Dans l’exploration scientifique de l’esprit et du comportement humain, comprendre comment deux dimensions psychologiques s’entrelacent constitue l’une des d\u00e9marches fondamentales de la recherche empirique. Qu’il s’agisse de lier le niveau de stress per\u00e7u \u00e0 la qualit\u00e9 du sommeil ou d’examiner l’impact de l’attachement pr\u00e9coce sur la r\u00e9gulation \u00e9motionnelle, les chercheurs recourent continuellement \u00e0 des m\u00e9thodes quantitatives cibl\u00e9es. Au c\u0153ur de cette qu\u00eate m\u00e9thodologique r\u00e9side l’analyse bivari\u00e9e, v\u00e9ritable passerelle entre la simple description univari\u00e9e d’un ph\u00e9nom\u00e8ne et la mod\u00e9lisation multivari\u00e9e de syst\u00e8mes psychiques complexes.<\/p>\n
En statistique descriptive et inf\u00e9rentielle appliqu\u00e9e \u00e0 la psychologie, le terme bivari\u00e9<\/strong> (ou analyse bivari\u00e9e<\/em>) d\u00e9signe l’analyse simultan\u00e9e de deux variables distinctes mesur\u00e9es sur un m\u00eame ensemble d’individus ou d’unit\u00e9s d’observation, afin de d\u00e9terminer la nature, la force et la direction de leur relation statistique. Contrairement aux approches univari\u00e9es qui n’\u00e9tudient qu’un seul attribut de fa\u00e7on isol\u00e9e, l’approche bivari\u00e9e explore si les variations observ\u00e9es chez un ph\u00e9nom\u00e8ne sont syst\u00e9matiquement associ\u00e9es aux variations observ\u00e9es chez un autre.<\/p>\n Ce concept ne pr\u00e9sume pas n\u00e9cessairement un lien de causalit\u00e9 directe, mais s’int\u00e9resse \u00e0 la covariation, \u00e0 la contingence ou \u00e0 la comparaison de deux mesures. Dans la pratique psychologique, l’analyse bivari\u00e9e englobe un vaste \u00e9ventail d’outils math\u00e9matiques, incluant les coefficients de corr\u00e9lation lin\u00e9aire, les tests de comparaison de moyennes pour deux groupes d\u00e9pendants ou ind\u00e9pendants, ainsi que les tables de contingence pour variables nominales.<\/p>\n Sur le plan \u00e9pist\u00e9mologique, l’analyse bivari\u00e9e constitue la premi\u00e8re \u00e9tape formelle vers la validation empirique d’hypoth\u00e8ses relationnelles en psychologie. Elle permet de v\u00e9rifier si un construit psychologique hypoth\u00e9tique entretient des liens coh\u00e9rents avec un crit\u00e8re comportemental ou clinique observable, posant ainsi les jalons indispensables \u00e0 l’\u00e9laboration de th\u00e9ories plus vastes.<\/p>\n L’adjectif \u00ab bivari\u00e9 \u00bb est un n\u00e9ologisme scientifique form\u00e9 par composition savante au d\u00e9but du XXe si\u00e8cle au sein de la communaut\u00e9 statistique anglo-saxonne (bivariate<\/em>), avant d’\u00eatre transpos\u00e9 dans la litt\u00e9rature scientifique francophone. Il se compose du pr\u00e9fixe latin bi-<\/em>, d\u00e9riv\u00e9 de bis<\/em> signifiant \u00ab deux fois \u00bb ou \u00ab double \u00bb, et du radical \u00ab vari\u00e9 \u00bb, issu du participe pass\u00e9 du verbe latin variare<\/em>, signifiant \u00ab diversifier \u00bb, \u00ab changer \u00bb ou \u00ab rendre d’aspect diff\u00e9rent \u00bb, lui-m\u00eame d\u00e9riv\u00e9 de l’adjectif varius<\/em> (vari\u00e9, changeant, tachet\u00e9).<\/p>\n Le substantif \u00ab variable \u00bb, emprunt\u00e9 au bas latin variabilis<\/em> (\u00ab susceptible de changer \u00bb), a d’abord trouv\u00e9 sa place dans le calcul diff\u00e9rentiel et l’alg\u00e8bre avant d’int\u00e9grer le vocabulaire des sciences exp\u00e9rimentales pour d\u00e9signer toute propri\u00e9t\u00e9 susceptible de prendre diff\u00e9rentes valeurs au sein d’une population. L’accolement du pr\u00e9fixe bi-<\/em> au substantif nominalis\u00e9 a donn\u00e9 naissance \u00e0 bivariate<\/em> dans les travaux pionniers de biom\u00e9trie et de psychom\u00e9trie anim\u00e9s par l’\u00e9cole statistique britannique.<\/p>\n Introduit formellement pour distinguer les distributions conjointes des distributions \u00e0 une seule variable (univari\u00e9es) ou \u00e0 de multiples variables (multivari\u00e9es), le terme s’est diffus\u00e9 dans la psychologie exp\u00e9rimentale et diff\u00e9rentielle via les travaux de psychom\u00e9triciens francophones traduisant les concepts fondateurs de la mesure psychologique au milieu du si\u00e8cle dernier.<\/p>\n En fran\u00e7ais, le mot \u00ab bivari\u00e9 \u00bb se prononce phon\u00e9tiquement \/bi.va.\u0281je\/. Il s’agit d’un adjectif qualificatif relationnel appartenant au registre technique, acad\u00e9mique et scientifique. Sur le plan orthographique, il s’accorde en genre et en nombre avec le nom qu’il qualifie : \u00ab bivari\u00e9 \u00bb au masculin singulier, \u00ab bivari\u00e9e \u00bb au f\u00e9minin singulier (comme dans l’expression fr\u00e9quente \u00ab analyse bivari\u00e9e \u00bb), \u00ab bivari\u00e9s \u00bb au masculin pluriel (\u00ab mod\u00e8les bivari\u00e9s \u00bb) et \u00ab bivari\u00e9es \u00bb au f\u00e9minin pluriel (\u00ab distributions bivari\u00e9es \u00bb).<\/p>\n Bien qu’il soit principalement employ\u00e9 comme adjectif \u00e9pith\u00e8te ou attribut, le terme peut parfois \u00eatre substantiv\u00e9 par ellipse dans les discussions sp\u00e9cialis\u00e9es sous la forme \u00ab le bivari\u00e9 \u00bb, par opposition \u00e0 \u00ab l’univari\u00e9 \u00bb ou \u00ab le multivari\u00e9 \u00bb. Cependant, l’usage acad\u00e9mique rigoureux privil\u00e9gie les locutions compl\u00e8tes telles que \u00ab distribution bivari\u00e9e \u00bb, \u00ab corr\u00e9lation bivari\u00e9e \u00bb, \u00ab statistique bivari\u00e9e \u00bb ou \u00ab r\u00e9gression bivari\u00e9e \u00bb.<\/p>\n Dans la litt\u00e9rature psychologique, l’emploi de cet adjectif est r\u00e9serv\u00e9 exclusivement aux contextes impliquant pr\u00e9cis\u00e9ment deux variables. D\u00e8s lors qu’une troisi\u00e8me variable est introduite comme m\u00e9diatrice, mod\u00e9ratrice ou covariable de contr\u00f4le, l’analyse quitte le champ bivari\u00e9 pour entrer dans celui de l’analyse multivari\u00e9e ou trivari\u00e9e.<\/p>\n Pour saisir toute la profondeur de l’analyse bivari\u00e9e dans les sciences psychologiques, il convient de d\u00e9passer la simple juxtaposition de deux mesures. L’analyse bivari\u00e9e repose sur l’hypoth\u00e8se fondamentale que la variabilit\u00e9 observ\u00e9e dans le fonctionnement psychologique, cognitif ou affectif n’est pas purement al\u00e9atoire, mais s’organise selon des structures de relations significatives. Lorsqu’un psychologue examine le lien entre l’anxi\u00e9t\u00e9-trait et la performance mn\u00e9sique, il ne cherche pas simplement \u00e0 d\u00e9crire ces deux entit\u00e9s, mais \u00e0 mod\u00e9liser la mani\u00e8re dont l’information contenue dans la premi\u00e8re variable r\u00e9duit l’incertitude quant aux valeurs prises par la seconde.<\/p>\n Le spectre conceptuel de l’analyse bivari\u00e9e d\u00e9pend intrins\u00e8quement de la nature des \u00e9chelles de mesure utilis\u00e9es, telles que d\u00e9finies par la typologie de Stanley Smith Stevens : nominale, ordinale, d’intervalle ou de rapport. Selon le croisement de ces \u00e9chelles, la question bivari\u00e9e se formule diff\u00e9remment :<\/p>\n Dans le cas de deux variables qualitatives nominales, l’analyse cherche \u00e0 identifier une d\u00e9pendance ou une ind\u00e9pendance de contingence. Par exemple, existe-t-il une association entre le type d’attachement adulte (s\u00e9cure, \u00e9vitant, anxieux-ambivalent, d\u00e9sorganis\u00e9) et le diagnostic psychiatrique primaire ? La distribution conjointe est alors r\u00e9sum\u00e9e dans un tableau crois\u00e9, et l’intensit\u00e9 du lien est \u00e9valu\u00e9e \u00e0 l’aide de mesures non param\u00e9triques.<\/p>\n Lorsque l’une des variables est qualitative nominale (g\u00e9n\u00e9ralement con\u00e7ue comme une variable ind\u00e9pendante cat\u00e9gorielle, comme le groupe exp\u00e9rimental versus le groupe t\u00e9moin) et que l’autre est quantitative continue (par exemple, le score sur l’inventaire de d\u00e9pression de Beck), l’analyse bivari\u00e9e prend la forme d’une comparaison de distributions. La question centrale devient alors : la distribution de la variable continue varie-t-elle de mani\u00e8re statistiquement significative selon les modalit\u00e9s de la variable cat\u00e9gorielle ?<\/p>\n Enfin, lorsque deux variables quantitatives continues sont mises en regard, l’analyse bivari\u00e9e examine le degr\u00e9 de covariation lin\u00e9aire ou monotone. Les scores sur une \u00e9chelle d’empathie cognitive covarient-ils positivement avec les scores sur une mesure de comp\u00e9tence en communication interpersonnelle ? Ce questionnement constitue le socle des mod\u00e8les de pr\u00e9diction lin\u00e9aire simple, o\u00f9 l’on cherche \u00e0 exprimer les valeurs de l’une des variables en fonction de l’autre par une \u00e9quation math\u00e9matique \u00e9l\u00e9mentaire.<\/p>\n L’histoire de l’analyse bivari\u00e9e est indissociable de l’\u00e9mergence de la psychologie diff\u00e9rentielle et de la psychom\u00e9trie \u00e0 la fin du XIXe si\u00e8cle. Son acte de naissance th\u00e9orique peut \u00eatre attribu\u00e9 aux travaux novateurs de Francis Galton<\/a>. En \u00e9tudiant la transmission h\u00e9r\u00e9ditaire des traits physiques et psychologiques, Galton a remarqu\u00e9 que les enfants de parents exceptionnellement grands avaient tendance \u00e0 \u00eatre plus petits que leurs g\u00e9niteurs, tout en restant plus grands que la moyenne g\u00e9n\u00e9rale. Ce ph\u00e9nom\u00e8ne, qu’il a d’abord nomm\u00e9 \u00ab r\u00e9gression vers la m\u00e9diocrit\u00e9 \u00bb puis r\u00e9gression vers la moyenne, a conduit \u00e0 la formulation intuitive de la co-relation math\u00e9matique en 1888.<\/p>\n Toutefois, Galton manquait de l’appareil math\u00e9matique formel pour universaliser sa d\u00e9couverte. C’est le math\u00e9maticien et biom\u00e9tricien Karl Pearson<\/a> qui, s’inspirant des id\u00e9es de Galton et des travaux d’Auguste Bravais sur les ellipso\u00efdes d’erreurs, a formalis\u00e9 dans les ann\u00e9es 1890 le coefficient de corr\u00e9lation produit-moment (commun\u00e9ment appel\u00e9 \u00ab r<\/em> de Pearson \u00bb). Pearson a d\u00e9montr\u00e9 comment quantifier de mani\u00e8re standardis\u00e9e la force d’une association lin\u00e9aire entre deux variables continues, ind\u00e9pendamment de leurs unit\u00e9s de mesure respectives.<\/p>\n Peu de temps apr\u00e8s, Charles Spearman<\/a> a \u00e9tendu cette logique bivari\u00e9e aux variables ordinales en introduisant le coefficient rho ($ Au fil du XXe si\u00e8cle, sous l’influence des travaux de Ronald Fisher sur la variance et de William Sealy Gosset sur les petits \u00e9chantillons, les tests bivari\u00e9s d’hypoth\u00e8ses se sont institutionnalis\u00e9s dans les manuels de psychologie exp\u00e9rimentale. L’av\u00e8nement des calculateurs \u00e9lectroniques puis des logiciels d’analyse statistique dans les ann\u00e9es 1970 et 1980 a d\u00e9mocratis\u00e9 ces calculs, transformant l’analyse bivari\u00e9e en une \u00e9tape de routine quasi universelle dans tout projet de recherche empirique.<\/p>\n Sur le plan math\u00e9matique et probabiliste, l’analyse bivari\u00e9e repose sur le concept de fonction de distribution conjointe. Soient deux variables al\u00e9atoires, $X$<\/span> et $Y$<\/span>, d\u00e9finies sur un m\u00eame espace probabilis\u00e9. La distribution bivari\u00e9e caract\u00e9rise la probabilit\u00e9 que $X$<\/span> et $Y$<\/span> prennent simultan\u00e9ment des valeurs particuli\u00e8res ou tombent dans un intervalle d\u00e9termin\u00e9. Si les deux variables sont mutuellement ind\u00e9pendantes au sens probabiliste, leur fonction de densit\u00e9 conjointe \u00e9quivaut exactement au produit de leurs densit\u00e9s marginales respectives : $P(X cap Y) = P(X) \times P(Y)$<\/span>. Tout \u00e9cart syst\u00e9matique par rapport \u00e0 cette \u00e9galit\u00e9 t\u00e9moigne d’une association bivari\u00e9e.<\/p>\n Le concept central unissant deux variables quantitatives est la covariance<\/a>. Elle mesure la mesure dans laquelle les \u00e9carts des valeurs de $X$<\/span> par rapport \u00e0 leur moyenne sont synchronis\u00e9s avec les \u00e9carts des valeurs de $Y$<\/span> par rapport \u00e0 la leur :<\/p>\n $$\\mathrm{Cov}(X,Y) = \frac{\\sum (X_i – \bar{X})(Y_i – \bar{Y})}{N – 1}$$<\/span><\/p>\n Bien que la covariance fournisse le sens de l’association (positive ou n\u00e9gative), sa magnitude brute d\u00e9pend des unit\u00e9s d’\u00e9chelle des variables, ce qui emp\u00eache les comparaisons inter-\u00e9tudes directes. La standardisation de la covariance par le produit des \u00e9carts-types des deux variables engendre le coefficient de corr\u00e9lation de Pearson, qui normalise la valeur entre $-1$<\/span> et $+1$<\/span>. Ce coefficient refl\u00e8te le cosinus g\u00e9om\u00e9trique de l’angle s\u00e9parant les deux vecteurs de donn\u00e9es centr\u00e9es dans un espace vectoriel \u00e0 $N$<\/span> dimensions.<\/p>\n Un autre cadre th\u00e9orique fondamental sous-jacent \u00e0 l’analyse bivari\u00e9e est le Mod\u00e8le Lin\u00e9aire G\u00e9n\u00e9ral (MLG). Dans cette perspective, la plupart des proc\u00e9dures bivari\u00e9es classiques (comme le test t de Student, l’analyse de variance \u00e0 un facteur \u00e0 deux niveaux et la corr\u00e9lation lin\u00e9aire) ne sont que des instanciations particuli\u00e8res d’une m\u00eame \u00e9quation lin\u00e9aire :<\/p>\n $$Y = \b\\eta_0 + \b\\eta_1 X + \\epsilon$$<\/span><\/p>\n o\u00f9 $\b\\eta_0$<\/span> repr\u00e9sente l’ordonn\u00e9e \u00e0 l’origine, $\b\\eta_1$<\/span> le param\u00e8tre de pente quantifiant l’effet bivari\u00e9 de la variable ind\u00e9pendante $X$<\/span> sur la variable d\u00e9pendante $Y$<\/span>, et $epsilon$<\/span> l’erreur r\u00e9siduelle non expliqu\u00e9e. Ce cadre th\u00e9orique unifi\u00e9 d\u00e9montre que comparer les moyennes de deux groupes psychologiques \u00e9quivaut math\u00e9matiquement \u00e0 calculer une corr\u00e9lation bivari\u00e9e entre un vecteur num\u00e9rique binaire (0 ou 1) et un vecteur de scores continus.<\/p>\n L’analyse bivari\u00e9e se d\u00e9cline en une multiplicit\u00e9 de techniques et de param\u00e8tres m\u00e9thodologiques distincts, dict\u00e9s par la nature des construits psychologiques \u00e9tudi\u00e9s et les postulats de distribution :<\/p>\n Pour illustrer concr\u00e8tement l’usage de l’analyse bivari\u00e9e dans la pratique de la recherche psychologique, consid\u00e9rons trois sc\u00e9narios m\u00e9thodologiques distincts refl\u00e9tant des configurations de donn\u00e9es vari\u00e9es.<\/p>\n Dans un premier cas portant sur la psychologie de la sant\u00e9, une \u00e9quipe de chercheurs \u00e9value la relation entre le niveau per\u00e7u de soutien social (mesur\u00e9 sur une \u00e9chelle continue de 1 \u00e0 50) et le score de d\u00e9tresse psychologique g\u00e9n\u00e9rale (mesur\u00e9 sur une \u00e9chelle de 0 \u00e0 100) chez 250 patients atteints de maladies chroniques. Une corr\u00e9lation bivari\u00e9e de Pearson est calcul\u00e9e, r\u00e9v\u00e9lant un coefficient statistiquement significatif de $r = -0{,}48$<\/span> ($p < 0{,}001$). Ce r\u00e9sultat indique une relation mod\u00e9r\u00e9e \u00e0 forte et inverse : les individus b\u00e9n\u00e9ficiant d’un r\u00e9seau de soutien plus solide ont tendance \u00e0 rapporter des niveaux de d\u00e9tresse inf\u00e9rieurs, le soutien social partageant environ 23 % ($<\/span>R^2 = 0{,}2304$) de variance commune avec la d\u00e9tresse per\u00e7ue.<\/p>\n Un second cas issu de la psychologie du travail s’int\u00e9resse \u00e0 l’efficacit\u00e9 relative de deux m\u00e9thodes de formation \u00e0 la r\u00e9gulation du stress chez des managers. Soixante participants sont al\u00e9atoirement r\u00e9partis soit dans un programme de pleine conscience (Groupe A, $n = 30$<\/span>), soit dans un programme ax\u00e9 sur la gestion du temps (Groupe B, $n = 30$<\/span>). \u00c0 l’issue de l’intervention, leur niveau de cortisol salivaire apr\u00e8s une t\u00e2che de stress standardis\u00e9e est mesur\u00e9. L’analyse bivari\u00e9e consiste ici en un test t<\/em> pour \u00e9chantillons ind\u00e9pendants comparant les moyennes des deux groupes. Les r\u00e9sultats indiquent un taux moyen de cortisol significativement plus bas chez les managers ayant suivi le protocole de pleine conscience, avec une taille d’effet de $d = 0{,}65$<\/span>, attestant d’une sup\u00e9riorit\u00e9 d’efficacit\u00e9 clinique et organisationnelle de ce protocole pr\u00e9cis.<\/p>\n Un troisi\u00e8me exemple dans le domaine de la p\u00e9dopsychiatrie examine l’association entre le mode d’accouchement (voie basse versus c\u00e9sarienne d’urgence) et la pr\u00e9sence ou l’absence de troubles pr\u00e9coces de la r\u00e9gulation sensorielle chez le nourrisson \u00e0 six mois. Les deux variables \u00e9tant nominales et dichotomiques, les donn\u00e9es sont organis\u00e9es dans une table de contingence $2 \times 2$. Le calcul d’un test du khi-carr\u00e9 de contingence associ\u00e9 au coefficient phi permet d’\u00e9valuer si la probabilit\u00e9 d’observer un profil d’hypersensibilit\u00e9 sensorielle est statistiquement ind\u00e9pendante du mode de naissance.<\/p>\n L’application rigoureuse d’une analyse bivari\u00e9e en psychom\u00e9trie exige le respect minutieux de plusieurs conditions d’application m\u00e9thodologiques et de postulats statistiques. La premi\u00e8re \u00e9tape consiste toujours en une inspection visuelle exploratoire des donn\u00e9es conjointes au moyen d’un graphique de dispersion (scatterplot<\/em>) pour les variables quantitatives, ou de diagrammes en barres empil\u00e9es pour les donn\u00e9es cat\u00e9gorielles. Cette v\u00e9rification visuelle permet de d\u00e9tecter pr\u00e9cocement la pr\u00e9sence de relations non lin\u00e9aires (par exemple, une relation curvilin\u00e9aire selon la loi de Yerkes-Dodson reliant l’\u00e9veil \u00e0 la performance), d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 (variance non constante des r\u00e9sidus) ou de points aberrants multivari\u00e9s capables de distordre artificiellement les coefficients.<\/p>\n Lorsque des variables continues sont analys\u00e9es par des m\u00e9thodes param\u00e9triques, l’hypoth\u00e8se de normalit\u00e9 bivari\u00e9e doit th\u00e9oriquement \u00eatre satisfaite. Bien que la normalit\u00e9 univari\u00e9e de chaque variable soit une condition n\u00e9cessaire, elle n’est pas strictement suffisante pour garantir une distribution conjointe bivari\u00e9e normale (en forme de cloche tridimensionnelle sym\u00e9trique). L’examen de la distance de Mahalanobis permet souvent d’identifier des observations dont la combinaison de scores est atypique, m\u00eame si leurs scores individuels se situent dans la norme.<\/p>\n Par ailleurs, la fiabilit\u00e9 des instruments psychom\u00e9triques utilis\u00e9s influe directement sur l’amplitude des r\u00e9sultats bivari\u00e9s observ\u00e9s. Selon la th\u00e9orie classique des tests, l’erreur de mesure non corr\u00e9l\u00e9e att\u00e9nue syst\u00e9matiquement le coefficient de corr\u00e9lation observ\u00e9 par rapport \u00e0 la corr\u00e9lation r\u00e9elle entre les construits latents sous-jacents. Ce ph\u00e9nom\u00e8ne, connu sous le nom d’att\u00e9nuation de corr\u00e9lation, peut \u00eatre corrig\u00e9 math\u00e9matiquement \u00e0 l’aide de la formule de Spearman d\u00e8s lors que les coefficients de fid\u00e9lit\u00e9 (comme l’alpha de Cronbach ou l’om\u00e9ga de McDonald) des deux \u00e9chelles sont connus :<\/p>\n $$r_{\text{corrig\u00e9}} = \frac{r_{XY}}{\\sqrt{\u0007lpha_X \\cdot \u0007lpha_Y}}$$<\/span><\/p>\n Enfin, la puissance statistique d’une analyse bivari\u00e9e doit \u00eatre d\u00e9termin\u00e9e a priori<\/em> par une analyse de puissance (ex. : via le logiciel G*Power). Le chercheur y calibre la taille de son \u00e9chantillon en fonction de la taille d’effet minimale th\u00e9oriquement pertinente attendue, du seuil de significativit\u00e9 alpha choisi (souvent 0,05) et du niveau de puissance statistique d\u00e9sir\u00e9 (g\u00e9n\u00e9ralement 0,80 ou 0,90).<\/p>\n L’analyse bivari\u00e9e trouve des applications directes dans l’ensemble des branches appliqu\u00e9es et acad\u00e9miques de la psychologie, guidant les d\u00e9cisions diagnostiques, \u00e9valuatives et pronostiques :<\/p>\n En psychologie clinique et psychopathologie, les approches bivari\u00e9es permettent d’\u00e9tablir des profils de comorbidit\u00e9 entre diagnostics psychiatriques. Elles \u00e9clairent la validit\u00e9 concomitante d’un nouvel outil d’\u00e9valuation clinique en corr\u00e9lant ses scores avec des marqueurs \u00e9talons d\u00e9j\u00e0 valid\u00e9s (gold standard). De plus, l’examen de la relation bivari\u00e9e entre l’observance th\u00e9rapeutique et la diminution symptomatique permet d’ajuster les interventions aupr\u00e8s de populations vuln\u00e9rables.<\/p>\n En psychologie du travail et des organisations, les analyses bivari\u00e9es sont abondamment employ\u00e9es dans les processus de s\u00e9lection du personnel. Elles servent \u00e0 calculer la validit\u00e9 pr\u00e9dictive des tests psychotechniques, d’aptitude cognitive ou de traits de personnalit\u00e9 (comme le mod\u00e8le des Big Five) vis-\u00e0-vis de crit\u00e8res d’efficacit\u00e9 au travail ou de r\u00e9tention des employ\u00e9s. Une entreprise peut ainsi \u00e9valuer si le score \u00e0 un inventaire d’int\u00e9grit\u00e9 est positivement li\u00e9 aux comportements de citoyennet\u00e9 organisationnelle.<\/p>\n Dans le domaine \u00e9ducatif et scolaire, les relations bivari\u00e9es permettent d’explorer l’influence du sentiment d’auto-efficacit\u00e9 de l’\u00e9l\u00e8ve sur sa r\u00e9ussite acad\u00e9mique, ou d’estimer l’association entre le niveau de litt\u00e9ratie parentale et l’acquisition du vocabulaire chez l’enfant en maternelle.<\/p>\n En neuropsychologie, la quantification des liens bivari\u00e9s entre des mesures de d\u00e9bit sanguin c\u00e9r\u00e9bral localis\u00e9 (obtenues par imagerie par r\u00e9sonance magn\u00e9tique fonctionnelle) et le temps de r\u00e9action lors d’une t\u00e2che d’attention soutenue permet d’isoler les corr\u00e9lats neurobiologiques de la cognition.<\/p>\n L’histoire de la recherche en psychologie d\u00e9montre que de nombreuses d\u00e9couvertes majeures ont \u00e9merg\u00e9 d’analyses bivari\u00e9es minutieuses, bien que ces derni\u00e8res aient parfois fait l’objet de r\u00e9\u00e9valuations m\u00e9thodologiques approfondies.<\/p>\n2. \u00c9tymologie et origine linguistique<\/h3>\n
3. Prononciation et forme grammaticale<\/h3>\n
4. Explication conceptuelle d\u00e9taill\u00e9e<\/h3>\n
5. \u00c9volution historique<\/h3>\n
\nho$) en 1904. Cette avanc\u00e9e \u00e9tait particuli\u00e8rement adapt\u00e9e aux sciences humaines naissantes, o\u00f9 les donn\u00e9es psychologiques se pr\u00e9sentaient souvent sous forme de classements ou de rangs plut\u00f4t que de mesures d’intervalles strictes. Spearman a utilis\u00e9 ces associations bivari\u00e9es successives pour formuler sa c\u00e9l\u00e8bre th\u00e9orie bifactorielle de l’intelligence, d\u00e9montrant ainsi qu’une analyse bivari\u00e9e rigoureuse pouvait servir de brique \u00e9l\u00e9mentaire \u00e0 des architectures th\u00e9oriques majeures.<\/p>\n6. Fondements th\u00e9oriques<\/h3>\n
7. Composantes cl\u00e9s, types et dimensions<\/h3>\n
\n
8. Exemples et cas illustratifs<\/h3>\n
9. Mesure et \u00e9valuation<\/h3>\n
10. Applications et port\u00e9e pratique<\/h3>\n
11. Recherche et donn\u00e9es empiriques<\/h3>\n