Au c\u0153ur de la mod\u00e9lisation statistique et de la d\u00e9marche exp\u00e9rimentale en psychologie quantitative, la r\u00e9gion d’acceptation constitue le cadre formel \u00e0 partir duquel le chercheur d\u00e9cide si les observations recueillies corroborent ou non l’absence d’effet exp\u00e9rimental. Ce m\u00e9canisme inf\u00e9rentiel structure la fronti\u00e8re th\u00e9orique entre la variabilit\u00e9 imputable au simple hasard et les variations syst\u00e9matiques induites par des processus psychologiques sous-jacents. En d\u00e9finissant pr\u00e9cis\u00e9ment l’ensemble des valeurs d’une statistique de test pour lesquelles l’hypoth\u00e8se nulle n’est pas rejet\u00e9e, elle fonde l’architecture logique des protocoles scientifiques modernes.<\/p>\n
La r\u00e9gion d’acceptation d\u00e9signe, dans le cadre du test d’hypoth\u00e8se statistique classique, le sous-ensemble de l’espace d’\u00e9chantillonnage pour lequel la statistique de test conduit \u00e0 ne pas rejeter l’hypoth\u00e8se nulle ($H_0$<\/span>). Formellement, si l’on consid\u00e8re une statistique de test observ\u00e9e calcul\u00e9e \u00e0 partir des donn\u00e9es empiriques, cette statistique tombe dans la zone d\u00e9limit\u00e9e par les valeurs critiques \u00e9tablies \u00e0 un seuil de signification pr\u00e9alable, emp\u00eachant ainsi la conclusion d’un effet statistiquement significatif.<\/p>\n Dans la recherche psychologique et les sciences comportementales, cette zone correspond \u00e0 l’intervalle o\u00f9 les variations observ\u00e9es entre des groupes ou des conditions exp\u00e9rimentales sont jug\u00e9es compatibles avec les seules fluctuations d’\u00e9chantillonnage. Bien que la terminologie historique utilise le terme d’\u00ab acceptation \u00bb, la pratique m\u00e9thodologique contemporaine pr\u00e9f\u00e8re conceptualiser cette zone comme une r\u00e9gion de \u00ab non-rejet \u00bb, afin d’\u00e9viter l’illusion d\u00e9ductive selon laquelle l’absence de preuve \u00e9quivaudrait \u00e0 la preuve de l’absence.<\/p>\n L’expression d\u00e9rive du latin acceptatio<\/em>, substantif d’action issu du verbe accipere<\/em>, signifiant \u00ab recevoir, accueillir favorablement ou approuver \u00bb. Le mot \u00ab r\u00e9gion \u00bb provient quant \u00e0 lui du latin regio<\/em>, qui d\u00e9signe une direction, une ligne de d\u00e9marcation ou un espace d\u00e9limit\u00e9. En statistique math\u00e9matique, l’introduction formelle du syntagme \u00ab acceptance region \u00bb remonte aux travaux fondateurs de Jerzy Neyman<\/a> et Egon Sharpe Pearson \u00e0 la fin des ann\u00e9es 1920 et au d\u00e9but des ann\u00e9es 1930.<\/p>\n Ces auteurs ont con\u00e7u le test d’hypoth\u00e8se non pas comme une qu\u00eate d’illumination inductive, mais comme une r\u00e8gle d’action binaire sous incertitude, scindant l’espace probabiliste des r\u00e9sultats possibles en une r\u00e9gion de rejet (ou r\u00e9gion critique) et une r\u00e9gion d’acceptation. En fran\u00e7ais, la traduction litt\u00e9rale s’est rapidement impos\u00e9e dans les manuels de biostatistique et de psychom\u00e9trie, coexistant parfois avec les d\u00e9nominations de \u00ab zone de non-rejet \u00bb ou d’\u00ab intervalle de r\u00e9tention \u00bb.<\/p>\n En fran\u00e7ais standard, la locution se prononce [\u0281e.zj\u0254\u0303 d\u203fak.s\u025bp.ta.sj\u0254\u0303]. Il s’agit d’un groupe nominal f\u00e9minin singulier, compos\u00e9 du nom commun \u00ab r\u00e9gion \u00bb, de la pr\u00e9position \u00e9lid\u00e9e \u00ab d’ \u00bb et du nom \u00ab acceptation \u00bb. Son pluriel s’\u00e9crit \u00ab r\u00e9gions d’acceptation \u00bb.<\/p>\n Sur le plan morphosyntaxique, le terme est employ\u00e9 de mani\u00e8re invariable comme compl\u00e9ment d’objet ou sujet dans la litt\u00e9rature m\u00e9thodologique (ex. : \u00ab la statistique calcul\u00e9e se situe \u00e0 l’int\u00e9rieur de la r\u00e9gion d’acceptation \u00bb). Dans le discours acad\u00e9mique rigoureux, de nombreux psychom\u00e9triciens et statisticiens pr\u00e9conisent d’employer le syntagme avec une r\u00e9serve pragmatique, soulignant que l’on accepte une d\u00e9cision de gestion de l’erreur plut\u00f4t que la v\u00e9racit\u00e9 absolue de l’hypoth\u00e8se elle-m\u00eame.<\/p>\n La notion de r\u00e9gion d’acceptation s’enracine dans la th\u00e9orie d\u00e9cisionnelle de l’\u00e9chantillonnage probabiliste. Lorsqu’un psychologue \u00e9value l’impact d’une psychoth\u00e9rapie cognitive sur la r\u00e9duction de l’anxi\u00e9t\u00e9, il formule une hypoth\u00e8se nulle ($H_0$<\/span>) postulant que la diff\u00e9rence moyenne d’anxi\u00e9t\u00e9 entre le groupe trait\u00e9 et le groupe contr\u00f4le est \u00e9gale \u00e0 z\u00e9ro. Comme il est impossible de tester l’ensemble de la population clinique, les donn\u00e9es recueillies reposent sur un \u00e9chantillon fini, sujet \u00e0 une variance d’\u00e9chantillonnage inh\u00e9rente. La r\u00e9gion d’acceptation d\u00e9limite pr\u00e9cis\u00e9ment l’\u00e9ventail des scores d’\u00e9chantillon qui restent hautement probables si l’hypoth\u00e8se nulle est rigoureusement vraie.<\/p>\n Pour b\u00e2tir cette r\u00e9gion, le chercheur doit d’abord d\u00e9terminer la loi de distribution de la statistique de test choisie (telle que la loi normale centr\u00e9e r\u00e9duite, la loi de Student, la loi du Chi-deux ou la loi de Fisher) sous l’hypoth\u00e8se nulle. Ensuite, il fixe a priori un niveau de risque d’erreur de premi\u00e8re esp\u00e8ce, universellement d\u00e9sign\u00e9 par la lettre grecque alpha ($\u0007lpha$<\/span>). Ce risque $\u0007lpha$<\/span> correspond \u00e0 la probabilit\u00e9 de rejeter l’hypoth\u00e8se nulle alors qu’elle est en r\u00e9alit\u00e9 vraie. La r\u00e9gion d’acceptation rassemble alors l’ensemble des valeurs de la statistique dont la probabilit\u00e9 conjointe, sous $H_0$<\/span>, s’\u00e9l\u00e8ve exactement \u00e0 $1 – \u0007lpha$<\/span>.<\/p>\n Cette d\u00e9limitation math\u00e9matique cr\u00e9e une partition \u00e9tanche de l’espace d’\u00e9chantillonnage : toute valeur observ\u00e9e qui n’appartient pas \u00e0 la r\u00e9gion critique (d\u00e9di\u00e9e au rejet) tombe automatiquement dans la r\u00e9gion d’acceptation. Cependant, l’interpr\u00e9tation \u00e9pist\u00e9mologique de cette inclusion n\u00e9cessite une grande prudence. Se situer dans la r\u00e9gion d’acceptation ne d\u00e9montre jamais que $H_0$<\/span> est vraie avec certitude ; cela indique simplement que les donn\u00e9es observ\u00e9es ne fournissent pas une force probante suffisante pour disqualifier l’hypoth\u00e8se nulle au seuil de rigueur pr\u00e9alablement d\u00e9cr\u00e9t\u00e9.<\/p>\n En outre, la g\u00e9om\u00e9trie de la r\u00e9gion d’acceptation d\u00e9pend directement de la nature de la question de recherche pos\u00e9e par le psychologue. Dans le cadre d’une hypoth\u00e8se bilat\u00e9rale, o\u00f9 l’on s’int\u00e9resse \u00e0 toute d\u00e9viation, qu’elle soit positive ou n\u00e9gative, la r\u00e9gion d’acceptation occupe le centre de la distribution th\u00e9orique, encadr\u00e9e par deux zones de rejet sym\u00e9triques. \u00c0 l’inverse, dans un test unilat\u00e9ral (orient\u00e9), la r\u00e9gion d’acceptation s’\u00e9tend de mani\u00e8re asym\u00e9trique depuis l’une des extr\u00e9mit\u00e9s de la distribution jusqu’\u00e0 une valeur critique unique situ\u00e9e sur la queue oppos\u00e9e.<\/p>\n L’\u00e9mergence de la r\u00e9gion d’acceptation s’inscrit dans l’un des d\u00e9bats les plus passionn\u00e9s de l’histoire des sciences du XXe si\u00e8cle, opposant la vision de Ronald Aylmer Fisher \u00e0 celle du tandem compos\u00e9 de Jerzy Neyman et Egon Sharpe Pearson. Au d\u00e9but des ann\u00e9es 1920, Fisher d\u00e9veloppa l’approche de la \u00ab significativit\u00e9 \u00bb, reposant exclusivement sur la valeur $p$<\/span> et sur une hypoth\u00e8se nulle unique, sans d\u00e9finir de r\u00e8gle formalis\u00e9e pour une issue concurrente ou une zone d’acceptation syst\u00e9matique.<\/p>\n \u00c0 partir de 1928, Jerzy Neyman et Egon Pearson<\/a> publi\u00e8rent une s\u00e9rie de m\u00e9moires r\u00e9volutionnaires introduisant le concept d’hypoth\u00e8se alternative ($H_1$<\/span>) et formalisant le test comme un probl\u00e8me de d\u00e9cision binaire. Ils d\u00e9montr\u00e8rent qu’il \u00e9tait indispensable de consid\u00e9rer simultan\u00e9ment deux types d’erreurs : l’erreur de type I ($\u0007lpha$<\/span>), consistant \u00e0 rejeter une hypoth\u00e8se nulle vraie, et l’erreur de type II ($\beta$<\/span>), consistant \u00e0 \u00e9chouer \u00e0 rejeter une hypoth\u00e8se nulle fausse. Dans ce syst\u00e8me math\u00e9matique rigoureux, la r\u00e9gion d’acceptation devint la contrepartie obligatoire de la r\u00e9gion critique, optimis\u00e9e par le fameux lemme de Neyman-Pearson garantissant la puissance statistique maximale pour un risque $\u0007lpha$<\/span> donn\u00e9.<\/p>\n Tout au long des d\u00e9cennies 1940 \u00e0 1960, ces deux cadres conceptuels rivaux ont \u00e9t\u00e9 fusionn\u00e9s de mani\u00e8re hybride et parfois confuse dans les manuels p\u00e9dagogiques de psychologie exp\u00e9rimentale. Les psychologues ont adopt\u00e9 le formalisme d\u00e9cisionnel de Neyman-Pearson (avec seuils $\u0007lpha$<\/span>, r\u00e9gions critiques et r\u00e9gions d’acceptation) tout en l’interpr\u00e9tant \u00e0 travers le prisme fisherien de l’inf\u00e9rence inductive continue bas\u00e9e sur la valeur $p$<\/span>. Cette hybridation a parfois favoris\u00e9 une compr\u00e9hension m\u00e9canique et erron\u00e9e de la r\u00e9gion d’acceptation, per\u00e7ue \u00e0 tort par certains praticiens comme une validation empirique d\u00e9finitive de l’hypoth\u00e8se d’absence d’effet.<\/p>\n Le cadre th\u00e9orique soutenant la r\u00e9gion d’acceptation repose sur l’inf\u00e9rence fr\u00e9quentiste et la th\u00e9orie math\u00e9matique de la d\u00e9cision comportementale. Dans la perspective fr\u00e9quentiste, la probabilit\u00e9 d’un \u00e9v\u00e9nement correspond \u00e0 sa fr\u00e9quence limite observ\u00e9e sur un nombre infini de r\u00e9p\u00e9titions d’une exp\u00e9rience identique. D\u00e8s lors, situer un r\u00e9sultat dans la r\u00e9gion d’acceptation garantit que, sur le long terme, le protocole exp\u00e9rimental minimise le taux d’erreur d\u00e9cisionnelle globale.<\/p>\n Sur le plan math\u00e9matique, l’espace des donn\u00e9es possibles $S$<\/span> est scind\u00e9 en deux r\u00e9gions mutuellement exclusives et compl\u00e9mentaires : la r\u00e9gion d’acceptation $A$<\/span> et la r\u00e9gion de rejet $R$<\/span>, telles que $A cup R = S$<\/span> et $A cap R = emptyset$<\/span>. Pour une statistique $T(X)$<\/span> d\u00e9riv\u00e9e d’un \u00e9chantillon al\u00e9atoire $X$<\/span>, la r\u00e8gle de d\u00e9cision s’\u00e9nonce comme suit :<\/p>\n La th\u00e9orie sous-jacente s’articule \u00e9galement avec la notion de fonction de puissance. La puissance statistique d’un test, exprim\u00e9e par $1 – \beta$<\/span>, repr\u00e9sente la probabilit\u00e9 que la statistique d’\u00e9chantillonnage tombe hors de la r\u00e9gion d’acceptation lorsque l’hypoth\u00e8se alternative $H_1$<\/span> est effectivement vraie. Si la r\u00e9gion d’acceptation est trop vaste \u2014 cons\u00e9quence par exemple d’un \u00e9chantillon restreint ou d’une variance r\u00e9siduelle excessive \u2014, le risque $\beta$<\/span> explose, emp\u00eachant le chercheur de d\u00e9tecter des ph\u00e9nom\u00e8nes psychologiques authentiques.<\/p>\n Un autre fondement th\u00e9orique indispensable r\u00e9side dans la dualit\u00e9 fondamentale unissant les tests d’hypoth\u00e8ses et les intervalles de confiance<\/a>. Tout test d’hypoth\u00e8se bilat\u00e9ral au niveau de signification $\u0007lpha$<\/span> peut \u00eatre invers\u00e9 pour g\u00e9n\u00e9rer un intervalle de confiance \u00e0 $100(1 – \u0007lpha)%$<\/span>. Une valeur de param\u00e8tre sp\u00e9cifique postul\u00e9e sous $H_0$<\/span> sera retenue dans la r\u00e9gion d’acceptation si et seulement si elle est incluse dans l’intervalle de confiance calcul\u00e9 \u00e0 partir des donn\u00e9es de l’\u00e9chantillon. Cette \u00e9quivalence g\u00e9om\u00e9trique confirme que la r\u00e9gion d’acceptation circonscrit l’ensemble des param\u00e8tres de population plausibles au regard du protocole exp\u00e9rimental mis en \u0153uvre.<\/p>\n L’organisation interne de la r\u00e9gion d’acceptation d\u00e9pend de param\u00e8tres m\u00e9thodologiques stricts, qui se d\u00e9composent en plusieurs dimensions analytiques majeures :<\/p>\n Consid\u00e9rons une \u00e9tude en psychologie cognitive portant sur l’impact de la privation de sommeil sur le temps de r\u00e9action visuel. Supposons que le temps de r\u00e9action moyen d’une population saine soit de 250 millisecondes avec un \u00e9cart-type connu de 30 ms. Un chercheur soumet un \u00e9chantillon al\u00e9atoire de 36 participants \u00e0 une nuit blanche compl\u00e8te et formule l’hypoth\u00e8se bilat\u00e9rale qu’une telle privation modifie les performances cognitives.<\/p>\n L’hypoth\u00e8se nulle stipule $H_0 : \\mu = 250\text{ ms}$<\/span>, tandis que l’hypoth\u00e8se alternative avance $H_1 : mu Dans un second contexte, relatif \u00e0 la psychom\u00e9trie clinique, une \u00e9quipe cherche \u00e0 v\u00e9rifier la validit\u00e9 de fid\u00e9lit\u00e9 test-retest d’une nouvelle \u00e9chelle mesurant la symptomatologie d\u00e9pressive. Si l’on souhaite tester si la corr\u00e9lation test-retest est significativement diff\u00e9rente de 0, une transformation en score $t$<\/span> de Student est op\u00e9r\u00e9e. Si le coefficient observ\u00e9 aboutit \u00e0 une statistique $t$<\/span> inf\u00e9rieure \u00e0 la valeur seuil r\u00e9pertori\u00e9e dans la table de Student, l’estimation r\u00e9side dans la r\u00e9gion d’acceptation, sugg\u00e9rant que les items du test ne d\u00e9montrent pas une consistance temporelle sup\u00e9rieure \u00e0 ce que pr\u00e9dirait le hasard pur.<\/p>\n La d\u00e9limitation empirique de la r\u00e9gion d’acceptation ne rel\u00e8ve pas d’une mesure passive, mais d’une mod\u00e9lisation inf\u00e9rentielle rigoureuse assist\u00e9e par des outils informatiques d’analyse quantitative (tels que R, SPSS, JASP ou Python). L’op\u00e9rationnalisation suit une s\u00e9rie d’\u00e9tapes m\u00e9thodologiques standardis\u00e9es :<\/p>\n Premi\u00e8rement, le mod\u00e8le impose le calcul des degr\u00e9s de libert\u00e9 ($ddl$<\/span>), qui r\u00e9gissent la forme exacte de distributions th\u00e9oriques non gaussiennes comme le $t$<\/span> de Student, le $F$<\/span> de Snedecor ou le $\\chi^2$<\/span>. Deuxi\u00e8mement, les algorithmes d\u00e9terminent les quantiles th\u00e9oriques associ\u00e9s aux seuils de probabilit\u00e9 $\u0007lpha \/ 2$<\/span> et $1 – (\u0007lpha \/ 2)$<\/span> dans le cas bilat\u00e9ral. Ce calcul num\u00e9rique produit les valeurs de coupure d\u00e9limitant la r\u00e9gion d’acceptation.<\/p>\n Parall\u00e8lement, l’\u00e9valuation moderne requiert des analyses de sensibilit\u00e9 a priori \u00e0 l’aide de logiciels sp\u00e9cialis\u00e9s comme G*Power. Ces d\u00e9marches visent \u00e0 \u00e9valuer comment la taille de la r\u00e9gion d’acceptation interagit avec la puissance de d\u00e9tection ($1 – \beta$<\/span>) et l’amplitude de la taille d’effet minimale attendue (par exemple, le $d$<\/span> de Cohen ou le $\\eta^2$<\/span> partiel). Cette d\u00e9marche pr\u00e9vient la conception de r\u00e9gions d’acceptation trop larges r\u00e9sultant d’\u00e9chantillons quantitativement an\u00e9miques.<\/p>\n Les applications de la r\u00e9gion d’acceptation se d\u00e9ploient dans l’ensemble des branches appliqu\u00e9es de la psychologie contemporaine :<\/p>\n En neuropsychologie clinique<\/strong>, lors de l’\u00e9valuation diagnostique individuelle d’un patient suspect\u00e9 d’un trouble neurocognitif, les performances aux tests standardis\u00e9s sont compar\u00e9es aux normes d’un groupe de r\u00e9f\u00e9rence stratifi\u00e9 par \u00e2ge et niveau d’\u00e9tudes. Bien que l’approche psychom\u00e9trique individuelle repose souvent sur des scores Z ou percentiles, le recours conceptuel \u00e0 une r\u00e9gion d’acceptation (typiquement l’intervalle d\u00e9limit\u00e9 par $\\pm 1{,}65$<\/span> ou $\\pm 2$<\/span> \u00e9carts-types) permet d’identifier si le fonctionnement mn\u00e9sique ou attentionnel du patient rel\u00e8ve de la normalit\u00e9 statistique ou signe une alt\u00e9ration pathologique n\u00e9cessitant une prise en charge.<\/p>\n En psychologie du travail et des organisations<\/strong>, lors des processus de s\u00e9lection du personnel, les concepteurs d’outils d’\u00e9valuation psychom\u00e9trique utilisent la r\u00e9gion d’acceptation pour v\u00e9rifier l’\u00e9quit\u00e9 des tests entre diff\u00e9rents groupes d\u00e9mographiques. Par l’analyse de r\u00e9gression diff\u00e9rentielle, si les coefficients de validit\u00e9 pr\u00e9dictive entre deux groupes ethniques ou de genre tombent dans la r\u00e9gion d’acceptation de l’hypoth\u00e8se d’invariance des pentes, l’outil est jug\u00e9 exempt de biais psychom\u00e9trique structurel direct.<\/p>\n En psychopharmacologie et psychoth\u00e9rapie fond\u00e9e sur les preuves<\/strong>, la r\u00e9gion d’acceptation trouve une utilisation invers\u00e9e novatrice dans les essais d’\u00e9quivalence ou de non-inf\u00e9riorit\u00e9. Lorsqu’une th\u00e9rapie comportementale br\u00e8ve est compar\u00e9e au traitement de r\u00e9f\u00e9rence, le cadre traditionnel est renvers\u00e9 : l’hypoth\u00e8se nulle devient celle d’une diff\u00e9rence cliniquement inacceptable. Les chercheurs \u00e9tablissent une r\u00e9gion d’\u00e9quivalence stricte, et le nouveau traitement n’est valid\u00e9 comme substitut \u00e9quivalent que si la totalit\u00e9 de l’intervalle d’estimation s’ins\u00e8re \u00e0 l’int\u00e9rieur de cette zone pr\u00e9d\u00e9finie.<\/p>\n La recherche m\u00e9tasociologique et empirique sur les pratiques m\u00e9thodologiques en psychologie a mis en \u00e9vidence de profonds dysfonctionnements li\u00e9s \u00e0 l’interpr\u00e9tation de la r\u00e9gion d’acceptation. Des enqu\u00eates d’envergure, men\u00e9es notamment par Jacob Cohen, Gerd Gigerenzer ou Geoff Cumming, ont d\u00e9montr\u00e9 que de nombreux chercheurs publiaient des conclusions affirmant l’absence totale d’effet lorsqu’une statistique r\u00e9sidait dans la r\u00e9gion d’acceptation, alors m\u00eame que l’\u00e9tude affichait une puissance statistique dramatiquement insuffisante ($1 – \beta < 0{,}50$).<\/p>\n La crise de r\u00e9plicabilit\u00e9, largement document\u00e9e depuis les publications de l’Open Science Collaboration<\/a>, a r\u00e9v\u00e9l\u00e9 que de nombreuses acceptations de l’hypoth\u00e8se nulle r\u00e9sultaient en fait de faux n\u00e9gatifs syst\u00e9matiques engendr\u00e9s par des \u00e9chantillons r\u00e9duits. Les \u00e9tudes empiriques compil\u00e9es dans le cadre de m\u00e9ta-analyses contemporaines indiquent qu’environ 60 % des \u00e9tudes psychologiques non significatives h\u00e9bergent des tailles d’effet r\u00e9elles petites \u00e0 moyennes, qui avaient pourtant \u00e9chou\u00e9 \u00e0 franchir les fronti\u00e8res de la r\u00e9gion d’acceptation par manque d’effectifs.<\/p>\n Ces constats exp\u00e9rimentaux ont impuls\u00e9 un changement structurel dans la gouvernance \u00e9ditoriale des revues internationales de premier rang, telles que le Journal of Experimental Psychology<\/em> ou Psychological Science<\/em>. D\u00e9sormais, l’interpr\u00e9tation des r\u00e9sultats situ\u00e9s dans la r\u00e9gion d’acceptation impose d’exposer formellement la taille d’effet estim\u00e9e, l’intervalle de confiance associ\u00e9 et, dans un nombre croissant de cas, le recours \u00e0 l’inf\u00e9rence bay\u00e9sienne pour quantifier le degr\u00e9 d’\u00e9vidence r\u00e9elle en faveur du mod\u00e8le sous $H_0$<\/span>.<\/p>\n L’utilisation de la r\u00e9gion d’acceptation et des seuils critiques est \u00e9galement tributaire de conventions \u00e9pist\u00e9mologiques et culturelles propres aux communaut\u00e9s scientifiques internationales. Tandis que la tradition nord-am\u00e9ricaine a tr\u00e8s largement institutionnalis\u00e9 le diktat binaire du seuil $\u0007lpha = 0{,}05$<\/span> sous l’influence des directives de l’American Psychological Association (APA), certaines \u00e9coles m\u00e9thodologiques europ\u00e9ennes et asiatiques ont historiquement manifest\u00e9 une sensibilit\u00e9 plus vive aux approches d’estimation continue et aux tests de pertinence pratique.<\/p>\n Sur le terrain de la psychologie transculturelle, le passage d’un instrument psychom\u00e9trique d’une aire linguistique \u00e0 une autre pose le probl\u00e8me de l’invariance de mesure. Lorsque des chercheurs v\u00e9rifient l’\u00e9quivalence d’une structure factorielle (par exemple celle du mod\u00e8le Big Five de la personnalit\u00e9) \u00e0 travers diff\u00e9rents pays, ils utilisent des tests du Chi-deux de diff\u00e9rence d’ad\u00e9quation ($\\Delta\\chi^2$<\/span>). Si le r\u00e9sultat se loge dans la r\u00e9gion d’acceptation, l’instrument est consid\u00e9r\u00e9 comme mesurant les m\u00eames dimensions psychologiques avec la m\u00eame sensibilit\u00e9 m\u00e9trique \u00e0 travers les diverses cultures interrog\u00e9es. N\u00e9anmoins, l’extr\u00eame sensibilit\u00e9 du $\\chi^2$<\/span> aux grands \u00e9chantillons interculturels repousse artificiellement les mod\u00e8les hors de la r\u00e9gion d’acceptation, ce qui a pouss\u00e9 les chercheurs internationaux \u00e0 adopter des indices d’ad\u00e9quation approch\u00e9e (comme le CFI ou le RMSEA) pour s’\u00e9manciper des rigidit\u00e9s de la r\u00e9gion d’acceptation canonique.<\/p>\n La notion de r\u00e9gion d’acceptation fait l’objet de contestations \u00e9pist\u00e9mologiques r\u00e9currentes depuis plusieurs d\u00e9cennies. La principale critique porte sur le sophisme de l’acceptation : en stricte logique popp\u00e9rienne de falsification, une th\u00e9orie ne peut jamais \u00eatre valid\u00e9e ou accept\u00e9e de mani\u00e8re d\u00e9finitive ; elle peut seulement r\u00e9sister provisoirement aux tentatives de r\u00e9futation. Qualifier cette zone de \u00ab r\u00e9gion d’acceptation \u00bb introduit une ambigu\u00eft\u00e9 ontologique qui conduit souvent les \u00e9tudiants et certains chercheurs \u00e0 commettre l’erreur d\u00e9ductive d’affirmer que le ph\u00e9nom\u00e8ne n’existe pas.<\/p>\n Une seconde limite majeure tient au caract\u00e8re rigide et binaire de la d\u00e9marcation. Deux statistiques de test s\u00e9par\u00e9es par un \u00e9cart infinit\u00e9simal, dont l’une se situe juste \u00e0 l’int\u00e9rieur de la r\u00e9gion d’acceptation ($p = 0{,}051$<\/span>) et l’autre imm\u00e9diatement dans la r\u00e9gion de rejet ($p = 0{,}049$<\/span>), m\u00e8nent \u00e0 des conclusions dichotomiques cat\u00e9goriques : \u00ab effet nul \u00bb dans un cas, \u00ab d\u00e9couverte significative \u00bb dans l’autre. Cette discontinuit\u00e9 artificielle favorise des d\u00e9rives m\u00e9thodologiques telles que le \u00ab $p$<\/span>-hacking \u00bb ou le dragage de donn\u00e9es, o\u00f9 les chercheurs ajustent leurs variables pour propulser de force une statistique hors de la r\u00e9gion d’acceptation.<\/p>\n Pour pallier ces faiblesses inh\u00e9rentes au mod\u00e8le fr\u00e9quentiste de Neyman-Pearson, le paradigme bay\u00e9sien propose de substituer aux r\u00e9gions rigides d’acceptation l’analyse des facteurs de Bayes (notamment $BF_{01}$<\/span>). Le facteur de Bayes<\/a> quantifie le ratio de vraisemblance entre les deux hypoth\u00e8ses en comp\u00e9tition, permettant d’apporter un soutien graduel, continu et probabilis\u00e9 \u00e0 l’hypoth\u00e8se nulle plut\u00f4t que de la confiner dans un non-rejet purement passif et par d\u00e9faut.<\/p>\n Afin de manipuler ad\u00e9quatement ce concept, il convient d’expliciter ses fronti\u00e8res avec d’autres notions cl\u00e9s de l’arsenal inf\u00e9rentiel :<\/p>\n La r\u00e9gion d’acceptation repr\u00e9sente un rouage fondamental du cadre statistique standard de Neyman-Pearson guidant la recherche quantitative en psychologie. Elle r\u00e9unit l’ensemble des valeurs de la statistique de test pour lesquelles le chercheur d\u00e9cide de ne pas rejeter l’hypoth\u00e8se nulle au regard d’un seuil de risque d’erreur $\u0007lpha$<\/span> fix\u00e9 a priori.<\/p>\n Toutefois, la rigueur conceptuelle exige de rappeler qu’un r\u00e9sultat situ\u00e9 dans la r\u00e9gion d’acceptation ne d\u00e9montre jamais l’exactitude de l’hypoth\u00e8se nulle : il atteste simplement que les donn\u00e9es exp\u00e9rimentales collect\u00e9es ne permettent pas d’\u00e9carter l’intervention du hasard d’\u00e9chantillonnage avec un degr\u00e9 suffisant de certitude. L’interpr\u00e9tation \u00e9clair\u00e9e de cette zone impose ainsi une appr\u00e9ciation conjointe de la puissance statistique, de la taille d’\u00e9chantillon et de la m\u00e9trique des effets r\u00e9els, garantissant une pratique empirique robuste et \u00e9mancip\u00e9e des automatismes d\u00e9cisionnels r\u00e9ducteurs.<\/p>\n La r\u00e9gion d’acceptation est l’ensemble des valeurs d’une statistique de test pour lesquelles l’hypoth\u00e8se nulle n’est pas rejet\u00e9e en psychologie quantitative.<\/p>\n","protected":false},"author":1,"featured_media":0,"template":"","categories":[1907,2],"tags":[2699,31133,16,31132,1942,2700],"class_list":["post-19325","psych_term","type-psych_term","status-publish","hentry","category-methodologie-et-statistiques","category-psychometrie","tag-hypothese-nulle","tag-inference-frequentiste","tag-psychometrie","tag-region-dacceptation","tag-statistiques-en-psychologie","tag-test-dhypothese"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/19325","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_term"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/19325\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=19325"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=19325"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=19325"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}2. \u00c9tymologie et origine linguistique<\/h3>\n
3. Prononciation et forme grammaticale<\/h3>\n
4. Explication conceptuelle d\u00e9taill\u00e9e<\/h3>\n
5. D\u00e9veloppement historique<\/h3>\n
6. Fondements th\u00e9oriques<\/h3>\n
\n
7. Composantes cl\u00e9s, types et dimensions<\/h3>\n
\n
8. Exemples et cas illustratifs<\/h3>\n
\neq 250\text{ ms}$. En retenant un seuil \\alpha conventionnel de$<\/span>\u0007lpha = 0{,}05$, les valeurs critiques de la statistique$<\/span>Z$ sont fix\u00e9es \u00e0 $-1{,}96$<\/span> et $+1{,}96$<\/span>. La r\u00e9gion d’acceptation correspond \u00e0 l’intervalle d’\u00e9chantillonnage $[-1{,}96 ; +1{,}96]$<\/span>. L’erreur type de la moyenne \u00e9tant de $\\sigma \/ \\sqrt{n} = 30 \/ \\sqrt{36} = 5\text{ ms}$<\/span>, la r\u00e9gion d’acceptation exprim\u00e9e en temps de r\u00e9action s’\u00e9tend de $250 – (1{,}96 \times 5) = 240{,}2\text{ ms}$<\/span> \u00e0 $250 + (1{,}96 \times 5) = 259{,}8\text{ ms}$<\/span>. Si l’\u00e9chantillon pr\u00e9sente un temps de r\u00e9action moyen de 254 ms, la statistique $Z$<\/span> observ\u00e9e s’\u00e9tablit \u00e0 $+0{,}8$<\/span>. Cette valeur tombant \u00e0 l’int\u00e9rieur de $[-1{,}96 ; +1{,}96]$<\/span>, la statistique est d\u00e9clar\u00e9e dans la r\u00e9gion d’acceptation : le psychologue \u00e9choue \u00e0 rejeter $H_0$<\/span> \u00e0 ce seuil.<\/p>\n9. Mesure et \u00e9valuation<\/h3>\n
10. Applications et port\u00e9e pratique<\/h3>\n
11. Recherche et preuves empiriques<\/h3>\n
12. Consid\u00e9rations culturelles et transculturelles<\/h3>\n
13. Critiques, d\u00e9bats et limites<\/h3>\n
14. Termes connexes et distinctions<\/h3>\n
\n
15. R\u00e9sum\u00e9 et points cl\u00e9s<\/h3>\n
R\u00e9f\u00e9rences<\/h2>\n
\n