{"id":22036,"date":"2026-10-26T18:52:51","date_gmt":"2026-10-26T18:52:51","guid":{"rendered":"https:\/\/french.arabpsychology.com\/?psych_term=variable-binaire"},"modified":"2026-10-26T18:52:51","modified_gmt":"2026-10-26T18:52:51","slug":"variable-binaire","status":"publish","type":"psych_term","link":"https:\/\/french.arabpsychology.com\/?psych_term=variable-binaire","title":{"rendered":"Variable binaire : Fondements et usages"},"content":{"rendered":"<p>Dans le champ de la psychologie quantitative, des sciences du comportement et de la psychom\u00e9trie, la mod\u00e9lisation rigoureuse des observations constitue le socle de toute inf\u00e9rence scientifique valide. Parmi les instruments m\u00e9thodologiques fondamentaux, la <strong>variable binaire<\/strong> occupe une position charni\u00e8re, permettant de formaliser des \u00e9tats mutuellement exclusifs et d&rsquo;op\u00e9rationnaliser des ph\u00e9nom\u00e8nes psychologiques allant de la d\u00e9cision perceptive au diagnostic nosologique. Comprendre sa nature, ses propri\u00e9t\u00e9s statistiques et ses limites th\u00e9oriques est indispensable pour tout chercheur ou praticien d\u00e9sireux d&rsquo;analyser avec rigueur les donn\u00e9es empiriques humaines.<\/p>\n<h2>Variable binaire<\/h2>\n<h3>1. D\u00e9finition concise<\/h3>\n<p>Une <strong>variable binaire<\/strong>, couramment d\u00e9sign\u00e9e sous le terme de variable dichotomique, est une variable statistique ou psychom\u00e9trique qui ne peut adopter que deux modalit\u00e9s ou valeurs qualitatives mutuellement exclusives et collectivement exhaustives. Ces deux \u00e9tats sont traditionnellement cod\u00e9s sous forme num\u00e9rique conventionnelle, le plus souvent par les entiers 0 et 1, afin de faciliter les op\u00e9rations d&rsquo;alg\u00e8bre matricielle et les mod\u00e9lisations probabilistes.<\/p>\n<p>Dans le domaine de la psychologie exp\u00e9rimentale et clinique, la variable binaire sert \u00e0 enregistrer la pr\u00e9sence ou l&rsquo;absence d&rsquo;un attribut psychopathologique sp\u00e9cifique, le succ\u00e8s ou l&rsquo;\u00e9chec \u00e0 un item d&rsquo;\u00e9valuation cognitive, ou encore le choix forc\u00e9 entre deux alternatives d\u00e9cisionnelles. Contrairement aux variables continues ou ordinales, elle impose une discr\u00e9tisation absolue de l&rsquo;observation empirique.<\/p>\n<p>Bien qu&rsquo;elle simplifie consid\u00e9rablement le recueil de donn\u00e9es et la formalisation math\u00e9matique de certains processus d&rsquo;inf\u00e9rence, la variable binaire soul\u00e8ve d&rsquo;importantes questions relatives \u00e0 la r\u00e9duction de l&rsquo;information sous-jacente, notamment lorsqu&rsquo;elle r\u00e9sulte de la dichotomisation artificielle d&rsquo;un continuum latent continu.<\/p>\n<h3>2. \u00c9tymologie et origine linguistique<\/h3>\n<p>Le syntagme \u00ab variable binaire \u00bb associe deux racines latines distinctes ayant travers\u00e9 les \u00e9volutions lexicales des math\u00e9matiques modernes. Le vocable \u00ab variable \u00bb d\u00e9rive du verbe latin <em>variare<\/em>, signifiant \u00ab changer, diversifier ou modifier \u00bb, combin\u00e9 au suffixe <em>-abilis<\/em> qui exprime la possibilit\u00e9 ou l&rsquo;aptitude. En science formelle, il a \u00e9t\u00e9 adopt\u00e9 pour caract\u00e9riser une grandeur susceptible d&rsquo;assumer diff\u00e9rentes valeurs au sein d&rsquo;un ensemble de r\u00e9f\u00e9rence donn\u00e9.<\/p>\n<p>L&rsquo;adjectif \u00ab binaire \u00bb trouve son origine dans le bas-latin <em>binarius<\/em>, d\u00e9riv\u00e9 de <em>bini<\/em>, qui signifie \u00ab deux par deux \u00bb ou \u00ab par paire \u00bb. Historiquement introduit dans le lexique philosophique et arithm\u00e9tique pour d\u00e9signer des structures duelles, le terme s&rsquo;est cristallis\u00e9 au XVIIe si\u00e8cle \u00e0 travers les travaux fondateurs de Gottfried Wilhelm Leibniz sur le syst\u00e8me arithm\u00e9tique binaire (fond\u00e9 sur les chiffres 0 et 1).<\/p>\n<p>Son incorporation dans les sciences humaines et la psychom\u00e9trie s&rsquo;est consolid\u00e9e au d\u00e9but du XXe si\u00e8cle, sous l&rsquo;impulsion des statisticiens britanniques tels que Karl Pearson et Charles Spearman. L&rsquo;expression concurrente \u00ab variable dichotomique \u00bb puise pour sa part dans le grec ancien <em>dikhotomia<\/em> (\u03b4\u03b9\u03c7\u03bf\u03c4\u03bf\u03bc\u03af\u03b1), form\u00e9 de <em>dikha<\/em> (\u00ab en deux parties \u00bb) et de <em>tome<\/em> (\u00ab coupure, section \u00bb), insistant sur le principe d&rsquo;une division nette entre deux classes oppos\u00e9es.<\/p>\n<h3>3. Prononciation et forme grammaticale<\/h3>\n<p>Sur le plan phon\u00e9tique, le terme se prononce \/va.\u0281jabl bi.n\u025b\u0281\/ dans l&rsquo;espace francophone standard. Il s&rsquo;agit d&rsquo;un groupe nominal f\u00e9minin singulier compos\u00e9 du nom commun \u00ab variable \u00bb (f\u00e9minin) et de l&rsquo;adjectif qualificatif \u00ab binaire \u00bb (\u00e9pic\u00e8ne, s&rsquo;accordant en genre et en nombre avec le substantif qualifi\u00e9). Au pluriel, il adopte la graphie \u00ab variables binaires \u00bb (\/va.\u0281jabl bi.n\u025b\u0281\/).<\/p>\n<p>Dans la litt\u00e9rature m\u00e9thodologique francophone, on rencontre plusieurs variantes et syntagmes \u00e9quivalents selon les traditions disciplinaires :<\/p>\n<ul>\n<li><strong>Variable dichotomique<\/strong> : terme privil\u00e9gi\u00e9 en \u00e9pid\u00e9miologie, en nosographie clinique et dans la th\u00e9orie classique des tests psychologiques ;<\/li>\n<li><strong>Variable indicatrice<\/strong> : expression issue des math\u00e9matiques pures et de la th\u00e9orie de la mesure, d\u00e9crivant une fonction qui signale l&rsquo;appartenance d&rsquo;un \u00e9l\u00e9ment \u00e0 un ensemble ;<\/li>\n<li><strong>Variable muette<\/strong> (ou <em>dummy variable<\/em> en anglais) : terme d&rsquo;origine \u00e9conom\u00e9trique d\u00e9signant une variable artificielle \u00e0 valeurs 0 et 1 introduite dans un mod\u00e8le de r\u00e9gression lin\u00e9aire pour int\u00e9grer un facteur qualitatif ;<\/li>\n<li><strong>Variable bool\u00e9enne<\/strong> : d\u00e9nomination courante en informatique cognitive, en mod\u00e9lisation computationnelle et en intelligence artificielle, en r\u00e9f\u00e9rence \u00e0 l&rsquo;alg\u00e8bre \u00e9labor\u00e9e par George Boole.<\/li>\n<\/ul>\n<h3>4. Explication conceptuelle d\u00e9taill\u00e9e<\/h3>\n<p>La variable binaire repr\u00e9sente la forme la plus \u00e9l\u00e9mentaire d&rsquo;une \u00e9chelle nominale selon la classification typologique formul\u00e9e par <a href=\"https:\/\/fr.wikipedia.org\/wiki\/Stanley_Smith_Stevens\" target=\"_blank\" rel=\"noopener noreferrer\">Stanley Smith Stevens<\/a> en 1946. \u00c0 ce premier niveau de mesure, les valeurs affect\u00e9es n&rsquo;impliquent aucune relation d&rsquo;ordre, de distance m\u00e9trique ou d&rsquo;origine absolue. Les codes num\u00e9riques 0 et 1 ne sont que des \u00e9tiquettes s\u00e9mantiques arbitraires d\u00e9nu\u00e9es de propri\u00e9t\u00e9s arithm\u00e9tiques intrins\u00e8ques, bien que leur moyenne arithm\u00e9tique corresponde commod\u00e9ment \u00e0 la proportion d&rsquo;individus pr\u00e9sentant l&rsquo;attribut \u00e9tudi\u00e9.<\/p>\n<p>Sur le plan conceptuel, il convient de distinguer avec rigueur deux r\u00e9alit\u00e9s fondamentales : la variable binaire <em>naturelle<\/em> (ou authentique) et la variable binaire <em>artificielle<\/em>. Une binarit\u00e9 naturelle caract\u00e9rise un ph\u00e9nom\u00e8ne dont l&rsquo;ontologie est intrins\u00e8quement discontinue dans le cadre de r\u00e9f\u00e9rence th\u00e9orique donn\u00e9. \u00c0 l&rsquo;inverse, une binarit\u00e9 artificielle d\u00e9coule d&rsquo;un acte d\u00e9lib\u00e9r\u00e9 de seuillage (ou <em>cut-off<\/em>) appliqu\u00e9 \u00e0 un trait quantitatif sous-jacent. Par exemple, classer un sujet comme \u00ab d\u00e9pressif \u00bb ou \u00ab non d\u00e9pressif \u00bb \u00e0 partir d&rsquo;un score num\u00e9rique obtenu au questionnaire de d\u00e9pression de Beck revient \u00e0 superposer une binarit\u00e9 op\u00e9rationnelle sur une distribution ph\u00e9nom\u00e9nologique continue.<\/p>\n<p>Cette distinction soul\u00e8ve des implications majeures pour l&rsquo;inf\u00e9rence statistique. Lorsqu&rsquo;une variable continue est artificiellement scind\u00e9e en deux cat\u00e9gories, le chercheur commet une perte irr\u00e9versible de variance syst\u00e9matique. Cette discr\u00e9tisation r\u00e9duit la puissance statistique des tests, abaisse artificiellement les coefficients d&rsquo;association lin\u00e9aire (tels que le coefficient de corr\u00e9lation de Pearson) et peut m\u00eame g\u00e9n\u00e9rer de faux effets d&rsquo;interaction dans les plans factoriels. C&rsquo;est pourquoi la th\u00e9orie de la r\u00e9ponse aux items (TRI) et les mod\u00e8les de variables latentes contemporains pr\u00e9f\u00e8rent souvent postuler un continuum sous-jacent inobservable (not\u00e9 th\u00eata, \u03b8) r\u00e9gissant de fa\u00e7on probabiliste l&rsquo;occurrence de la r\u00e9ponse binaire manifeste.<\/p>\n<p>En outre, l&rsquo;analyse d&rsquo;une variable binaire ne peut pas s&rsquo;appuyer sur les hypoth\u00e8ses classiques de la distribution normale. Par d\u00e9finition, les r\u00e9sidus d&rsquo;une r\u00e9gression ayant pour variable d\u00e9pendante un r\u00e9sultat binaire sont h\u00e9t\u00e9rosc\u00e9dastiques et ne suivent pas une loi de Gauss. Cette contrainte impose l&rsquo;abandon des moindres carr\u00e9s ordinaires au profit d&rsquo;approches fond\u00e9es sur la loi de Bernoulli, estim\u00e9es par le maximum de vraisemblance au sein des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s (GLM).<\/p>\n<h3>5. \u00c9volution historique<\/h3>\n<p>L&rsquo;histoire de la variable binaire s&rsquo;entrelace avec les d\u00e9buts de la logique symbolique, de la biom\u00e9trie et de l&rsquo;\u00e9valuation psychologique exp\u00e9rimentale. D\u00e8s le milieu du XIXe si\u00e8cle, <a href=\"https:\/\/fr.wikipedia.org\/wiki\/George_Boole\" target=\"_blank\" rel=\"noopener noreferrer\">George Boole<\/a> formalise dans son ouvrage s\u00e9minal <em>The Laws of Thought<\/em> (1854) une logique alg\u00e9brique reposant sur deux valeurs de v\u00e9rit\u00e9 fondamentales : le Vrai (1) et le Faux (0). Ce formalisme a ouvert la voie \u00e0 la mod\u00e9lisation formelle des processus de pens\u00e9e sous forme d&rsquo;\u00e9tats discrets mutuellement exclusifs.<\/p>\n<p>\u00c0 l&rsquo;aube du XXe si\u00e8cle, Karl Pearson fait face \u00e0 un d\u00e9fi m\u00e9thodologique majeur : mesurer le degr\u00e9 de corr\u00e9lation entre deux variables qualitatives binaires qui refl\u00e8tent en r\u00e9alit\u00e9 des distributions continues sous-jacentes. En 1900, Pearson introduit le <em>coefficient de corr\u00e9lation t\u00e9trachorique<\/em>, une innovation math\u00e9matique d\u00e9terminante qui postule qu&rsquo;un tableau de contingence 2&#215;2 d\u00e9coule d&rsquo;une distribution bivari\u00e9e normale sous-jacente scind\u00e9e par deux seuils critiques. Cette avanc\u00e9e th\u00e9orique a permis aux premiers psychologues diff\u00e9rentiels d&rsquo;estimer des associations psychologiques sans \u00eatre tributaires de l&rsquo;arbitraire du codage cat\u00e9goriel.<\/p>\n<p>Dans les d\u00e9cennies 1940 et 1950, avec l&rsquo;\u00e9mergence de la psychom\u00e9trie formelle et le d\u00e9veloppement du mod\u00e8le logistique, Joseph Berkson propose la fonction <em>logit<\/em> pour surmonter les limitations du mod\u00e8le probit introduit par Chester Bliss. Simultan\u00e9ment, en 1960, le math\u00e9maticien danois <a href=\"https:\/\/fr.wikipedia.org\/wiki\/Georg_Rasch\" target=\"_blank\" rel=\"noopener noreferrer\">Georg Rasch<\/a> r\u00e9volutionne l&rsquo;\u00e9valuation des aptitudes intellectuelles en publiant son mod\u00e8le probabiliste pour donn\u00e9es binaires (le mod\u00e8le de Rasch). Ce mod\u00e8le postule que la probabilit\u00e9 d&rsquo;une r\u00e9ponse correcte (cod\u00e9e 1) d\u00e9pend exclusivement de la diff\u00e9rence alg\u00e9brique entre le niveau d&rsquo;aptitude de la personne et la difficult\u00e9 intrins\u00e8que de l&rsquo;item.<\/p>\n<p>Enfin, l&rsquo;unification m\u00e9thodologique s&rsquo;est op\u00e9r\u00e9e en 1972 gr\u00e2ce aux travaux fondamentaux de John Nelder et Robert Wedderburn sur les mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s. Cette th\u00e9orie a permis d&rsquo;int\u00e9grer formellement les variables binaires au sein d&rsquo;un cadre math\u00e9matique g\u00e9n\u00e9ral unifi\u00e9 englobant la <a href=\"https:\/\/fr.wikipedia.org\/wiki\/R%C3%A9gression_logistique\" target=\"_blank\" rel=\"noopener noreferrer\">r\u00e9gression logistique<\/a> et la r\u00e9gression probit, standards incontournables des recherches contemporaines en psychologie cognitive, sociale et clinique.<\/p>\n<h3>6. Fondements th\u00e9oriques<\/h3>\n<p>La manipulation et l&rsquo;interpr\u00e9tation des variables binaires en psychologie s&rsquo;appuient sur plusieurs piliers th\u00e9oriques et probabilistes majeurs :<\/p>\n<p>Le premier socle th\u00e9orique repose sur la <strong>loi de Bernoulli<\/strong>. Une variable al\u00e9atoire discr\u00e8te <span class=\"arabpsy-math-inline\" data-latex=\"Y\">$Y$<\/span> suit une loi de Bernoulli de param\u00e8tre <span class=\"arabpsy-math-inline\" data-latex=\"p\">$p$<\/span> (o\u00f9 $0 le p le 1$) si elle ne prend que les valeurs 1 (avec la probabilit\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"p\">$p$<\/span>) et 0 (avec la probabilit\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"1 - p = q\">$1 &#8211; p = q$<\/span>). L&rsquo;esp\u00e9rance math\u00e9matique d&rsquo;une telle variable \u00e9quivaut directement \u00e0 la proportion <span class=\"arabpsy-math-inline\" data-latex=\"p\">$p$<\/span> (<span class=\"arabpsy-math-inline\" data-latex=\"E(Y) = p\">$E(Y) = p$<\/span>), tandis que sa variance est intrins\u00e8quement d\u00e9pendante de sa moyenne, d\u00e9finie par la relation <span class=\"arabpsy-math-inline\" data-latex=\"\\mathrm{Var}(Y) = p(1 - p)\">$\\mathrm{Var}(Y) = p(1 &#8211; p)$<\/span>. Cette d\u00e9pendance structurelle d\u00e9montre l&rsquo;inapplicabilit\u00e9 des postulats de variance constante (homosc\u00e9dasticit\u00e9) propres aux mod\u00e8les statistiques gaussiens lin\u00e9aires classiques.<\/p>\n<p>Le deuxi\u00e8me cadre fondamental est la <strong>th\u00e9orie des variables latentes \u00e0 seuil<\/strong>. Cette approche stipule qu&rsquo;une r\u00e9ponse binaire manifeste <span class=\"arabpsy-math-inline\" data-latex=\"Y in {0, 1}\">$Y in {0, 1}$<\/span> est l&rsquo;expression observable d&rsquo;une variable latente continue inobservable <span class=\"arabpsy-math-inline\" data-latex=\"Y^*\">$Y^*$<\/span>, telle que :<\/p>\n<p style=\"text-align: center;\"><span class=\"arabpsy-eq\" dir=\"ltr\"><em>Y = 1 si Y* &gt; \u03c4, et Y = 0 si Y* \u2264 \u03c4<\/em><\/span><\/p>\n<p>o\u00f9 <span class=\"arabpsy-math-inline\" data-latex=\"tau\">$tau$<\/span> d\u00e9signe un seuil critique d&rsquo;activation ou de d\u00e9cision. Ce mod\u00e8le th\u00e9orique constitue l&rsquo;assise conceptuelle des analyses factorielles confirmatoires pour donn\u00e9es cat\u00e9gorielles et des mod\u00e8les de r\u00e9gression probit, o\u00f9 l&rsquo;on assume que <span class=\"arabpsy-math-inline\" data-latex=\"Y^*\">$Y^*$<\/span> suit une distribution normale standard.<\/p>\n<p>Le troisi\u00e8me fondement r\u00e9side dans la <strong>th\u00e9orie de la d\u00e9tection du signal<\/strong> (TDS), d\u00e9velopp\u00e9e initialement par David Green et John Swets. Dans ce paradigme, une r\u00e9ponse binaire (\u00ab Signal pr\u00e9sent \u00bb versus \u00ab Signal absent \u00bb) n&rsquo;est pas un simple reflet m\u00e9canique du stimulus physique, mais l&rsquo;aboutissement conjoint de deux processus psychologiques distincts : la sensibilit\u00e9 perceptive du sujet (<span class=\"arabpsy-math-inline\" data-latex=\"d&#039;\">$d&rsquo;$<\/span>) et son crit\u00e8re de d\u00e9cision motivationnel ou biais de r\u00e9ponse (<span class=\"arabpsy-math-inline\" data-latex=\"\\beta\">$\\beta$<\/span> ou <span class=\"arabpsy-math-inline\" data-latex=\"c\">$c$<\/span>). Ce mod\u00e8le illustre avec \u00e9clat comment un comportement binaire observable r\u00e9sulte de compromis cognitifs dynamiques au sein d&rsquo;un continuum d&rsquo;incertitude perceptive.<\/p>\n<h3>7. Composantes cl\u00e9s, types et dimensions<\/h3>\n<p>Les variables binaires peuvent \u00eatre cat\u00e9goris\u00e9es selon plusieurs dimensions analytiques et fonctionnelles essentielles :<\/p>\n<ul>\n<li><strong>Selon leur gen\u00e8se ontologique :<\/strong>\n<ul>\n<li><em>Variables binaires naturelles (vraies) :<\/em> \u00c9tats dont la s\u00e9paration est objective et non ambigu\u00eb dans l&rsquo;univers de discours (ex. : organisme vivant versus d\u00e9c\u00e9d\u00e9 ; r\u00e9ponse motrice ex\u00e9cut\u00e9e versus non ex\u00e9cut\u00e9e).<\/li>\n<li><em>Variables binaires artificielles :<\/em> Discr\u00e9tisation pragmatique d&rsquo;une dimension continue continue par l&rsquo;application d&rsquo;une valeur seuil arbitraire ou clinique (ex. : score au BDI sup\u00e9rieur ou \u00e9gal \u00e0 16 d\u00e9finissant une d\u00e9pression mod\u00e9r\u00e9e).<\/li>\n<\/ul>\n<\/li>\n<li><strong>Selon leur statut dans le mod\u00e8le m\u00e9thodologique :<\/strong>\n<ul>\n<li><em>Variable binaire ind\u00e9pendante (pr\u00e9dicteur ou facteur) :<\/em> Utilis\u00e9e pour scinder une population en deux groupes exp\u00e9rimentaux ou naturels (ex. : groupe trait\u00e9 versus groupe placebo, condition amorc\u00e9e versus condition neutre).<\/li>\n<li><em>Variable binaire d\u00e9pendante (crit\u00e8re ou crit\u00e8re d&rsquo;aboutissement) :<\/em> Constitue l&rsquo;\u00e9v\u00e9nement psychologique ou comportemental \u00e0 pr\u00e9dire ou expliquer (ex. : rechute toxicomanologique versus maintien de l&rsquo;abstinence).<\/li>\n<li><em>Variable binaire confondante ou de contr\u00f4le :<\/em> Indicateur bivari\u00e9 maintenu constant pour isoler l&rsquo;effet causal d&rsquo;une autre variable d&rsquo;int\u00e9r\u00eat.<\/li>\n<\/ul>\n<\/li>\n<li><strong>Selon le codage alg\u00e9brique adopt\u00e9 :<\/strong>\n<ul>\n<li><em>Codage binaire classique (0 \/ 1) :<\/em> Tr\u00e8s adapt\u00e9 \u00e0 l&rsquo;estimation des probabilit\u00e9s d&rsquo;occurrence et aux fonctions de lien logit dans le cadre de la r\u00e9gression logistique.<\/li>\n<li><em>Codage d&rsquo;effet ou bipolaire (-1 \/ +1) :<\/em> Fr\u00e9quemment utilis\u00e9 dans les plans d&rsquo;analyse de variance orthogonaux, les r\u00e9seaux neuronaux artificiels et les mod\u00e8les de spin d&rsquo;Ising appliqu\u00e9s \u00e0 la psychologie des r\u00e9seaux d&rsquo;attitudes.<\/li>\n<\/ul>\n<\/li>\n<li><strong>Selon la sym\u00e9trie de l&rsquo;information :<\/strong>\n<ul>\n<li><em>Variable binaire sym\u00e9trique :<\/em> Les deux issues poss\u00e8dent la m\u00eame valeur informative et conceptuelle (ex. : pr\u00e9f\u00e9rence pour l&rsquo;option A versus l&rsquo;option B dans une t\u00e2che de choix \u00e9conomique).<\/li>\n<li><em>Variable binaire asym\u00e9trique :<\/em> L&rsquo;une des deux modalit\u00e9s repr\u00e9sente un \u00e9v\u00e9nement rare ou porteur d&rsquo;une signification diagnostique critique (ex. : pr\u00e9sence d&rsquo;une tentative de suicide au cours de la vie), la valeur 1 refl\u00e9tant une information dense tandis que la valeur 0 d\u00e9note simplement l&rsquo;absence de signal.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<h3>8. Exemples et cas illustratifs<\/h3>\n<p>Pour mieux appr\u00e9hender le r\u00f4le central de la variable binaire dans l&rsquo;investigation empirique, examinons plusieurs cas concrets issus de diff\u00e9rents sous-domaines de la psychologie contemporaine :<\/p>\n<p><strong>Exemple 1 : \u00c9valuation neuropsychologique de l&rsquo;inhibition motrice.<\/strong> Dans le cadre d&rsquo;un paradigme Stop-Signal administr\u00e9 \u00e0 des adolescents pr\u00e9sentant un trouble du d\u00e9ficit de l&rsquo;attention avec ou sans hyperactivit\u00e9 (TDAH), chaque essai critique d\u00e9bouche sur une variable binaire manifeste : r\u00e9ussite de l&rsquo;inhibition motrice (cod\u00e9e 1) ou \u00e9chec avec \u00e9mission de la r\u00e9ponse motrice malgr\u00e9 le signal d&rsquo;arr\u00eat (cod\u00e9 0). L&rsquo;analyse de cette s\u00e9rie d&rsquo;issues binaires permet d&rsquo;estimer par mod\u00e9lisation math\u00e9matique le temps de r\u00e9action au signal d&rsquo;arr\u00eat (SSRT), indicateur latent continu de l&rsquo;efficacit\u00e9 du contr\u00f4le ex\u00e9cutif pr\u00e9frontal.<\/p>\n<p><strong>Exemple 2 : Psychopathologie clinique et diagnostic cat\u00e9goriel.<\/strong> Dans les syst\u00e8mes de classification comme le DSM-5-TR, la plupart des crit\u00e8res diagnostiques sont formul\u00e9s sous une modalit\u00e9 binaire : pr\u00e9sence (1) ou absence (0) d&rsquo;une anh\u00e9donie marqu\u00e9e sur une p\u00e9riode continue d&rsquo;au moins deux semaines. Un patient qui pr\u00e9sente six crit\u00e8res sur neuf franchit le seuil diagnostique d&rsquo;\u00e9pisode d\u00e9pressif majeur, transformant une s\u00e9rie de variables binaires partielles en un statut diagnostique binaire global (atteint vs non atteint).<\/p>\n<p><strong>Exemple 3 : Psychologie sociale et conformisme.<\/strong> Dans une r\u00e9plication informatis\u00e9e du paradigme classique de Solomon Asch, la variable d&rsquo;int\u00e9r\u00eat d\u00e9pendante est cod\u00e9e de fa\u00e7on binaire \u00e0 chaque essai exp\u00e9rimental : le participant na\u00eff s&rsquo;est-il conform\u00e9 au jugement manifestement erron\u00e9 de la majorit\u00e9 complice (1) ou a-t-il maintenu une r\u00e9ponse ind\u00e9pendante et v\u00e9ridique (0) ? Ce codage permet de calculer le taux moyen d&rsquo;assujettissement et d&rsquo;estimer, via une r\u00e9gression logistique \u00e0 effets mixtes, l&rsquo;impact de la taille du groupe de pairs unanime sur la probabilit\u00e9 de capitulation cognitive.<\/p>\n<h3>9. Mesure et \u00e9valuation psychom\u00e9trique<\/h3>\n<p>La pr\u00e9sence de variables binaires au sein d&rsquo;instruments d&rsquo;\u00e9valuation psychologique requiert des protocoles psychom\u00e9triques sp\u00e9cifiques pour garantir la fid\u00e9lit\u00e9 et la validit\u00e9 des scores composites qui en sont d\u00e9riv\u00e9s :<\/p>\n<p>En premier lieu, l&rsquo;estimation de la consistance interne d&rsquo;un test compos\u00e9 d&rsquo;items binaires ne peut pas faire appel au traditionnel coefficient alpha de Cronbach sans pr\u00e9caution, car ce dernier suppose la continuit\u00e9 et la normalit\u00e9 m\u00e9trique des indicateurs. Dans ce contexte, les psychom\u00e9triciens privil\u00e9gient historiquement la formule 20 de Kuder-Richardson (KR-20), qui constitue le cas particulier alg\u00e9brique de l&rsquo;alpha adapt\u00e9 aux items dichotomiques :<\/p>\n<p style=\"text-align: center;\"><span class=\"arabpsy-eq\" dir=\"ltr\"><em>KR-20 = [k \/ (k &#8211; 1)] \u00d7 [1 &#8211; (\u03a3 p_i q_i) \/ s\u00b2]<\/em><\/span><\/p>\n<p>o\u00f9 <span class=\"arabpsy-math-inline\" data-latex=\"k\">$k$<\/span> repr\u00e9sente le nombre total d&rsquo;items, <span class=\"arabpsy-math-inline\" data-latex=\"p_i\">$p_i$<\/span> la proportion de r\u00e9ponses positives \u00e0 l&rsquo;item <span class=\"arabpsy-math-inline\" data-latex=\"i\">$i$<\/span>, <span class=\"arabpsy-math-inline\" data-latex=\"q_i = 1 - p_i\">$q_i = 1 &#8211; p_i$<\/span>, et <span class=\"arabpsy-math-inline\" data-latex=\"s^2\">$s^2$<\/span> la variance totale observ\u00e9e du test global.<\/p>\n<p>En deuxi\u00e8me lieu, l&rsquo;examen de la structure factorielle sous-jacente impose l&#8217;emploi de l&rsquo;<strong>analyse factorielle confirmatoire pour donn\u00e9es cat\u00e9gorielles<\/strong>. Les corr\u00e9lations bivari\u00e9es entre items binaires doivent \u00eatre calcul\u00e9es au moyen de coefficients de corr\u00e9lation t\u00e9trachoriques plut\u00f4t que de corr\u00e9lations de Pearson ordinaires (qui sous-estiment syst\u00e9matiquement la force du lien lorsque les proportions <span class=\"arabpsy-math-inline\" data-latex=\"p\">$p$<\/span> divergent). L&rsquo;estimation s&rsquo;effectue ensuite par des m\u00e9thodes d&rsquo;estimation robustes, telles que les moindres carr\u00e9s pond\u00e9r\u00e9s diagonalement ajust\u00e9s en moyenne et variance (WLSMV).<\/p>\n<p>En troisi\u00e8me lieu, la <a href=\"https:\/\/fr.wikipedia.org\/wiki\/Th%C3%A9orie_de_la_r%C3%A9ponse_aux_items\" target=\"_blank\" rel=\"noopener noreferrer\">th\u00e9orie de la r\u00e9ponse aux items<\/a> offre l&rsquo;appareillage analytique le plus puissant pour calibrer les variables binaires. Les mod\u00e8les logistiques \u00e0 un param\u00e8tre (mod\u00e8le de Rasch), \u00e0 deux param\u00e8tres (2PL, int\u00e9grant la difficult\u00e9 <span class=\"arabpsy-math-inline\" data-latex=\"b_i\">$b_i$<\/span> et la discrimination <span class=\"arabpsy-math-inline\" data-latex=\"a_i\">$a_i$<\/span>) ou \u00e0 trois param\u00e8tres (3PL, int\u00e9grant en outre le pseudo-hasard <span class=\"arabpsy-math-inline\" data-latex=\"c_i\">$c_i$<\/span>) permettent d&rsquo;\u00e9tablir une cartographie pr\u00e9cise de l&rsquo;information apport\u00e9e par chaque item binaire le long du continuum de trait latent, \u00e9vitant ainsi les \u00e9cueils des scores somm\u00e9s bruts.<\/p>\n<h3>10. Applications et port\u00e9e pratique<\/h3>\n<p>L&rsquo;op\u00e9rationnalisation par variable binaire s&rsquo;av\u00e8re indispensable dans une multitude de domaines appliqu\u00e9s de la psychologie et des sciences comportementales :<\/p>\n<p>En <strong>psychologie clinique et psychiatrie<\/strong>, la variable binaire pr\u00e9side aux d\u00e9cisions th\u00e9rapeutiques majeures. Qu&rsquo;il s&rsquo;agisse de poser une indication d&rsquo;hospitalisation d&rsquo;urgence face \u00e0 un risque suicidaire imminent ou de prescrire une mol\u00e9cule pharmacologique apr\u00e8s avoir qualifi\u00e9 la pr\u00e9sence d&rsquo;un trouble bipolaire, le praticien doit convertir une constellation de signes cliniques continus en une d\u00e9cision binaire d&rsquo;action (traiter versus s&rsquo;abstenir). Les arbres de d\u00e9cision cliniques et les algorithmes pr\u00e9dictifs reposent int\u00e9gralement sur cette logique d&rsquo;aiguillage dichotomique.<\/p>\n<p>Dans le secteur de la <strong>psychologie du travail et des ressources humaines<\/strong>, la s\u00e9lection professionnelle s&rsquo;articule autour d&rsquo;issues binaires : s\u00e9lection ou non-s\u00e9lection d&rsquo;un candidat, franchissement d&rsquo;un score seuil \u00e9liminatoire \u00e0 un test d&rsquo;aptitudes cognitives g\u00e9n\u00e9rales, ou maintien en poste \u00e0 l&rsquo;issue de la p\u00e9riode d&rsquo;essai. L&rsquo;analyse de l&rsquo;utilit\u00e9 financi\u00e8re et psychom\u00e9trique de ces processus de tri fait appel aux \u00e9quations de Taylor-Russell, qui mod\u00e9lisent pr\u00e9cis\u00e9ment l&rsquo;intersection entre le taux de s\u00e9lection binaire et le coefficient de validit\u00e9 de l&rsquo;outil pr\u00e9dictif.<\/p>\n<p>En <strong>ergonomie cognitive et conception d&rsquo;interfaces (UX\/UI)<\/strong>, l&rsquo;enregistrement des variables binaires d&rsquo;utilisabilit\u00e9 guide l&rsquo;optimisation des environnements num\u00e9riques. Les m\u00e9triques de compl\u00e9tion de t\u00e2che (\u00ab la t\u00e2che a-t-elle \u00e9t\u00e9 accomplie avec succ\u00e8s sans guidage externe : Oui\/Non \u00bb) et les taux d&rsquo;erreur par clic fournissent des donn\u00e9es tangibles pour \u00e9valuer la charge cognitive et la navigabilit\u00e9 des plateformes logicielles.<\/p>\n<h3>11. Recherche et donn\u00e9es empiriques<\/h3>\n<p>La litt\u00e9rature contemporaine en psychologie regorge d&rsquo;\u00e9tudes m\u00e9thodologiques examinant l&rsquo;impact du traitement analytique des variables binaires sur la reproductibilit\u00e9 des r\u00e9sultats scientifiques. Les travaux pionniers de Robert MacCallum et ses coll\u00e8gues (2002) sur la dichotomisation des variables quantitatives continues ont mis en lumi\u00e8re les biais consid\u00e9rables introduits par cette pratique courante mais d\u00e9conseill\u00e9e. En comparant des simulations de Monte Carlo, ces auteurs ont d\u00e9montr\u00e9 que scinder une variable continue par la m\u00e9diane induit une perte d&rsquo;information \u00e9quivalente \u00e0 la suppression d&rsquo;un tiers \u00e0 la moiti\u00e9 de la taille de l&rsquo;\u00e9chantillon, tout en gonflant artificiellement le taux d&rsquo;erreur de type I lorsqu&rsquo;il existe une corr\u00e9lation entre les pr\u00e9dicteurs.<\/p>\n<p>Dans le domaine des neurosciences cognitives, les recherches sur la prise de d\u00e9cision perceptive (par exemple, les exp\u00e9riences canoniques de William Newsome et Michael Shadlen sur les singes rh\u00e9sus observant des nuages de points en mouvement al\u00e9atoire) ont \u00e9tabli des correspondances directes entre le d\u00e9chargement unitaire de neurones de l&rsquo;aire corticale m\u00e9dio-temporale (MT\/V5) et l&rsquo;\u00e9mission d&rsquo;un choix saccadique binaire (regard vers la gauche versus regard vers la droite). Ces travaux empiriques ont permis le d\u00e9veloppement des mod\u00e8les de diffusion d&rsquo;accumulateurs continus de d\u00e9rive (mod\u00e8le de d\u00e9rive-diffusion de Roger Ratcliff), qui r\u00e9concilient le caract\u00e8re continu de l&rsquo;accumulation neuronale d&rsquo;informations sensorielles avec l&rsquo;\u00e9mergence d&rsquo;une r\u00e9ponse motrice terminale strictement binaire.<\/p>\n<p>Dans le champ de la sant\u00e9 publique et de la psychologie m\u00e9dicale, des mod\u00e9lisations \u00e9pid\u00e9miologiques massives analysant des millions de variables binaires d&rsquo;admission hospitali\u00e8re ont permis de d\u00e9terminer les trajectoires de comorbidit\u00e9 psychiatrique au moyen d&rsquo;analyses de classes latentes et d&rsquo;arbres de r\u00e9gression logistique, illustrant l&rsquo;efficacit\u00e9 computationnelle de ces donn\u00e9es au sein d&rsquo;\u00e9chantillons volumineux.<\/p>\n<h3>12. Consid\u00e9rations culturelles et transculturelles<\/h3>\n<p>L&#8217;emploi d&rsquo;items ou de mesures binaires dans les recherches transculturelles soul\u00e8ve des d\u00e9fis d&rsquo;\u00e9quivalence de mesure particuli\u00e8rement complexes. Dans de nombreuses traditions psychom\u00e9triques occidentales, le format de r\u00e9ponse binaire (ex. : \u00ab Vrai \/ Faux \u00bb ou \u00ab D&rsquo;accord \/ Pas d&rsquo;accord \u00bb) est pris\u00e9 pour sa rapidit\u00e9 d&rsquo;administration et sa simplicit\u00e9 cognitive apparente. N\u00e9anmoins, sa validit\u00e9 \u00e9cologique varie consid\u00e9rablement selon les contextes culturels et sociolinguistiques.<\/p>\n<p>Tout d&rsquo;abord, les <strong>styles de r\u00e9ponse<\/strong> varient syst\u00e9matiquement d&rsquo;une culture \u00e0 l&rsquo;autre. Dans les contextes valorisant l&rsquo;harmonie interpersonnelle et l&rsquo;\u00e9vitement de la confrontation directe (styles de communication \u00e0 haut contexte, fr\u00e9quents en Asie de l&rsquo;Est), contraindre un participant \u00e0 une r\u00e9ponse binaire tranch\u00e9e peut susciter un inconfort psychologique ou une d\u00e9tresse m\u00e9thodologique, se traduisant par un taux \u00e9lev\u00e9 d&rsquo;omissions ou une adh\u00e9sion conventionnelle syst\u00e9matique (biais d&rsquo;acquiescement). \u00c0 l&rsquo;inverse, dans les cultures valorisant l&rsquo;affirmation individuelle et le d\u00e9bat d&rsquo;id\u00e9es (styles \u00e0 bas contexte), la posture dichotomique est appr\u00e9hend\u00e9e comme un acte d&rsquo;expression directe et naturelle.<\/p>\n<p>De surcro\u00eet, le seuil s\u00e9mantique \u00e0 partir duquel un individu consent \u00e0 d\u00e9clarer la pr\u00e9sence d&rsquo;un sympt\u00f4me (comme \u00ab la tristesse \u00bb ou \u00ab la nervosit\u00e9 \u00bb) d\u00e9pend des normes d&rsquo;expression affective propres \u00e0 sa communaut\u00e9 culturelle. Une variable binaire codant la pr\u00e9sence d&rsquo;un affect dysphorique ne poss\u00e8de pas la m\u00eame charge d&rsquo;intensit\u00e9 ph\u00e9nom\u00e9nologique chez un individu issu d&rsquo;un environnement culturel qui encourage la somatisation compar\u00e9 \u00e0 un autre qui favorise la psychologisation explicite des conflits int\u00e9rieurs. Ces \u00e9carts menacent l&rsquo;<strong>invariance de mesure<\/strong> et obligent \u00e0 v\u00e9rifier l&rsquo;absence de fonctionnement diff\u00e9rentiel d&rsquo;item (DIF) entre les sous-groupes culturels avant toute tentative de comparaison transnationale.<\/p>\n<h3>13. Critiques, d\u00e9bats et limites m\u00e9thodologiques<\/h3>\n<p>L&rsquo;utilisation des variables binaires au sein de l&rsquo;architecture de la recherche en psychologie fait l&rsquo;objet de vives controverses \u00e9pist\u00e9mologiques et statistiques :<\/p>\n<p>Le principal grief concerne la <strong>dichotomisation abusive de dimensions psychologiques continues<\/strong>. Trop souvent, pour des motifs de simplification p\u00e9dagogique ou par mim\u00e9tisme avec la nosologie m\u00e9dicale conventionnelle, des chercheurs scindent des distributions continues au niveau de la moyenne, de la m\u00e9diane ou d&rsquo;un seuil clinique pragmatique. Cette op\u00e9ration \u00e9limine les nuances intra-groupes : un individu situ\u00e9 juste au-dessus du seuil est arbitrairement consid\u00e9r\u00e9 comme identique \u00e0 un sujet plac\u00e9 au sommet de la distribution, alors qu&rsquo;il est artificiellement distingu\u00e9 d&rsquo;un individu situ\u00e9 imm\u00e9diatement sous le seuil. Ce proc\u00e9d\u00e9 r\u00e9duit drastiquement la fid\u00e9lit\u00e9 du signal et favorise les crises de non-reproductibilit\u00e9 en masquant la variabilit\u00e9 continue intrins\u00e8que des processus humains.<\/p>\n<p>Le deuxi\u00e8me d\u00e9bat m\u00e9thodologique concerne la <strong>perte de puissance statistique<\/strong>. \u00c0 taille d&rsquo;\u00e9chantillon \u00e9gale, un mod\u00e8le statistique calcul\u00e9 sur des variables binaires n\u00e9cessite un volume de sujets significativement plus vaste pour d\u00e9tecter une taille d&rsquo;effet \u00e9quivalente \u00e0 celle d&rsquo;une variable continue. L&rsquo;information contenue dans les extr\u00eames et la finesse de la dispersion \u00e9tant gomm\u00e9es, l&rsquo;estimation des erreurs-types est moins pr\u00e9cise, ce qui rend l&rsquo;identification des relations fonctionnelles subtiles beaucoup plus al\u00e9atoire.<\/p>\n<p>Le troisi\u00e8me \u00e9cueil r\u00e9side dans l&rsquo;<strong>inad\u00e9quation des estimateurs lin\u00e9aires standards<\/strong>. L&rsquo;application de r\u00e9gressions lin\u00e9aires conventionnelles (m\u00e9thode des moindres carr\u00e9s) \u00e0 des variables d\u00e9pendantes binaires engendre le mod\u00e8le lin\u00e9aire de probabilit\u00e9, dont les pr\u00e9dictions math\u00e9matiques peuvent aberrer hors de l&rsquo;intervalle ferm\u00e9 [0, 1]. Bien que la r\u00e9gression logistique corrige ce d\u00e9faut par une transformation sigmo\u00efde, l&rsquo;interpr\u00e9tation des rapports de cotes (<em>odds ratios<\/em>, OR) qui en d\u00e9coulent est fr\u00e9quemment source de contresens majeurs chez les praticiens, ceux-ci confondant r\u00e9guli\u00e8rement le rapport de cotes avec le risque relatif, en particulier lorsque l&rsquo;\u00e9v\u00e9nement \u00e9tudi\u00e9 pr\u00e9sente une fr\u00e9quence d&rsquo;occurrence \u00e9lev\u00e9e au sein de la population.<\/p>\n<h3>14. Termes connexes et distinctions<\/h3>\n<p>Afin de pr\u00e9venir toute ambigu\u00eft\u00e9 terminologique au sein des protocoles de recherche, il importe de d\u00e9limiter clairement la variable binaire par rapport aux concepts statistiques voisins :<\/p>\n<ul>\n<li><strong>Variable binaire versus Variable continue :<\/strong> Une variable continue peut th\u00e9oriquement assumer un nombre infini non d\u00e9nombrable de valeurs au sein d&rsquo;un intervalle num\u00e9rique r\u00e9el (ex. : temps de r\u00e9action en millisecondes, concentration s\u00e9rique de cortisol). La variable binaire ne peut en admettre que deux et ne tol\u00e8re aucun degr\u00e9 interm\u00e9diaire d&rsquo;expression manifeste.<\/li>\n<li><strong>Variable binaire versus Variable polytomique (ou multinomiale) :<\/strong> Une variable polytomique est une variable cat\u00e9gorielle qui comporte trois modalit\u00e9s qualitatives ou davantage sans hi\u00e9rarchie inh\u00e9rente (ex. : orientation th\u00e9orique d&rsquo;un psychologue : cognitive-comportementale, psychanalytique, syst\u00e9mique ou humaniste). La variable binaire en constitue le cas particulier restreint \u00e0 <span class=\"arabpsy-math-inline\" data-latex=\"k = 2\">$k = 2$<\/span> modalit\u00e9s.<\/li>\n<li><strong>Variable binaire versus Variable ordinale :<\/strong> Une variable ordinale ordonne hi\u00e9rarchiquement ses cat\u00e9gories selon une \u00e9chelle d&rsquo;intensit\u00e9 relative (ex. : \u00e9chelle de Likert \u00e0 5 points de \u00ab Pas du tout d&rsquo;accord \u00bb \u00e0 \u00ab Tout \u00e0 fait d&rsquo;accord \u00bb), sans que les distances entre \u00e9chelons cons\u00e9cutifs soient rigoureusement \u00e9gales. Une variable binaire ne comporte aucune hi\u00e9rarchie quantitative intrins\u00e8que, sauf si elle r\u00e9sulte du seuillage d\u00e9lib\u00e9r\u00e9 d&rsquo;un continuum.<\/li>\n<li><strong>Variable binaire versus Variable factice (muette) :<\/strong> Si une variable factice (<em>dummy variable<\/em>) adopte syst\u00e9matiquement une forme binaire (0 ou 1), elle d\u00e9signe une construction purement alg\u00e9brique et instrumentale cr\u00e9\u00e9e par l&rsquo;analyste pour injecter une variable nominale \u00e0 plusieurs niveaux dans une matrice de mod\u00e9lisation lin\u00e9aire, alors que la variable binaire constitue un descripteur g\u00e9n\u00e9ral pouvant exister en dehors de toute r\u00e9gression.<\/li>\n<\/ul>\n<h3>15. Synth\u00e8se et points cl\u00e9s \u00e0 retenir<\/h3>\n<p>En r\u00e9sum\u00e9, la variable binaire constitue une unit\u00e9 \u00e9l\u00e9mentaire irrempla\u00e7able dans l&rsquo;arsenal conceptuel et m\u00e9thodologique des sciences du comportement et de la psychologie :<\/p>\n<ul>\n<li>Elle formalise des \u00e9tats d&rsquo;observation mutuellement exclusifs et exhaustivement r\u00e9partis en deux cat\u00e9gories distinctes, couramment cod\u00e9es 0 et 1.<\/li>\n<li>Elle se d\u00e9cline en formes naturelles (refl\u00e9tant une discontinuit\u00e9 objective du ph\u00e9nom\u00e8ne \u00e9tudi\u00e9) et artificielles (issues du seuillage d\u00e9lib\u00e9r\u00e9 d&rsquo;une dimension continue).<\/li>\n<li>Sa nature discr\u00e8te impose des cadres math\u00e9matiques sp\u00e9cifiques d\u00e9rogeant aux lois gaussiennes, r\u00e9gis par la loi de Bernoulli et trait\u00e9s pr\u00e9f\u00e9rentiellement par les mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s (notamment la r\u00e9gression logistique).<\/li>\n<li>En psychom\u00e9trie, le traitement d&rsquo;items binaires requiert des techniques adapt\u00e9es telles que la formule KR-20, les corr\u00e9lations t\u00e9trachoriques et les mod\u00e8les de la th\u00e9orie de la r\u00e9ponse aux items (mod\u00e8les de Rasch, 2PL, 3PL).<\/li>\n<li>La dichotomisation artificielle de variables continues doit \u00eatre rigoureusement \u00e9vit\u00e9e dans les protocoles de recherche scientifique en raison des pertes substantielles de puissance et des risques accrus d&rsquo;erreurs m\u00e9thodologiques.<\/li>\n<\/ul>\n<h2>R\u00e9f\u00e9rences<\/h2>\n<ul>\n<li>Boole, G. (1854). <em>An investigation of the laws of thought on which are founded the mathematical theories of logic and probabilities<\/em>. Walton and Maberly.<\/li>\n<li>MacCallum, R. C., Zhang, S., Preacher, K. J., &amp; Rucker, D. D. (2002). On the practice of dichotomization of quantitative variables. <em>Psychological Methods<\/em>, 7(1), 19\u201340. <a href=\"https:\/\/doi.org\/10.1037\/1082-989X.7.1.19\" target=\"_blank\" rel=\"noopener noreferrer\">https:\/\/doi.org\/10.1037\/1082-989X.7.1.19<\/a><\/li>\n<li>Nelder, J. A., &amp; Wedderburn, R. W. (1972). Generalized linear models. <em>Journal of the Royal Statistical Society: Series A (General)<\/em>, 135(3), 370\u2013384. <a href=\"https:\/\/doi.org\/10.2307\/2344614\" target=\"_blank\" rel=\"noopener noreferrer\">https:\/\/doi.org\/10.2307\/2344614<\/a><\/li>\n<li>Rasch, G. (1960). <em>Probabilistic models for some intelligence and attainment tests<\/em>. Danish Institute for Educational Research.<\/li>\n<li>Stevens, S. S. (1946). On the theory of scales of measurement. <em>Science<\/em>, 103(2684), 677\u2013680. <a href=\"https:\/\/doi.org\/10.1126\/science.103.2684.677\" target=\"_blank\" rel=\"noopener noreferrer\">https:\/\/doi.org\/10.1126\/science.103.2684.677<\/a><\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>D\u00e9couvrez la d\u00e9finition, les propri\u00e9t\u00e9s statistiques et les implications m\u00e9thodologiques de la variable binaire en psychologie et psychom\u00e9trie.<\/p>\n","protected":false},"author":1,"featured_media":0,"template":"","categories":[2214,2,1838],"tags":[2219,308,16,1842,37026,7822],"class_list":["post-22036","psych_term","type-psych_term","status-publish","hentry","category-methodologie","category-psychometrie","category-statistiques","tag-methodologie-quantitative","tag-modele-de-rasch","tag-psychometrie","tag-statistiques-psychologiques","tag-variable-binaire","tag-variable-dichotomique"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/22036","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\/22036\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=22036"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=22036"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=22036"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}