{"id":9483,"date":"2026-10-14T18:02:30","date_gmt":"2026-10-14T18:02:30","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-effectuer-regression-logistique-sas\/"},"modified":"2026-10-14T18:02:30","modified_gmt":"2026-10-14T18:02:30","slug":"comment-effectuer-regression-logistique-sas","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-effectuer-regression-logistique-sas","title":{"rendered":"Comment effectuer une r\u00e9gression logistique dans SAS"},"content":{"rendered":"

L’analyse statistique des ph\u00e9nom\u00e8nes dichotomiques constitue l’un des piliers m\u00e9thodologiques fondamentaux de la recherche empirique contemporaine, traversant des disciplines aussi vari\u00e9es que l’\u00e9pid\u00e9miologie clinique, l’\u00e9conom\u00e9trie appliqu\u00e9e, la sociologie quantitative et les sciences comportementales. Lorsqu’un chercheur tente d’\u00e9lucider les d\u00e9terminants d’une issue binaire — qu’il s’agisse de la r\u00e9cidive d’un trouble psychopathologique, de la r\u00e9ussite \u00e0 un examen universitaire s\u00e9lectif, de l’abandon d’une th\u00e9rapie ou de la survenue d’un infarctus du myocarde —, les outils classiques de l’analyse de r\u00e9gression par les moindres carr\u00e9s ordinaires r\u00e9v\u00e8lent imm\u00e9diatement leurs limites th\u00e9oriques et empiriques. L’inad\u00e9quation structurelle du mod\u00e8le lin\u00e9aire standard face \u00e0 des probabilit\u00e9s contraintes par d\u00e9finition dans l’intervalle ferm\u00e9 [0, 1] a ainsi conduit au d\u00e9veloppement et \u00e0 la g\u00e9n\u00e9ralisation de la mod\u00e9lisation logistique, formul\u00e9e initialement dans le cadre des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s<\/a> par Nelder et Wedderburn.<\/p>\n

Dans cet \u00e9cosyst\u00e8me m\u00e9thodologique, le progiciel SAS (Statistical Analysis System) s’est impos\u00e9 depuis plusieurs d\u00e9cennies comme l’environnement computationnel de r\u00e9f\u00e9rence pour la mod\u00e9lisation statistique avanc\u00e9e, particuli\u00e8rement au sein des agences de r\u00e9gulation biom\u00e9dicale, des consortiums de recherche pharmaceutique et des d\u00e9partements de biostatistique universitaire. Gr\u00e2ce \u00e0 des proc\u00e9dures d\u00e9di\u00e9es d’une rigueur algorithmique absolue — au premier rang desquelles figure l’embl\u00e9matique proc\u00e9dure PROC LOGISTIC —, SAS offre un arsenal complet permettant non seulement l’estimation robuste des param\u00e8tres par le maximum de vraisemblance, mais \u00e9galement l’\u00e9valuation approfondie de la calibration, la discrimination diagnostique, la mod\u00e9lisation fine d’interactions complexes et le traitement de situations limites telles que la s\u00e9paration compl\u00e8te des donn\u00e9es.<\/p>\n

Le pr\u00e9sent trait\u00e9 m\u00e9thodologique propose une exploration exhaustive, rigoureuse et didactique de l’ex\u00e9cution de la r\u00e9gression logistique sous SAS. Con\u00e7u pour r\u00e9pondre aux exigences des chercheurs, des biostatisticiens et des analystes de donn\u00e9es chevronn\u00e9s, ce guide d\u00e9taille chaque \u00e9tape du processus analytique : depuis l’assise math\u00e9matique de la transformation logit jusqu’aux subtilit\u00e9s syntaxiques de l’environnement SAS, en passant par l’interpr\u00e9tation clinique des rapports de cotes (Odds Ratios), le diagnostic des observations influentes et la r\u00e9daction conforme aux crit\u00e8res des revues scientifiques internationales \u00e0 comit\u00e9 de lecture.<\/p>\n

1. Fondements th\u00e9oriques et math\u00e9matiques de la r\u00e9gression logistique<\/h2>\n

1.1 La nature de la variable d\u00e9pendante binaire<\/h3>\n

L’application d’un mod\u00e8le de r\u00e9gression lin\u00e9aire classique \u00e0 une variable d\u00e9pendante dichotomique, souvent d\u00e9sign\u00e9e sous l’appellation de mod\u00e8le de probabilit\u00e9 lin\u00e9aire (MPL), engendre des apories statistiques insurmontables. Lorsque la variable r\u00e9ponse Y ne peut prendre que deux valeurs discr\u00e8tes, conventionnellement cod\u00e9es 0 pour l’absence d’un \u00e9v\u00e9nement et 1 pour sa survenue, l’esp\u00e9rance conditionnelle E(Y|X) correspond rigoureusement \u00e0 la probabilit\u00e9 conditionnelle P(Y=1|X = x). Or, une fonction lin\u00e9aire de type β0 + β1X n’est soumise \u00e0 aucune borne intrins\u00e8que. Pour des valeurs extr\u00eames des covariables explicatives, le mod\u00e8le lin\u00e9aire produit in\u00e9luctablement des pr\u00e9dictions absurdes, inf\u00e9rieures \u00e0 z\u00e9ro ou sup\u00e9rieures \u00e0 l’unit\u00e9, violant les axiomes fondamentaux de Kolmogorov relatifs \u00e0 la th\u00e9orie des probabilit\u00e9s.<\/p>\n

Par ailleurs, la structure binaire de la variable d\u00e9pendante induit une violation directe de l’hypoth\u00e8se d’homosc\u00e9dasticit\u00e9 des r\u00e9sidus, condition sine qua non de l’optimalit\u00e9 des estimateurs des moindres carr\u00e9s ordinaires selon le th\u00e9or\u00e8me de Gauss-Markov. Le terme d’erreur ne peut prendre que deux valeurs conditionnelles : -(Xβ) avec une probabilit\u00e9 1 – P, ou (1 – Xβ) avec une probabilit\u00e9 P. En cons\u00e9quence directe, la variance conditionnelle des r\u00e9sidus s’exprime sous la forme P(1 – P), ce qui d\u00e9montre math\u00e9matiquement que la variance d\u00e9pend intrins\u00e8quement des valeurs prises par les pr\u00e9dicteurs X. L’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 est donc structurelle et indissociable du mod\u00e8le de probabilit\u00e9 lin\u00e9aire, invalidant les tests de significativit\u00e9 fond\u00e9s sur la distribution de Student ou de Fisher.<\/p>\n

Dans le domaine de la recherche comportementale, cognitive et psychologique, la conceptualisation d’une issue dichotomique renvoie fr\u00e9quemment \u00e0 la discr\u00e9tisation d’un processus latent continu sous-jacent non directement observable, souvent d\u00e9sign\u00e9 sous le terme de variable de propension Y*. Un seuil critique th\u00e9orique τ s\u00e9pare les individus manifestant le comportement ou le statut clinique de ceux qui ne l’expriment pas. D\u00e8s lors, la formulation probabiliste d’occurrence d’un \u00e9v\u00e9nement cible n\u00e9cessite une fonction de distribution cumulative capable de mapper l’espace continu des covariables vers l’intervalle restreint [0, 1], tout en respectant l’asymptote horizontale aux bornes et en refl\u00e9tant fid\u00e8lement la dynamique non lin\u00e9aire de la susceptibilit\u00e9 humaine.<\/p>\n

1.2 La transformation logit et le rapport des cotes<\/h3>\n

Afin de r\u00e9soudre l’incompatibilit\u00e9 entre l’espace non born\u00e9 des variables ind\u00e9pendantes et l’intervalle restreint des probabilit\u00e9s, la statistique math\u00e9matique a introduit la fonction de lien logit. Soit p la probabilit\u00e9 de survenue de l’\u00e9v\u00e9nement cible P(Y=1). La cote (ou odds<\/em> en anglais) se d\u00e9finit formellement comme le ratio de la probabilit\u00e9 de survenue de l’\u00e9v\u00e9nement sur la probabilit\u00e9 de son non-av\u00e8nement, soit le quotient p \/ (1 – p). Cette quantit\u00e9, strictement positive, varie de z\u00e9ro \u00e0 l’infini positif. Une cote de 1 indique une \u00e9quiprobabilit\u00e9 stricte (p = 0,5), tandis qu’une cote de 3 signifie que l’\u00e9v\u00e9nement a trois fois plus de chances de se produire que d’\u00e9chouer.<\/p>\n

La transformation logit correspond au logarithme n\u00e9p\u00e9rien de cette cote : Logit(p) = ln[p \/ (1 – p)]. Cette transformation math\u00e9matique r\u00e9alise le passage de l’espace non lin\u00e9aire et contraint [0, 1] \u00e0 un espace continu infini allant de moins l’infini \u00e0 plus l’infini. Dans cet espace transform\u00e9 des \u00ab log-odds \u00bb (ou log-cotes), la relation entre la variable d\u00e9pendante et les pr\u00e9dicteurs peut \u00eatre mod\u00e9lis\u00e9e de mani\u00e8re rigoureusement lin\u00e9aire : Logit(p) = β0 + β1X1 + … + βkXk. Le concept de rapport des cotes<\/a> (Odds Ratio, not\u00e9 OR) en d\u00e9coule naturellement : il quantifie la force de l’association entre un pr\u00e9dicteur et l’\u00e9v\u00e9nement en mesurant le rapport multiplicatif des cotes associ\u00e9es \u00e0 une augmentation unitaire du r\u00e9gresseur.<\/p>\n

L’op\u00e9ration math\u00e9matique inverse du logit est la fonction sigmo\u00efde standard ou fonction logistique cumulative. Elle permet de r\u00e9tablir la pr\u00e9diction dans l’espace des probabilit\u00e9s empiriques observables : p = 1 \/ [1 + exp(-(β0 + ∑ βjXj))]. Cette fonction pr\u00e9sente des propri\u00e9t\u00e9s math\u00e9matiques remarquables : elle est contin\u00fbment d\u00e9rivable, sym\u00e9trique par rapport \u00e0 son point d’inflexion situ\u00e9 pr\u00e9cis\u00e9ment \u00e0 p = 0,5 (o\u00f9 le logit s’annule), et ses d\u00e9riv\u00e9es premi\u00e8re et seconde poss\u00e8dent des formes analytiques stables facilitant grandement l’impl\u00e9mentation des algorithmes d’optimisation num\u00e9rique.<\/p>\n

\"\"<\/figure>\n

1.3 Estimation par le maximum de vraisemblance<\/h3>\n

Contrairement aux mod\u00e8les lin\u00e9aires gaussiens qui recourent \u00e0 la minimisation de la somme des carr\u00e9s des r\u00e9sidus, les param\u00e8tres β du mod\u00e8le de r\u00e9gression logistique sont estim\u00e9s par la m\u00e9thode du maximum de vraisemblance<\/a> (Maximum Likelihood Estimation, MLE). Cette approche probabiliste vise \u00e0 d\u00e9terminer le vecteur de coefficients statistiques qui rend les donn\u00e9es empiriquement observ\u00e9es les plus probables possibles selon la distribution th\u00e9orique sous-jacente de Bernoulli. La fonction de vraisemblance globale L(β) correspond au produit continu des probabilit\u00e9s individuelles associ\u00e9es \u00e0 chaque observation de l’\u00e9chantillon d’analyse.<\/p>\n

Pour des raisons de commodit\u00e9 analytique et de stabilit\u00e9 num\u00e9rique, les calculs sont invariablement ex\u00e9cut\u00e9s sur la fonction de log-vraisemblance (le logarithme naturel de la fonction de vraisemblance, souvent not\u00e9 l(β) ou LL). En raison de la non-lin\u00e9arit\u00e9 des \u00e9quations normales r\u00e9sultant de l’\u00e9galisation des d\u00e9riv\u00e9es partielles \u00e0 z\u00e9ro (les \u00e9quations du score), il n’existe pas de solution analytique explicite en forme ferm\u00e9e. L’estimation requiert par cons\u00e9quent l’utilisation d’algorithmes d’optimisation it\u00e9ratifs, au premier rang desquels figure le processus num\u00e9rique de Newton-Raphson ou l’algorithme de Fisher Scoring.<\/p>\n

\u00c0 chaque it\u00e9ration k, l’algorithme actualise le vecteur de param\u00e8tres en ajoutant au vecteur pr\u00e9c\u00e9dent le produit de l’inverse de la matrice d’information observ\u00e9e (la matrice Hessienne des d\u00e9riv\u00e9es partielles secondes du log de la fonction de vraisemblance) par le vecteur de gradient (le vecteur du score). La convergence math\u00e9matique est d\u00e9clar\u00e9e atteinte lorsque la variation relative de la log-vraisemblance ou du gradient entre deux it\u00e9rations cons\u00e9cutives devient inf\u00e9rieure \u00e0 un seuil infinit\u00e9simal pr\u00e9d\u00e9fini (souvent 10^-8). Cette approche garantit, sous les conditions de r\u00e9gularit\u00e9 usuelles et \u00e0 condition que les donn\u00e9es ne pr\u00e9sentent pas de d\u00e9g\u00e9n\u00e9rescence structurelle, des estimateurs convergents, asymptotiquement normaux et asymptotiquement efficaces \u00e0 variance minimale.<\/p>\n

2. Pr\u00e9paration et structuration des donn\u00e9es sous SAS<\/h2>\n

2.1 Importation et saisie directe de donn\u00e9es via l’\u00e9tape DATA<\/h3>\n

L’amorce de tout protocole d’analyse statistique dans l’\u00e9cosyst\u00e8me SAS repose sur la manipulation rigoureuse de l’\u00e9tape DATA (DATA step). Cette phase programmatique constitue le socle fondamental sur lequel reposent l’int\u00e9grit\u00e9 r\u00e9f\u00e9rentielle, le typage des variables et la qualit\u00e9 m\u00e9trologique du fichier d’analyse. Lors de la saisie manuelle de donn\u00e9es cliniques ou exp\u00e9rimentales, ou lors de la lecture s\u00e9quentielle d’enregistrements tabulaires, la syntaxe canonique de l’\u00e9tape DATA permet de d\u00e9clarer formellement les identifiants de variables, leurs attributs informatiques ainsi que leurs formats d’affichage.<\/p>\n

L’utilisation combin\u00e9e des instructions INPUT et DATALINES permet d’int\u00e9grer directement au sein du script un jeu d’observations sans recourir \u00e0 des fichiers externes, facilitant ainsi les phases de test ou la constitution d’\u00e9chantillons de validation interne. Le code ci-dessous illustre l’instanciation programmatique d’une cohorte clinique simul\u00e9e pour l’\u00e9tude de l’observance th\u00e9rapeutique chez des patients souffrant de troubles d\u00e9pressifs majeurs :<\/p>\n

DATA WORK.COHORTE_OBSERVANCE;
\n  INPUT ID AGE SEXE $ ANXIETE_SCORE COMORBIDITE OBSERVANCE_B;
\n  DATALINES;
\n101 45 F 18 1 1
\n102 32 M 12 0 1
\n103 58 F 24 1 0
\n104 21 M 08 0 1
\n105 63 M 29 1 0
\n106 41 F 15 0 1
\n107 52 M 22 1 0
\n108 36 F 10 0 1
\n;
\nRUN;<\/p>\n

Dans ce segment de syntaxe, l’instruction INPUT sp\u00e9cifie la disposition des r\u00e9gresseurs en distinguant explicitement les variables num\u00e9riques continues (telles que AGE et ANXIETE_SCORE) des variables de cha\u00eene de caract\u00e8res au format alphanum\u00e9rique (mat\u00e9rialis\u00e9es par le symbole dollar suivant la variable SEXE). D\u00e8s l’ach\u00e8vement de la commande RUN, le compilateur SAS effectue un contr\u00f4le d’int\u00e9grit\u00e9 au sein de la biblioth\u00e8que de travail WORK, garantissant la cr\u00e9ation d’une table conforme, exempte de corruption de m\u00e9moire tampon et pr\u00eate pour les proc\u00e9dures descriptives pr\u00e9alables.<\/p>\n

2.2 Audit des donn\u00e9es et gestion des valeurs manquantes<\/h3>\n

Avant d’ajuster le moindre mod\u00e8le de r\u00e9gression, un audit approfondi de la matrice de donn\u00e9es s’impose afin d’\u00e9valuer la qualit\u00e9 de la distribution empirique et de quantifier l’\u00e9tendue des donn\u00e9es manquantes. La proc\u00e9dure PROC MEANS offre une synth\u00e8se imm\u00e9diate des indices de tendance centrale et de dispersion pour les pr\u00e9dicteurs continus, tandis que la proc\u00e9dure PROC FREQ g\u00e9n\u00e8re les distributions de fr\u00e9quences et les pourcentages de r\u00e9partition pour les descripteurs cat\u00e9goriels :<\/p>\n

PROC MEANS DATA=WORK.COHORTE_OBSERVANCE N NMISS MEAN STD MIN MAX;
\n  VAR AGE ANXIETE_SCORE;
\nRUN;
\nPROC FREQ DATA=WORK.COHORTE_OBSERVANCE;
\n  TABLES SEXE COMORBIDITE OBSERVANCE_B \/ MISSING;
\nRUN;<\/p>\n

L’omission de l’option \/ MISSING dans l’instruction TABLES masquerait la proportion r\u00e9elle d’observations non document\u00e9es dans le calcul des fr\u00e9quences relatives. Or, la nature du m\u00e9canisme sous-jacent \u00e0 l’absence de donn\u00e9es est d\u00e9terminante pour la validit\u00e9 inf\u00e9rentielle : les donn\u00e9es peuvent \u00eatre manquantes de mani\u00e8re totalement al\u00e9atoire (MCAR, Missing Completely at Random), manquantes de mani\u00e8re al\u00e9atoire conditionnelle (MAR, Missing at Random), ou manquantes de mani\u00e8re non al\u00e9atoire (MNAR, Missing Not at Random). Par d\u00e9faut, SAS applique une strat\u00e9gie d’exclusion par liste (listwise deletion) : toute observation pr\u00e9sentant une seule valeur manquante sur l’un quelconque des pr\u00e9dicteurs inclus dans l’instruction MODEL est \u00e9limin\u00e9e du champ de l’estimation. Si le volume d’abandons est \u00e9lev\u00e9, cette suppression drastique alt\u00e8re significativement la puissance statistique du test et introduit un biais d’\u00e9chantillonnage substantiel si l’hypoth\u00e8se MCAR est viol\u00e9e.<\/p>\n

Dans cette phase d’audit, la recherche des valeurs aberrantes ou d’incoh\u00e9rences de saisie (telles qu’un score d’anxi\u00e9t\u00e9 n\u00e9gatif ou un \u00e2ge exc\u00e9dant les limites de l’esp\u00e9rance de vie) constitue une pr\u00e9caution indispensable pour pr\u00e9server la stabilit\u00e9 de l’algorithme d’estimation et pr\u00e9venir la distorsion artificielle des erreurs types associ\u00e9es aux coefficients.<\/p>\n

2.3 V\u00e9rification des conditions pr\u00e9alables \u00e0 la mod\u00e9lisation<\/h3>\n

L’impl\u00e9mentation rigoureuse d’un mod\u00e8le logistique suppose la validation de postulats statistiques cardinaux. En premier lieu, la taille de l’\u00e9chantillon doit \u00eatre rigoureusement calibr\u00e9e en fonction du principe des \u00ab \u00e9v\u00e9nements par variable \u00bb (Events Per Variable, ou EPV). La litt\u00e9rature m\u00e9thodologique moderne recommande formellement de disposer d’un minimum de 10 \u00e0 20 \u00e9v\u00e9nements de l’issue la moins repr\u00e9sent\u00e9e (le groupe le plus rare de la variable d\u00e9pendante binaire) pour chaque param\u00e8tre estim\u00e9 dans le mod\u00e8le. Un \u00e9chantillon de 1000 sujets comportant seulement 20 cas positifs ne tol\u00e9rera ainsi pas plus d’un ou deux r\u00e9gresseurs sans exposer le mod\u00e8le \u00e0 un surapprentissage s\u00e9v\u00e8re (overfitting) et \u00e0 des estimations de variance instables.<\/p>\n

En second lieu, la d\u00e9tection d’une multicolin\u00e9arit\u00e9 excessive entre les pr\u00e9dicteurs continus s’av\u00e8re cruciale. Bien que la r\u00e9gression logistique tol\u00e8re des corr\u00e9lations mod\u00e9r\u00e9es, une redondance informationnelle s\u00e9v\u00e8re gonfle d\u00e9mesur\u00e9ment les variances des estimateurs et rend les coefficients β extr\u00eamement volatils. La proc\u00e9dure PROC REG est classiquement exploit\u00e9e pour obtenir les facteurs d’inflation de la variance (VIF) et la tol\u00e9rance :<\/p>\n

PROC REG DATA=WORK.COHORTE_OBSERVANCE;
\n  MODEL OBSERVANCE_B = AGE ANXIETE_SCORE \/ VIF TOL;
\nRUN;
\nQUIT;<\/p>\n

Un facteur d’inflation de la variance sup\u00e9rieur \u00e0 5 (ou une tol\u00e9rance inf\u00e9rieure \u00e0 0,20) signale une colin\u00e9arit\u00e9 pr\u00e9occupante imposant une r\u00e9duction de dimension ou la suppression de r\u00e9gresseurs redondants. Enfin, l’hypoth\u00e8se de lin\u00e9arit\u00e9 du logit pour chaque pr\u00e9dicteur continu doit imp\u00e9rativement \u00eatre \u00e9prouv\u00e9e au moyen du test de Box-Tidwell ou par l’\u00e9valuation graphique des r\u00e9sidus martingales ou des fonctions splines cubiques liss\u00e9es, tandis que l’examen crois\u00e9 des tableaux de contingence permet d’anticiper la pr\u00e9sence d\u00e9l\u00e9t\u00e8re de cellules vides (effectifs nuls), pr\u00e9curseurs du ph\u00e9nom\u00e8ne de quasi-s\u00e9paration.<\/p>\n

3. Architecture et syntaxe g\u00e9n\u00e9rale de la proc\u00e9dure PROC LOGISTIC<\/h2>\n

3.1 Syntaxe de base et param\u00e8tres d’environnement<\/h3>\n

Au c\u0153ur de l’environnement SAS, la proc\u00e9dure PROC LOGISTIC constitue le module computationnel d\u00e9di\u00e9 \u00e0 l’ajustement des mod\u00e8les de r\u00e9gression pour variables d\u00e9pendantes cat\u00e9gorielles, qu’elles soient binaires, ordinales ou polytomiques. Son ex\u00e9cution requiert une syntaxe structur\u00e9e autour de commandes primaires et d’options globales d’environnement. L’invocation canonique d\u00e9bute par l’instruction PROC LOGISTIC, suivie obligatoirement de l’argument DATA= sp\u00e9cifiant la table source \u00e0 interroger :<\/p>\n

PROC LOGISTIC DATA=WORK.COHORTE_OBSERVANCE PLOTS(ONLY)=(ROC EFFECT INFLUENCE);
\n  MODEL OBSERVANCE_B = AGE ANXIETE_SCORE;
\nRUN;<\/p>\n

L’option PLOTS active l’environnement graphique statistique int\u00e9gr\u00e9 (ODS Graphics). Le param\u00e8tre PLOTS(ONLY) permet de restreindre l’\u00e9dition visuelle aux seuls graphiques sollicit\u00e9s par l’analyste, tels que la trajectoire de la courbe caract\u00e9ristique du r\u00e9cepteur (ROC), la courbe de probabilit\u00e9 marginale pr\u00e9dite (EFFECT) ou le trac\u00e9 d’influence statistique (INFLUENCE). L’inclusion syst\u00e9matique de la directive RUN signale au processeur SAS l’ach\u00e8vement de la commande et d\u00e9clenche la compilation imm\u00e9diate du bloc d’instructions, le journal SAS (Log) consignant scrupuleusement le d\u00e9roulement des it\u00e9rations, les temps d’ex\u00e9cution CPU et les alertes de convergence \u00e9ventuelles.<\/p>\n

3.2 L’instruction MODEL et la formulation de l’\u00e9quation<\/h3>\n

L’instruction MODEL constitue le pivot central de la proc\u00e9dure. Elle officialise math\u00e9matiquement l’\u00e9quation de r\u00e9gression en positionnant la variable d\u00e9pendante cible \u00e0 gauche du signe d’\u00e9galit\u00e9 et l’ensemble des pr\u00e9dicteurs (covariables continues et facteurs cat\u00e9goriels) \u00e0 sa droite. Cette instruction autorise une multitude d’options de contr\u00f4le algorithmique destin\u00e9es \u00e0 affiner le processus d’estimation num\u00e9rique du maximum de vraisemblance.<\/p>\n

Parmi ces options avanc\u00e9es figurent MAXITER=, qui plafonne le nombre maximal d’it\u00e9rations autoris\u00e9es pour le gradient de Newton-Raphson (la valeur par d\u00e9faut \u00e9tant de 25), et GCONV=, qui calibre le seuil de tol\u00e9rance pour le crit\u00e8re de convergence bas\u00e9 sur le gradient relatif :<\/p>\n

PROC LOGISTIC DATA=WORK.COHORTE_OBSERVANCE;
\n  MODEL OBSERVANCE_B = AGE ANXIETE_SCORE \/ MAXITER=50 GCONV=1E-8 CLPARM=WALD;
\nRUN;<\/p>\n

L’option CLPARM=WALD commande la g\u00e9n\u00e9ration automatique des intervalles de confiance \u00e0 95% fond\u00e9s sur la statistique asymptotique de Wald pour l’ensemble des coefficients β. L’analyste peut alternativement sp\u00e9cifier CLPARM=PL pour requ\u00e9rir le calcul des intervalles de confiance bas\u00e9s sur le profil de vraisemblance (Profile Likelihood), une m\u00e9thode analytique computationnellement plus intensive mais r\u00e9put\u00e9e nettement plus exacte et robuste lors du traitement d’\u00e9chantillons de taille modeste ou asym\u00e9triques.<\/p>\n

3.3 Sp\u00e9cification de l’\u00e9v\u00e9nement cible avec DESCENDING et EVENT<\/h3>\n

Une particularit\u00e9 fondamentale de la proc\u00e9dure PROC LOGISTIC r\u00e9side dans son comportement algorithmique d’ordonnancement des modalit\u00e9s de r\u00e9ponse. Historiquement et par d\u00e9faut, SAS ordonne les niveaux de la variable r\u00e9ponse selon un ordre alphanum\u00e9rique ou num\u00e9rique croissant, et choisit syst\u00e9matiquement de mod\u00e9liser la probabilit\u00e9 du premier niveau<\/em> de cette liste tri\u00e9e. Dans le cadre d’un codage binaire usuel o\u00f9 Y prend les valeurs 0 et 1, la valeur 0 pr\u00e9c\u00e8de la valeur 1 dans l’ordre croissant. En cons\u00e9quence, si aucune directive explicite n’est fournie, SAS mod\u00e9lise par d\u00e9faut la probabilit\u00e9 que Y soit \u00e9gal \u00e0 0 (l’absence de l’\u00e9v\u00e9nement), ce qui conduit \u00e0 inverser le signe de tous les coefficients de r\u00e9gression estim\u00e9s.<\/p>\n

Pour contraindre la proc\u00e9dure \u00e0 mod\u00e9liser la survenue effective de l’\u00e9v\u00e9nement d’int\u00e9r\u00eat (Y = 1), deux strat\u00e9gies programmatiques rigoureuses sont envisageables. La premi\u00e8re consiste \u00e0 accoler l’option DESCENDING imm\u00e9diatement apr\u00e8s le nom de la proc\u00e9dure dans l’instruction de t\u00eate :<\/p>\n

PROC LOGISTIC DATA=WORK.COHORTE_OBSERVANCE DESCENDING;
\n  MODEL OBSERVANCE_B = AGE ANXIETE_SCORE;
\nRUN;<\/p>\n

La seconde approche, encore plus rigoureuse et exempte de toute ambigu\u00eft\u00e9 lors de codages textuels complexes, consiste \u00e0 verrouiller formellement la modalit\u00e9 cible au sein de l’instruction MODEL au moyen de la syntaxe EVENT= :<\/p>\n

PROC LOGISTIC DATA=WORK.COHORTE_OBSERVANCE;
\n  MODEL OBSERVANCE_B(EVENT=’1′) = AGE ANXIETE_SCORE;
\nRUN;<\/p>\n

Il est imp\u00e9ratif pour l’analyste de syst\u00e9matiquement v\u00e9rifier, au sein du panneau de r\u00e9sultats produit par SAS, la table intitul\u00e9e Response Profile<\/em> (Profil de r\u00e9ponse). Cette table indique explicitement quelle modalit\u00e9 a \u00e9t\u00e9 d\u00e9sign\u00e9e par le syst\u00e8me comme l’\u00ab Ordered Value 1 \u00bb mod\u00e9lis\u00e9e en tant qu’\u00e9v\u00e9nement cible. L’omission de cette v\u00e9rification \u00e9l\u00e9mentaire repr\u00e9sente l’une des causes les plus fr\u00e9quentes d’inversion d’effet clinique dans la litt\u00e9rature m\u00e9dicale internationale.<\/p>\n

4. Traitement des pr\u00e9dicteurs cat\u00e9goriels via l’instruction CLASS<\/h2>\n

4.1 Sp\u00e9cification des variables cat\u00e9gorielles et niveaux de r\u00e9f\u00e9rence<\/h3>\n

L’int\u00e9gration de variables qualitatives — qu’elles soient nominales (comme le statut marital ou l’appartenance \u00e0 un groupe de traitement) ou ordinales — au sein d’une \u00e9quation de r\u00e9gression logistique requiert leur d\u00e9composition pr\u00e9alable en variables indicatrices num\u00e9riques (dummy variables). Sous SAS, l’instruction CLASS simplifie cette t\u00e2che en automatisant la param\u00e9trisation matricielle des facteurs qualitatifs. Du point de vue de l’ordonnancement logique du script, l’instruction CLASS doit imp\u00e9rativement \u00eatre positionn\u00e9e apr\u00e8s l’instruction PROC LOGISTIC et imp\u00e9rativement avant l’instruction MODEL :<\/p>\n

PROC LOGISTIC DATA=WORK.COHORTE_OBSERVANCE DESCENDING;
\n  CLASS SEXE(REF=’M’) COMORBIDITE(REF=’0′) \/ PARAM=REF;
\n  MODEL OBSERVANCE_B = AGE SEXE COMORBIDITE;
\nRUN;<\/p>\n

L’option syntaxique REF= permet de fixer de mani\u00e8re univoque la cat\u00e9gorie qui servira de modalit\u00e9 de r\u00e9f\u00e9rence (le groupe t\u00e9moin ou de contr\u00f4le). Par d\u00e9faut, si l’option REF= est omise, SAS attribue le statut de r\u00e9f\u00e9rence \u00e0 la derni\u00e8re modalit\u00e9 par ordre alphab\u00e9tique ou num\u00e9rique. Le choix de la r\u00e9f\u00e9rence n’est pas purement cosm\u00e9tique : il gouverne directement le sens et l’interpr\u00e9tation substantielle des rapports de cotes \u00e9dit\u00e9s dans les sorties. Dans l’exemple ci-dessus, le groupe de r\u00e9f\u00e9rence masculin (‘M’) garantit que l’Odds Ratio associ\u00e9 \u00e0 la variable SEXE quantifiera directement la probabilit\u00e9 relative de l’observance th\u00e9rapeutique chez les femmes comparativement aux hommes.<\/p>\n

4.2 Types de codage statistique dans SAS<\/h3>\n

L’argument central r\u00e9gissant le comportement math\u00e9matique de l’instruction CLASS est l’option PARAM=. SAS propose plusieurs syst\u00e8mes de param\u00e9trisation orthogonale ou non orthogonale, parmi lesquels le codage de r\u00e9f\u00e9rence (PARAM=REF), le codage d’effet (PARAM=EFFECT) et le codage issu des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9raux (PARAM=GLM). Le codage de r\u00e9f\u00e9rence constitue la m\u00e9thode standard privil\u00e9gi\u00e9e dans la recherche biom\u00e9dicale et \u00e9pid\u00e9miologique. Sous cette modalit\u00e9, chaque coefficient β estim\u00e9 pour un niveau donn\u00e9 repr\u00e9sente la diff\u00e9rence de log-cotes entre ce niveau sp\u00e9cifique et le groupe de r\u00e9f\u00e9rence d\u00e9sign\u00e9. L’exponentiation directe de ce coefficient (β) produit imm\u00e9diatement le rapport des cotes clinique (Odds Ratio).<\/p>\n

\u00c0 l’oppos\u00e9, le codage d’effet (PARAM=EFFECT), historiquement issu de la tradition de l’analyse de variance (ANOVA), contraint la somme des coefficients associ\u00e9s aux diff\u00e9rents niveaux d’un facteur \u00e0 \u00e9galer z\u00e9ro (∑ βj = 0). Sous cette param\u00e9trisation, chaque coefficient mesure l’\u00e9cart de log-cotes de la modalit\u00e9 par rapport \u00e0 la moyenne globale non pond\u00e9r\u00e9e de l’ensemble des modalit\u00e9s du facteur, et non pas par rapport \u00e0 une modalit\u00e9 t\u00e9moin isol\u00e9e. Ce mode de codage est particuli\u00e8rement utile dans les designs exp\u00e9rimentaux factoriels \u00e9quilibr\u00e9s de psychologie cognitive, mais se r\u00e9v\u00e8le peu adapt\u00e9 lorsque l’objectif principal est la communication d’un risque relatif compar\u00e9 \u00e0 un placebo.<\/p>\n

Le codage PARAM=GLM, quant \u00e0 lui, adopte une param\u00e9trisation \u00e0 rang incomplet (singularit\u00e9 matricielle r\u00e9solue par la mise \u00e0 z\u00e9ro conventionnelle du dernier param\u00e8tre). Bien qu’il soit computationnellement \u00e9quivalent au codage de r\u00e9f\u00e9rence lors de l’estimation globale, il influe sur la d\u00e9nomination des param\u00e8tres au sein des tables ODS et n\u00e9cessite une vigilance accrue lors de la formulation ult\u00e9rieure de contrastes personnalis\u00e9s au moyen des instructions ESTIMATE ou CONTRAST.<\/p>\n

4.3 Gestion des facteurs \u00e0 modalit\u00e9s multiples<\/h3>\n

Lorsqu’un facteur explicatif pr\u00e9sente plus de deux modalit\u00e9s — par exemple une variable STADE_MALADIE d\u00e9coup\u00e9e en quatre niveaux (L\u00e9ger, Mod\u00e9r\u00e9, S\u00e9v\u00e8re, Critique) —, l’instruction CLASS g\u00e9n\u00e8re automatiquement un syst\u00e8me interne de k – 1 variables indicatrices, k repr\u00e9sentant le nombre total de cat\u00e9gories observables. La proc\u00e9dure PROC LOGISTIC proc\u00e8de simultan\u00e9ment \u00e0 deux niveaux d’inf\u00e9rence statistique au sein du tableau intitul\u00e9 Type 3 Analysis of Effects<\/em> (Analyse des effets de type 3) :<\/p>\n

PROC LOGISTIC DATA=WORK.COHORTE_OBSERVANCE DESCENDING;
\n  CLASS STADE_MALADIE(REF=’L\u00e9ger’) \/ PARAM=REF;
\n  MODEL OBSERVANCE_B = STADE_MALADIE;
\nRUN;<\/p>\n

Le premier niveau d’\u00e9valuation correspond au test global de Wald (ou du rapport de vraisemblance) associ\u00e9 \u00e0 la ligne STADE_MALADIE dans son ensemble. Ce test omnidirectionnel porte sur k – 1 degr\u00e9s de libert\u00e9 et v\u00e9rifie l’hypoth\u00e8se nulle conjointe selon laquelle l’ensemble des coefficients associ\u00e9s aux diff\u00e9rentes modalit\u00e9s est simultan\u00e9ment \u00e9gal \u00e0 z\u00e9ro (βMod\u00e9r\u00e9 = βS\u00e9v\u00e8re = βCritique = 0). Ce n’est que si ce test omnibus franchit le seuil de significativit\u00e9 nominal (α = 0,05) qu’il est m\u00e9thodologiquement recevable d’interpr\u00e9ter les tests partiels associ\u00e9s \u00e0 chacune des modalit\u00e9s sp\u00e9cifiques.<\/p>\n

Lorsque des contrastes multiples post-hoc sont men\u00e9s entre l’ensemble des cat\u00e9gories prises deux \u00e0 deux, il devient imp\u00e9ratif de contr\u00f4ler l’inflation de l’erreur de type I induite par la multiplicit\u00e9 des tests statistiques. Bien que l’instruction CONTRAST permette d’estimer ces \u00e9carts diff\u00e9rentiels, SAS permet d’adjoindre des corrections pour comparaisons multiples (telles que les ajustements de Bonferroni, de Scheff\u00e9 ou de Tukey-Kramer). Par ailleurs, l’apparition de cat\u00e9gories faiblement pourvues (cat\u00e9gories rares ne comportant que quelques unit\u00e9s statistiques) constitue une source majeure d’instabilit\u00e9 asymptotique, imposant soit le regroupement fond\u00e9 sur la proximit\u00e9 nosologique des modalit\u00e9s, soit le recours \u00e0 des estimateurs p\u00e9nalis\u00e9s.<\/p>\n

5. Mod\u00e9lisation des interactions et effets de mod\u00e9ration<\/h2>\n

5.1 Int\u00e9gration syntaxique des termes d’interaction<\/h3>\n

L’exploration des ph\u00e9nom\u00e8nes psychosociaux et biologiques complexes exige fr\u00e9quemment d’aller au-del\u00e0 des simples mod\u00e8les additifs pour \u00e9prouver des hypoth\u00e8ses de mod\u00e9ration, au sein desquelles l’effet d’une variable explicative sur l’issue dichotomique d\u00e9pend quantitativement ou qualitativement du niveau d’une seconde variable r\u00e9gulatrice. Dans l’instruction MODEL de la proc\u00e9dure PROC LOGISTIC, l’analyste peut mod\u00e9liser ces effets crois\u00e9s au moyen de l’op\u00e9rateur ast\u00e9risque (*) pour d\u00e9signer un produit direct, ou au moyen de la barre verticale (|) pour solliciter une param\u00e9trisation factorielle factoris\u00e9e incluant automatiquement les effets principaux et l’interaction :<\/p>\n

PROC LOGISTIC DATA=WORK.COHORTE_OBSERVANCE DESCENDING;
\n  CLASS SEXE(REF=’M’) \/ PARAM=REF;
\n  MODEL OBSERVANCE_B = AGE SEXE AGE*SEXE;
\nRUN;<\/p>\n

Dans cette formulation, le mod\u00e8le sp\u00e9cifie que l’impact de l’\u00e2ge chronologique sur l’observance th\u00e9rapeutique n’est pas invariant selon le genre biologique du sujet. L’introduction d’un terme interactif modifie fondamentalement l’interpr\u00e9tation s\u00e9miotique des coefficients principaux : le coefficient associ\u00e9 \u00e0 AGE ne quantifie plus l’effet moyen de l’\u00e2ge pour l’ensemble de la cohorte, mais repr\u00e9sente rigoureusement l’effet de l’\u00e2ge conditionn\u00e9 au groupe de r\u00e9f\u00e9rence de la variable cat\u00e9gorielle (ici, chez les hommes uniquement). De m\u00eame, le coefficient du terme SEXE ne refl\u00e8te l’\u00e9cart entre genres qu’au point th\u00e9orique o\u00f9 la variable AGE est strictement \u00e9gale \u00e0 z\u00e9ro.<\/p>\n

Pour contourner les probl\u00e8mes d’interpr\u00e9tabilit\u00e9 clinique li\u00e9s \u00e0 des valeurs de r\u00e9f\u00e9rence d\u00e9nu\u00e9es de sens physique (un \u00e2ge \u00e9gal \u00e0 z\u00e9ro n’ayant aucune pertinence empirique), il est imp\u00e9ratif d’op\u00e9rer un centrage pr\u00e9alable des variables explicatives continues sur leur moyenne respective (grand mean centering) au sein d’une \u00e9tape DATA liminaire. Cette manipulation affine la stabilit\u00e9 num\u00e9rique du mod\u00e8le et r\u00e9duit drastiquement la multicolin\u00e9arit\u00e9 structurelle non essentielle induite par le calcul du terme de produit matriciel.<\/p>\n

5.2 Utilisation de l’instruction SLICE et ESTIMATE<\/h3>\n

Lorsqu’une interaction s’av\u00e8re statistiquement significative, le chercheur a l’obligation m\u00e9thodologique de d\u00e9composer cette relation globale en examinant les effets simples (simple effects), c’est-\u00e0-dire l’action du pr\u00e9dicteur focal \u00e0 chaque niveau distinct de la variable mod\u00e9ratrice. L’instruction SLICE, adoss\u00e9e au module d’inf\u00e9rence lin\u00e9aire g\u00e9n\u00e9ralis\u00e9e, autorise ce d\u00e9coupage analytique avec une \u00e9conomie de code substantielle :<\/p>\n

PROC LOGISTIC DATA=WORK.COHORTE_OBSERVANCE DESCENDING;
\n  CLASS GROUPE_TRAITEMENT(REF=’Controle’) COMORBIDITE(REF=’0′) \/ PARAM=REF;
\n  MODEL OBSERVANCE_B = GROUPE_TRAITEMENT COMORBIDITE GROUPE_TRAITEMENT*COMORBIDITE;
\n  SLICE GROUPE_TRAITEMENT*COMORBIDITE \/ SLICEBY=COMORBIDITE DIFF=CONTROL(‘Controle’);
\nRUN;<\/p>\n

L’option SLICEBY= isole l’analyse au sein de chaque strate d\u00e9finie par les niveaux de la variable COMORBIDITE, tandis que DIFF=CONTROL(‘Controle’) \u00e9value la sup\u00e9riorit\u00e9 statistique du traitement exp\u00e9rimental par rapport au groupe t\u00e9moin chez les sujets indemnes de comorbidit\u00e9s d’une part, puis chez les patients polymorbides d’autre part. Cette d\u00e9composition prot\u00e8ge le statisticien des conclusions erron\u00e9es d\u00e9coulant de l’amalgame d’effets h\u00e9t\u00e9rog\u00e8nes.<\/p>\n

Pour les besoins sp\u00e9cifiques d’estimations personnalis\u00e9es n’entrant pas dans le cadre standard des d\u00e9coupages automatiques, l’instruction ESTIMATE offre une flexibilit\u00e9 totale. Elle permet de soumettre un vecteur de pond\u00e9rations scalaires directement corr\u00e9l\u00e9 \u00e0 la matrice de plan d’exp\u00e9rience X. L’instruction CONTRAST remplit une fonction analogue, mais permet en outre de tester simultan\u00e9ment des hypoth\u00e8ses multidimensionnelles impliquant des matrices de contraintes \u00e0 plusieurs degr\u00e9s de libert\u00e9, garantissant ainsi un contr\u00f4le exhaustif des contrastes orthogonaux ou polynomiaux formul\u00e9s par le devis de recherche.<\/p>\n

5.3 Calcul conditionnel des rapports de cotes via ODDSRATIO<\/h3>\n

La pr\u00e9sence d’un terme d’interaction dans une r\u00e9gression logistique implique formellement que le rapport des cotes associ\u00e9 \u00e0 un facteur n’est plus un param\u00e8tre fixe et universel, mais devient une fonction math\u00e9matique d\u00e9pendante de la valeur prise par le mod\u00e9rateur. Historiquement, le calcul des Odds Ratios conditionnels et de leurs erreurs types asymptotiques exigeait des d\u00e9veloppements matriciels complexes sous des macro-commandes sp\u00e9cialis\u00e9es. Dans les versions modernes de SAS, l’instruction ODDSRATIO prend en charge nativement ces \u00e9valuations conditionnelles complexes :<\/p>\n

PROC LOGISTIC DATA=WORK.COHORTE_OBSERVANCE DESCENDING;
\n  CLASS SEXE(REF=’M’) \/ PARAM=REF;
\n  MODEL OBSERVANCE_B = AGE SEXE AGE*SEXE;
\n  ODDSRATIO AGE \/ AT(SEXE=’F’ SEXE=’M’);
\n  ODDSRATIO SEXE \/ AT(AGE=30 AGE=50 AGE=70);
\nRUN;<\/p>\n

La syntaxe ci-dessus g\u00e9n\u00e8re de mani\u00e8re automatis\u00e9e deux s\u00e9ries d’analyses d’une grande valeur heuristique. La premi\u00e8re ligne ODDSRATIO \u00e9value l’impact d’une augmentation d’une ann\u00e9e d’\u00e2ge s\u00e9par\u00e9ment chez les femmes et chez les hommes. La seconde ligne produit l’Odds Ratio comparant les femmes aux hommes \u00e0 trois points d’ancrage chronologiques repr\u00e9sentatifs de l’\u00e9chantillon d’\u00e9tude (\u00e0 30 ans, 50 ans et 70 ans).<\/p>\n

Pour chaque configuration conditionnelle, SAS \u00e9dite l’estimation ponctuelle de l’Odds Ratio, son erreur type asymptotique, ainsi que l’intervalle de confiance bilat\u00e9ral \u00e0 95% calcul\u00e9 selon la m\u00e9trique de Wald. Si le syst\u00e8me ODS Graphics est actif, cette commande g\u00e9n\u00e8re en outre une repr\u00e9sentation graphique illustrative illustrant l’\u00e9volution dynamique de l’Odds Ratio le long du continuum de la variable mod\u00e9ratrice continue, mat\u00e9rialisant visuellement le basculement progressif du risque statistique.<\/p>\n

6. \u00c9valuation globale de l’ajustement du mod\u00e8le logistique<\/h2>\n

6.1 Tests de l’hypoth\u00e8se nulle globale<\/h3>\n

La premi\u00e8re d\u00e9marche \u00e9valuative cons\u00e9cutive \u00e0 l’estimation d’un mod\u00e8le logistique consiste \u00e0 d\u00e9terminer si l’ensemble des variables pr\u00e9dictives incorpor\u00e9es apporte une contribution informative statistiquement sup\u00e9rieure \u00e0 celle d’un mod\u00e8le minimal d\u00e9pourvu de pr\u00e9dicteurs, d\u00e9sign\u00e9 sous le terme de mod\u00e8le nul ou mod\u00e8le \u00e0 l’ordonn\u00e9e \u00e0 l’origine seule (Intercept-only model). Sous SAS, cette \u00e9valuation fait l’objet d’un tableau sp\u00e9cifique intitul\u00e9 Testing Global Null Hypothesis: BETA=0<\/em>, lequel pr\u00e9sente syst\u00e9matiquement trois tests statistiques asymptotiquement \u00e9quivalents :<\/p>\n