Le pr\u00e9sent trait\u00e9 m\u00e9thodologique se propose d’explorer en profondeur la conception, l’optimisation et la personnalisation avanc\u00e9e des diagrammes \u00e0 barres sous SAS, \u00e0 travers l’\u00e9tude minutieuse de trois paradigmes structurels fondamentaux : le diagramme \u00e0 barres univari\u00e9 simple (d\u00e9clin\u00e9 selon des orientations verticales et horizontales), le diagramme \u00e0 barres empil\u00e9 (stacked bar chart<\/em>) d\u00e9di\u00e9 \u00e0 la d\u00e9composition proportionnelle intra-cat\u00e9gorielle, et le diagramme \u00e0 barres group\u00e9 ou juxtapos\u00e9 (clustered bar chart<\/em>) con\u00e7u pour l’analyse comparative des interactions factorielles. \u00c0 la lumi\u00e8re des th\u00e9ories de la perception visuelle de William S. Cleveland et d’Edward Tufte, nous analyserons les implications s\u00e9miotiques, les arbitrages algorithmiques et les protocoles de mise en conformit\u00e9 typographique requis pour hisser vos visualisations aux plus hauts standards acad\u00e9miques internationaux.<\/p>\n Dans l’architecture de la recherche empirique, l’investigation pr\u00e9liminaire des variables qualitatives constitue une \u00e9tape charni\u00e8re qui conditionne l’ensemble de la mod\u00e9lisation statistique ult\u00e9rieure. Avant m\u00eame d’envisager des tests d’hypoth\u00e8ses inf\u00e9rentiels complexes, tels que les r\u00e9gressions logistiques multinomiales ou les mod\u00e9lisations par \u00e9quations structurelles, le chercheur doit imp\u00e9rativement appr\u00e9hender la morphologie descriptive de son \u00e9chantillon. Le diagramme \u00e0 barres remplit cette fonction d’exploration descriptive en encodant des quantit\u00e9s abstraites sous la forme de barres rectangulaires contigu\u00ebs ou espac\u00e9es dont la longueur est strictement proportionnelle \u00e0 la grandeur repr\u00e9sent\u00e9e. Cette conversion g\u00e9om\u00e9trique repose sur un principe psychophysique fondamental mis en lumi\u00e8re par les travaux s\u00e9minaux de Cleveland et McGill sur la perception graphique : l’\u0153il et le cerveau humain \u00e9valuent la position le long d’une \u00e9chelle commune avec une acuit\u00e9 perceptuelle incomparablement sup\u00e9rieure \u00e0 celle mobilis\u00e9e pour juger des angles, des courbures ou des aires surfaciques.<\/p>\n Par contraste avec les tableaux de contingence bruts, qui imposent une charge cognitive substantielle en exigeant du lecteur une lecture s\u00e9quentielle et une m\u00e9morisation num\u00e9rique active, la repr\u00e9sentation par barres permet une appr\u00e9hension synoptique et instantan\u00e9e des disparit\u00e9s distributionnelles. Si un tableau de fr\u00e9quences conserve l’avantage de la pr\u00e9cision nominale brute, il \u00e9choue souvent \u00e0 r\u00e9v\u00e9ler de mani\u00e8re imm\u00e9diate des asym\u00e9tries de r\u00e9partition, des polarisations extr\u00eames ou l’\u00e9mergence de modalit\u00e9s sous-repr\u00e9sent\u00e9es au sein d’une cohorte d’\u00e9tude. En psychom\u00e9trie et en \u00e9pid\u00e9miologie, o\u00f9 la pr\u00e9valence de certains ph\u00e9notypes ou la conformit\u00e9 des r\u00e9ponses \u00e0 des \u00e9chelles de Likert doivent \u00eatre scrut\u00e9es pour d\u00e9tecter d’\u00e9ventuels effets de plafond ou de plancher, le diagramme \u00e0 barres op\u00e8re comme un filtre perceptif \u00e9liminant le bruit analytique pour r\u00e9v\u00e9ler la structure g\u00e9om\u00e9trique intrins\u00e8que des donn\u00e9es.<\/p>\n D’un point de vue strictement m\u00e9thodologique, la pertinence du diagramme \u00e0 barres r\u00e9side dans sa neutralit\u00e9 formelle lorsqu’il est correctement param\u00e9tr\u00e9. Contrairement aux diagrammes circulaires (pie charts<\/em>), qui induisent des distorsions syst\u00e9matiques d’estimation li\u00e9es \u00e0 l’angle et \u00e0 la perspective tridimensionnelle souvent abusivement appliqu\u00e9e, le diagramme \u00e0 barres ancre la comparaison sur une ligne de base z\u00e9ro immuable. Cette caract\u00e9ristique est cruciale pour pr\u00e9server l’int\u00e9grit\u00e9 de l’interpr\u00e9tation des fr\u00e9quences d’\u00e9chantillonnage, garantissant que le ratio visuel entre deux rectangles refl\u00e8te fid\u00e8lement le ratio arithm\u00e9tique de leurs fr\u00e9quences r\u00e9elles respectives, pr\u00e9venant ainsi toute manipulation cognitive ou lecture biais\u00e9e des preuves quantitatives.<\/p>\n L’histoire de la visualisation de donn\u00e9es au sein de l’\u00e9cosyst\u00e8me logiciel SAS est marqu\u00e9e par une rupture technologique majeure, correspondant \u00e0 la transition entre les anciens modules graphiques propri\u00e9taires et le syst\u00e8me unifi\u00e9 ODS Graphics<\/em>. Durant plusieurs d\u00e9cennies, la proc\u00e9dure PROC GCHART<\/em>, issue du module historique SAS\/GRAPH, a repr\u00e9sent\u00e9 le vecteur exclusif de production des diagrammes \u00e0 barres, des histogrammes et des camemberts. Toutefois, cette proc\u00e9dure ancestrale pr\u00e9sentait des limitations structurelles consid\u00e9rables, tributaires des contraintes informatiques des ann\u00e9es 1980 et 1990 : obligation de manipuler des pilotes de p\u00e9riph\u00e9riques graphiques obscurs (tels que les pilotes ZBR ou GIF), instabilit\u00e9 de la r\u00e9solution lors de l’exportation vectorielle, et syntaxe excessivement verbeuse n\u00e9cessitant l’utilisation combin\u00e9e d’instructions auxiliaires complexes comme GOPTIONS<\/em>, AXIS<\/em> et PATTERN<\/em> pour ajuster des param\u00e8tres aussi triviaux que la couleur d’un contour ou l’espacement inter-barres.<\/p>\n L’av\u00e8nement d’ODS Graphics dans les versions r\u00e9centes de SAS (\u00e0 partir de la version 9.2 et pleinement consolid\u00e9 dans les versions 9.4 et SAS Viya) a boulevers\u00e9 ce paradigme en introduisant une famille de proc\u00e9dures statistiques de nouvelle g\u00e9n\u00e9ration, au premier rang desquelles tr\u00f4ne la proc\u00e9dure PROC SGPLOT<\/em> (Statistical Graphics Plot<\/em>). Con\u00e7ue sp\u00e9cifiquement pour r\u00e9pondre aux imp\u00e9ratifs de la publication scientifique moderne, PROC SGPLOT<\/em> standardise la g\u00e9n\u00e9ration de figures en d\u00e9l\u00e9guant la gestion du rendu \u00e0 des moteurs de rendu vectoriel de pointe (notamment PDF et SVG) et matriciel anti-alias\u00e9 \u00e0 haute r\u00e9solution. Le syst\u00e8me repose sur des mod\u00e8les de pr\u00e9sentation (graph templates<\/em>) pr\u00e9d\u00e9finis qui garantissent une homog\u00e9n\u00e9it\u00e9 esth\u00e9tique remarquable, tout en affranchissant l’analyste des contingences mat\u00e9rielles li\u00e9es aux pilotes d’affichage de bas niveau.<\/p>\n En outre, l’optimisation intrins\u00e8que du moteur d’ODS Graphics assure une prise en charge native et fluide des \u00e9l\u00e9ments typographiques vectoriels, de la gestion avanc\u00e9e des polices de caract\u00e8res TrueType et OpenType, et de la colorim\u00e9trie dynamique calibr\u00e9e. L\u00e0 o\u00f9 PROC GCHART<\/em> produisait des sorties rigides, souvent pixelis\u00e9es et visuellement d\u00e9su\u00e8tes, PROC SGPLOT<\/em> impl\u00e9mente par d\u00e9faut des principes de design conformes aux exigences des plus grandes revues scientifiques internationales, tels que la r\u00e9duction des bordures superflues, l’\u00e9quilibrage des blancs typographiques et l’attribution automatique de palettes chromatiques perceptuellement discriminantes. Cette modernisation algorithmique a fait de PROC SGPLOT<\/em> le standard industriel incontournable pour toute restitution graphique sous SAS.<\/p>\n L’architecture de la proc\u00e9dure PROC SGPLOT<\/em> repose sur une logique d\u00e9clarative d’une remarquable \u00e9l\u00e9gance, structur\u00e9e autour d’un principe de superposition s\u00e9quentielle d’instructions sp\u00e9cialis\u00e9es. Contrairement \u00e0 des environnements imp\u00e9ratifs o\u00f9 chaque trac\u00e9 g\u00e9om\u00e9trique doit \u00eatre programm\u00e9 par le calcul explicite de coordonn\u00e9es pixel par pixel, PROC SGPLOT<\/em> interpr\u00e8te l’intention analytique de l’utilisateur \u00e0 partir d’une table de donn\u00e9es source d\u00e9finie via l’argument classique DATA=nom_table<\/em>. L’instruction principale convoque la proc\u00e9dure, tandis que les instructions internes sp\u00e9cifient la g\u00e9om\u00e9trie des trac\u00e9s \u00e0 ex\u00e9cuter sur les variables s\u00e9lectionn\u00e9es.<\/p>\n Le d\u00e9couplage fonctionnel entre la g\u00e9om\u00e9trie du trac\u00e9 et la gestion des attributs environnementaux constitue l’un des piliers de cette architecture. Pour instancier un diagramme \u00e0 barres, le statisticien fait appel soit \u00e0 l’instruction VBAR<\/em> (pour un agencement vertical), soit \u00e0 l’instruction HBAR<\/em> (pour une projection horizontale), suivie du nom de la variable cat\u00e9gorielle de classification. Cette commande fondamentale peut \u00eatre compl\u00e9t\u00e9e par une pl\u00e9thore d’options contextuelles isol\u00e9es par une barre oblique (\/), permettant de moduler l’\u00e9paisseur des rectangles, d’assigner des couleurs sp\u00e9cifiques ou de d\u00e9finir des regroupements multivari\u00e9s. En parall\u00e8le, des instructions ind\u00e9pendantes telles que XAXIS<\/em>, YAXIS<\/em> ou KEYLEGEND<\/em> permettent de param\u00e9trer globalement le comportement des axes cart\u00e9siens et des tables de correspondance s\u00e9miologique sans alt\u00e9rer la d\u00e9finition intrins\u00e8que de la g\u00e9om\u00e9trie des barres.<\/p>\n Enfin, l’ex\u00e9cution du bloc d’instructions est scell\u00e9e par la commande RUN;<\/em>, caract\u00e9ristique immuable de l’environnement SAS, qui d\u00e9clenche la compilation du mod\u00e8le graphique sous-jacent, le calcul implicite des statistiques de d\u00e9nombrement ou d’agr\u00e9gation, et la restitution effective de l’image vers les destinations ODS pr\u00e9alablement activ\u00e9es (telles que HTML, PDF ou RTF). L’instruction optionnelle mais hautement recommand\u00e9e QUIT;<\/em> permet quant \u00e0 elle de clore proprement l’\u00e9tat d’\u00e9coute de la proc\u00e9dure dans la session active, assurant une hygi\u00e8ne de programmation optimale et pr\u00e9venant les interf\u00e9rences entre \u00e9tapes d’analyse cons\u00e9cutives.<\/p>\n Pour assurer la reproductibilit\u00e9 int\u00e9grale des concepts expos\u00e9s tout au long de cet ouvrage didactique, il convient de formaliser un environnement de donn\u00e9es contr\u00f4l\u00e9 au moyen d’une \u00e9tape DATA standardis\u00e9e. Dans le cadre de nos d\u00e9monstrations empiriques, nous concevrons un jeu de donn\u00e9es exp\u00e9rimental d\u00e9nomm\u00e9 my_data<\/em>, simulant une \u00e9tude multicentrique portant sur l’\u00e9valuation de performances cognitives et le recensement d’\u00e9chantillons cliniques au sein de diff\u00e9rentes structures hospitali\u00e8res et groupes exp\u00e9rimentaux. La ma\u00eetrise de l’\u00e9tape DATA constitue le pr\u00e9requis absolu de toute manipulation analytique sous SAS, car la qualit\u00e9 de la restitution graphique d\u00e9pend directement de l’organisation matricielle des enregistrements sous-jacents.<\/p>\n L’\u00e9tape DATA initialise la structure tabulaire en allouant les descripteurs de variables dans le vecteur d’\u00e9tat du programme (Program Data Vector<\/em>, ou PDV). L’instruction INPUT<\/em> formalise la lecture des colonnes en associant des noms de variables standardis\u00e9s \u00e0 des typologies explicites. En particulier, l’adjonction du symbole dollar ($) \u00e0 la suite imm\u00e9diate du nom de variable indique au compilateur SAS que les colonnes correspondantes doivent \u00eatre trait\u00e9es comme des cha\u00eenes de caract\u00e8res alphanum\u00e9riques de longueur fixe ou variable. L’instruction DATALINES<\/em> (ou son synonyme historique CARDS<\/em>) signale quant \u00e0 elle le d\u00e9but de l’insertion s\u00e9quentielle des lignes de donn\u00e9es brutes, cl\u00f4tur\u00e9e par un point-virgule isol\u00e9 marquant la fin de la lecture en ligne.<\/p>\n Dans notre mod\u00e8le exp\u00e9rimental, nous instancions une variable cat\u00e9gorielle primaire intitul\u00e9e Categorie<\/em> (repr\u00e9sentant par exemple des classes diagnostiques ou des sites de collecte : A, B, C, D), une variable de stratification secondaire nomm\u00e9e Groupe<\/em> (distinguant le groupe t\u00e9moin \u00ab Temoin \u00bb du groupe soumis \u00e0 intervention \u00ab Traite \u00bb), ainsi qu’une variable quantitative continue d\u00e9nomm\u00e9e Score<\/em> ou Rendement<\/em>, refl\u00e9tant une mesure psychom\u00e9trique discr\u00e8te ou continue. Cette structure factorielle \u00e0 deux niveaux crois\u00e9s, enrichie d’une variable de r\u00e9ponse continue, offre le terrain id\u00e9al pour explorer l’ensemble des d\u00e9clinaisons univari\u00e9es et multivari\u00e9es de PROC SGPLOT<\/em>.<\/p>\n D\u00e8s lors que la table de travail SAS est mat\u00e9rialis\u00e9e dans la m\u00e9moire de travail (biblioth\u00e8que WORK<\/em>), une d\u00e9marche de validation empirique s’impose imp\u00e9rativement avant toute tentative de mod\u00e9lisation visuelle. L’instruction PROC PRINT<\/em> repr\u00e9sente la commande canonique d\u00e9di\u00e9e \u00e0 l’inspection tabulaire des observations g\u00e9n\u00e9r\u00e9es. Elle permet d’afficher dans la fen\u00eatre de sortie ODS l’int\u00e9gralit\u00e9 ou un sous-ensemble filtr\u00e9 des lignes enregistr\u00e9es, offrant au praticien la possibilit\u00e9 de v\u00e9rifier visuellement l’exactitude de l’attribution des variables dans les colonnes respectives et l’int\u00e9grit\u00e9 de la saisie matricielle.<\/p>\n Cette \u00e9tape de v\u00e9rification pr\u00e9liminaire vise principalement \u00e0 identifier et \u00e0 \u00e9radiquer les \u00e9ventuelles valeurs manquantes (missing values<\/em>), formalis\u00e9es dans SAS par un point (.) pour les variables num\u00e9riques et par un espace vide pour les cha\u00eenes de caract\u00e8res. Dans le cadre de l’exploitation par PROC SGPLOT<\/em>, la pr\u00e9sence inattendue de valeurs manquantes sur une variable de classification peut profond\u00e9ment biaiser le rendu graphique en cr\u00e9ant une cat\u00e9gorie fant\u00f4me ind\u00e9sirable sur l’axe des abscisses, ou en alt\u00e9rant les d\u00e9nominateurs utilis\u00e9s pour le calcul des fr\u00e9quences relatives. De surcro\u00eet, des discordances typographiques subtiles dans les libell\u00e9s de cat\u00e9gories alphanum\u00e9riques (telles que des espaces surnum\u00e9raires en d\u00e9but ou fin de cha\u00eene, ou des variations de casse entre majuscules et minuscules) conduiraient SAS \u00e0 cr\u00e9er des modalit\u00e9s artificiellement disjointes pour une m\u00eame entit\u00e9 conceptuelle.<\/p>\n L’utilisation judicieuse de PROC PRINT<\/em>, combin\u00e9e le cas \u00e9ch\u00e9ant \u00e0 l’option OBS=<\/em> pour restreindre l’affichage aux premi\u00e8res lignes d’un volume massif de donn\u00e9es, s’inscrit donc au c\u0153ur des bonnes pratiques de l’assurance qualit\u00e9 des donn\u00e9es. Elle garantit l’alignement typologique parfait des variables avant que le flux de donn\u00e9es ne soit transf\u00e9r\u00e9 au compilateur d’ODS Graphics, neutralisant ainsi les sources potentielles d’erreurs d’ex\u00e9cution ou d’incoh\u00e9rences visuelles ult\u00e9rieures.<\/p>\n L’\u00e9laboration rationnelle d’un graphique sous SAS n\u00e9cessite une compr\u00e9hension \u00e9pist\u00e9mologique aff\u00fbt\u00e9e de la nature math\u00e9matique des variables mobilis\u00e9es, conform\u00e9ment aux principes de la taxonomie des \u00e9chelles de mesure th\u00e9oris\u00e9e par Stanley Smith Stevens. On distingue fondamentalement les \u00e9chelles qualitatives (nominales et ordinales) des \u00e9chelles quantitatives (d’intervalles et de rapports). Dans le p\u00e9rim\u00e8tre op\u00e9rationnel de la proc\u00e9dure PROC SGPLOT<\/em> appliqu\u00e9e aux diagrammes \u00e0 barres, cette distinction d\u00e9termine la fonction exacte attribu\u00e9e \u00e0 chaque axe cart\u00e9sien : l’axe primaire (g\u00e9n\u00e9ralement horizontal pour VBAR<\/em>) accueille la variable de classification cat\u00e9gorielle discr\u00e8te, tandis que l’axe secondaire (vertical) mesure une m\u00e9trique quantitative, qu’il s’agisse d’un d\u00e9nombrement d’occurrences ou d’une fonction d’agr\u00e9gation appliqu\u00e9e \u00e0 une variable continue.<\/p>\n Sur le plan cognitif et s\u00e9miotique, le traitement des \u00e9chelles nominales (telles que la nationalit\u00e9, le sexe biologique ou le groupe d’appartenance m\u00e9dicale) conf\u00e8re au concepteur une libert\u00e9 totale d’ordonnancement sur l’axe cat\u00e9goriel. Il est alors fr\u00e9quemment opportun de r\u00e9organiser les modalit\u00e9s par ordre croissant ou d\u00e9croissant de fr\u00e9quence pour faciliter la hi\u00e9rarchisation visuelle de l’information. En revanche, face \u00e0 une \u00e9chelle ordinale (telle qu’un stade clinique, une classe d’\u00e2ge ou un bar\u00e8me d’accord de type Likert), l’ordre intrins\u00e8que des modalit\u00e9s poss\u00e8de une signification s\u00e9mantique fondamentale qui doit imp\u00e9rativement \u00eatre pr\u00e9serv\u00e9e sur l’axe du graphique, sous peine de d\u00e9truire la coh\u00e9rence logique du message et d’induire une confusion cognitive majeure chez le lecteur.<\/p>\n Le formatage des donn\u00e9es tabulaires dans SAS via l’instruction FORMAT<\/em> joue un r\u00f4le d\u00e9terminant dans cette articulation. En associant des formats personnalis\u00e9s cr\u00e9\u00e9s via la proc\u00e9dure PROC FORMAT<\/em>, l’analyste peut substituer \u00e0 des codes num\u00e9riques abstraits (tels que 1, 2, 3) des libell\u00e9s textuels explicites tout en pr\u00e9servant l’ordre sous-jacent lors du trac\u00e9 graphique. Cette dissociation propre \u00e0 l’environnement SAS entre la valeur stock\u00e9e en m\u00e9moire machine et la valeur affich\u00e9e \u00e0 l’\u00e9cran constitue un atout m\u00e9thodologique inestimable pour structurer harmonieusement l’axe cat\u00e9goriel selon les contraintes perceptives inh\u00e9rentes \u00e0 la cognition humaine.<\/p>\n Le premier exemple fondamental concerne la mat\u00e9rialisation d’un diagramme \u00e0 barres vertical univari\u00e9, repr\u00e9sentant la distribution fr\u00e9quentielle des observations \u00e0 travers les diff\u00e9rentes modalit\u00e9s de la variable cat\u00e9gorielle primaire. Dans la syntaxe \u00e9pur\u00e9e de PROC SGPLOT<\/em>, ce trac\u00e9 s’obtient au moyen de l’instruction VBAR<\/em> (Vertical Bar<\/em>). Lorsqu’elle est invoqu\u00e9e sans param\u00e8tre quantitatif additionnel, cette instruction d\u00e9clenche de mani\u00e8re enti\u00e8rement autonome un algorithme de calcul fr\u00e9quentiel en arri\u00e8re-plan : SAS balaie la table de donn\u00e9es, d\u00e9nombre les occurrences uniques de chaque modalit\u00e9 de la variable d\u00e9sign\u00e9e, et configure automatiquement l’\u00e9chelle de l’axe des ordonn\u00e9es pour refl\u00e9ter le d\u00e9compte brut des effectifs (Frequency<\/em>).<\/p>\n Consid\u00e9rons l’application de cette instruction \u00e0 notre variable Categorie<\/em> issue de la table my_data<\/em>. Le programme s’articule autour du bloc canonique d\u00e9butant par PROC SGPLOT DATA=my_data;<\/em>, suivi imm\u00e9diatement sur la ligne subs\u00e9quente de la directive VBAR Categorie;<\/em>, pour se conclure par l’incontournable instruction de d\u00e9clenchement RUN;<\/em>. L’ex\u00e9cution de cette s\u00e9quence entra\u00eene la g\u00e9n\u00e9ration imm\u00e9diate d’un graphique dans lequel chaque modalit\u00e9 de la variable Categorie<\/em> se voit allouer un rectangle vertical d’une largeur constante et uniforme, dont la base repose rigidement sur l’ordonn\u00e9e z\u00e9ro et dont le sommet culmine exactement \u00e0 la hauteur correspondant au nombre d’individus recens\u00e9s dans ladite modalit\u00e9.<\/p>\n Le rendu obtenu par d\u00e9faut met en relief l’\u00e9quilibre esth\u00e9tique pr\u00e9-calibr\u00e9 d’ODS Graphics. Les barres sont d\u00e9limit\u00e9es par des contours nets et remplies d’une teinte unie d\u00e9finie par le style ODS en vigueur au moment de l’ex\u00e9cution (habituellement un bleu institutionnel sous le style HTML5 standard). L’axe vertical est automatiquement baptis\u00e9 \u00ab Frequency \u00bb ou \u00ab Fr\u00e9quence \u00bb selon les param\u00e8tres de localisation linguistique de votre session SAS, et des graduations \u00e9quidistantes sont positionn\u00e9es sur des valeurs enti\u00e8res appropri\u00e9es, pr\u00e9venant toute extrapolation visuelle erron\u00e9e et garantissant une lisibilit\u00e9 descriptive optimale de la distribution empirique.<\/p>\n Bien que la disposition verticale soit traditionnellement favoris\u00e9e par analogie avec les histogrammes continus, elle montre ses limites ergonomiques d\u00e8s lors que les libell\u00e9s des modalit\u00e9s cat\u00e9gorielles pr\u00e9sentent une longueur textuelle substantielle. Sur un axe horizontal, la juxtaposition de cha\u00eenes de caract\u00e8res volumineuses contraint fr\u00e9quemment le moteur graphique \u00e0 op\u00e9rer des compromis ind\u00e9sirables, tels que la troncature des noms, leur rotation angulaire diagonale ou verticale (qui entrave consid\u00e9rablement la fluidit\u00e9 de la lecture alphab\u00e9tique occidentale), ou encore l’alternance en quinconce des \u00e9tiquettes. Pour pallier cette contrainte spatiale majeure, la proc\u00e9dure PROC SGPLOT<\/em> offre une alternative d’une grande \u00e9l\u00e9gance fonctionnelle au moyen de l’instruction HBAR<\/em> (Horizontal Bar<\/em>).<\/p>\n La substitution syntaxique de VBAR<\/em> par HBAR<\/em> op\u00e8re une rotation g\u00e9om\u00e9trique \u00e0 90 degr\u00e9s du rep\u00e8re cart\u00e9sien. L’axe cat\u00e9goriel devient l’axe des ordonn\u00e9es (vertical, \u00e0 gauche), tandis que l’axe des fr\u00e9quences ou de la grandeur mesur\u00e9e se d\u00e9ploie d\u00e9sormais sur l’axe des abscisses (horizontal, en bas). Dans cette configuration, les rectangles s’\u00e9tendent de gauche \u00e0 droite \u00e0 partir d’une ligne d’ancrage commune align\u00e9e verticalement \u00e0 l’extr\u00eame gauche de la zone de tra\u00e7age. Les libell\u00e9s textuels des cat\u00e9gories disposent ainsi d’un d\u00e9gagement lat\u00e9ral naturel le long de l’axe vertical, ce qui autorise l’affichage int\u00e9gral de cha\u00eenes de caract\u00e8res complexes, de d\u00e9nominations m\u00e9dicales pr\u00e9cises ou de questions compl\u00e8tes d’enqu\u00eates psychosociales, sans exiger la moindre inclinaison typographique.<\/p>\n Sur le plan de l’ergonomie visuelle et des sciences cognitives appliqu\u00e9es \u00e0 la visualisation de donn\u00e9es, le diagramme \u00e0 barres horizontales s’av\u00e8re fr\u00e9quemment sup\u00e9rieur en termes de vitesse d’extraction de l’information. L’\u0153il humain parcourt naturellement les libell\u00e9s textuels dans un mouvement de balayage vertical descendant familier (de haut en bas), avant d’effectuer un glissement horizontal rapide pour \u00e9valuer la terminaison de la barre associ\u00e9e. Cette m\u00e9canique de balayage r\u00e9duit consid\u00e9rablement les mouvements saccadiques des yeux et \u00e9limine la torsion c\u00e9phalique souvent involontairement induite par la lecture de libell\u00e9s verticaux sur un diagramme standard.<\/p>\n Une figure scientifique ne saurait \u00eatre pleinement intelligible sans un appareil contextuel textuel rigoureusement hi\u00e9rarchis\u00e9. Sous SAS, l’adjonction de m\u00e9tadonn\u00e9es descriptives rel\u00e8ve des instructions globales de formatage TITLE<\/em> et FOOTNOTE<\/em>, qui s’ex\u00e9cutent en symbiose \u00e9troite avec le bloc de la proc\u00e9dure PROC SGPLOT<\/em>. L’instruction TITLE<\/em> (qui peut \u00eatre d\u00e9clin\u00e9e hi\u00e9rarchiquement sous la forme TITLE1<\/em>, TITLE2<\/em> jusqu’\u00e0 TITLE10<\/em>) permet de formaliser le titre principal et d’\u00e9ventuels sous-titres analytiques, conf\u00e9rant au graphique son autonomie s\u00e9mantique compl\u00e8te au sein d’un rapport ou d’un manuscrit scientifique.<\/p>\n La syntaxe de l’instruction TITLE<\/em> offre une grande richesse de personnalisation gr\u00e2ce \u00e0 des sous-options d’attributs int\u00e9gr\u00e9es. Le statisticien peut ainsi sp\u00e9cifier la police de caract\u00e8res via l’option FONT=<\/em>, l’\u00e9chelle dimensionnelle relative au moyen de l’option HEIGHT=<\/em>, l’alignement spatial via JUSTIFY=<\/em> (gauche, centre ou droite), ainsi que la graisse typographique gr\u00e2ce \u00e0 l’option BOLD<\/em>. Par exemple, la commande d\u00e9clarative TITLE1 BOLD HEIGHT=12pt \u00ab\u00a0Distribution fr\u00e9quentielle des cohortes cliniques (N=120)\u00a0\u00bb;<\/em> appose en surplomb imm\u00e9diat de la figure une d\u00e9claration formelle d’une clart\u00e9 absolue, situant imm\u00e9diatement le p\u00e9rim\u00e8tre d’\u00e9chantillonnage et la nature des donn\u00e9es illustr\u00e9es.<\/p>\n Il est tout aussi capital de veiller \u00e0 l’\u00e9puration s\u00e9miotique des \u00e9l\u00e9ments automatiques parasites g\u00e9n\u00e9r\u00e9s par l’environnement SAS. Par d\u00e9faut, le moteur ODS Graphics int\u00e8gre des libell\u00e9s d’axes g\u00e9n\u00e9riques d\u00e9riv\u00e9s du dictionnaire de donn\u00e9es (tels que le nom brut de la variable). L’int\u00e9gration au sein de la proc\u00e9dure d’instructions d’axes sp\u00e9cifiques \u2013 par exemple en d\u00e9clarant XAXIS LABEL=\u00a0\u00bbSite d’investigation\u00a0\u00bb GRID;<\/em> \u2013 permet de substituer \u00e0 l’identifiant machine une terminologie fran\u00e7aise fluide et rigoureusement contextualis\u00e9e, tout en supprimant les redondances textuelles superflues pour maximiser la clart\u00e9 informative de l’ensemble graphique.<\/p>\n Lorsque le plan de recherche implique l’analyse conjointe de deux facteurs qualitatifs, le diagramme \u00e0 barres univari\u00e9 s’av\u00e8re insuffisant pour rendre compte des dynamiques crois\u00e9es. Le diagramme \u00e0 barres empil\u00e9 (stacked bar chart<\/em>) r\u00e9pond \u00e0 ce besoin analytique en op\u00e9rant une segmentation proportionnelle interne de chaque barre univari\u00e9e. Conceptuellement, cette technique consiste \u00e0 d\u00e9composer la hauteur totale d’un rectangle \u2013 qui mat\u00e9rialise l’effectif marginal global d’une modalit\u00e9 primaire \u2013 en sous-segments g\u00e9om\u00e9triques adjacents superpos\u00e9s de mani\u00e8re ascendante, chaque sous-segment incarnant la contribution num\u00e9rique d’un niveau particulier d’une seconde variable de stratification.<\/p>\n Cette approche graphique offre l’avantage imm\u00e9diat de mat\u00e9rialiser visuellement deux niveaux d’information sur un espace bidimensionnel unique : d’une part, la magnitude totale de chaque cat\u00e9gorie primaire (l’enveloppe globale de la barre), et d’autre part, la d\u00e9composition structurelle de cette masse en sous-composantes distinctes. Dans les sciences comportementales et la psychologie diff\u00e9rentielle, ce dispositif est particuli\u00e8rement pris\u00e9 pour \u00e9valuer simultan\u00e9ment le volume d’une sous-population clinique (par exemple, le nombre d’individus pr\u00e9sentant un trouble anxieux sp\u00e9cifique) et son profilage interne selon une variable sociod\u00e9mographique ou une comorbidit\u00e9 psychiatrique (telle que la pr\u00e9sence ou l’absence d’une symptomatologie d\u00e9pressive associ\u00e9e).<\/p>\n N\u00e9anmoins, la pertinence d’un diagramme empil\u00e9 repose sur l’hypoth\u00e8se sous-jacente que la somme des sous-parties poss\u00e8de une signification logique et op\u00e9rationnelle \u00e9vidente. Les segments imbriqu\u00e9s doivent \u00eatre mutuellement exclusifs et collectivement exhaustifs par rapport \u00e0 la cat\u00e9gorie primaire d’appartenance. Si cette condition est respect\u00e9e, le diagramme empil\u00e9 illustre de mani\u00e8re spectaculaire la notion de proportionnalit\u00e9 partag\u00e9e, traduisant visuellement la mani\u00e8re dont diff\u00e9rentes strates s’agr\u00e8gent pour constituer un tout coh\u00e9rent.<\/p>\n L’impl\u00e9mentation algorithmique d’un diagramme \u00e0 barres empil\u00e9 sous PROC SGPLOT<\/em> s’op\u00e8re avec une \u00e9conomie de moyens syntaxiques tout \u00e0 fait remarquable. Il suffit d’adjoindre le param\u00e8tre \/ GROUP=nom_variable<\/em> \u00e0 la suite imm\u00e9diate de l’instruction de tra\u00e7age de base, qu’il s’agisse de VBAR<\/em> ou de HBAR<\/em>. Par d\u00e9faut, le comportement intrins\u00e8que du compilateur ODS Graphics face \u00e0 l’instruction GROUP<\/em> sans modificateur additionnel consiste pr\u00e9cis\u00e9ment \u00e0 g\u00e9n\u00e9rer un empilement vertical ascendant (\u00e9quivalent implicite de l’option GROUPDISPLAY=STACK<\/em>).<\/p>\n Consid\u00e9rons la formulation programmatique appliqu\u00e9e \u00e0 notre jeu de donn\u00e9es exp\u00e9rimental :<\/p>\n PROC SGPLOT DATA=my_data;<\/em> Dans ce sc\u00e9nario d’ex\u00e9cution, SAS identifie automatiquement l’ensemble des modalit\u00e9s uniques pr\u00e9sentes au sein de la variable secondaire Groupe<\/em> (dans notre cas, \u00ab Temoin \u00bb et \u00ab Traite \u00bb). Le moteur graphique partitionne alors chaque barre verticale associ\u00e9e aux modalit\u00e9s de la variable primaire Categorie<\/em> en autant de segments distincts que de niveaux de stratification recens\u00e9s. Chaque strate se voit attribuer automatiquement une couleur diff\u00e9renci\u00e9e issue de la palette chromatique active du style ODS en vigueur, tandis qu’une table de correspondance s\u00e9miologique (l\u00e9gende) est automatiquement cr\u00e9\u00e9e et positionn\u00e9e en p\u00e9riph\u00e9rie de la zone de tra\u00e7age pour expliciter l’association entre les teintes et les modalit\u00e9s du groupe.<\/p>\n Cette automatisation structurelle \u00e9limine les risques d’erreurs de calcul manuel des d\u00e9calages d’ordonn\u00e9es qui p\u00e9nalisaient l’ancienne proc\u00e9dure PROC GCHART<\/em>. SAS g\u00e8re en interne le cumul des effectifs partiels, garantissant que le sommet de chaque strate interm\u00e9diaire co\u00efncide rigoureusement avec la base du segment imm\u00e9diatement sup\u00e9rieur, assurant une parfaite fid\u00e9lit\u00e9 m\u00e9trique le long de l’axe vertical des fr\u00e9quences cumul\u00e9es.<\/p>\n Bien que le diagramme \u00e0 barres empil\u00e9 jouisse d’une grande popularit\u00e9 institutionnelle, sa mobilisation en milieu scientifique doit faire l’objet d’une prudence m\u00e9thodologique aigu\u00eb en raison de s\u00e9v\u00e8res limites psychophysiques d’interpr\u00e9tation cognitive. En effet, si le segment positionn\u00e9 \u00e0 la base de la barre (le premier niveau du groupe) partage une ligne d’ancrage commune au niveau de l’ordonn\u00e9e z\u00e9ro \u2013 ce qui garantit une \u00e9valuation visuelle pr\u00e9cise de son amplitude par les lecteurs \u2013, il en va tout autrement des segments interm\u00e9diaires et sup\u00e9rieurs. Ces derniers reposent sur des lignes de base flottantes et irr\u00e9guli\u00e8res, dont l’\u00e9l\u00e9vation d\u00e9pend de la variabilit\u00e9 quantitative des segments sous-jacents.<\/p>\n En vertu des lois de la perception visuelle d\u00e9montr\u00e9es par Cleveland et McGill, l’estimation de la longueur d’un segment non align\u00e9 sur une r\u00e9f\u00e9rence fixe engendre des distorsions d’\u00e9valuation consid\u00e9rables, l’\u0153il humain peinant \u00e0 neutraliser le d\u00e9calage spatial pour juger de la v\u00e9ritable dimension relative des rectangles suspendus. Il devient ainsi extr\u00eamement ardu pour un observateur de comparer de visu la pr\u00e9valence d’une sous-modalit\u00e9 \u00e0 travers diff\u00e9rentes cat\u00e9gories primaires lorsque celle-ci se trouve perch\u00e9e au sommet des barres empil\u00e9es, ce qui affaiblit consid\u00e9rablement la valeur probative du graphique dans le cadre d’un raisonnement statistique comparatif fin.<\/p>\n Pour cette raison, la litt\u00e9rature scientifique sp\u00e9cialis\u00e9e pr\u00e9conise de restreindre l’usage des diagrammes \u00e0 barres empil\u00e9s aux situations o\u00f9 l’objectif prioritaire r\u00e9side dans la perception de la somme totale cumul\u00e9e, ou lorsque la variable de stratification ne comporte strictement que deux modalit\u00e9s hautement contrast\u00e9es. D\u00e8s lors que l’analyste cherche \u00e0 mettre en \u00e9vidence des diff\u00e9rences statistiques fines entre des sous-groupes ou \u00e0 tester visuellement des hypoth\u00e8ses d’interaction factorielle, le recours au diagramme group\u00e9 ou juxtapos\u00e9 s’impose comme un imp\u00e9ratif m\u00e9thodologique incontournable.<\/p>\n Pour surmonter les biais cognitifs structurels inh\u00e9rents aux barres empil\u00e9es et autoriser une inspection analytique rigoureuse des donn\u00e9es multidimensionnelles, l’architecture d’ODS Graphics met \u00e0 disposition une variante g\u00e9om\u00e9trique essentielle : le diagramme \u00e0 barres group\u00e9 ou juxtapos\u00e9 (couramment d\u00e9sign\u00e9 en langue anglaise sous le vocable de clustered bar chart<\/em>). Ce format s’obtient au sein de la proc\u00e9dure PROC SGPLOT<\/em> en combinant l’instruction de stratification GROUP=<\/em> avec l’argument explicitement d\u00e9clar\u00e9 GROUPDISPLAY=CLUSTER<\/em>.<\/p>\n La transcription syntaxique prend alors la forme standardis\u00e9e suivante :<\/p>\n PROC SGPLOT DATA=my_data;<\/em> L’introduction de ce param\u00e8tre modifie radicalement l’algorithme spatial de partitionnement g\u00e9om\u00e9trique. Au lieu de superposer verticalement les strates au sein d’une enveloppe colonnaire unique, le moteur graphique de SAS proc\u00e8de \u00e0 une d\u00e9sagr\u00e9gation physique des segments. Pour chaque modalit\u00e9 de la variable de classification primaire Categorie<\/em>, SAS engendre une grappe (ou cluster<\/em>) de barres distinctes, dispos\u00e9es c\u00f4te \u00e0 c\u00f4te le long de l’axe primaire. Chaque sous-barre correspond \u00e0 une modalit\u00e9 sp\u00e9cifique de la variable de croisement Groupe<\/em>, mais toutes partagent d\u00e9sormais une origine strictement commune ancr\u00e9e sur la ligne de base z\u00e9ro de l’axe des ordonn\u00e9es.<\/p>\n D’un point de vue m\u00e9trologique et psychophysique, l’alignement de toutes les sous-composantes factorielles sur une \u00e9chelle commune d’origine conf\u00e8re au diagramme \u00e0 barres group\u00e9 une sup\u00e9riorit\u00e9 incontestable sur le diagramme empil\u00e9. En restaurant une ligne de base uniforme pour l’ensemble des rectangles de la sc\u00e8ne visuelle, PROC SGPLOT<\/em> permet \u00e0 l’observateur d’exploiter pleinement le jugement perceptuel de position sur une \u00e9chelle commune, le m\u00e9canisme d’estimation visuelle le plus robuste et le plus pr\u00e9cis identifi\u00e9 par la recherche contemporaine en s\u00e9miologie graphique.<\/p>\n Cette configuration ergonomique d\u00e9cuple l’efficacit\u00e9 descriptive du graphique en autorisant une double lecture analytique instantan\u00e9e. D’une part, l’observateur peut proc\u00e9der \u00e0 des comparaisons intra-cat\u00e9gorielles directes en confrontant imm\u00e9diatement la hauteur relative des barres adjacentes r\u00e9unies au sein d’un m\u00eame groupe cat\u00e9goriel (permettant par exemple d’\u00e9valuer sur le champ l’\u00e9cart entre le groupe \u00ab Temoin \u00bb et le groupe \u00ab Traite \u00bb au sein de la cohorte clinique A). D’autre part, une lecture transversale inter-cat\u00e9gorielle devient pleinement op\u00e9rationnelle : l’analyste peut balayer horizontalement la figure en comparant la trajectoire de l’ensemble des barres homologues (par exemple, la trajectoire sp\u00e9cifique de tous les groupes trait\u00e9s d’un centre \u00e0 l’autre), identifiant visuellement de mani\u00e8re imm\u00e9diate des effets de mod\u00e9ration ou des interactions factorielles qualitatives.<\/p>\n En psychologie exp\u00e9rimentale et en \u00e9pid\u00e9miologie analytique, le diagramme group\u00e9 constitue donc la repr\u00e9sentation graphique standard par excellence pour illustrer des plans factoriels bivari\u00e9s. Il permet de confronter l’amplitude brute ou moyenne de diff\u00e9rents sous-groupes sans introduire le moindre artefact de positionnement, r\u00e9duisant drastiquement les risques de sur\u00e9valuation ou de sous-\u00e9valuation perceptuelle inh\u00e9rents aux repr\u00e9sentations non contigu\u00ebs et assurant une parfaite ad\u00e9quation entre la pr\u00e9sentation formelle et l’\u00e9vidence statistique.<\/p>\n La lisibilit\u00e9 d’un diagramme \u00e0 barres group\u00e9 est intimement corr\u00e9l\u00e9e \u00e0 l’harmonie de ses proportions g\u00e9om\u00e9triques. Un espacement excessif entre les sous-barres d’une m\u00eame grappe peut induire une impression de fragmentation spatiale et rompre le regroupement gestaliste des \u00e9l\u00e9ments, tandis qu’une compacit\u00e9 d\u00e9mesur\u00e9e peut provoquer des collisions perceptives n\u00e9fastes. La proc\u00e9dure PROC SGPLOT<\/em> int\u00e8gre des options de modulation g\u00e9om\u00e9trique avanc\u00e9es permettant un calibrage microscopique de l’architecture spatiale du graphique.<\/p>\n Parmi ces leviers, l’option CLUSTERWIDTH=valeur<\/em>, ins\u00e9r\u00e9e \u00e0 la suite de la directive VBAR<\/em>, permet d’ajuster l’envergure globale allou\u00e9e \u00e0 l’ensemble du groupe de barres au sein de chaque niveau de la variable primaire. Exprim\u00e9e sous la forme d’un coefficient d\u00e9cimal compris usuellement entre 0.1 et 1.0 (la valeur par d\u00e9faut \u00e9tant calibr\u00e9e autour de 0.85), cette option r\u00e9git l’espace blanc s\u00e9parant les diff\u00e9rents clusters le long de l’axe des abscisses. De surcro\u00eet, le param\u00e8tre BARWIDTH=valeur<\/em> permet quant \u00e0 lui d’agir sur l’\u00e9paisseur relative de chaque rectangle individuel au sein du cluster.<\/p>\n Un autre d\u00e9fi m\u00e9thodologique r\u00e9current r\u00e9side dans le traitement des cellules de croisement vides (c’est-\u00e0-dire l’absence totale d’observations pour une combinaison factorielle donn\u00e9e dans le jeu de donn\u00e9es). Par d\u00e9faut, SAS peut soit pr\u00e9server l’espace blanc correspondant \u00e0 la cat\u00e9gorie absente pour signaler le vide exp\u00e9rimental, soit condenser visuellement les barres restantes en contractant le cluster. Gr\u00e2ce \u00e0 l’utilisation conjointe d’attributs avanc\u00e9s au niveau de l’axe cat\u00e9goriel (tels que l’option DISCRETEORDER=DATA<\/em> ou DISCRETEOFFSET=<\/em> dans l’instruction XAXIS<\/em>), le chercheur peut neutraliser ces perturbations structurelles et garantir une sym\u00e9trie g\u00e9om\u00e9trique absolue sur l’ensemble de la figure, ind\u00e9pendamment des fluctuations d’effectifs inh\u00e9rentes aux al\u00e9as du recueil de donn\u00e9es.<\/p>\n Dans sa configuration \u00e9l\u00e9mentaire, l’instruction VBAR<\/em> ou HBAR<\/em> assume une vocation strictement \u00e9num\u00e9rative : elle d\u00e9nombre des unit\u00e9s statistiques discr\u00e8tes et restitue des effectifs absolus d’\u00e9chantillonnage. Toutefois, la puissance analytique de PROC SGPLOT<\/em> transcende tr\u00e8s largement le simple comptage fr\u00e9quentiel. En recherche quantitative, il est fr\u00e9quent que l’axe des cat\u00e9gories primaires serve de support \u00e0 l’illustration de grandeurs continues mesur\u00e9es \u2013 par exemple des taux plasmatiques, des temps de r\u00e9action psychomoteurs, des scores d’anxi\u00e9t\u00e9 ou des grandeurs \u00e9conomiques agr\u00e9g\u00e9es.<\/p>\n Pour basculer du mode d’affichage de fr\u00e9quence brute au mode de calcul d’intensit\u00e9 mesur\u00e9e, le programmeur doit imp\u00e9rativement mobiliser l’option RESPONSE=nom_variable<\/em>. L’introduction de cette directive transforme fondamentalement la fonction de transfert statistique op\u00e9r\u00e9e par la proc\u00e9dure : SAS ne compte plus le nombre de lignes correspondant \u00e0 chaque cat\u00e9gorie, mais applique un op\u00e9rateur d’agr\u00e9gation math\u00e9matique sur les valeurs num\u00e9riques enregistr\u00e9es au sein de la variable d\u00e9sign\u00e9e par le param\u00e8tre RESPONSE<\/em>.<\/p>\n Ce changement de paradigme conceptuel est fondamental sur le plan m\u00e9thodologique. Tandis que le trac\u00e9 de fr\u00e9quences quantifie la structure distributionnelle de l’\u00e9chantillon lui-m\u00eame (la taille relative des sous-populations observ\u00e9es), le trac\u00e9 bas\u00e9 sur une variable de r\u00e9ponse synth\u00e9tise le comportement moyen, cumulatif ou m\u00e9dian d’un attribut externe conditionnellement aux niveaux de la variable de classification. La formulation d\u00e9clarative VBAR Categorie \/ RESPONSE=Score;<\/em> commande ainsi \u00e0 SAS de calculer et de restituer la sommation ou la moyenne des scores psychom\u00e9triques pour chaque niveau cat\u00e9goriel, ouvrant la voie \u00e0 des interpr\u00e9tations scientifiques bien plus substantielles.<\/p>\n D\u00e8s lors qu’une variable de r\u00e9ponse continue est adjointe \u00e0 l’instruction de tra\u00e7age, le choix de la fonction d’agr\u00e9gation math\u00e9matique sous-jacente doit \u00eatre explicitement ma\u00eetris\u00e9 par le statisticien. Ce contr\u00f4le s’exerce au moyen du param\u00e8tre critique STAT=nom_fonction<\/em>. Si cette option est omise, SAS applique par d\u00e9faut la sommation arithm\u00e9tique cumulative (STAT=SUM<\/em>), une convention qui peut engendrer des contresens m\u00e9thodologiques majeurs si l’analyste supposait implicitement visualiser une valeur centrale d’intensit\u00e9.<\/p>\n Dans la grande majorit\u00e9 des applications exp\u00e9rimentales en sciences biom\u00e9dicales et humaines, l’indicateur recherch\u00e9 est l’esp\u00e9rance math\u00e9matique empirique ou moyenne arithm\u00e9tique. L’adjonction formelle de l’option STAT=MEAN<\/em> impose \u00e0 la proc\u00e9dure PROC SGPLOT<\/em> de diviser la somme des r\u00e9ponses de chaque strate par le nombre d’observations valides associ\u00e9es, affichant ainsi le score moyen typique caract\u00e9risant chaque groupe. Le chercheur peut \u00e9galement, dans des contextes distributionnels asym\u00e9triques o\u00f9 la moyenne s’av\u00e8re excessivement sensible aux valeurs extr\u00eames ou aberrantes, opter pour la m\u00e9diane en configurant le param\u00e8tre STAT=MEDIAN<\/em>, garantissant une robustesse accrue de la description statistique.<\/p>\n Le tableau des op\u00e9rateurs statistiques exploitables via STAT=<\/em> comprend \u00e9galement des mesures de dispersion ou des calculs de pourcentages relatifs (STAT=PERCENT<\/em>), permettant de convertir directement des fr\u00e9quences absolues en proportions normalis\u00e9es sur cent pour cent. Cette flexibilit\u00e9 algorithmique illustre la maturit\u00e9 de PROC SGPLOT<\/em>, qui int\u00e8gre nativement l’\u00e9tape de synth\u00e8se statistique au c\u0153ur du processus de g\u00e9n\u00e9ration graphique, affranchissant l’utilisateur de l’obligation de calculer pr\u00e9alablement des tables d’agr\u00e9gation interm\u00e9diaires via PROC MEANS<\/em> ou PROC SUMMARY<\/em>.<\/p>\n Pr\u00e9senter des estimateurs de tendance centrale ponctuels sans associer une indication explicite de la variabilit\u00e9 ou de l’impr\u00e9cision statistique sous-jacente constitue un manquement s\u00e9rieux aux canons de la communication scientifique contemporaine. La repr\u00e9sentation exclusive d’une barre s’\u00e9levant jusqu’\u00e0 une valeur moyenne cr\u00e9e une illusion de certitude d\u00e9terministe qui masque l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des donn\u00e9es individuelles et l’incertitude inh\u00e9rente \u00e0 l’\u00e9chantillonnage al\u00e9atoire.<\/p>\n Conscients de cette exigence d\u00e9ontologique, les concepteurs d’ODS Graphics ont int\u00e9gr\u00e9 au sein de PROC SGPLOT<\/em> des m\u00e9canismes natifs pour d\u00e9ployer automatiquement des barres d’erreur vectorielles sur les diagrammes de moyennes. Cette fonctionnalit\u00e9 s’active principalement au moyen de l’option LIMITSTAT=<\/em>, qui accepte diff\u00e9rents param\u00e8tres d’estimation inf\u00e9rentielle :<\/p>\n L’int\u00e9gration de la clause VBAR Categorie \/ RESPONSE=Score STAT=MEAN LIMITSTAT=CLM;<\/em> configure automatiquement un diagramme \u00e0 barres enrichi de segments d’erreur parfaitement calibr\u00e9s \u00e0 leur extr\u00e9mit\u00e9 sup\u00e9rieure, pourvus d’empattements horizontaux d’une rigueur g\u00e9om\u00e9trique absolue. Ce dispositif conf\u00e8re au chercheur une assise visuelle irr\u00e9prochable pour \u00e9tayer ses conclusions pr\u00e9liminaires avant la passation des tests de comparaison de moyennes formels tels que l’analyse de variance univari\u00e9e (ANOVA) ou le test t de Student.<\/p>\n L’apparence globale d’un diagramme produit sous SAS est r\u00e9gie de mani\u00e8re centralis\u00e9e par le syst\u00e8me de styles de l’Output Delivery System (ODS). Un style ODS est un recueil sophistiqu\u00e9 de r\u00e8gles typographiques, chromatiques, g\u00e9om\u00e9triques et dimensionnelles pr\u00e9-compil\u00e9es qui dicte le comportement de chaque \u00e9l\u00e9ment d’un graphique, depuis la nuance de fond de la zone d’affichage jusqu’au cr\u00e9nage des polices de caract\u00e8res et \u00e0 l’\u00e9paisseur des axes cart\u00e9siens. La ma\u00eetrise de ces styles est indispensable pour adapter les sorties graphiques aux contraintes rigoureuses de la publication acad\u00e9mique.<\/p>\n L’affectation d’un style s’op\u00e8re au niveau de l’instruction d’ouverture de la destination de sortie ODS, en amont imm\u00e9diat de la proc\u00e9dure PROC SGPLOT<\/em>. Parmi les styles pr\u00e9existants au sein de la biblioth\u00e8que SAS, certains se distinguent par leur conformit\u00e9 exceptionnelle avec les exigences \u00e9ditoriales des revues internationales \u00e0 fort facteur d’impact :<\/p>\n La commande d\u00e9clarative ODS GRAPHICS \/ RESET;<\/em> combin\u00e9e \u00e0 ODS LISTING STYLE=Journal;<\/em> permet ainsi de commuter instantan\u00e9ment l’ensemble de l’\u00e9cosyst\u00e8me graphique SAS vers un mode de rendu acad\u00e9mique d’une sobri\u00e9t\u00e9 clinique. Cette approche mat\u00e9rialise le concept cher \u00e0 Edward Tufte de maximisation du \u00ab ratio donn\u00e9es\/encre \u00bb (data-ink ratio<\/em>), en vertu duquel chaque goutte d’encre virtuelle d\u00e9pos\u00e9e sur la page doit servir exclusivement \u00e0 v\u00e9hiculer du contenu statistique substantiel, au d\u00e9triment de tout ornement graphique superflu ou distrayant.<\/p>\n Bien que le recours au monochrome demeure une obligation dans certains c\u00e9nacles acad\u00e9miques, la polychromie s’impose massivement dans les supports de diffusion num\u00e9rique, les actes de colloques et les revues en libre acc\u00e8s. Dans ce contexte, la s\u00e9lection et l’assignation des palettes chromatiques ne sauraient \u00eatre abandonn\u00e9es au hasard des configurations logicielles par d\u00e9faut. Le chercheur a le devoir d\u00e9ontologique de concevoir des figures accessibles \u00e0 l’ensemble de la communaut\u00e9 scientifique, ce qui implique de prendre en consid\u00e9ration les d\u00e9ficits cong\u00e9nitaux de la vision des couleurs (tels que la deut\u00e9ranopie et la protanopie, qui affectent collectivement pr\u00e8s de 8 % de la population masculine caucasienne).<\/p>\n La proc\u00e9dure PROC SGPLOT<\/em> permet un contr\u00f4le explicite des nuances chromatiques au moyen d’options d\u00e9claratives appliqu\u00e9es aux instructions de tra\u00e7age. Le param\u00e8tre FILLATTRS=(COLOR=code_couleur)<\/em> r\u00e9git la teinte de remplissage des barres rectangulaires, acceptant aussi bien des identifiants nominaux conventionnels (tels que SteelBlue<\/em>, DarkGreen<\/em> ou Crimson<\/em>) que des codes hexad\u00e9cimaux stricts calibr\u00e9s sur l’espace colorim\u00e9trique RVB (par exemple CX2C3E50<\/em>). En parall\u00e8le, l’option OUTLINEATTRS=(COLOR=Black THICKNESS=1)<\/em> garantit l’adjonction d’un contour sombre et net d’une \u00e9paisseur d\u00e9termin\u00e9e, stabilisant la morphologie de la barre ind\u00e9pendamment de la luminosit\u00e9 du fond d’affichage.<\/p>\n Dans les configurations multivari\u00e9es faisant appel \u00e0 l’option GROUP=<\/em>, l’analyste peut recourir \u00e0 l’instruction compl\u00e9mentaire STYLEATTRS DATACOLORS=(couleur1 couleur2 …)<\/em> pour forcer SAS \u00e0 adopter une s\u00e9quence chromatique perceptuellement uniforme et accessible (telle que les palettes standardis\u00e9es issues de l’initiative ColorBrewer ou les gradients Viridis). De surcro\u00eet, le param\u00e8tre TRANSPARENCY=valeur<\/em> (ajustable de 0.0 pour une opacit\u00e9 totale \u00e0 1.0 pour une transparence int\u00e9grale) permet d’att\u00e9nuer la saturation perceptive brute des barres volumineuses, conf\u00e9rant \u00e0 la composition graphique une douceur tonale conforme aux canons du design d’information contemporain.<\/p>\n Dans la g\u00e9om\u00e9trie d’un diagramme \u00e0 barres, les axes cart\u00e9siens ne constituent pas de simples rep\u00e8res p\u00e9riph\u00e9riques passifs ; ils structurent l’espace m\u00e9trologique et dictent l’\u00e9chelle d’interpr\u00e9tation des ph\u00e9nom\u00e8nes d\u00e9crits. Sous PROC SGPLOT<\/em>, le comportement de l’axe des abscisses et de l’axe des ordonn\u00e9es est configur\u00e9 au travers des instructions d\u00e9di\u00e9es XAXIS<\/em> et YAXIS<\/em>, dont l’utilisation syst\u00e9matique est indispensable pour pallier les approximations des calibrations automatiques.<\/p>\n L’ajustement de la dynamique de l’axe des r\u00e9ponses quantitatives (l’axe vertical pour VBAR<\/em>) exige une attention m\u00e9thodologique extr\u00eame. Le statisticien doit veiller scrupuleusement \u00e0 ce que la ligne de base d’origine z\u00e9ro soit explicitement pr\u00e9serv\u00e9e, sous peine de commettre une faute \u00e9pist\u00e9mologique grave en tronquant l’axe pour amplifier artificiellement des variations minimes. L’option VALUES=(min TO max BY pas)<\/em> permet de verrouiller rigoureusement les bornes et les intervalles de graduation de l’axe, garantissant une progression arithm\u00e9tique r\u00e9guli\u00e8re et \u00e9liminant tout flottement dans les rep\u00e8res num\u00e9riques.<\/p>\n Au-del\u00e0 de la m\u00e9trique, les attributs de confort de lecture peuvent \u00eatre finement ajust\u00e9s :<\/p>\n Bien que l’\u0153il humain excelle \u00e0 comparer la hauteur relative de deux barres g\u00e9om\u00e9triques, il \u00e9prouve des difficult\u00e9s \u00e0 extraire avec une certitude absolue la valeur math\u00e9matique exacte mat\u00e9rialis\u00e9e par l’extr\u00e9mit\u00e9 d’un rectangle. Dans de nombreux contextes de recherche op\u00e9rationnelle, de veille \u00e9pid\u00e9miologique ou d’audit clinique, il est imp\u00e9ratif que le lecteur puisse acc\u00e9der sans ambigu\u00eft\u00e9 au chiffre pr\u00e9cis sans avoir \u00e0 d\u00e9ployer des conjectures visuelles le long de l’axe cart\u00e9sien. L’instruction DATALABEL<\/em> r\u00e9pond \u00e0 cette exigence fonctionnelle en apposant directement la valeur num\u00e9rique de la mesure sur la barre correspondante.<\/p>\n L’activation de cette \u00e9tiquette de donn\u00e9es s’effectue simplement en int\u00e9grant le param\u00e8tre \/ DATALABEL<\/em> au sein de la directive VBAR<\/em> ou HBAR<\/em>. Par d\u00e9faut, SAS calcule et inscrit la valeur statistique exacte au sommet de la barre. Pour affiner ce rendu, le praticien peut mobiliser l’option DATALABELATTRS=(FAMILY=\u00a0\u00bbHelvetica\u00a0\u00bb SIZE=8pt WEIGHT=Bold)<\/em> pour moduler la typographie de l’\u00e9tiquette, assurant ainsi un contraste suffisant avec l’arri\u00e8re-plan du graphique.<\/p>\n Un enjeu technique d\u00e9licat r\u00e9side toutefois dans la pr\u00e9vention des collisions graphiques et des chevauchements textuels, particuli\u00e8rement lorsque les barres pr\u00e9sentent une forte densit\u00e9 spatiale ou lorsque les segments empil\u00e9s sont d’une envergure millim\u00e9trique. SAS int\u00e8gre des algorithmes sophistiqu\u00e9s de r\u00e9solution des conflits d’\u00e9tiquetage, mais l’analyste peut orienter ce comportement en utilisant des options de formatage num\u00e9rique explicites via DATALABELFORMAT=<\/em> (par exemple en arrondissant un pourcentage \u00e0 une d\u00e9cimale stricte au moyen du format PERCENT7.1<\/em>), neutralisant l’affichage d’un nombre excessif de d\u00e9cimales qui surchargerait l’espace graphique.<\/p>\n D\u00e8s lors qu’une variable de stratification est introduite au moyen du param\u00e8tre GROUP=<\/em>, l’insertion d’une table de correspondance s\u00e9miologique (l\u00e9gende) devient indispensable pour associer chaque modalit\u00e9 \u00e0 sa signature chromatique respective. Bien que PROC SGPLOT<\/em> g\u00e9n\u00e8re automatiquement une l\u00e9gende par d\u00e9faut, son positionnement automatique en bordure droite ou inf\u00e9rieure de la figure s’av\u00e8re parfois sous-optimal sur le plan de la composition esth\u00e9tique et de l’\u00e9quilibre visuel global.<\/p>\n L’instruction d\u00e9clarative KEYLEGEND<\/em> conf\u00e8re au programmeur un contr\u00f4le absolu sur la configuration spatiale et typographique de cette composante essentielle. Plac\u00e9e au sein du bloc d’instructions de PROC SGPLOT<\/em>, KEYLEGEND<\/em> offre un large \u00e9ventail d’arguments structurels :<\/p>\n![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/bar1.jpg\")
<\/figure>\n1. Introduction \u00e0 la visualisation de donn\u00e9es cat\u00e9gorielles sous SAS<\/h2>\n
1.1 R\u00f4le \u00e9pist\u00e9mologique des diagrammes \u00e0 barres en recherche quantitative<\/h3>\n
1.2 \u00c9volution des proc\u00e9dures graphiques SAS : de PROC GCHART \u00e0 PROC SGPLOT<\/h3>\n
1.3 Syntaxe fondamentale et architecture de PROC SGPLOT<\/h3>\n
2. Pr\u00e9paration et structuration des donn\u00e9es pour PROC SGPLOT<\/h2>\n
2.1 Cr\u00e9ation du jeu de donn\u00e9es exp\u00e9rimental (my_data)<\/h3>\n
2.2 Inspection pr\u00e9liminaire et validation d’int\u00e9grit\u00e9 avec PROC PRINT<\/h3>\n
2.3 Typologie des variables : \u00e9chelles nominales, ordinales et m\u00e9triques<\/h3>\n
3. Exemple 1 \u2014 Cr\u00e9ation d’un diagramme \u00e0 barres simple univari\u00e9<\/h2>\n
3.1 Impl\u00e9mentation du trac\u00e9 vertical avec l’instruction VBAR<\/h3>\n
![\"bar](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/bar2.jpg\")
3.2 Alternative ergonomique : conversion en barres horizontales via HBAR<\/h3>\n
![\"horizontal](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/bar3.jpg\")
3.3 Int\u00e9gration d’\u00e9l\u00e9ments textuels contextuels : titres et sous-titres<\/h3>\n
4. Exemple 2 \u2014 Construction d’un diagramme \u00e0 barres empil\u00e9 (Stacked Bar Chart)<\/h2>\n
4.1 Principe conceptuel de la segmentation proportionnelle intra-barre<\/h3>\n
4.2 Syntaxe de l’option GROUP pour l’introduction d’un second facteur<\/h3>\n
\nVBAR Categorie \/ GROUP=Groupe;<\/em>
\nRUN;<\/em><\/p>\n![\"stacked](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/bar4.jpg\")
4.3 Gestion analytique de la lisibilit\u00e9 et limites d’interpr\u00e9tation<\/h3>\n
5. Exemple 3 \u2014 Conception d’un diagramme \u00e0 barres group\u00e9 ou juxtapos\u00e9 (Clustered Bar Chart)<\/h2>\n
5.1 Impl\u00e9mentation de l’option GROUPDISPLAY=CLUSTER<\/h3>\n
\nVBAR Categorie \/ GROUP=Groupe GROUPDISPLAY=CLUSTER;<\/em>
\nRUN;<\/em><\/p>\n![\"clustered](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/bar5.jpg\")
5.2 Comparabilit\u00e9 inter-groupes et r\u00e9duction des distorsions perceptives<\/h3>\n
5.3 Contr\u00f4le des param\u00e8tres g\u00e9om\u00e9triques du cluster<\/h3>\n
6. Mesures statistiques appliqu\u00e9es : fr\u00e9quences vs agr\u00e9gation de r\u00e9ponses continues<\/h2>\n
6.1 Dichotomie entre d\u00e9nombrement d’occurrences et calcul de r\u00e9sum\u00e9s m\u00e9triques<\/h3>\n
6.2 Sp\u00e9cification des estimateurs de tendance centrale (STAT=)<\/h3>\n
6.3 Int\u00e9gration d’intervalles d’incertitude et barres d’erreur<\/h3>\n
\n
7. Personnalisation esth\u00e9tique et chartes graphiques via ODS Graphics<\/h2>\n
7.1 S\u00e9lection des styles ODS institutionnels et acad\u00e9miques<\/h3>\n
\n
7.2 Gestion des palettes chromatiques et accessibilit\u00e9 universelle<\/h3>\n
7.3 Param\u00e9trage architectural des axes cart\u00e9siens (XAXIS et YAXIS)<\/h3>\n
\n
8. Gestion avanc\u00e9e des \u00e9tiquettes de donn\u00e9es, l\u00e9gendes et annotations<\/h2>\n
8.1 Affichage direct des grandeurs num\u00e9riques (DATALABEL)<\/h3>\n
8.2 Contr\u00f4le structurel et positionnement de la l\u00e9gende (KEYLEGEND)<\/h3>\n
\n