L’histoire de la psychologie scientifique et des sciences comportementales au vingti\u00e8me si\u00e8cle est travers\u00e9e par des figures tut\u00e9laires dont les d\u00e9couvertes empiriques ont profond\u00e9ment transform\u00e9 notre compr\u00e9hension de l’esprit humain. Pourtant, rares sont les penseurs qui ont su op\u00e9rer une r\u00e9volution non pas simplement sur le plan des th\u00e9ories substantielles, mais sur le terrain, bien plus fondamental et exigeant, des fondements \u00e9pist\u00e9mologiques et des pratiques quantitatives de la recherche. Jacob Cohen (1923\u20131998) appartient \u00e0 cette cat\u00e9gorie d’intellectuels d’exception. Statisticien visionnaire, psychologue clinicien de formation et p\u00e9dagogue d’une clart\u00e9 lumineuse, il a consacr\u00e9 plus de quatre d\u00e9cennies de sa vie acad\u00e9mique \u00e0 d\u00e9busquer les illusions m\u00e9thodologiques, \u00e0 formaliser la rigueur exp\u00e9rimentale et \u00e0 d\u00e9livrer la communaut\u00e9 scientifique de ce qu’il qualifiait lui-m\u00eame de rituels m\u00e9caniques d\u00e9nu\u00e9s de sens critique.<\/p>\n
Au c\u0153ur de l’\u0153uvre monumentale de Jacob Cohen r\u00e9side une entreprise de salubrit\u00e9 publique pour la science : la r\u00e9habilitation de la puissance statistique, la th\u00e9orisation et la standardisation de la taille d’effet, l’invention d’instruments de mesure de l’accord inter-juges comme le coefficient Kappa, ainsi que l’unification conceptuelle de l’analyse de variance au sein du mod\u00e8le de r\u00e9gression lin\u00e9aire multiple. \u00c0 une \u00e9poque o\u00f9 la psychologie quantitative sombrait dans l’application aveugle des tests de signification de l’hypoth\u00e8se nulle h\u00e9rit\u00e9s d’une lecture tronqu\u00e9e de Ronald Fisher, Cohen a incarn\u00e9 la conscience critique et exigeante de sa discipline. Ses enqu\u00eates empiriques d\u00e9vastatrices ont r\u00e9v\u00e9l\u00e9 que des pans entiers de la litt\u00e9rature empirique reposaient sur des protocoles sous-puissants, incapables de d\u00e9tecter les ph\u00e9nom\u00e8nes qu’ils pr\u00e9tendaient \u00e9tudier, g\u00e9n\u00e9rant ainsi une myriade d’abandons pr\u00e9matur\u00e9s d’hypoth\u00e8ses f\u00e9condes et de fausses conclusions scientifiques.<\/p>\n
Explorer la trajectoire intellectuelle, m\u00e9thodologique et philosophique de Jacob Cohen, c’est plonger aux racines m\u00eames des d\u00e9bats contemporains sur la crise de la reproductibilit\u00e9, l’\u00e9pist\u00e9mologie de l’inf\u00e9rence statistique et les exigences de la science ouverte. Cet essai exhaustif propose de retracer avec minutie l’ensemble de son parcours : depuis ses d\u00e9buts cliniques aupr\u00e8s des v\u00e9t\u00e9rans de guerre jusqu’\u00e0 sa croisade pamphl\u00e9taire contre les d\u00e9rives du seuil de significativit\u00e9 arbitraire, en passant par la r\u00e9daction de ses manuels canoniques qui continuent d’orienter les chercheurs du monde entier. \u00c0 travers l’analyse d\u00e9taill\u00e9e de ses concepts, de ses d\u00e9monstrations math\u00e9matiques et de ses prises de position courageuses, nous mettrons en lumi\u00e8re comment Jacob Cohen a red\u00e9fini l’\u00e9thique de la preuve empirique, transformant \u00e0 jamais la mani\u00e8re dont les sciences humaines et sociales con\u00e7oivent, ex\u00e9cutent et interpr\u00e8tent l’investigation du r\u00e9el.<\/p>\n
Jacob Cohen voit le jour le 20 avril 1923 au sein d’une famille modeste d’immigrants juifs \u00e9tablie \u00e0 Brooklyn, New York. Grandissant dans l’effervescence intellectuelle mais \u00e9conomiquement \u00e9prouvante de l’entre-deux-guerres, le jeune Cohen manifeste tr\u00e8s t\u00f4t une curiosit\u00e9 intellectuelle \u00e9clectique, marqu\u00e9e par une app\u00e9tence singuli\u00e8re pour la logique formelle et la pr\u00e9cision num\u00e9rique, tout en nourrissant une fascination profonde pour la complexit\u00e9 des conduites humaines. Cette double sensibilit\u00e9 entre l’abstraction des chiffres et la r\u00e9alit\u00e9 clinique du psychisme constitue le creuset originel de sa future d\u00e9marche scientifique. Son parcours dans les \u00e9coles publiques new-yorkaises, caract\u00e9ris\u00e9 par une rigueur autodidacte, l’am\u00e8ne \u00e0 int\u00e9grer les bancs du prestigieux City College of New York, v\u00e9ritable foyer d’\u00e9mulation pour les enfants d’immigrants o\u00f9 s’\u00e9panouissent les d\u00e9bats d’id\u00e9es les plus vifs de l’\u00e9poque.<\/p>\n
Apr\u00e8s l’interruption caus\u00e9e par la Seconde Guerre mondiale, durant laquelle il sert les forces arm\u00e9es am\u00e9ricaines, Cohen reprend ses \u00e9tudes sup\u00e9rieures en se tournant r\u00e9solument vers la psychologie, tout en maintenant un ancrage fort dans le domaine des math\u00e9matiques appliqu\u00e9es. Il per\u00e7oit rapidement que l’intuition clinique, bien qu’indispensable, demeure st\u00e9rile sans instruments d’objectivation fiables. Il poursuit alors son cursus doctoral \u00e0 l’Universit\u00e9 de New York (NYU)<\/a>, une institution qui allait devenir son port d’attache acad\u00e9mique pour le restant de ses jours. Il y soutient avec distinction sa th\u00e8se de doctorat (Ph.D.) en psychologie clinique au tournant des ann\u00e9es 1950, abordant des questions d’\u00e9valuation psychologique et de validation empirique des profils de personnalit\u00e9.<\/p>\n Ses premiers pas professionnels ne s’effectuent pas imm\u00e9diatement dans l’enceinte feutr\u00e9e des laboratoires universitaires, mais sur le terrain exigeant de la clinique appliqu\u00e9e au sein de la Veterans Administration<\/a> (VA). Confront\u00e9 \u00e0 l’\u00e9valuation diagnostique de milliers de soldats traumatis\u00e9s par les conflits, Jacob Cohen est frapp\u00e9 par le manque criant de fiabilit\u00e9 des tests psychologiques de l’\u00e9poque, par le flou des cat\u00e9gories nosologiques et par l’inad\u00e9quation flagrante des protocoles de recherche utilis\u00e9s pour valider les th\u00e9rapies psychiatriques. Cette confrontation directe avec la vuln\u00e9rabilit\u00e9 humaine et l’impr\u00e9cision des mesures cliniques forge son scepticisme m\u00e9thodologique et confirme sa vocation : doter les sciences du comportement d’outils quantitatifs rigoureux, capables d’extraire le signal au c\u0153ur du bruit exp\u00e9rimental.<\/p>\n En 1959, apr\u00e8s plusieurs ann\u00e9es pass\u00e9es \u00e0 perfectionner ses comp\u00e9tences statistiques et psychom\u00e9triques tant \u00e0 la Veterans Administration que dans diverses structures de recherche hospitali\u00e8res, Jacob Cohen int\u00e8gre officiellement le corps professoral du d\u00e9partement de psychologie de l’Universit\u00e9 de New York. Cette nomination marque le d\u00e9but d’un r\u00e8gne acad\u00e9mique exceptionnel de pr\u00e8s de quarante ans au sein de cette v\u00e9n\u00e9rable institution. \u00c0 son arriv\u00e9e, la psychologie acad\u00e9mique am\u00e9ricaine est encore largement domin\u00e9e par des approches qualitatives ou des applications rudimentaires de l’exp\u00e9rimentation comportementale. Tr\u00e8s rapidement, Cohen orchestre une transition intellectuelle audacieuse, s’\u00e9loignant de la pratique clinique directe pour embrasser pleinement la psychom\u00e9trie, les plans d’exp\u00e9rience et la mod\u00e9lisation quantitative.<\/p>\n Au sein de NYU, Cohen acquiert une r\u00e9putation l\u00e9gendaire d’enseignant d’\u00e9lite, capable de d\u00e9mystifier les concepts math\u00e9matiques les plus ardus pour des auditoires compos\u00e9s d’\u00e9tudiants en sciences humaines souvent r\u00e9fractaires aux \u00e9quations. Il prend la direction des cours de statistiques quantitatives avanc\u00e9es au niveau doctoral, transformant le cursus traditionnel en un s\u00e9minaire d’\u00e9pist\u00e9mologie appliqu\u00e9e o\u00f9 chaque calcul est replac\u00e9 dans le contexte de la prise de d\u00e9cision scientifique. Il enseigne non pas pour former de simples calculateurs m\u00e9caniques, mais pour \u00e9veiller des esprits critiques capables de comprendre la port\u00e9e philosophique de leurs analyses de donn\u00e9es. Son bureau devient le point de ralliement de doctorants, de post-doctorants et de professeurs titulaires venant de toute la c\u00f4te Est pour soumettre \u00e0 son \u0153il ac\u00e9r\u00e9 leurs protocoles exp\u00e9rimentaux.<\/p>\n Cette cons\u00e9cration institutionnelle se traduit par son accession au rang de professeur titulaire d’une chaire de psychologie, ainsi que par la direction de nombreuses th\u00e8ses doctorales qui marqueront durablement le champ des sciences sociales. Ses \u00e9tudiants, form\u00e9s \u00e0 l’\u00e9cole de l’exigence conceptuelle, essaiment dans les plus grandes universit\u00e9s am\u00e9ricaines, propageant ses enseignements sur la puissance et la mod\u00e9lisation. Respect\u00e9 par ses pairs pour son int\u00e9grit\u00e9 sans faille, Cohen re\u00e7oit les plus hautes distinctions acad\u00e9miques de NYU et s’impose progressivement comme une sommit\u00e9 internationale, r\u00e9guli\u00e8rement consult\u00e9e par les comit\u00e9s \u00e9ditoriaux des revues les plus prestigieuses pour trancher les litiges m\u00e9thodologiques complexes.<\/p>\n Pour saisir l’ampleur r\u00e9volutionnaire de l’intervention de Jacob Cohen, il est imp\u00e9ratif de restituer l’\u00e9tat \u00e9pist\u00e9mologique dans lequel se trouvaient les sciences comportementales au cours des d\u00e9cennies 1950 et 1960. \u00c0 cette \u00e9poque, la recherche empirique est sous le joug presque absolu de la th\u00e9orie des tests de signification d\u00e9velopp\u00e9e par sir Ronald A. Fisher. Dans cette perspective, la d\u00e9marche scientifique est r\u00e9duite \u00e0 une proc\u00e9dure quasi rituelle : formuler une hypoth\u00e8se nulle stipulant l’absence totale d’effet ou de diff\u00e9rence, collecter des donn\u00e9es sur un \u00e9chantillon opportuniste, calculer une valeur de statistique de test, et rejeter l’hypoth\u00e8se nulle d\u00e8s lors que la valeur p franchit le seuil arbitraire de 0,05. Cette approche dichotomique, s\u00e9duisante par sa simplicit\u00e9 apparente, occulte totalement les apports concurrents pourtant fondamentaux de Jerzy Neyman et Egon Pearson.<\/p>\n Le manquement le plus dramatique de cette pratique dominante r\u00e9side dans l’ignorance d\u00e9lib\u00e9r\u00e9e du risque d’erreur de type II, c’est-\u00e0-dire la probabilit\u00e9 de ne pas rejeter l’hypoth\u00e8se nulle alors m\u00eame que celle-ci est fausse dans la population \u00e9tudi\u00e9e. Alors que les comit\u00e9s de lecture traquent avec une vigilance f\u00e9roce l’erreur de type I (le faux positif) en imposant le seuil alpha de 5 %, la communaut\u00e9 des chercheurs agit comme si l’erreur de type II \u00e9tait virtuellement inexistante ou d\u00e9pourvue de cons\u00e9quences substantielles. Les chercheurs planifient des protocoles exp\u00e9rimentaux avec de tout petits \u00e9chantillons sans jamais s’interroger sur la capacit\u00e9 r\u00e9elle de leur dispositif \u00e0 d\u00e9tecter l’effet th\u00e9oris\u00e9 si celui-ci existait v\u00e9ritablement dans la nature.<\/p>\n Cette situation engendre une crise latente et pernicieuse de puissance statistique que l’establishment acad\u00e9mique refuse d’admettre. Des pans entiers de la litt\u00e9rature se remplissent de r\u00e9sultats non significatifs, conduisant les chercheurs \u00e0 rejeter h\u00e2tivement des th\u00e9ories psychologiques innovantes et f\u00e9condes, simplement parce que leurs exp\u00e9riences manquaient cruellement de sensibilit\u00e9. \u00c0 l’inverse, des effets infimes et d\u00e9pourvus de toute pertinence pratique sont c\u00e9l\u00e9br\u00e9s d\u00e8s lors qu’ils atteignent le seuil magique de significativit\u00e9 \u00e0 la faveur d’un effectif accidentellement large. C’est dans ce paysage intellectuel scl\u00e9ros\u00e9 par le dogmatisme et l’illusion proc\u00e9durale que Jacob Cohen d\u00e9cide d’intervenir, initiant une refonte m\u00e9thodologique qui allait secouer les fondations m\u00eames de la recherche empirique moderne.<\/p>\n L’\u00e9difice conceptuel que Jacob Cohen entreprend de vulgariser et de formaliser repose sur une clarification impitoyable des principes r\u00e9gissant l’inf\u00e9rence statistique d\u00e9cisionnelle, initialement forg\u00e9s par le cadre math\u00e9matique de Neyman-Pearson. Au c\u0153ur de cette architecture se trouve la distinction cardinale entre deux types d’erreurs inh\u00e9rentes \u00e0 toute d\u00e9cision prise en univers d’incertitude. L’erreur de type I, conventionnellement d\u00e9sign\u00e9e par la lettre grecque alpha ($\\alpha$<\/span>), correspond au risque d’affirmer l’existence d’un effet ou d’une diff\u00e9rence dans la population alors qu’en r\u00e9alit\u00e9 l’hypoth\u00e8se nulle est vraie. C’est l’erreur de l’illusion, le pi\u00e8ge du faux positif qui alerte traditionnellement la prudence du scientifique soucieux de ne pas encombrer le corpus acad\u00e9mique de chim\u00e8res exp\u00e9rimentales.<\/p>\n \u00c0 l’oppos\u00e9 sym\u00e9trique se tient l’erreur de type II, quantifi\u00e9e par la lettre grecque b\u00eata ($\\beta$<\/span>), qui repr\u00e9sente la probabilit\u00e9 de conclure \u00e0 l’absence d’effet alors qu’un effet r\u00e9el op\u00e8re bel et bien au sein de la population. \u00c0 partir de cette notion, Cohen d\u00e9finit avec une nettet\u00e9 absolue la puissance statistique<\/em> comme la quantit\u00e9 compl\u00e9mentaire $1 – \\beta$<\/span>. La puissance est donc la probabilit\u00e9 math\u00e9matique qu’a un test statistique donn\u00e9 de rejeter \u00e0 juste titre l’hypoth\u00e8se nulle lorsque celle-ci est effectivement fausse. En termes simples, elle mesure la sensibilit\u00e9 du dispositif exp\u00e9rimental, sa capacit\u00e9 \u00e0 capter le signal scientifique au milieu du bruit stochastique inh\u00e9rent \u00e0 l’\u00e9chantillonnage biologique et psychologique.<\/p>\n Cohen met en lumi\u00e8re une loi d’airain m\u00e9thodologique : l’interd\u00e9pendance quadridirectionnelle in\u00e9luctable reliant quatre param\u00e8tres fondamentaux de l’analyse de donn\u00e9es :\n<\/p>\n \nCohen d\u00e9montre que ces quatre grandeurs sont math\u00e9matiquement li\u00e9es de telle sorte que la fixation de trois d’entre elles d\u00e9termine automatiquement la quatri\u00e8me. N\u00e9gliger la puissance revient \u00e0 abandonner le destin de la d\u00e9couverte scientifique au pur hasard des fluctuations d’\u00e9chantillonnage, une faute \u00e9pist\u00e9mologique lourde de cons\u00e9quences que Cohen se promet de corriger.<\/p>\n Conscient que les sermons purement th\u00e9oriques \u00e9chouent souvent \u00e0 \u00e9branler les habitudes enracin\u00e9es des praticiens, Jacob Cohen frappe un grand coup empirique en publiant en 1962, dans les pages du prestigieux Journal of Abnormal and Social Psychology<\/em>, une \u00e9tude bibliom\u00e9trique et quantitative sans pr\u00e9c\u00e9dent. Plut\u00f4t que de proposer un \u00e9ni\u00e8me mod\u00e8le abstrait, il prend pour objet d’\u00e9tude la production scientifique de ses pairs. Il examine minutieusement l’ensemble des soixante-dix articles empiriques publi\u00e9s au cours de l’ann\u00e9e 1960 dans cette revue phare de l’American Psychological Association<\/a>, diss\u00e9quant m\u00e9thodiquement chaque plan exp\u00e9rimental pour y calculer la puissance statistique r\u00e9trospective face \u00e0 des effets petits, moyens et grands.<\/p>\n Les conclusions de cette autopsie m\u00e9thodologique sont tout simplement stup\u00e9fiantes et jettent un froid glacial sur la communaut\u00e9 acad\u00e9mique. Cohen met en \u00e9vidence que la puissance statistique m\u00e9diane pour d\u00e9tecter un effet de taille moyenne n’est que de 0,48. Plus alarmant encore, lorsqu’il s’agit de d\u00e9tecter un effet de faible ampleur (situation pourtant courante dans les recherches sur la personnalit\u00e9 ou les psychoth\u00e9rapies), la puissance m\u00e9diane s’effondre \u00e0 un d\u00e9risoire 0,18. En clair, les chercheurs de l’une des revues les plus s\u00e9lectives de la plan\u00e8te menaient des recherches o\u00f9 ils avaient moins d’une chance sur deux de d\u00e9tecter le ph\u00e9nom\u00e8ne qu’ils th\u00e9orisaient, m\u00eame dans l’hypoth\u00e8se o\u00f9 ce dernier \u00e9tait parfaitement r\u00e9el. Leurs protocoles s’apparentaient \u00e0 un tirage \u00e0 pile ou face m\u00e9thodologique, biais\u00e9 en faveur de l’\u00e9chec de la d\u00e9couverte.<\/p>\n Cette \u00e9tude pionni\u00e8re de 1962 prouve de mani\u00e8re irr\u00e9futable que la grande majorit\u00e9 des conclusions concluant \u00e0 l’absence d’effet dans la litt\u00e9rature psychologique ne r\u00e9sultaient pas d’une r\u00e9futation th\u00e9orique valide, mais d’une impuissance instrumentale flagrante. Les chercheurs jetaient le b\u00e9b\u00e9 th\u00e9orique avec l’eau du bain exp\u00e9rimental, victimes d’\u00e9chantillons d\u00e9sesp\u00e9r\u00e9ment trop exigus. Cette publication cr\u00e9e une onde de choc au sein de l’APA. Elle expose au grand jour une hypocrisie structurelle : la science comportementale pr\u00e9tendait \u00e0 la rigueur de la physique tout en op\u00e9rant avec des t\u00e9lescopes statistiques si flous qu’ils ne pouvaient discerner que des supernovas m\u00e9thodologiques, ignorant l’immense majorit\u00e9 des ph\u00e9nom\u00e8nes c\u00e9lestes qu’elle avait pour mandat de cartographier.<\/p>\n Face au constat d\u00e9sesp\u00e9rant de la sous-puissance chronique des protocoles, Jacob Cohen ne se contente pas de critiquer ; il propose une norme d’action pragmatique destin\u00e9e \u00e0 guider les concepteurs de recherches. Si la tradition fisherienne a sacralis\u00e9 le seuil $\\alpha = 0,05$<\/span> pour l’erreur de type I, quel seuil doit-on fixer pour la puissance $1 – \\beta$<\/span> ? Cohen propose de fixer ce standard conventionnel \u00e0 0,80<\/strong>, ce qui correspond \u00e0 un risque d’erreur de type II plafonn\u00e9 \u00e0 $\\beta = 0,20$<\/span>. Cette proposition, qui deviendra un standard plan\u00e9taire, est \u00e9tay\u00e9e par une argumentation \u00e9pist\u00e9mologique et \u00e9conomique d’une formidable lucidit\u00e9.<\/p>\n Cohen justifie ce choix par l’instauration d’un ratio de gravit\u00e9 relatif de 4 pour 1 entre l’erreur de type I et l’erreur de type II. Dans la vision scientifique classique, commettre une erreur de type I (annoncer une fausse d\u00e9couverte) est jug\u00e9 plus grave que commettre une erreur de type II (passer \u00e0 c\u00f4t\u00e9 d’une v\u00e9rit\u00e9). En fixant $\\alpha = 0,05$<\/span> et $\\beta = 0,20$<\/span>, la communaut\u00e9 admet implicitement qu’une fausse alerte est quatre fois plus dommageable pour le progr\u00e8s de la connaissance qu’une occasion manqu\u00e9e. Cohen souligne qu’exiger une puissance de 0,95 ou 0,99 pour \u00e9galer le niveau d’alpha imposerait des tailles d’\u00e9chantillons vertigineuses, souvent mat\u00e9riellement et financi\u00e8rement inaccessibles pour les budgets des laboratoires de sciences sociales, risquant de paralyser l’exploration empirique.<\/p>\n Le seuil de 80 % repr\u00e9sente ainsi un compromis \u00e9quilibr\u00e9 entre la rigueur de la preuve et la faisabilit\u00e9 logistique de l’exp\u00e9rimentation. Cependant, fid\u00e8le \u00e0 son temp\u00e9rament anti-dogmatique, Cohen prend grand soin d’assortir ce seuil de mises en garde explicites. Il rappelle avec insistance que ce chiffre ne doit jamais \u00eatre transform\u00e9 en une amulette f\u00e9tichiste. Dans des contextes de recherche m\u00e9dicale o\u00f9 la non-d\u00e9tection d’un effet secondaire l\u00e9tal engage la vie des patients, $\\beta$<\/span> doit \u00eatre abaiss\u00e9 de mani\u00e8re drastique au m\u00eame niveau qu’$\\alpha$<\/span>, voire plus bas. \u00c0 l’inverse, lors d’\u00e9tudes exploratoires pilotes, un chercheur peut sciemment accepter une puissance de 0,70 ou 0,60 pour pr\u00e9server ses ressources. Cohen appelait \u00e0 une r\u00e9flexion contextualis\u00e9e, l\u00e0 o\u00f9 ses successeurs ont trop souvent cherch\u00e9 des automatismes rassurants.<\/p>\n Apr\u00e8s le retentissement de son article de 1962, Cohen constate avec amertume que les pratiques de recherche peinent \u00e0 \u00e9voluer. La raison en est simple : calculer la puissance d’un test statistique \u00e0 l’aide des formules analytiques pures implique la manipulation de distributions non centrales (comme la distribution de Student non centrale, le Chi-carr\u00e9 non central ou la distribution F de Fisher non centrale), dont l’\u00e9valuation num\u00e9rique requiert des int\u00e9grations complexes totalement inaccessibles au chercheur moyen de l’\u00e8re pr\u00e9-informatique. Conscient que l’exhortation morale demeure sans effet si elle ne s’accompagne pas d’outils op\u00e9rationnels imm\u00e9diats, Cohen entreprend le travail titanesque de concevoir un manuel exhaustif de calcul d’effectifs.<\/p>\n En 1969 para\u00eet la premi\u00e8re \u00e9dition de ce qui allait devenir l’un des livres les plus cit\u00e9s de l’histoire des sciences : Statistical Power Analysis for the Behavioral Sciences<\/a>. L’ouvrage transforme les math\u00e9matiques r\u00e9barbatives de Neyman-Pearson en un recueil ergonomique et imm\u00e9diatement applicable par n’importe quel \u00e9tudiant ou chercheur. Cohen d\u00e9ploie une \u00e9nergie prodigieuse pour calculer \u00e0 la main et tabuler des milliers de valeurs de puissance pour l’ensemble des tests statistiques couramment employ\u00e9s. Deux d\u00e9cennies plus tard, en 1988, il publie la seconde \u00e9dition du chef-d’\u0153uvre. Cette r\u00e9vision majeure ne se contente pas d’\u00e9largir le spectre des tests abord\u00e9s ; elle int\u00e8gre de mani\u00e8re d\u00e9cisive l’analyse de r\u00e9gression multiple et les mod\u00e8les multivari\u00e9s, tout en affinant la conceptualisation des m\u00e9triques de taille d’effet.<\/p>\n L’accueil critique de l’ouvrage est unanime. Du statut de manuel technique sp\u00e9cialis\u00e9, il s’\u00e9l\u00e8ve rapidement au rang de classique intemporel de la m\u00e9thodologie quantitative. Des laboratoires de psychologie cognitive aux d\u00e9partements d’\u00e9pid\u00e9miologie, de la recherche en \u00e9ducation aux sciences de la gestion, le manuel de Cohen devient la bible indispensable de tout protocole de recherche s\u00e9rieux. Il a r\u00e9ussi le tour de force de r\u00e9concilier une exigence math\u00e9matique irr\u00e9prochable avec une p\u00e9dagogie chaleureuse, d\u00e9nu\u00e9e de tout jargon intimidant, rendant enfin accessible \u00e0 tous l’exercice indispensable de la planification d’\u00e9chantillon.<\/p>\n La force magistrale du manuel de Cohen r\u00e9side dans sa structure modulaire rigoureuse, pens\u00e9e pour correspondre point par point aux pratiques concr\u00e8tes des chercheurs de laboratoire. Chaque chapitre est consacr\u00e9 \u00e0 une famille sp\u00e9cifique de tests statistiques, adoptant une structure logique invariante : d\u00e9finition math\u00e9matique de la m\u00e9trique de taille d’effet idoine, pr\u00e9sentation des tables de puissance associ\u00e9es, explicitation d’exemples cliniques et exp\u00e9rimentaux d\u00e9taill\u00e9s, et fourniture des formules de conversion pour les cas particuliers. Cette organisation permettait \u00e0 n’importe quel praticien de trouver en quelques minutes la r\u00e9ponse quantitative \u00e0 sa probl\u00e9matique de recherche.<\/p>\n Le livre passe au crible l’ensemble de la bo\u00eete \u00e0 outils inf\u00e9rentielle :\n<\/p>\n \nCette exhaustivit\u00e9 a permis de d\u00e9senclaver l’analyse de puissance, qui n’\u00e9tait plus cantonn\u00e9e au simple test de comparaison de deux groupes mais s’\u00e9tendait d\u00e9sormais \u00e0 l’ensemble du spectre analytique contemporain.<\/p>\n Dans un monde acad\u00e9mique o\u00f9 l’ordinateur individuel n’existait pas encore et o\u00f9 l’acc\u00e8s aux terminaux centraux des universit\u00e9s demeurait le privil\u00e8ge d’une poign\u00e9e d’initi\u00e9s codant sur cartes perfor\u00e9es, l’apport logistique des tables de puissance de Cohen rel\u00e8ve de la v\u00e9ritable prouesse ergonomique. Cohen a pass\u00e9 des ann\u00e9es \u00e0 concevoir des tables synth\u00e9tiques et des abaques d\u00e9cisionnels permettant de d\u00e9terminer, par simple lecture crois\u00e9e d’une ligne et d’une colonne, soit la taille d’\u00e9chantillon requise pour un niveau d’alpha et une taille d’effet donn\u00e9s, soit la puissance r\u00e9sultante d’un effectif pr\u00e9existant.<\/p>\n Ces tables ont d\u00e9mocratis\u00e9 de mani\u00e8re fulgurante la planification exp\u00e9rimentale a priori<\/em>. Avant Cohen, un chercheur soumettant un projet de financement se contentait de recruter trente ou cinquante sujets au jug\u00e9, selon ses disponibilit\u00e9s financi\u00e8res ou le vivier d’\u00e9tudiants de son d\u00e9partement. Avec les tables de Cohen, il suffisait d’ouvrir le livre \u00e0 la page correspondant au mod\u00e8le d’ANOVA envisag\u00e9, de postuler un effet attendu, et de lire instantan\u00e9ment qu’il fallait recruter soixante-quatre sujets par groupe pour garantir une puissance de 80 % au seuil classique de 0,05. L’arbitraire c\u00e9dait enfin le pas \u00e0 la rationalit\u00e9 scientifique.<\/p>\n Ces abaques papier ont constitu\u00e9 le socle p\u00e9dagogique sur lequel ont \u00e9t\u00e9 form\u00e9es plusieurs g\u00e9n\u00e9rations de chercheurs \u00e0 travers le monde. Ils ont \u00e9galement servi de matrices algorithmiques directes pour le d\u00e9veloppement ult\u00e9rieur des grands logiciels contemporains de calcul de puissance. En concevant ces tables d’une simplicit\u00e9 d’usage d\u00e9sarmante, Jacob Cohen a bris\u00e9 la barri\u00e8re technique qui servait d’alibi \u00e0 la communaut\u00e9 scientifique pour ignorer l’analyse de puissance, transformant une exigence th\u00e9orique abstraite en un r\u00e9flexe m\u00e9thodologique universellement praticable.<\/p>\n L’une des contributions les plus p\u00e9rennes et universellement c\u00e9l\u00e9br\u00e9es de Jacob Cohen est l’invention et la formalisation du concept de taille d’effet standardis\u00e9e, dont l’incarnation la plus c\u00e9l\u00e8bre est le c\u00e9l\u00e8bre indice $d$<\/span> de Cohen<\/strong>. Face \u00e0 l’incapacit\u00e9 de la seule valeur $p$<\/span> \u00e0 renseigner sur l’ampleur concr\u00e8te d’un ph\u00e9nom\u00e8ne scientifique, Cohen propose une mesure invariante d’\u00e9chelle, lib\u00e9r\u00e9e de l’unit\u00e9 de mesure originale du test (qu’il s’agisse de points \u00e0 un test de quotient intellectuel, de millisecondes de temps de r\u00e9action ou de millim\u00e8tres de mercure d’une pression art\u00e9rielle). Pour comparer deux moyennes ind\u00e9pendantes, il d\u00e9finit le $d$<\/span> comme l’\u00e9cart absolu entre les deux moyennes divis\u00e9 par l’\u00e9cart-type de la population :<\/p>\n $$d = \\frac{\\mu_1 – \\mu_2}{\\sigma}$$<\/span><\/p>\n Dans la pratique de l’\u00e9chantillonnage, la variance de la population \u00e9tant g\u00e9n\u00e9ralement inconnue, elle est estim\u00e9e par la variance combin\u00e9e (pooled standard deviation<\/em>) des deux groupes :<\/p>\n $$s_{\\text{pooled}} = \\sqrt{\\frac{(n_1 – 1)s_1^2 + (n_2 – 1)s_2^2}{n_1 + n_2 – 2}}$$<\/span><\/p>\n Ce calcul repose sur le postulat d’homosc\u00e9dasticit\u00e9, supposant l’\u00e9galit\u00e9 des variances sous-jacentes des deux populations. L’indice $d$<\/span> exprime donc la diff\u00e9rence entre deux groupes en unit\u00e9s d’\u00e9cart-type. Un $d$<\/span> de 1,0 signifie que la moyenne du groupe exp\u00e9rimental se situe un \u00e9cart-type complet au-dessus de celle du groupe contr\u00f4le, ce qui correspond \u00e0 un recouvrement distributif consid\u00e9rablement r\u00e9duit et place le sujet moyen du groupe trait\u00e9 au-dessus de 84 % des sujets du groupe t\u00e9moin.<\/p>\n Cohen d\u00e9cline ensuite cet indice fondamental pour les situations de mesures r\u00e9p\u00e9t\u00e9es ou d’\u00e9chantillons appari\u00e9s, en prenant soin d’int\u00e9grer le coefficient de corr\u00e9lation existant entre les deux temps de mesure pour corriger l’\u00e9cart-type des diff\u00e9rences. Il distingue avec une rigueur constante l’interpr\u00e9tation purement statistique du $d$<\/span> de sa signification clinique ou substantielle. Un \u00e9cart de $d = 0,30$<\/span> peut \u00eatre anodin s’il s’agit d’une l\u00e9g\u00e8re variation de vitesse de lecture chez des adultes sains, mais peut repr\u00e9senter une avanc\u00e9e m\u00e9dicale majeure s’il traduit une r\u00e9duction de la mortalit\u00e9 post-infarctus au sein d’une cohorte clinique \u00e0 haut risque.<\/p>\n Ne limitant pas son ambition aux seules comparaisons de deux moyennes, Jacob Cohen d\u00e9ploie une nomenclature harmonis\u00e9e de m\u00e9triques d’effet adapt\u00e9es \u00e0 l’ensemble des structures de donn\u00e9es rencontr\u00e9es en sciences empiriques. Pour les relations lin\u00e9aires continues, il \u00e9rige le coefficient de corr\u00e9lation lin\u00e9aire de Pearson, d\u00e9sign\u00e9 par la lettre $r$<\/span><\/strong>, en \u00e9talon universel de taille d’effet. Contrairement au $d$<\/span> qui est un ratio de divergence d’\u00e9chelle, $r$<\/span> poss\u00e8de la propri\u00e9t\u00e9 math\u00e9matique remarquable d’\u00eatre naturellement born\u00e9 entre -1 et +1, son carr\u00e9 ($r^2$<\/span>) quantifiant directement la proportion de variance partag\u00e9e ou expliqu\u00e9e entre deux dimensions comportementales.<\/p>\n Pour l’analyse de variance \u00e0 facteurs multiples et la r\u00e9gression lin\u00e9aire multiple, Cohen con\u00e7oit l’indice $f$<\/span><\/strong> (et sa version quadratique $f^2$<\/span><\/strong>). Dans le cadre de l’ANOVA, $f$<\/span> est d\u00e9fini comme le rapport de l’\u00e9cart-type des moyennes des groupes sur l’\u00e9cart-type intra-groupe commun :<\/p>\n $$f = \\frac{\\sigma_m}{\\sigma}$$<\/span><\/p>\n Dans le domaine plus g\u00e9n\u00e9ral de la r\u00e9gression multiple, Cohen d\u00e9finit l’indice $f^2$<\/span> comme une m\u00e9trique du gain incr\u00e9mental d’explication :<\/p>\n $$f^2 = \\frac{R^2}{1 – R^2}$$<\/span><\/p>\n ou, lorsqu’il s’agit d’\u00e9valuer la contribution sp\u00e9cifique d’un ensemble de pr\u00e9dicteurs $B$<\/span> au-del\u00e0 d’un ensemble de base $A$<\/span> :<\/p>\n $$f^2 = \\frac{R_{AB}^2 – R_A^2}{1 – R_{AB}^2}$$<\/span><\/p>\n Pour les variables cat\u00e9gorielles et les tables de contingence exploit\u00e9es par les tests du Chi-carr\u00e9, Cohen introduit l’indice $w$<\/span><\/strong>. Ce dernier mesure la distance entre les fr\u00e9quences observ\u00e9es dans les cellules et les fr\u00e9quences th\u00e9oriquement attendues sous l’hypoth\u00e8se d’ind\u00e9pendance, normalis\u00e9e par l’effectif total :<\/p>\n $$w = \\sqrt{\\sum_{i=1}^k \\frac{(P_{1i} – P_{0i})^2}{P_{0i}}}$$<\/span><\/p>\n Par cette armada d’indices interd\u00e9pendants et math\u00e9matiquement convertibles les uns dans les autres (un $d$<\/span> pouvant ais\u00e9ment \u00eatre converti en $r$<\/span>, et vice-versa), Cohen a offert \u00e0 la science moderne une grammaire unifi\u00e9e permettant de comparer la magnitude de ph\u00e9nom\u00e8nes issus de protocoles m\u00e9thodologiques radicalement dissemblables.<\/p>\n L’apport le plus universellement retenu \u2014 et paradoxalement le plus d\u00e9voy\u00e9 \u2014 de Jacob Cohen demeure sa proposition de seuils qualitatifs conventionnels pour baliser la magnitude des tailles d’effet. Conscient que les chercheurs avaient besoin de rep\u00e8res intuitifs pour naviguer dans l’\u00e9valuation de leurs r\u00e9sultats et la planification de leurs \u00e9chantillons, Cohen propose dans son manuel de 1969 une grille op\u00e9rationnelle devenue mythique :<\/p>\n Cohen ne choisit pas ces valeurs au hasard. Il d\u00e9finit un effet moyen ($d = 0,50$<\/span>) comme une diff\u00e9rence imm\u00e9diatement perceptible \u00e0 l’\u0153il nu par un observateur attentif dans la vie courante, telle que la diff\u00e9rence de taille physique entre des femmes de seize ans et des femmes de dix-huit ans. Un effet faible ($d = 0,20$<\/span>) correspond \u00e0 une nuance subtile mais bien r\u00e9elle, requ\u00e9rant des instruments standardis\u00e9s pour \u00eatre d\u00e9tect\u00e9e avec certitude, \u00e0 l’image de la diff\u00e9rence moyenne de quotient intellectuel entre des jumeaux fraternels. Un effet fort ($d = 0,80$<\/span>) repr\u00e9sente une disparit\u00e9 massive, \u00e9clatante, telle que l’\u00e9cart de taille entre des fillettes de treize ans et des jeunes filles de dix-huit ans.<\/p>\n Cependant, Cohen a accompagn\u00e9 ces balises de mises en garde solennelles et r\u00e9p\u00e9t\u00e9es. Il a insist\u00e9 sur le fait que ces \u00e9talons n’avaient qu’un caract\u00e8re purement heuristique, provisoire et op\u00e9rationnel, destin\u00e9 \u00e0 servir d’ultime recours en l’absence de toute donn\u00e9e empirique pr\u00e9alable dans un champ vierge de la connaissance. Il exhortait vigoureusement les chercheurs \u00e0 ne pas substituer la tyrannie aveugle de ces seuils \u00e0 celle du seuil de $p < 0,05$<\/span>. Dans des disciplines comme la psychologie sociale exp\u00e9rimentale, un effet de $d = 0,30$<\/span> peut \u00eatre monumental, tandis qu’en psychophysique ou en neurophysiologie, un effet inf\u00e9rieur \u00e0 $d = 0,80$<\/span> peut traduire un artefact de mesure. Malgr\u00e9 ses avertissements, la post\u00e9rit\u00e9 a trop souvent r\u00e9ifi\u00e9 ces valeurs en dogmes rigides, oubliant l’invitation coh\u00e9nienne \u00e0 une interpr\u00e9tation toujours contextualis\u00e9e et th\u00e9oriquement inform\u00e9e.<\/p>\n Bien avant de publier ses grands trait\u00e9s sur la puissance statistique, Jacob Cohen s’est attaqu\u00e9 d\u00e8s la fin des ann\u00e9es 1950 \u00e0 une aporie majeure de la psychom\u00e9trie et de la nosologie clinique : l’\u00e9valuation de la fiabilit\u00e9 des jugements diagnostiques port\u00e9s par des experts ind\u00e9pendants. Dans le cadre de son travail \u00e0 la Veterans Administration et au sein des d\u00e9partements hospitaliers de psychiatrie, Cohen observe un ph\u00e9nom\u00e8ne troublant : pour \u00e9valuer la reproductibilit\u00e9 d’un diagnostic pos\u00e9 par deux psychiatres \u00e9valuant la m\u00eame cohorte de patients, les chercheurs utilisaient classiquement le pourcentage d’accord brut (le nombre de cas o\u00f9 les deux cliniciens s’accordent, divis\u00e9 par le total des cas examin\u00e9s).<\/p>\n Cohen d\u00e9montre avec une redoutable limpidit\u00e9 math\u00e9matique pourquoi cette concordance brute constitue un indice profond\u00e9ment biais\u00e9, trompeur et scientifiquement inacceptable. Le probl\u00e8me fondamental r\u00e9side dans le fait qu’une part substantielle de l’accord observ\u00e9 entre deux \u00e9valuateurs survient par le simple jeu du hasard stochastique, en fonction des propensions marginales de chaque \u00e9valuateur \u00e0 utiliser telle ou telle cat\u00e9gorie nosologique. Ce biais devient particuli\u00e8rement destructeur en pr\u00e9sence d’une pr\u00e9valence fortement dissym\u00e9trique des cat\u00e9gories diagnostiques au sein de la population \u00e9tudi\u00e9e.<\/p>\n Pour illustrer ce pi\u00e8ge, imaginons une maladie psychiatrique rare pr\u00e9sente chez seulement 5 % des individus d’une cohorte. Deux psychiatres incomp\u00e9tents d\u00e9cident de diagnostiquer syst\u00e9matiquement l’absence de pathologie chez tous les patients sans m\u00eame les examiner : leur pourcentage d’accord brut sera miraculeusement de 100 %, alors m\u00eame que leur jugement clinique poss\u00e8de une valeur informative nulle. Inversement, deux cliniciens sagaces divergeant sur une poign\u00e9e de cas limites verront leur accord brut chuter artificiellement. C’est pour rem\u00e9dier \u00e0 cette faille structurelle et offrir une m\u00e9trique robuste garantissant la validit\u00e9 scientifique des classifications nosologiques que Cohen publie en 1960, dans la revue Educational and Psychological Measurement<\/a>, son article historique instaurant le coefficient Kappa<\/strong>.<\/p>\n L’architecture math\u00e9matique du coefficient Kappa de Cohen repose sur une id\u00e9e conceptuellement \u00e9pur\u00e9e mais d’une efficacit\u00e9 absolue : soustraire de l’accord effectivement observ\u00e9 la proportion d’accord attribuable au pur hasard, puis normaliser cette diff\u00e9rence par l’accord maximal possible au-del\u00e0 du hasard. La formulation alg\u00e9brique g\u00e9n\u00e9rale s’exprime ainsi :<\/p>\n $$\\kappa = \\frac{P_o – P_e}{1 – P_e}$$<\/span><\/p>\n Dans cette \u00e9quation \u00e9l\u00e9gante :\n<\/p>\n Les propri\u00e9t\u00e9s math\u00e9matiques de $kappa$<\/span> en font un outil d’une remarquable puissance analytique. Si l’accord observ\u00e9 est rigoureusement identique \u00e0 ce que pr\u00e9dirait le hasard pur bas\u00e9 sur les taux de base marginaux, $P_o = P_e$<\/span>, et $kappa$<\/span> prend la valeur de 0. Si les \u00e9valuateurs s’accordent \u00e0 la perfection sur l’ensemble des cas, $P_o = 1$<\/span>, et $kappa$<\/span> culmine \u00e0 sa borne sup\u00e9rieure de +1. Fait remarquable, $kappa$<\/span> peut \u00e9galement prendre des valeurs n\u00e9gatives, descendant th\u00e9oriquement jusqu’\u00e0 -1 dans les cas d’accord syst\u00e9matiquement inf\u00e9rieur \u00e0 ce que le hasard pur pr\u00e9dirait (traduisant une opposition ou un d\u00e9saccord syst\u00e9matique entre les \u00e9valuateurs). Cohen fournit en outre la d\u00e9rivation asymptotique de l’erreur-type de son coefficient, permettant le calcul d’intervalles de confiance et la r\u00e9alisation de tests d’hypoth\u00e8ses formels.<\/p>\n Bien que le Kappa ait r\u00e9volutionn\u00e9 la mesure de l’accord, la communaut\u00e9 m\u00e9thodologique a rapidement mis au jour certaines singularit\u00e9s distributives, souvent d\u00e9sign\u00e9es sous le vocable de \u00ab paradoxes du Kappa \u00bb (notamment document\u00e9s ult\u00e9rieurement par Feinstein et Cicchetti). L’un de ces paradoxes r\u00e9side dans le fait qu’en cas d’asym\u00e9trie marginale extr\u00eame, un accord observ\u00e9 tr\u00e8s \u00e9lev\u00e9 (par exemple 95 %) peut paradoxalement d\u00e9boucher sur un $kappa$<\/span> anormalement bas ou proche de z\u00e9ro, en raison d’une valeur attendue par le hasard $P_e$<\/span> math\u00e9matiquement gonfl\u00e9e. Ces subtilit\u00e9s ont toutefois enrichi la compr\u00e9hension du coefficient plut\u00f4t que d’en amoindrir la valeur fondatrice.<\/p>\n Dans sa mouture originelle de 1960, le Kappa consid\u00e9rait toutes les erreurs de jugement sur un pied d’\u00e9galit\u00e9 absolue : pour un diagnostic nominal sans ordre sous-jacent (par exemple classer un patient comme schizophr\u00e8ne, d\u00e9pressif ou n\u00e9vrotique), toute divergence constituait un d\u00e9saccord binaire identique. Or, dans une multitude d’applications cliniques, psychiatriques et psychom\u00e9triques, les cat\u00e9gories \u00e9valu\u00e9es ne sont pas purement nominales mais pr\u00e9sentent une nature ordinale gradu\u00e9e (comme des stades de s\u00e9v\u00e9rit\u00e9 d’un trouble : l\u00e9ger, mod\u00e9r\u00e9, s\u00e9v\u00e8re, ou des scores sur des \u00e9chelles de type Likert). Dans ce contexte, confondre un \u00e9tat l\u00e9ger avec un \u00e9tat mod\u00e9r\u00e9 est une erreur clinique infiniment moins grave que de confondre un \u00e9tat b\u00e9nin avec une pathologie critique terminale.<\/p>\n Face \u00e0 cette limite, Jacob Cohen fait preuve d’une formidable cr\u00e9ativit\u00e9 math\u00e9matique en publiant en 1968, dans le Psychological Bulletin<\/em>, l’extension conceptuelle de son instrument : le Kappa pond\u00e9r\u00e9<\/strong> (Weighted Kappa<\/em>, not\u00e9 $\\kappa_w$<\/span>). Le principe repose sur l’assignation d’une matrice de poids $w_{ij}$<\/span>, s’\u00e9tendant de 0 (d\u00e9saccord total) \u00e0 1 (accord parfait), appliqu\u00e9e \u00e0 chaque case hors-diagonale de la matrice de contingence :<\/p>\n $$\\kappa_w = \\frac{P_{o(w)} – P_{e(w)}}{1 – P_{e(w)}}$$<\/span><\/p>\n Cohen propose deux grands sch\u00e9mas de pond\u00e9ration qui s’imposeront comme des normes universelles :\n<\/p>\n Ce coup de ma\u00eetre math\u00e9matique d\u00e9bouche sur une d\u00e9couverte \u00e9pist\u00e9mologique majeure : Cohen et ses contemporains d\u00e9montrent que le Kappa muni d’une pond\u00e9ration quadratique est formellement et alg\u00e9briquement \u00e9quivalent au coefficient de corr\u00e9lation intraclasse (ICC) appliqu\u00e9 \u00e0 des mod\u00e8les d’analyse de variance \u00e0 deux facteurs \u00e0 effets al\u00e9atoires. Le Weighted Kappa jetait ainsi un pont structurel parfait entre l’analyse des donn\u00e9es qualitatives ordinales et les th\u00e9ories classiques de la m\u00e9trologie continue, devenant le standard incontest\u00e9 de l’\u00e9valuation inter-juges en psychiatrie, en radiologie, en m\u00e9decine g\u00e9n\u00e9rale et dans l’ensemble des protocoles de validation d’\u00e9chelles psychologiques.<\/p>\n1.2 La carri\u00e8re professorale \u00e0 l’Universit\u00e9 de New York (NYU)<\/h3>\n
1.3 Le paysage m\u00e9thodologique des sciences comportementales des ann\u00e9es 1950-1960<\/h3>\n
2. La gen\u00e8se et les fondements de l’analyse de puissance statistique<\/h2>\n
2.1 Les composantes fondamentales de l’inf\u00e9rence statistique<\/h3>\n
\n
2.2 L’enqu\u00eate empirique pionni\u00e8re de 1962<\/h3>\n
2.3 La formalisation du standard conventionnel de puissance (0,80)<\/h3>\n
3. L’ouvrage s\u00e9minal : Statistical Power Analysis for the Behavioral Sciences<\/h2>\n
3.1 Gen\u00e8se \u00e9ditoriale et versions successives (1969, 1988)<\/h3>\n
3.2 Structure modulaire et typologie des tests statistiques couverts<\/h3>\n
\n
3.3 L’introduction des tables de puissance et abaques d\u00e9cisionnels<\/h3>\n
4. La th\u00e9orisation et la normalisation de la taille d’effet<\/h2>\n
4.1 Le d de Cohen pour les diff\u00e9rences de moyennes<\/h3>\n
4.2 Les indices d’association : r, f\u00b2 et w<\/h3>\n
4.3 Les seuils conventionnels (faible, moyen, fort) et leurs mises en garde<\/h3>\n
\n
5. Le coefficient Kappa de Cohen : Mesure de l’accord inter-juges<\/h2>\n
5.1 Limites de la concordance brute en psychologie clinique<\/h3>\n
5.2 Formulation math\u00e9matique et propri\u00e9t\u00e9s du Kappa nominal<\/h3>\n
\n
5.3 Le Kappa pond\u00e9r\u00e9 (Weighted Kappa) de 1968<\/h3>\n
\n
6. La r\u00e9gression multiple comme cadre analytique universel<\/h2>\n
6.1 L’ouvrage Applied Multiple Regression\/Correlation Analysis<\/h3>\n