Dans l’\u00e9tude scientifique du comportement et des processus mentaux, les ph\u00e9nom\u00e8nes psychologiques ne se manifestent pas toujours sous la forme de grandeurs physiques continues, mais s’expriment fr\u00e9quemment par des classifications nosologiques, des choix discrets et des paliers ordonn\u00e9s. L’analyse des donn\u00e9es cat\u00e9gorielles constitue le corpus m\u00e9thodologique et statistique rigoureux d\u00e9di\u00e9 au traitement math\u00e9matique de ces variables qualitatives, transformant des fr\u00e9quences d’observation brutes en inf\u00e9rences scientifiques de haute pr\u00e9cision.<\/p>\n
L’analyse des donn\u00e9es cat\u00e9gorielles d\u00e9signe l’ensemble des m\u00e9thodes statistiques quantitatives con\u00e7ues sp\u00e9cifiquement pour examiner, mod\u00e9liser et interpr\u00e9ter des variables dont l’espace d’\u00e9tats est constitu\u00e9 d’un nombre fini de cat\u00e9gories distinctes, non m\u00e9triques et mutuellement exclusives. Contrairement aux approches fond\u00e9es sur l’hypoth\u00e8se de distributions normales continues, cette discipline traite des \u00e9chelles de mesure nominales et ordinales \u00e0 travers des distributions de probabilit\u00e9 discr\u00e8tes telles que les lois binomiale, multinomiale et de Poisson.<\/p>\n
Au sein des sciences psychologiques, comportementales et sociales, ce cadre analytique permet de d\u00e9passer la simple statistique descriptive des pourcentages afin d’estimer des structures de d\u00e9pendance complexes, d’\u00e9valuer les effets d’interactions multiples et de pr\u00e9dire l’appartenance \u00e0 un groupe ou un diagnostic clinique. Elle englobe des outils fondamentaux allant des tables de contingence bidimensionnelles \u00e9l\u00e9mentaires aux mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s<\/a> et aux structures de classes latentes.<\/p>\n En somme, elle offre une armature probabiliste robuste indispensable d\u00e8s lors que le chercheur ou le clinicien doit formaliser des d\u00e9cisions cliniques binaires (pr\u00e9sence ou absence d’un trouble), des typologies de personnalit\u00e9 polytomiques ou des r\u00e9ponses ordonn\u00e9es issues d’\u00e9chelles psychom\u00e9triques d’auto-\u00e9valuation.<\/p>\n Le syntagme \u00ab analyse des donn\u00e9es cat\u00e9gorielles \u00bb puise ses racines dans plusieurs traditions philosophiques et scientifiques majeures. Le terme \u00ab analyse \u00bb d\u00e9rive du grec ancien analusis<\/em> (\u1f00\u03bd\u03ac\u03bb\u03c5\u03c3\u03b9\u03c2), form\u00e9 du pr\u00e9fixe ana-<\/em> (\u00ab de bas en haut \u00bb, \u00ab en remontant \u00bb) et du verbe luein<\/em> (\u00ab d\u00e9lier \u00bb, \u00ab dissoudre \u00bb), signifiant litt\u00e9ralement la d\u00e9composition d’un ensemble complexe en ses constituants \u00e9l\u00e9mentaires afin d’en saisir les propri\u00e9t\u00e9s fondamentales.<\/p>\n Le substantif \u00ab donn\u00e9e \u00bb provient du participe pass\u00e9 passif du verbe latin dare<\/em> (\u00ab donner \u00bb), transpos\u00e9 sous la forme neutre datum<\/em> au singulier et data<\/em> au pluriel, d\u00e9signant ce qui est imm\u00e9diatement accord\u00e9 \u00e0 la perception ou consign\u00e9 comme pr\u00e9misse empirique d’un raisonnement.<\/p>\n L’adjectif \u00ab cat\u00e9goriel \u00bb remonte au grec kat\u0113goria<\/em> (\u03ba\u03b1\u03c4\u03b7\u03b3\u03bf\u03c1\u03af\u03b1), d\u00e9signant originellement une accusation publique au tribunal, puis conceptualis\u00e9 par Aristote dans son trait\u00e9 des Cat\u00e9gories<\/em> comme l’\u00e9nonciation des modes fondamentaux selon lesquels l’\u00eatre se dit et se classe. Repris dans la philosophie kantienne pour d\u00e9signer les concepts purs de l’entendement, le terme est introduit au d\u00e9but du XXe si\u00e8cle dans le vocabulaire statistique par des pionniers de la biom\u00e9trie pour d\u00e9signer les regroupements qualitatifs d’observations ne relevant pas d’un continuum m\u00e9trique continu.<\/p>\n Sur le plan phon\u00e9tique, l’expression se transcrit dans l’alphabet phon\u00e9tique international selon le sch\u00e9ma standard suivant : \/a.na.liz de d\u0254.ne ka.te.\u0261\u0254.\u0281j\u025bl\/. L’\u00e9lision et l’encha\u00eenement vocalique entre \u00ab des \u00bb (\/de\/) et \u00ab donn\u00e9es \u00bb (\/d\u0254.ne\/) maintiennent une articulation distincte des consonnes occlusives dentales.<\/p>\n Du point de vue morphosyntaxique, il s’agit d’une locution nominale f\u00e9minine construite autour du nom t\u00eate \u00ab analyse \u00bb, compl\u00e9t\u00e9 par un groupe pr\u00e9positionnel d\u00e9terminatif au pluriel (\u00ab des donn\u00e9es cat\u00e9gorielles \u00bb). Le terme \u00ab cat\u00e9goriel \u00bb prend la marque du f\u00e9minin pluriel en accord avec le substantif \u00ab donn\u00e9es \u00bb. On rencontre parfois la variante singuli\u00e8re \u00ab analyse de donn\u00e9es cat\u00e9gorielles \u00bb, employ\u00e9e de mani\u00e8re g\u00e9n\u00e9rique, bien que la forme d\u00e9finie plurielle soit largement privil\u00e9gi\u00e9e dans la litt\u00e9rature acad\u00e9mique francophone.<\/p>\n Dans la litt\u00e9rature m\u00e9thodologique anglo-saxonne correspondante, le terme \u00e9quivalent consacr\u00e9 est Categorical Data Analysis<\/em> (CDA), fr\u00e9quemment utilis\u00e9 comme d\u00e9signation globale d’un champ d’expertise autonome au confluent de la statistique math\u00e9matique et de la psychom\u00e9trie.<\/p>\n L’analyse des donn\u00e9es cat\u00e9gorielles repose sur la reconnaissance \u00e9pist\u00e9mologique que les lois statistiques r\u00e9gissant les grandeurs continues (telles que le temps de r\u00e9action en millisecondes ou le taux de cortisol s\u00e9rique) ne s’appliquent pas de mani\u00e8re valide aux ph\u00e9nom\u00e8nes qualitatifs discrets. Les variables cat\u00e9gorielles se divisent principalement en deux classes : les variables nominales, o\u00f9 les modalit\u00e9s ne poss\u00e8dent aucun ordre intrins\u00e8que (par exemple, le sous-type diagnostique de schizophr\u00e9nie, la nationalit\u00e9, le style d’attachement), et les variables ordinales, o\u00f9 un ordre logique sous-tend les cat\u00e9gories sans que la distance m\u00e9trique exacte entre deux \u00e9chelons successifs ne soit quantifiable (par exemple, les stades de gravit\u00e9 d’un trouble de l’humeur ou les modalit\u00e9s d’une \u00e9chelle de Likert allant de \u00ab fortement en d\u00e9saccord \u00bb \u00e0 \u00ab fortement d’accord \u00bb).<\/p>\n Lorsque des chercheurs tentent d’appliquer des r\u00e9gressions lin\u00e9aires conventionnelles bas\u00e9es sur la m\u00e9thode des moindres carr\u00e9s ordinaires (MCO) \u00e0 une issue binaire ou ordonn\u00e9e, ils violent des postulats statistiques cruciaux. Premi\u00e8rement, la relation n’est g\u00e9n\u00e9ralement pas lin\u00e9aire : la probabilit\u00e9 conditionnelle d’un \u00e9v\u00e9nement se sature in\u00e9vitablement \u00e0 0 et 1, cr\u00e9ant une courbe sigmo\u00efde plut\u00f4t qu’une droite infinie. Deuxi\u00e8mement, les r\u00e9sidus ne sont ni normalement distribu\u00e9s, ni homosc\u00e9dastiques, car la variance d’une variable binaire d\u00e9pend intrins\u00e8quement de sa moyenne selon la formule de la loi de Bernoulli : Var(Y) = p(1 – p). Appliquer un mod\u00e8le lin\u00e9aire classique risque d’engendrer des pr\u00e9dictions de probabilit\u00e9 math\u00e9matiquement absurdes, inf\u00e9rieures \u00e0 z\u00e9ro ou sup\u00e9rieures \u00e0 un<\/span>.<\/p>\n Pour surmonter ces contraintes, l’analyse des donn\u00e9es cat\u00e9gorielles fait appel \u00e0 la th\u00e9orie des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s, formul\u00e9e pour unifier les analyses par r\u00e9gression sous un cadre probabiliste global. Dans ce cadre, on applique une fonction de lien (telle que le logit, le probit ou le log-log compl\u00e9mentaire) \u00e0 la valeur attendue de la variable r\u00e9ponse afin de transformer l’intervalle de probabilit\u00e9 born\u00e9 [0, 1] en un continuum r\u00e9el non born\u00e9 allant de moins l’infini \u00e0 plus l’infini. Les param\u00e8tres de ces mod\u00e8les ne sont pas calcul\u00e9s par minimisation des carr\u00e9s des erreurs, mais estim\u00e9s au moyen du principe du maximum de vraisemblance, garantissant des estimateurs asymptotiquement sans biais et de variance minimale.<\/p>\n Au-del\u00e0 de la mod\u00e9lisation univari\u00e9e et multivari\u00e9e, l’analyse cat\u00e9gorielle structure l’information sous la forme de tableaux de contingence croisant les fr\u00e9quences d’apparition conjointes des modalit\u00e9s. Elle cherche \u00e0 d\u00e9terminer si la r\u00e9partition conjointe observ\u00e9e s’\u00e9carte significativement de la r\u00e9partition attendue sous l’hypoth\u00e8se nulle d’ind\u00e9pendance statistique. Cette exploration structurelle mobilise des m\u00e9triques non lin\u00e9aires sophistiqu\u00e9es, notamment le rapport des cotes<\/a> (odds ratio), qui demeure insensible aux variations d’\u00e9chantillonnage marginales contrairement aux simples pourcentages de diff\u00e9rence.<\/p>\n L’histoire de l’analyse des donn\u00e9es cat\u00e9gorielles s’articule autour de ruptures th\u00e9oriques et m\u00e9thodologiques majeures amorc\u00e9es au tout d\u00e9but du XXe si\u00e8cle. L’acte de naissance officiel de cette discipline remonte \u00e0 1900, lorsque le biom\u00e9tricien britannique Karl Pearson<\/a> publie son article fondamental introduisant le test d’ad\u00e9quation et d’ind\u00e9pendance du Chi-carr\u00e9 (\u03c7\u00b2). Pearson fournit pour la premi\u00e8re fois aux scientifiques une m\u00e9thode math\u00e9matique permettant de d\u00e9terminer si les fr\u00e9quences observ\u00e9es dans un tableau crois\u00e9 s’\u00e9cartent du hasard au-del\u00e0 de l’erreur d’\u00e9chantillonnage pr\u00e9visible.<\/p>\n Cependant, des controverses passionn\u00e9es ont rapidement oppos\u00e9 Karl Pearson \u00e0 Ronald Aylmer Fisher dans les ann\u00e9es 1920 concernant les degr\u00e9s de libert\u00e9 appropri\u00e9s dans les tables de contingence. Fisher d\u00e9montre rigoureusement que les restrictions impos\u00e9es par l’estimation des param\u00e8tres marginaux r\u00e9duisent les degr\u00e9s de libert\u00e9 de la table, formulant parall\u00e8lement en 1934 le test exact de Fisher, indispensable pour analyser les \u00e9chantillons de faible effectif o\u00f9 l’approximation asymptotique du Chi-carr\u00e9 \u00e9choue.<\/p>\n Le tournant vers la mod\u00e9lisation multivari\u00e9e s’op\u00e8re dans les d\u00e9cennies d’apr\u00e8s-guerre. En 1944, Joseph Berkson introduit le terme et le concept de \u00ab mod\u00e8le logit \u00bb, ouvrant la voie \u00e0 la r\u00e9gression logistique<\/a> moderne pour contrer les limitations pratiques du mod\u00e8le probit alors dominant en bio-essai. Plus tard, en 1959, Nathan Mantel et William Haenszel \u00e9laborent une technique d’ajustement stratifi\u00e9 pour estimer l’association entre deux variables binaires tout en contr\u00f4lant un facteur de confusion, une avanc\u00e9e majeure pour l’\u00e9pid\u00e9miologie clinique et psychiatrique.<\/p>\n La synth\u00e8se th\u00e9orique d\u00e9finitive survient en 1972 avec les travaux s\u00e9minaux de John Nelder et Robert Wedderburn, qui introduisent le concept unifi\u00e9 de mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s (GLM). Cette formulation math\u00e9matique r\u00e9volutionnaire permet d’int\u00e9grer dans une architecture computationnelle commune la r\u00e9gression normale continue, la r\u00e9gression logistique binaire et les mod\u00e8les log-lin\u00e9aires pour fr\u00e9quences de comptage (fond\u00e9s sur la loi de Poisson), th\u00e9oris\u00e9s simultan\u00e9ment par Yvonne Bishop, Stephen Fienberg et Paul Holland dans leur ouvrage fondateur de 1975. D\u00e8s les ann\u00e9es 1980 et 1990, le statisticien Alan Agresti synth\u00e9tise et vulgarise ces m\u00e9thodologies pour les sciences humaines et biom\u00e9dicales, consacrant l’analyse des donn\u00e9es cat\u00e9gorielles comme un pilier standard de la m\u00e9thodologie empirique contemporaine.<\/p>\n L’assise \u00e9pist\u00e9mologique et probabiliste de l’analyse cat\u00e9gorielle repose sur trois piliers th\u00e9oriques fondamentaux : la mod\u00e9lisation lin\u00e9aire g\u00e9n\u00e9ralis\u00e9e, la th\u00e9orie de l’estimation par le maximum de vraisemblance, et la th\u00e9orie des variables latentes sous-jacentes.<\/p>\n Le cadre des GLM postule que la variable d\u00e9pendante cat\u00e9gorielle $Y$<\/span> suit une distribution appartenant \u00e0 la famille exponentielle de dispersions (telle que la loi de Bernoulli pour des variables dichotomiques, ou la loi multinomiale pour des variables polytomiques). Le mod\u00e8le comporte trois composants :<\/p>\n Le deuxi\u00e8me pilier th\u00e9orique r\u00e9side dans l’inf\u00e9rence par le maximum de vraisemblance (MLE). Dans la mesure o\u00f9 les solutions analytiques directes (telles que les \u00e9quations normales des MCO) n’existent pas pour ces mod\u00e8les non lin\u00e9aires, l’estimation des coefficients s’effectue de mani\u00e8re it\u00e9rative par des algorithmes num\u00e9riques, principalement l’algorithme de Newton-Raphson ou des moindres carr\u00e9s r\u00e9cursivement repond\u00e9r\u00e9s (IRLS). La fonction de vraisemblance agr\u00e8ge la probabilit\u00e9 conjointe d’observer l’ensemble des donn\u00e9es empiriques conditionnellement aux param\u00e8tres du mod\u00e8le, et le processus s\u00e9lectionne les valeurs des param\u00e8tres qui maximisent cette fonction.<\/p>\n Le troisi\u00e8me fondement th\u00e9orique, particuli\u00e8rement cher \u00e0 la psychom\u00e9trie, est le mod\u00e8le \u00e0 variable latente<\/a>. Con\u00e7u originellement par Louis Leon Thurstone \u00e0 travers la loi du jugement comparatif, ce cadre postule qu’une variable ordinale ou binaire observ\u00e9e r\u00e9sulte en r\u00e9alit\u00e9 d’une variable psychologique continue sous-jacente non mesurable directement (comme la s\u00e9v\u00e9rit\u00e9 d’une d\u00e9pression ou l’intensit\u00e9 d’une attitude). Lorsque ce continuum latent franchit des seuils critiques fixes (appel\u00e9s cutpoints<\/em> ou seuils de seuil $tau$<\/span>), la r\u00e9ponse observ\u00e9e bascule dans la cat\u00e9gorie discr\u00e8te sup\u00e9rieure. Ce fondement fait le pont th\u00e9orique direct entre l’analyse des donn\u00e9es cat\u00e9gorielles et les mod\u00e8les de la th\u00e9orie des r\u00e9ponses aux items (TRI).<\/p>\n Pour cartographier pr\u00e9cis\u00e9ment le champ de l’analyse cat\u00e9gorielle, il convient de distinguer ses diff\u00e9rentes branches selon la nature des variables et l’objectif d’analyse :<\/p>\n L’application de l’analyse des donn\u00e9es cat\u00e9gorielles se mat\u00e9rialise de mani\u00e8re exemplaire dans l’\u00e9tude des parcours cliniques en psychiatrie. Consid\u00e9rons une \u00e9tude examinant l’efficacit\u00e9 compar\u00e9e de deux psychoth\u00e9rapies (th\u00e9rapie cognitivo-comportementale versus th\u00e9rapie psychodynamique) sur la r\u00e9mission d’un \u00e9tat de stress post-traumatique (ESPT) chez 300 patients, avec une variable r\u00e9ponse dichotomique mesur\u00e9e \u00e0 6 mois : R\u00e9mission compl\u00e8te (\u00ab Oui \u00bb = 1) versus Persistance des sympt\u00f4mes (\u00ab Non \u00bb = 0)<\/span>.<\/p>\n Une r\u00e9gression logistique binaire permet d’incorporer le type de th\u00e9rapie tout en contr\u00f4lant des facteurs confondants tels que la s\u00e9v\u00e9rit\u00e9 initiale du traumatisme (continu) et la pr\u00e9sence de comorbidit\u00e9s addictives (binaire). Si le mod\u00e8le rapporte un rapport des cotes ajust\u00e9 (AOR) de 2,45 en faveur de la TCC ($p < 0,01$<\/span>), cela signifie concr\u00e8tement que les patients sous TCC ont 2,45 fois plus de chances relatives d’obtenir une r\u00e9mission compl\u00e8te comparativement aux patients du groupe contr\u00f4le, \u00e0 niveau de s\u00e9v\u00e9rit\u00e9 initiale identique.<\/p>\n Un autre cas repr\u00e9sentatif concerne la psychologie cognitive et la prise de d\u00e9cision. Des chercheurs \u00e9valuent le choix pr\u00e9f\u00e9rentiel des consommateurs face \u00e0 trois strat\u00e9gies de r\u00e9duction de l’anxi\u00e9t\u00e9 \u00e9cologique : \u00ab Changement individuel strict \u00bb, \u00ab Action collective militante \u00bb ou \u00ab \u00c9vitement\/D\u00e9ni \u00bb. S’agissant d’un choix nominal \u00e0 trois options sans hi\u00e9rarchie naturelle, l’utilisation d’une r\u00e9gression logistique multinomiale est requise. Elle permet de tester comment le niveau de n\u00e9vrosisme ou l’orientation politique modifie la probabilit\u00e9 de basculer du d\u00e9ni vers l’activisme collectif, fournissant des \u00e9quations de probabilit\u00e9 diff\u00e9renci\u00e9es pour chaque bifurcation comportementale.<\/p>\n L’ad\u00e9quation, la pr\u00e9cision et la validit\u00e9 des mod\u00e8les d’analyse cat\u00e9gorielle s’\u00e9valuent par un ensemble d’indices statistiques distincts de ceux employ\u00e9s en r\u00e9gression lin\u00e9aire classique (comme le $R^2$<\/span> standard).<\/p>\n L’indice central de qualit\u00e9 d’ajustement global est la d\u00e9viance<\/strong> statistique ($D$<\/span>), qui mesure l’\u00e9cart entre le mod\u00e8le ajust\u00e9 et un mod\u00e8le satur\u00e9 parfait (mod\u00e8le th\u00e9orique pr\u00e9disant exactement chaque observation). Une diminution significative de la d\u00e9viance, test\u00e9e par une statistique du rapport de vraisemblance suivant asymptotiquement une loi de Chi-carr\u00e9, indique qu’une covariable ajout\u00e9e am\u00e9liore significativement le pouvoir explicatif du mod\u00e8le. Pour les comparaisons de mod\u00e8les non embo\u00eet\u00e9s, les chercheurs s’appuient sur les crit\u00e8res d’information d’Akaike (AIC) et bay\u00e9sien (BIC), qui p\u00e9nalisent la complexit\u00e9 algorithmique afin d’\u00e9viter le surajustement (overfitting).<\/p>\n Concernant l’\u00e9valuation des associations au niveau des tables crois\u00e9es, plusieurs m\u00e9triques sp\u00e9cialis\u00e9es sont sollicit\u00e9es :<\/p>\n La port\u00e9e pratique de l’analyse des donn\u00e9es cat\u00e9gorielles s’\u00e9tend \u00e0 tous les champs appliqu\u00e9s de la psychologie et des disciplines connexes du soin et du comportement :<\/p>\n En psychopathologie clinique et diagnostic<\/strong>, elle fournit l’infrastructure m\u00e9thodologique sous-tendant les crit\u00e8res de classification des manuels nosologiques internationaux (comme le DSM-5 et la CIM-11). Elle permet d’\u00e9tudier la comorbidit\u00e9 psychiatrique, la progression par stades des troubles bipolaires et l’efficacit\u00e9 des protocoles pharmacologiques en traduisant des tableaux complexes d’apparition de sympt\u00f4mes en profils nosographiques interpr\u00e9tables.<\/p>\n En psychom\u00e9trie et \u00e9valuation<\/strong>, la th\u00e9orie moderne de la mesure s’appuie directement sur les mod\u00e8les de r\u00e9ponses cat\u00e9gorielles. Les mod\u00e8les de Rasch polytomiques et les mod\u00e8les de r\u00e9ponse gradu\u00e9e de Samejima d\u00e9rivent directement des r\u00e9gressions logistiques ordinales pour calibrer les items des questionnaires de personnalit\u00e9 et d’intelligence, garantissant que les propri\u00e9t\u00e9s de mesure d’un test restent ind\u00e9pendantes de l’\u00e9chantillon normatif sp\u00e9cifique.<\/p>\n En psychologie organisationnelle et ergonomie<\/strong>, l’analyse cat\u00e9gorielle guide les d\u00e9cisions relatives \u00e0 l’attrition du personnel (d\u00e9cision binaire de d\u00e9missionner ou de rester dans l’entreprise), \u00e0 la s\u00e9lection du personnel par Assessment Centers, ou \u00e0 la conformit\u00e9 aux protocoles de s\u00e9curit\u00e9 dans les environnements \u00e0 haut risque (centrales nucl\u00e9aires, a\u00e9ronautique), o\u00f9 les comportements d’erreur sont recens\u00e9s sous forme de variables d’incidents cat\u00e9goriels.<\/p>\n Les avanc\u00e9es m\u00e9thodologiques en analyse cat\u00e9gorielle ont profond\u00e9ment modifi\u00e9 les conclusions de la recherche empirique au cours des derni\u00e8res d\u00e9cennies. L’un des d\u00e9bats m\u00e9thodologiques majeurs a port\u00e9 sur le traitement statistique des \u00e9chelles de r\u00e9ponse de type Likert (par exemple, des \u00e9chelles en 5 ou 7 points d’accord).<\/p>\n Pendant des d\u00e9cennies, une part consid\u00e9rable de la litt\u00e9rature en psychologie a trait\u00e9 ces donn\u00e9es comme des variables continues, appliquant des tests t de Student, des ANOVA ou des r\u00e9gressions lin\u00e9aires. Les travaux empiriques de statisticiens et psychom\u00e9triciens tels que David Jamieson (2004) et Geoffrey Norman (2010), suivis par des \u00e9tudes de simulation approfondies (Liddell & Kruschke, 2018), ont d\u00e9montr\u00e9 que l’application de m\u00e9thodes m\u00e9triques \u00e0 des donn\u00e9es ordinales peut provoquer des erreurs d’inf\u00e9rence substantielles, induisant tant des faux positifs (erreurs de type I) que l’inversion pure et simple de l’ordre apparent des moyennes dans des groupes exp\u00e9rimentaux.<\/p>\n La recherche contemporaine privil\u00e9gie ainsi massivement l’utilisation de mod\u00e8les \u00e0 cotes proportionnelles ou de r\u00e9gressions logistiques ordinales bay\u00e9siennes, qui respectent la nature discr\u00e8te des seuils cognitifs des r\u00e9pondants. De m\u00eame, les recherches \u00e9pid\u00e9miologiques majeures de l’Organisation Mondiale de la Sant\u00e9 (comme la World Mental Health Survey Initiative<\/em>) s’appuient syst\u00e9matiquement sur la mod\u00e9lisation logistique multivari\u00e9e stratifi\u00e9e pour estimer la pr\u00e9valence vie-enti\u00e8re et les facteurs de risque des troubles mentaux \u00e0 l’\u00e9chelle plan\u00e9taire, apportant une base probante irr\u00e9futable \u00e0 la sant\u00e9 publique mondiale.<\/p>\n L’utilisation de donn\u00e9es cat\u00e9gorielles en psychologie interculturelle requiert une vigilance m\u00e9thodologique extr\u00eame quant \u00e0 l’\u00e9quivalence de mesure entre populations. Des biais de r\u00e9ponse culturels document\u00e9s modifient fr\u00e9quemment la structure des donn\u00e9es discr\u00e8tes ind\u00e9pendamment du trait latent psychologique r\u00e9el.<\/p>\n Par exemple, certaines cultures valorisent le style de r\u00e9ponse extr\u00eame (tendance \u00e0 choisir syst\u00e9matiquement les points d’ancrage maximaux ou minimaux d’une \u00e9chelle cat\u00e9gorielle ordonn\u00e9e), tandis que d’autres cultures, marqu\u00e9es par des normes de modestie ou de mod\u00e9ration \u00e9motionnelle, privil\u00e9gient l’acquiescement neutre ou les cat\u00e9gories centrales de l’\u00e9chelle. Si un chercheur compare directement les pourcentages bruts ou applique une mod\u00e9lisation cat\u00e9gorielle na\u00efve sans mod\u00e9liser ces styles de r\u00e9ponse via des mod\u00e8les de classes latentes ou des mod\u00e8les de m\u00e9lange, il risque d’attribuer \u00e0 tort \u00e0 une diff\u00e9rence de personnalit\u00e9 ou de pathologie ce qui ne rel\u00e8ve que d’une norme de communication socioculturelle.<\/p>\n De plus, l’analyse du fonctionnement diff\u00e9rentiel des items (DIF \u2013 Differential Item Functioning<\/em>), qui utilise des proc\u00e9dures de r\u00e9gression logistique ordinale comparant la probabilit\u00e9 de valider une modalit\u00e9 particuli\u00e8re entre deux groupes culturels \u00e0 niveau de trait sous-jacent \u00e9gal, constitue aujourd’hui le standard international obligatoire pour certifier qu’un instrument psychologique ne pr\u00e9sente pas de biais culturel intrins\u00e8que.<\/p>\n Bien que puissante, l’analyse des donn\u00e9es cat\u00e9gorielles soul\u00e8ve plusieurs limitations techniques et controverses conceptuelles qui font l’objet de vifs d\u00e9bats acad\u00e9miques.<\/p>\n La premi\u00e8re difficult\u00e9 tient au probl\u00e8me de la sparsit\u00e9 (donn\u00e9es creuses)<\/strong> dans les tables de contingence multidimensionnelles. D\u00e8s lors qu’une \u00e9tude croise plusieurs variables cat\u00e9gorielles comportant chacune de multiples modalit\u00e9s, le nombre total de cellules explose de fa\u00e7on combinatoire. Il est fr\u00e9quent que de nombreuses cellules affichent un effectif observ\u00e9 nul ou tr\u00e8s faible ($n < 5$<\/span>). Cette sparsit\u00e9 invalide les approximations asymptotiques du Chi-carr\u00e9, engendre des estimations aberrantes des erreurs-types dans les r\u00e9gressions logistiques et peut provoquer le ph\u00e9nom\u00e8ne redout\u00e9 de \u00ab s\u00e9paration quasi-compl\u00e8te \u00bb (ou s\u00e9paration parfaite), o\u00f9 l’algorithme de Newton-Raphson diverge \u00e0 l’infini car une modalit\u00e9 pr\u00e9dit infailliblement l’issue.<\/p>\n Une seconde controverse r\u00e9currente concerne l’interpr\u00e9tabilit\u00e9 des r\u00e9sultats<\/strong>. Alors qu’un coefficient de r\u00e9gression lin\u00e9aire classique s’interpr\u00e8te intuitivement en unit\u00e9s de la variable de mesure, le coefficient d’une r\u00e9gression logistique repr\u00e9sente un logarithme du rapport des cotes ($\beta = ln(OR)$<\/span>). La conversion de ces grandeurs en risques relatifs ou en variations marginales de probabilit\u00e9 est souvent mal ma\u00eetris\u00e9e par les praticiens et les \u00e9tudiants, conduisant fr\u00e9quemment \u00e0 des exag\u00e9rations de l’ampleur clinique des effets dans les conclusions scientifiques.<\/p>\n Enfin, le postulat d’\u00e9quivalence des cotes proportionnelles dans les mod\u00e8les ordinaires repr\u00e9sente une contrainte empirique fr\u00e9quemment rejet\u00e9e par les donn\u00e9es (test de Brant significatif). Face \u00e0 ce rejet, les chercheurs sont contraints de recourir \u00e0 des mod\u00e8les logistiques \u00e0 cotes proportionnelles partielles ou \u00e0 des mod\u00e8les multinomiaux non ordonn\u00e9s, plus gourmands en param\u00e8tres et moins parcimonieux sur le plan th\u00e9orique.<\/p>\n Il est fondamental de dissocier rigoureusement l’analyse des donn\u00e9es cat\u00e9gorielles d’autres notions statistiques connexes avec lesquelles des confusions demeurent fr\u00e9quentes :<\/p>\n L’analyse des donn\u00e9es cat\u00e9gorielles est l’architecture m\u00e9thodologique indispensable \u00e0 tout traitement rigoureux des ph\u00e9nom\u00e8nes psychologiques nominaux et ordinaux :<\/p>\n D\u00e9couvrez l’analyse des donn\u00e9es cat\u00e9gorielles en psychologie : principes math\u00e9matiques, r\u00e9gression logistique, mod\u00e8les log-lin\u00e9aires et applications cliniques.<\/p>\n","protected":false},"author":1,"featured_media":0,"template":"","categories":[1829,2],"tags":[4737,38671,16,2560,1942,9492],"class_list":["post-22865","psych_term","type-psych_term","status-publish","hentry","category-methodologie-statistique","category-psychometrie","tag-analyse-categorielle","tag-modeles-log-lineaires","tag-psychometrie","tag-regression-logistique","tag-statistiques-en-psychologie","tag-tables-de-contingence"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/22865","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\/22865\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=22865"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=22865"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=22865"}],"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. \u00c9volution 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
9. Mesure et \u00e9valuation<\/h3>\n
\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 \u00e0 retenir<\/h3>\n
\n
R\u00e9f\u00e9rences<\/h2>\n
\n