance, ce que le formalisme de Spearman ne permet pas.<\/p>\n L’interpr\u00e9tation clinique ou scientifique de la magnitude d’un coefficient D de Somers ne saurait s’effectuer sur les m\u00eames grilles de lecture que celles historiquement \u00e9tablies par Jacob Cohen pour le r de Pearson. En raison de sa formulation asym\u00e9trique et de l’int\u00e9gration p\u00e9nalisante des ex \u00e6quo d\u00e9pendants, le D de Somers g\u00e9n\u00e8re des valeurs absolues dont la distribution d’\u00e9chantillonnage est structurellement plus resserr\u00e9e que celle des coefficients sans correction d’ex \u00e6quo.<\/p>\n \u00c0 la lumi\u00e8re des consensus m\u00e9thodologiques pr\u00e9valant en psychom\u00e9trie exp\u00e9rimentale et en \u00e9pid\u00e9miologie comportementale, la grille d’orientation suivante peut \u00eatre adopt\u00e9e pour calibrer la force d’association du D(Y|X) :<\/p>\n Le signe affect\u00e9 \u00e0 la statistique gouverne la directionnalit\u00e9 substantielle du ph\u00e9nom\u00e8ne : une valeur positive indique un alignement direct (la progression sur X favorise l’ascension sur Y), tandis qu’un coefficient n\u00e9gatif d\u00e9montre un effet protecteur ou antagoniste (l’\u00e9l\u00e9vation sur X acc\u00e9l\u00e8re la r\u00e9gression sur l’\u00e9chelle de gravit\u00e9 de Y).<\/p>\n Un aspect critique de la manipulation du D de Somers r\u00e9side dans sa vuln\u00e9rabilit\u00e9 aux contraintes marginales du tableau de contingence. La valeur maximale th\u00e9orique de +1,00 ne peut \u00eatre empiriquement atteinte que si les distributions marginales des deux variables (les totaux en lignes et les totaux en colonnes) pr\u00e9sentent des profils d’allocation strictement homomorphes.<\/p>\n Si la variable d\u00e9pendante Y pr\u00e9sente une distribution fortement asym\u00e9trique (skewed<\/em>) \u2014 par exemple, si 80 % des patients d’un \u00e9chantillon g\u00e9n\u00e9raliste se concentrent sur la modalit\u00e9 \u00ab Absence de sympt\u00f4mes d\u00e9pressifs \u00bb \u2014, il est math\u00e9matiquement impossible pour le D(Y|X) d’atteindre la borne sup\u00e9rieure de 1,00, m\u00eame en pr\u00e9sence d’une pr\u00e9diction th\u00e9orique sans faille. Cette concentration marginale massive engendre un volume irr\u00e9ductible d’ex \u00e6quo $T_y$<\/span>, qui vient inexorablement alourdir le d\u00e9nominateur de la fraction et plafonner artificiellement l’amplitude maximale accessible pour la m\u00e9trique.<\/p>\n Le chercheur averti doit imp\u00e9rativement proc\u00e9der \u00e0 une inspection diagnostique pr\u00e9alable des distributions unidimensionnelles avant de conclure \u00e0 la faiblesse intrins\u00e8que d’une relation. Dans certains contextes de dissym\u00e9trie prononc\u00e9e, un D de Somers de 0,25 peut en r\u00e9alit\u00e9 repr\u00e9senter 90 % de l’amplitude maximale th\u00e9oriquement r\u00e9alisable compte tenu des marges observ\u00e9es. Des proc\u00e9dures de normalisation marginale ou le calcul syst\u00e9matique du ratio D \/ D_max<\/em> peuvent \u00eatre mobilis\u00e9s pour contextualiser rigoureusement l’interpr\u00e9tation des magnitudes obtenues.<\/p>\n Une confusion r\u00e9currente dans la litt\u00e9rature appliqu\u00e9e consiste \u00e0 interpr\u00e9ter le D de Somers comme une estimation de la pente d’un mod\u00e8le de r\u00e9gression, ou \u00e0 le subsumer sous le concept g\u00e9n\u00e9rique de corr\u00e9lation lin\u00e9aire. Il convient de rappeler avec force que le D de Somers quantifie exclusivement la concordance ordinale<\/strong>. Il n’informe aucunement sur la forme g\u00e9om\u00e9trique de la fonction reliant X \u00e0 Y, si ce n’est sa stricte monotonicit\u00e9 globale.<\/p>\n De surcro\u00eet, le passage de la constatation d’une concordance asym\u00e9trique significative \u00e0 l’affirmation d’un lien causal rel\u00e8ve d’un sophisme m\u00e9thodologique classique. Bien que D(Y|X) soit asym\u00e9trique dans sa formulation math\u00e9matique, cette asym\u00e9trie n’est qu’analytique et conditionnelle ; elle ne constitue en rien une d\u00e9monstration de l’ant\u00e9riorit\u00e9 temporelle ou de l’efficience causale du ph\u00e9nom\u00e8ne X sur le ph\u00e9nom\u00e8ne Y. L’influence d’une variable de confusion non mesur\u00e9e, partageant des liens monotones avec les deux dimensions explor\u00e9es, peut parfaitement g\u00e9n\u00e9rer un D de Somers substantiel en l’absence de tout lien direct.<\/p>\n Enfin, la non-transitivit\u00e9 potentielle des relations ordinales au sein de syst\u00e8mes multivari\u00e9s complexes incite \u00e0 la prudence : le fait que X pr\u00e9dise ordinalement Y, et que Y pr\u00e9dise ordinalement Z, n’implique pas math\u00e9matiquement que la r\u00e9sultante globale du D de Somers reliant X \u00e0 Z soit \u00e9gale au produit de leurs associations respectives. Le D de Somers demeure un indicateur bivari\u00e9 localis\u00e9 qui ne saurait s’\u00e9manciper des imp\u00e9ratifs m\u00e9thodologiques du contr\u00f4le d’interf\u00e9rences.<\/p>\n Afin d’ancrer les d\u00e9veloppements formels pr\u00e9c\u00e9dents dans la pratique concr\u00e8te de l’\u00e9valuation quantitative, d\u00e9veloppons une \u00e9tude de cas clinique int\u00e9grale. Consid\u00e9rons une recherche interventionnelle en m\u00e9decine comportementale s’int\u00e9ressant \u00e0 l’impact du stress per\u00e7u sur la s\u00e9v\u00e9rit\u00e9 des troubles du sommeil chez des professionnels de sant\u00e9 exer\u00e7ant en milieu hospitalier d’urgence.<\/p>\n Le protocole m\u00e9thodologique op\u00e9rationnalise deux construits fondamentaux au moyen d’\u00e9chelles standardis\u00e9es \u00e0 cotation ordinale discr\u00e8te :<\/p>\n L’\u00e9chantillon analys\u00e9 est constitu\u00e9 d’une cohorte cons\u00e9cutive de N = 150 participants<\/strong> ayant compl\u00e9t\u00e9 l’int\u00e9gralit\u00e9 du protocole d’\u00e9valuation psychom\u00e9trique lors de leur visite annuelle de suivi en sant\u00e9 au travail.<\/p>\n Le croisement exhaustif des r\u00e9ponses individuelles collect\u00e9es au sein de cette cohorte permet de dresser un tableau de contingence bivari\u00e9 carr\u00e9 de dimension 3 \u00d7 3. Les lignes correspondent aux niveaux du facteur pr\u00e9dictif Stress (X), tandis que les colonnes mat\u00e9rialisent les degr\u00e9s d’Insomnie (Y). D\u00e9signons par $n_{ij}$<\/span> l’effectif conjoint d\u00e9nombr\u00e9 \u00e0 l’intersection de la ligne i<\/em> et de la colonne j<\/em>.<\/p>\n La matrice des observations empiriques se distribue selon la structure chiffr\u00e9e suivante :<\/p>\n L’inspection des effectifs marginaux r\u00e9v\u00e8le des groupes \u00e9quilibr\u00e9s sur le facteur pr\u00e9dictif (50 individus par palier de stress). La diagonale principale (35, 25, 30) concentre 90 des 150 observations (soit 60 % de l’\u00e9chantillon global), fournissant une premi\u00e8re indication visuelle quant \u00e0 l’orientation positive de la relation ordinale.<\/p>\n Proc\u00e9dons \u00e0 l’extraction computationnelle manuelle et exhaustive de chacune des composantes structurales fondamentales n\u00e9cessaires au calcul du D de Somers.<\/p>\n 1. Calcul du nombre de paires concordantes ($N_C$<\/span>) :<\/strong> Les cellules de la troisi\u00e8me ligne et de la troisi\u00e8me colonne ne poss\u00e8dent aucune cellule inf\u00e9rieure droite. La sommation totale des paires concordantes s’\u00e9tablit \u00e0 : 2. Calcul du nombre de paires discordantes ($N_D$<\/span>) :<\/strong> La sommation des paires discordantes donne : Le solde de concordance net s’\u00e9l\u00e8ve ainsi \u00e0 : N_C – N_D = 4625 – 825 = 3800<\/em>.<\/p>\n 3. Calcul des ex \u00e6quo sur la variable d\u00e9pendante exclusivement ($T_y$<\/span>) :<\/strong> Le volume cumul\u00e9 des ex \u00e6quo d\u00e9pendants s’\u00e9l\u00e8ve par cons\u00e9quent \u00e0 : 4. Calcul des ex \u00e6quo sur la variable ind\u00e9pendante exclusivement ($T_x$<\/span>) :<\/strong> Le total des ex \u00e6quo sur le facteur pr\u00e9dictif s’\u00e9l\u00e8ve \u00e0 : Nous disposons d\u00e9sormais de l’ensemble des grandeurs arithm\u00e9tiques requises pour finaliser l’\u00e9valuation du D de Somers directionnel formul\u00e9 pour pr\u00e9dire l’insomnie (Y) \u00e0 partir du niveau de stress (X) :<\/p>\n D(Y|X) = (N_C – N_D) \/ (N_C + N_D + T_y) = 3800 \/ (4625 + 825 + 2050) = 3800 \/ 7500 = 0,5067<\/em><\/p>\n Calculons parall\u00e8lement le coefficient d’asym\u00e9trie inverse, \u00e9valuant la capacit\u00e9 th\u00e9orique de l’insomnie \u00e0 pr\u00e9dire le niveau de stress :<\/p>\n D(X|Y) = (N_C – N_D) \/ (N_C + N_D + T_x) = 3800 \/ (4625 + 825 + 2025) = 3800 \/ 7475 = 0,5084<\/em><\/p>\n \u00c0 titre d’illustration de la surestimation classique op\u00e9r\u00e9e par le Gamma de Goodman et Kruskal sur ces m\u00eames donn\u00e9es :<\/p>\n Gamma = (N_C – N_D) \/ (N_C + N_D) = 3800 \/ (4625 + 825) = 3800 \/ 5450 = 0,6972<\/em><\/p>\n L’\u00e9cart de magnitude entre le D de Somers (0,507) et le Gamma (0,697) est spectaculaire : le Gamma occulte l’existence de 2050 paires d’ex \u00e6quo cliniques, projetant une impression trompeuse de quasi-d\u00e9terminisme, tandis que le D de Somers restitue fid\u00e8lement la r\u00e9alit\u00e9 de la performance diagnostique.<\/p>\n Sur le plan de l’interpr\u00e9tation substantielle, la valeur D(Y|X) = 0,507<\/strong> traduit une association ordinale positive d’intensit\u00e9 forte. Concr\u00e8tement, si l’on extrait au hasard deux professionnels de sant\u00e9 pr\u00e9sentant des niveaux de stress per\u00e7u in\u00e9gaux, la probabilit\u00e9 que l’individu le plus stress\u00e9 manifeste \u00e9galement la symptomatologie d’insomnie la plus s\u00e9v\u00e8re exc\u00e8de de 50,7 points de pourcentage la probabilit\u00e9 que l’ordonnancement soit invers\u00e9. Cette constatation apporte une confirmation empirique robuste \u00e0 l’hypoth\u00e8se d’un retentissement direct de la charge \u00e9motionnelle hospitali\u00e8re sur la d\u00e9sorganisation du sommeil, justifiant la mise en \u0153uvre de dispositifs cibl\u00e9s de pr\u00e9vention du stress en milieu professionnel.<\/p>\n L’\u00e9cosyst\u00e8me open-source R propose une infrastructure compl\u00e8te et rigoureuse pour l’analyse des tableaux de contingence ordinaux. Afin de garantir l’int\u00e9grit\u00e9 des calculs combinatoires, la manipulation fondamentale pr\u00e9alable r\u00e9side dans la d\u00e9claration explicite des variables sous forme de facteurs ordonn\u00e9s (ordered factors<\/em>). Une erreur commune consiste \u00e0 injecter des vecteurs cat\u00e9goriels non ordonn\u00e9s ou de simples codes num\u00e9riques, risquant d’induire une confusion dans le sens de traitement de l’algorithme.<\/p>\n Pour reproduire fid\u00e8lement l’\u00e9tude clinique d\u00e9velopp\u00e9e \u00e0 la section pr\u00e9c\u00e9dente, le script d’initialisation sous R s’articule autour de l’encodage direct de la matrice ou de la reconstruction du jeu de donn\u00e9es individuel. Les biblioth\u00e8ques sp\u00e9cialis\u00e9es DescTools<\/a>, rcompanion<\/em> et coin<\/em> constituent les environnements de r\u00e9f\u00e9rence pour ces traitements.<\/p>\n La structuration matricielle s’op\u00e8re par les instructions de base suivantes :<\/p>\n Il est capital d’inspecter l’attribut des niveaux hi\u00e9rarchiques au moyen de la commande Le package L’extraction de notre param\u00e8tre d’int\u00e9r\u00eat principal D(Insomnie | Stress), o\u00f9 le stress op\u00e8re en variable de ligne pr\u00e9dictive et l’insomnie en crit\u00e8re de colonne, est param\u00e9tr\u00e9e par la commande :<\/p>\n Dans la nomenclature syntaxique de DescTools, le param\u00e8tre L’ex\u00e9cution de cette routine extrait instantan\u00e9ment :<\/p>\n L’investigation ordinale ne saurait s’achever sur l’extraction d’un scalaire num\u00e9rique unique ; elle requiert une restitution graphique de l’architecture distributionnelle permettant d’illustrer la concordance observ\u00e9e. Deux visualisations graphiques de r\u00e9f\u00e9rence s’imposent en recherche reproductible : le diagramme en mosa\u00efque (mosaic plot<\/em>) et le diagramme \u00e0 barres empil\u00e9es conditionnelles via ggplot2<\/em>.<\/p>\n Le graphique de mosa\u00efque d\u00e9compose visuellement la surface totale d’un carr\u00e9 unit\u00e9 en rectangles dont les largeurs sont proportionnelles aux marges du pr\u00e9dicteur X, et les hauteurs proportionnelles aux probabilit\u00e9s conditionnelles de Y sachant X. En R de base, la commande suivante fournit un rendu informatif imm\u00e9diat :<\/p>\n Pour une publication scientifique r\u00e9pondant aux standards esth\u00e9tiques les plus exigeants, la conversion de la table en structure de donn\u00e9es data.frame<\/em> coupl\u00e9e aux fonctions d’empilement 100 % de ggplot2 ( Dans l’\u00e9cosyst\u00e8me Python d\u00e9di\u00e9 \u00e0 la science des donn\u00e9es, le calcul du D de Somers a longtemps n\u00e9cessit\u00e9 l’\u00e9criture de routines personnalis\u00e9es ou l’extraction d\u00e9tourn\u00e9e de m\u00e9triques de classement. Depuis les versions r\u00e9centes de la biblioth\u00e8que fondamentale SciPy<\/a> (version 1.7.0 et ult\u00e9rieures), la statistique fait l’objet d’une int\u00e9gration native au sein du sous-module L’ex\u00e9cution computationnelle prend en charge indiff\u00e9remment des vecteurs bruts d’observations ou des tableaux de contingence formalis\u00e9s sous forme de matrices bidimensionnelles NumPy ou de tableaux DataFrame Pandas :<\/p>\n![\"Somers\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/somer1.png\")
1.3 Distinction fondamentale entre variables nominales, ordinales et d’intervalle<\/h3>\n
2. D\u00e9finition th\u00e9orique et fondements conceptuels du D de Somers<\/h2>\n
2.1 Le concept d’asym\u00e9trie relationnelle en statistique<\/h3>\n
2.2 Formulation probabiliste : Conditionnement sur la variable pr\u00e9dictive<\/h3>\n
2.3 Propri\u00e9t\u00e9s m\u00e9triques et intervalle de d\u00e9finition [-1, 1]<\/h3>\n
\n
3. Notions structurales : Concordance, discordance et ex \u00e6quo (Ties)<\/h2>\n
3.1 Identification et formalisation des paires concordantes (NC)<\/h3>\n
3.2 Formalisation et dynamique des paires discordantes (ND)<\/h3>\n
3.3 Typologie et impact des paires li\u00e9es (Ex \u00e6quo \/ Ties)<\/h3>\n
\n
4. Formulation math\u00e9matique et calcul analytique du D de Somers<\/h2>\n
4.1 Formulation g\u00e9n\u00e9rale et d\u00e9rivation matricielle<\/h3>\n
4.2 Traitement asym\u00e9trique : D(Y|X) versus D(X|Y)<\/h3>\n
4.3 Version sym\u00e9trique du D de Somers<\/h3>\n
5. Comparaison critique : Somers’ D versus autres coefficients d’association<\/h2>\n
5.1 Somers’ D versus le Gamma de Goodman et Kruskal<\/h3>\n
5.2 Somers’ D versus les Tau de Kendall (Tau-a, Tau-b, Tau-c)<\/h3>\n
5.3 Somers’ D versus le Rho de Spearman<\/h3>\n
6. Interpr\u00e9tation substantielle des valeurs et seuils psychom\u00e9triques<\/h2>\n
6.1 Graduation de la force d’association : Normes empiriques<\/h3>\n
\n
6.2 Sensibilit\u00e9 aux distributions marginales asym\u00e9triques<\/h3>\n
6.3 Diff\u00e9renciation rigoureuse entre corr\u00e9lation, concordance et causalit\u00e9<\/h3>\n
7. \u00c9tude de cas empirique : \u00c9valuation clinique du niveau de stress et de l’insomnie<\/h2>\n
7.1 Conception m\u00e9thodologique de l’\u00e9chantillon clinique<\/h3>\n
\n
7.2 \u00c9laboration de la table de contingence bivari\u00e9e<\/h3>\n
\n\n
\n Niveau de Stress (X)<\/th>\n S\u00e9v\u00e9rit\u00e9 de l’Insomnie (Y)<\/th>\n Total Marginal Lignes (n_i.)<\/th>\n<\/tr>\n \n \n1. Absente<\/th>\n 2. L\u00e9g\u00e8re<\/th>\n 3. S\u00e9v\u00e8re<\/th>\n<\/tr>\n<\/thead>\n \n 1. Faible<\/td>\n 35<\/td>\n 10<\/td>\n 5<\/td>\n 50<\/td>\n<\/tr>\n \n 2. Mod\u00e9r\u00e9<\/td>\n 15<\/td>\n 25<\/td>\n 10<\/td>\n 50<\/td>\n<\/tr>\n \n 3. \u00c9lev\u00e9<\/td>\n 5<\/td>\n 15<\/td>\n 30<\/td>\n 50<\/td>\n<\/tr>\n \n Total Marginal Colonnes (n_.j)<\/td>\n 55<\/td>\n 50<\/td>\n 45<\/td>\n N = 150<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n 7.3 Calcul pas-\u00e0-pas exhaustif des composantes<\/h3>\n
\nPour chaque cellule $(i, j)$<\/span> de la table, les observations strictement concordantes se situent dans l’ensemble des cellules localis\u00e9es strictement en dessous et strictement \u00e0 droite de celle-ci (indices de lignes et de colonnes strictement sup\u00e9rieurs). Multiplions l’effectif de chaque cellule pivot par la somme des effectifs de ses sous-matrices inf\u00e9rieures droites :<\/p>\n\n
\n $N_C(1, 1) = 35 * (n_{22} + n_{23} + n_{32} + n_{33}) = 35 * (25 + 10 + 15 + 30) = 35 * 80 = 2800$<\/span><\/li>\n
\n $N_C(1, 2) = 10 * (n_{23} + n_{33}) = 10 * (10 + 30) = 10 * 40 = 400$<\/span><\/li>\n
\n $N_C(2, 1) = 15 * (n_{32} + n_{33}) = 15 * (15 + 30) = 15 * 45 = 675$<\/span><\/li>\n
\n $N_C(2, 2) = 25 * (n_{33}) = 25 * 30 = 750$<\/span><\/li>\n<\/ul>\n
\nN_C = 2800 + 400 + 675 + 750 = 4625<\/em><\/p>\n
\nPour chaque cellule $(i, j)$<\/span>, les observations strictement discordantes correspondent \u00e0 l’ensemble des cellules positionn\u00e9es strictement en dessous et strictement \u00e0 gauche (ligne sup\u00e9rieure et colonne inf\u00e9rieure) :<\/p>\n\n
\n $N_D(1, 2) = 10 * (n_{21} + n_{31}) = 10 * (15 + 5) = 10 * 20 = 200$<\/span><\/li>\n
\n $N_D(1, 3) = 5 * (n_{21} + n_{22} + n_{31} + n_{32}) = 5 * (15 + 25 + 5 + 15) = 5 * 60 = 300$<\/span><\/li>\n
\n $N_D(2, 2) = 25 * (n_{31}) = 25 * 5 = 125$<\/span><\/li>\n
\n $N_D(2, 3) = 10 * (n_{31} + n_{32}) = 10 * (5 + 15) = 10 * 20 = 200$<\/span><\/li>\n<\/ul>\n
\nN_D = 200 + 300 + 125 + 200 = 825<\/em><\/p>\n
\nLes paires d’individus partageant la m\u00eame modalit\u00e9 d’insomnie Y mais se trouvant \u00e0 des niveaux de stress X diff\u00e9rents sont obtenues en combinant verticalement les cellules appartenant \u00e0 une m\u00eame colonne :<\/p>\n\n
\n $T_y(col 1) = (n_{11} * n_{21}) + (n_{11} * n_{31}) + (n_{21} * n_{31}) = (35 * 15) + (35 * 5) + (15 * 5) = 525 + 175 + 75 = 775$<\/span><\/li>\n
\n $T_y(col 2) = (n_{12} * n_{22}) + (n_{12} * n_{32}) + (n_{22} * n_{32}) = (10 * 25) + (10 * 15) + (25 * 15) = 250 + 150 + 375 = 775$<\/span><\/li>\n
\n $T_y(col 3) = (n_{13} * n_{23}) + (n_{13} * n_{33}) + (n_{23} * n_{33}) = (5 * 10) + (5 * 30) + (10 * 30) = 50 + 150 + 300 = 500$<\/span><\/li>\n<\/ul>\n
\nT_y = 775 + 775 + 500 = 2050<\/em><\/p>\n
\n\u00c0 titre comparatif pour l’asym\u00e9trie inverse, les paires d’individus partageant le m\u00eame niveau de stress X mais pr\u00e9sentant des degr\u00e9s d’insomnie Y divergents s’obtiennent en combinant horizontalement les cellules d’une m\u00eame ligne :<\/p>\n\n
\n $T_x(lig 1) = (n_{11} * n_{12}) + (n_{11} * n_{13}) + (n_{12} * n_{13}) = (35 * 10) + (35 * 5) + (10 * 5) = 350 + 175 + 50 = 575$<\/span><\/li>\n
\n $T_x(lig 2) = (n_{21} * n_{22}) + (n_{21} * n_{23}) + (n_{22} * n_{23}) = (15 * 25) + (15 * 10) + (25 * 10) = 375 + 150 + 250 = 775$<\/span><\/li>\n
\n $T_x(lig 3) = (n_{31} * n_{32}) + (n_{31} * n_{33}) + (n_{32} * n_{33}) = (5 * 15) + (5 * 30) + (15 * 30) = 75 + 150 + 450 = 675$<\/span><\/li>\n<\/ul>\n
\nT_x = 575 + 775 + 675 = 2025<\/em><\/p>\n7.4 Application num\u00e9rique et conclusion diagnostique<\/h3>\n
8. Impl\u00e9mentation computationnelle : Analyse compl\u00e8te sous R<\/h2>\n
8.1 Pr\u00e9paration de l’environnement et structuration des facteurs ordonn\u00e9s<\/h3>\n
donnees_matrice <- matrix(c(35, 15, 5, 10, 25, 15, 5, 10, 30), nrow = 3, byrow = FALSE)<\/code>
\nrownames(donnees_matrice) <- c(\"Faible\", \"Modere\", \"Eleve\")<\/code>
\ncolnames(donnees_matrice) <- c(\"Absente\", \"Legere\", \"Severe\")<\/code>
\ntable_clinique <- as.table(donnees_matrice)<\/code><\/p>\nlevels()<\/code> pour s’assurer que l’ordre incr\u00e9mental correspond scrupuleusement \u00e0 l’accroissement th\u00e9orique du construit psychopathologique, \u00e9vitant ainsi une inversion involontaire de la polarit\u00e9 alg\u00e9brique du coefficient.<\/p>\n8.2 Ex\u00e9cution syntaxique et extraction des coefficients<\/h3>\n
DescTools<\/code> met \u00e0 disposition la fonction universelle SomersDelta()<\/code>, con\u00e7ue pour ex\u00e9cuter l’ensemble des d\u00e9clinaisons directionnelles et sym\u00e9triques de la statistique. La fonction g\u00e8re nativement le conditionnement par rapport aux lignes (row<\/em>) ou aux colonnes (column<\/em>).<\/p>\nlibrary(DescTools)<\/code>
\nSomersDelta(table_clinique, direction = \"row\", conf.level = 0.95)<\/code><\/p>\ndirection = \"row\"<\/code> stipule formellement que les cat\u00e9gories de lignes conditionnent l’analyse, ce qui correspond math\u00e9matiquement \u00e0 l’\u00e9valuation de D(Colonnes | Lignes), c’est-\u00e0-dire D(Y|X). \u00c0 l’inverse, l’ajustement direction = \"column\"<\/code> renverra l’indice r\u00e9ciproque D(Lignes | Colonnes), soit D(X|Y). L’absence de sp\u00e9cification ou le choix direction = \"symmetric\"<\/code> renvoie le D sym\u00e9trique.<\/p>\n\n
8.3 Rapport et visualisation graphique de l’association ordinale<\/h3>\n
mosaicplot(table_clinique, color = TRUE, shade = TRUE, main = \"Concordance Stress et Insomnie\", xlab = \"Stress percu (X)\", ylab = \"Insomnie (Y)\")<\/code><\/p>\ngeom_bar(position = \"fill\")<\/code>) permet d’observer l’\u00e9volution monotone directe : la bande color\u00e9e associ\u00e9e \u00e0 \u00ab Insomnie S\u00e9v\u00e8re \u00bb s’\u00e9largit de fa\u00e7on spectaculaire et continue au fur et \u00e0 mesure que le regard transite de la colonne \u00ab Stress Faible \u00bb \u00e0 la colonne \u00ab Stress \u00c9lev\u00e9 \u00bb. Cette coh\u00e9rence visuelle apporte une caution descriptive limpide au D de Somers rapport\u00e9 dans le corps du texte acad\u00e9mique.<\/p>\n9. Impl\u00e9mentation dans d’autres environnements : Python, SPSS et SAS<\/h2>\n
9.1 Calcul en Python via l’\u00e9cosyst\u00e8me SciPy et Scikit-Learn<\/h3>\n
scipy.stats<\/code> via la fonction d\u00e9di\u00e9e somersd<\/code>.<\/p>\nimport numpy as np<\/code>