Au c\u0153ur de la mod\u00e9lisation statistique et de la psychom\u00e9trie contemporaine, les degr\u00e9s de libert\u00e9 repr\u00e9sentent un principe fondamental r\u00e9gissant la pr\u00e9cision avec laquelle les chercheurs \u00e9valuent des hypoth\u00e8ses sur le comportement humain. Toute d\u00e9marche inf\u00e9rentielle, qu’il s’agisse de comparer l’efficacit\u00e9 de deux th\u00e9rapies cognitives ou de valider la structure factorielle d’un inventaire de personnalit\u00e9, d\u00e9pend intrins\u00e8quement de cette quantit\u00e9 math\u00e9matique. En quantifiant le nombre d’informations ind\u00e9pendantes restant disponibles apr\u00e8s l’estimation des param\u00e8tres d’un mod\u00e8le, ce concept d\u00e9termine la forme exacte des distributions d’\u00e9chantillonnage et garantit la robustesse \u00e9pist\u00e9mologique des conclusions scientifiques.<\/p>\n
En statistique inf\u00e9rentielle et en psychom\u00e9trie, les degr\u00e9s de libert\u00e9<\/strong> (souvent abr\u00e9g\u00e9s ddl<\/em> en fran\u00e7ais ou df<\/em> pour degrees of freedom<\/em>) d\u00e9signent le nombre de valeurs ou d’observations ind\u00e9pendantes au sein d’un ensemble de donn\u00e9es qui sont libres de varier lors de l’estimation d’un ou plusieurs param\u00e8tres statistiques. Lorsqu’une contrainte math\u00e9matique ou empirique est impos\u00e9e \u00e0 un \u00e9chantillon \u2014 telle que la fixation d’une moyenne ou d’une somme totale \u2014, une unit\u00e9 d’information est consomm\u00e9e, r\u00e9duisant proportionnellement le nombre de dimensions de variabilit\u00e9 ind\u00e9pendante.<\/p>\n Dans le domaine des sciences psychologiques, les degr\u00e9s de libert\u00e9 constituent le d\u00e9nominateur conceptuel qui ajuste la variabilit\u00e9 observ\u00e9e en fonction de la complexit\u00e9 du mod\u00e8le th\u00e9orique test\u00e9. Ils traduisent concr\u00e8tement la marge de man\u0153uvre disponible pour tester la validit\u00e9 d’une hypoth\u00e8se : plus un mod\u00e8le requiert de param\u00e8tres estim\u00e9s \u00e0 partir des donn\u00e9es, moins il conserve d’ind\u00e9pendance pour confronter ses pr\u00e9dictions \u00e0 l’erreur al\u00e9atoire. Par cons\u00e9quent, les degr\u00e9s de libert\u00e9 d\u00e9terminent les seuils critiques des tests statistiques tels que le test t<\/em> de Student, le test F<\/em> de l’analyse de variance (ANOVA<\/a>), le test du khi-deux ($\\chi^2$<\/span>) et les indices d’ajustement des mod\u00e8les d’\u00e9quations structurelles.<\/p>\n D’un point de vue g\u00e9om\u00e9trique et vectoriel, les degr\u00e9s de libert\u00e9 correspondent \u00e0 la dimension du sous-espace vectoriel dans lequel le vecteur des r\u00e9sidus ou des \u00e9carts al\u00e9atoires peut \u00e9voluer librement. Cette perspective formelle met en \u00e9vidence le fait que les degr\u00e9s de libert\u00e9 ne se limitent pas \u00e0 une simple r\u00e8gle arithm\u00e9tique de soustraction ($N – 1$<\/span>), mais expriment la dimensionalit\u00e9 r\u00e9elle de l’espace non contraint au sein duquel les fluctuations d’\u00e9chantillonnage s’op\u00e8rent.<\/p>\n L’expression \u00ab degr\u00e9 de libert\u00e9 \u00bb est une transposition litt\u00e9rale de la locution anglaise degrees of freedom<\/em>, forg\u00e9e \u00e0 la crois\u00e9e de la physique m\u00e9canique, de la g\u00e9om\u00e9trie diff\u00e9rentielle et de l’astronomie du XIXe si\u00e8cle. Le terme \u00ab degr\u00e9 \u00bb est issu du latin classique gradus<\/em>, signifiant \u00ab pas \u00bb, \u00ab \u00e9chelon \u00bb, \u00ab marche \u00bb ou \u00ab palier \u00bb, d\u00e9signant une gradation progressive au sein d’une \u00e9chelle ordonn\u00e9e. Le terme \u00ab libert\u00e9 \u00bb provient quant \u00e0 lui du latin libertas<\/em>, qualifiant l’\u00e9tat d’un individu ou d’un objet qui ne subit aucune contrainte ext\u00e9rieure limitant ses mouvements.<\/p>\n Avant son acclimatation en statistique th\u00e9orique, le concept a d’abord \u00e9t\u00e9 conceptualis\u00e9 en m\u00e9canique analytique et en thermodynamique par des pionniers comme Ludwig Boltzmann et James Clerk Maxwell, pour quantifier le nombre de coordonn\u00e9es ind\u00e9pendantes n\u00e9cessaires \u00e0 la sp\u00e9cification int\u00e9grale de la position et de l’\u00e9tat dynamique d’un syst\u00e8me physique polyatomique. L’introduction formelle du terme dans l’inf\u00e9rence d’\u00e9chantillonnage est attribu\u00e9e \u00e0 l’astronome et math\u00e9maticien Carl Friedrich Gauss lors de ses travaux sur la m\u00e9thode des moindres carr\u00e9s en 1823, bien qu’il n’ait pas utilis\u00e9 l’expression de mani\u00e8re canonique.<\/p>\n C’est v\u00e9ritablement William Sealy Gosset \u2014 publiant sous le pseudonyme de \u00ab Student \u00bb en 1908 dans la revue Biometrika<\/em> \u2014 qui a op\u00e9rationnalis\u00e9 le r\u00f4le r\u00e9gulateur des degr\u00e9s de libert\u00e9 dans la d\u00e9rivation de la loi de Student. Par la suite, le biologiste et statisticien Ronald Aylmer Fisher a consacr\u00e9 l’emploi syst\u00e9matique de l’expression anglaise degrees of freedom<\/em> d\u00e8s 1922, d\u00e9montrant notamment leur r\u00f4le d\u00e9terminant dans les tables de contingence du test du khi-deux et dans le d\u00e9veloppement de l’analyse de variance. En langue fran\u00e7aise, la traduction \u00ab degr\u00e9s de libert\u00e9 \u00bb s’est impos\u00e9e d\u00e8s les premi\u00e8res transcriptions acad\u00e9miques de la statistique math\u00e9matique au cours des ann\u00e9es 1930 et 1940.<\/p>\n Sur le plan morphosyntaxique, l’expression \u00ab degr\u00e9 de libert\u00e9 \u00bb est un syntagme nominal masculin compos\u00e9. Elle s’emploie couramment au pluriel sous la forme \u00ab degr\u00e9s de libert\u00e9 \u00bb. La transcription phon\u00e9tique internationale de l’expression en fran\u00e7ais standard est \/d\u0259.\u0261\u0281e d\u0259 li.b\u025b\u0281.te\/.<\/p>\n Dans la litt\u00e9rature sp\u00e9cialis\u00e9e francophone, plusieurs abr\u00e9viations et symboles coexistent :<\/p>\n Sur le plan lexical, on observe parfois l’omission fautive du pluriel interne ou externe dans des \u00e9crits de vulgarisation (\u00ab degr\u00e9s de libert\u00e9s \u00bb), alors que la r\u00e8gle grammaticale exige que seul le terme \u00ab degr\u00e9 \u00bb prenne la marque du pluriel (\u00ab degr\u00e9s de libert\u00e9 \u00bb), la libert\u00e9 \u00e9tant ici un principe abstrait invariable quantifi\u00e9 par ces degr\u00e9s.<\/p>\n Pour appr\u00e9hender intuitivement les degr\u00e9s de libert\u00e9, consid\u00e9rons une analogie courante en psychologie diff\u00e9rentielle : supposons qu’un clinicien administre une batterie d’\u00e9valuation cognitive \u00e0 un groupe de $N = 5$<\/span> participants. Si la moyenne de ces cinq scores doit obligatoirement \u00eatre \u00e9gale \u00e0 100 (ce qui \u00e9quivaut \u00e0 fixer la somme arithm\u00e9tique totale des cinq scores \u00e0 $5 \times 100 = 500$<\/span>), les quatre premiers participants peuvent th\u00e9oriquement obtenir n’importe quel score arbitraire (par exemple 90, 110, 95 et 105). En revanche, le cinqui\u00e8me score n’a plus aucune latitude de variation : il est arithm\u00e9tiquement pr\u00e9d\u00e9termin\u00e9 afin que la somme atteigne exactement 500 ($500 – [90 + 110 + 95 + 105] = 100$<\/span>). Dans cette situation, bien que nous disposions de cinq observations, seules quatre sont libres de varier de mani\u00e8re autonome. Ce syst\u00e8me poss\u00e8de donc $5 – 1 = 4$<\/span> degr\u00e9s de libert\u00e9.<\/p>\n Chaque param\u00e8tre statistique de population que l’on doit estimer \u00e0 partir d’un \u00e9chantillon impose une relation lin\u00e9aire liant les observations entre elles. L’estimation de la moyenne de l’\u00e9chantillon ($\bar{X}$<\/span>) impose la contrainte $\\sum (X_i – \bar{X}) = 0$<\/span>. En cons\u00e9quence, lors du calcul de la variance d’\u00e9chantillon non biais\u00e9e :<\/p>\n $$s^2 = \frac{\\sum_{i=1}^{N} (X_i – \bar{X})^2}{N – 1}$$<\/span><\/p>\n le d\u00e9nominateur est $N – 1$<\/span> et non $N$<\/span>. Diviser par $N$<\/span> sous-estimerait syst\u00e9matiquement la v\u00e9ritable variance de la population parente, car les \u00e9carts sont mesur\u00e9s par rapport \u00e0 la moyenne de l’\u00e9chantillon (qui est elle-m\u00eame le point qui minimise la somme des carr\u00e9s des \u00e9carts de cet \u00e9chantillon) et non par rapport \u00e0 la v\u00e9ritable moyenne inconnue de la population ($\\mu$<\/span>). Les degr\u00e9s de libert\u00e9 agissent ainsi comme un facteur de correction correctif indispensable contre le biais d’\u00e9chantillonnage.<\/p>\n Au-del\u00e0 de cette application univari\u00e9e, les degr\u00e9s de libert\u00e9 caract\u00e9risent la capacit\u00e9 d’un mod\u00e8le \u00e0 \u00eatre r\u00e9fut\u00e9 au sens popp\u00e9rien. Dans un mod\u00e8le de r\u00e9gression multiple comportant $k$<\/span> pr\u00e9dicteurs psychologiques pour pr\u00e9dire un score de bien-\u00eatre subjectif sur un \u00e9chantillon de taille $N$<\/span>, le mod\u00e8le mobilise $k + 1$<\/span> degr\u00e9s de libert\u00e9 pour estimer les coefficients de r\u00e9gression et la constante (l’ordonn\u00e9e \u00e0 l’origine). Les degr\u00e9s de libert\u00e9 r\u00e9siduels correspondent alors \u00e0 :<\/p>\n $$ddl_{\text{r\u00e9siduel}} = N – k – 1$$<\/span><\/p>\n Ces degr\u00e9s de libert\u00e9 r\u00e9siduels quantifient l’information restante disponible pour estimer l’erreur al\u00e9atoire. Si un chercheur int\u00e8gre autant de variables pr\u00e9dictives qu’il y a de sujets ($k = N – 1$<\/span>), les degr\u00e9s de libert\u00e9 r\u00e9siduels s’annulent ($ddl = 0$<\/span>). Dans ce cas de surajustement (overfitting<\/em>), le mod\u00e8le reproduit parfaitement les donn\u00e9es de l’\u00e9chantillon avec un coefficient de d\u00e9termination $R^2 = 1,0$<\/span>, mais perd toute capacit\u00e9 d’inf\u00e9rence statistique et de g\u00e9n\u00e9ralisation, ne disposant plus d’aucun degr\u00e9 de libert\u00e9 pour confronter ses pr\u00e9dictions au hasard.<\/p>\n Enfin, dans les analyses factorielles confirmatoires et les mod\u00e8les d’\u00e9quations structurelles (SEM<\/a>), les degr\u00e9s de libert\u00e9 r\u00e9sultent de la diff\u00e9rence entre le nombre d’\u00e9l\u00e9ments uniques et non redondants de la matrice de covariance observ\u00e9e et le nombre de param\u00e8tres libres estim\u00e9s par l’algorithme (poids factoriels, variances d’erreurs, covariances structurales). Un mod\u00e8le suridentifi\u00e9 ($ddl > 0$<\/span>) poss\u00e8de un exc\u00e9dent d’informations empiriques permettant de tester statistiquement si la structure th\u00e9orique postul\u00e9e par le chercheur concorde ad\u00e9quatement avec la matrice de covariance observ\u00e9e.<\/p>\n La formalisation des degr\u00e9s de libert\u00e9 s’inscrit dans l’histoire de la transition entre la th\u00e9orie descriptive des probabilit\u00e9s et la statistique inf\u00e9rentielle moderne au cours du XXe si\u00e8cle. Plusieurs jalons majeurs scandent cette gen\u00e8se conceptuelle :<\/p>\n D’un point de vue math\u00e9matique et probabiliste rigoureux, les degr\u00e9s de libert\u00e9 trouvent leur justification dans l’alg\u00e8bre lin\u00e9aire, la th\u00e9orie des espaces euclidiens de dimension $N$<\/span> et la th\u00e9orie des distributions d’\u00e9chantillonnage. Soit un \u00e9chantillon al\u00e9atoire de $N$<\/span> variables al\u00e9atoires ind\u00e9pendantes et identiquement distribu\u00e9es selon une loi normale standard $X_1, X_2, dots, X_N \\sim \\mathcal{N}(0, 1)$<\/span>. L’espace d’\u00e9chantillonnage de ces observations constitue un espace vectoriel euclidien $\\mathbb{R}^N$<\/span>.<\/p>\n La somme des carr\u00e9s de ces variables, d\u00e9finie par :<\/p>\n $$Q = \\sum_{i=1}^{N} X_i^2$$<\/span><\/p>\n suit par d\u00e9finition une loi du khi-deux \u00e0 $N$<\/span> degr\u00e9s de libert\u00e9, not\u00e9e $\\chi^2(N)$<\/span>. La variable vectorielle $\\mathbf{X} = (X_1, dots, X_N)^T$<\/span> \u00e9volue dans un espace de dimension g\u00e9om\u00e9trique $N$<\/span>. Si l’on impose une restriction lin\u00e9aire homog\u00e8ne sur ce vecteur (par exemple, la contrainte que la somme de ses composantes soit nulle, $\\sum X_i = 0$<\/span>), cette restriction \u00e9quivaut g\u00e9om\u00e9triquement \u00e0 projeter le vecteur $\\mathbf{X}$<\/span> sur un hyperplan de dimension $N – 1$<\/span> passant par l’origine.<\/p>\n En vertu du th\u00e9or\u00e8me de Cochran, une forme quadratique associ\u00e9e \u00e0 une matrice de projection orthogonale idempotente de rang $r$<\/span> suit une distribution du khi-deux dont les degr\u00e9s de libert\u00e9 correspondent exactement au rang $r$<\/span> de ladite matrice. Lorsque la moyenne de l’\u00e9chantillon est calcul\u00e9e, l’op\u00e9rateur de centrage par rapport \u00e0 la moyenne correspond \u00e0 une matrice de projection dont la trace (et donc le rang) est \u00e9gale \u00e0 $N – 1$<\/span>. C’est cette invariance g\u00e9om\u00e9trique qui conf\u00e8re aux degr\u00e9s de libert\u00e9 leur statut de propri\u00e9t\u00e9 intrins\u00e8que de l’espace des r\u00e9sidus statistiques.<\/p>\n Ce fondement s’\u00e9tend directement aux lois d\u00e9riv\u00e9es du khi-deux :<\/p>\n Dans l’\u00e9ventail des m\u00e9thodologies employ\u00e9es en psychologie et en sciences comportementales, les degr\u00e9s de libert\u00e9 se d\u00e9clinent sous plusieurs formes sp\u00e9cialis\u00e9es :<\/p>\n Pour illustrer concr\u00e8tement la manipulation des degr\u00e9s de libert\u00e9 en psychologie clinique, exp\u00e9rimentale et sociale, examinons trois cas paradigmatiques :<\/p>\n2. \u00c9tymologie et origine linguistique<\/h3>\n
3. Prononciation et forme grammaticale<\/h3>\n
\n
\nu$ (lettre grecque nu)<\/strong> : symbole math\u00e9matique fr\u00e9quemment utilis\u00e9 dans les trait\u00e9s de statistique formelle et les fonctions de densit\u00e9 de probabilit\u00e9 pour indexer le param\u00e8tre des lois de Student et du khi-deux.<\/li>\n<\/ul>\n4. Explication conceptuelle d\u00e9taill\u00e9e<\/h3>\n
5. \u00c9volution historique<\/h3>\n
\n
6. Fondements th\u00e9oriques<\/h3>\n
\n
\nu)$ divis\u00e9e par ses degr\u00e9s de libert\u00e9 : $t = \frac{Z}<\/span>{sqrt{U \/
\nu}}$. Les degr\u00e9s de libert\u00e9$<\/span>
\nu$ r\u00e9gissent l’\u00e9paisseur des queues de la distribution ; lorsque $
\nu \to infty$, la loi$<\/span>t$ converge asymptotiquement vers la loi normale.<\/li>\n
\nu_1}{U_2 \/
\nu_2}$. En psychologie exp\u00e9rimentale,$<\/span>
\nu_1$ quantifie la variabilit\u00e9 intergroupes (li\u00e9e aux effets du traitement exp\u00e9rimental) et $
\nu_2$ la variabilit\u00e9 intragroupe (r\u00e9siduelle ou erreur exp\u00e9rimentale).<\/li>\n<\/ul>\n7. Composantes cl\u00e9s, types et dimensions<\/h3>\n
\n
8. Exemples et cas illustratifs<\/h3>\n
Cas 1 : Comparaison de deux th\u00e9rapies de l’anxi\u00e9t\u00e9 g\u00e9n\u00e9ralis\u00e9e<\/h4>\n