Comment effectuer une régression quantile dans Stata

Dans le champ de l’économétrie appliquée, de la biostatistique et de la modélisation psychométrique, l’analyse de régression linéaire par la méthode des Moindres Carrés Ordinaires (MCO) a longtemps constitué l’approche dominante pour quantifier les relations entre variables prédictives et variables de réponse. Néanmoins, en se focalisant exclusivement sur l’espérance conditionnelle, cette approche impose une vision réductrice des phénomènes observés en supposant implicitement que l’impact d’un prédicteur demeure uniforme sur l’ensemble des individus, indépendamment de leur positionnement au sein de la distribution de la variable d’intérêt. Dès lors que les données manifestent une forte asymétrie, une hétéroscédasticité structurelle ou des queues de distribution épaisses, les postulats gaussiens sous-jacents aux MCO s’effondrent, risquant d’induire des conclusions fallacieuses ou d’occulter des dynamiques sous-jacentes d’une importance clinique ou économique déterminante.

Introduite par les travaux séminaux de Roger Koenker et Gilbert Bassett Jr. (1978), la régression quantile propose un changement de paradigme méthodologique majeur en substituant à l’estimation de la moyenne conditionnelle celle d’une série continue de quantiles conditionnels. Cette extension non paramétrique du modèle linéaire classique permet d’explorer de manière exhaustive l’hétérogénéité des effets d’un traitement ou d’une covariable à travers la distribution globale d’une variable de réponse. Qu’il s’agisse d’évaluer l’impact d’une politique publique sur les ménages les plus modestes, de quantifier l’efficacité différentielle d’un protocole pharmacologique chez des patients présentant des profils extrêmes, ou d’analyser la dynamique des scores psychométriques aux bornes des échelles de mesure, la modélisation quantile offre une flexibilité inférentielle inégalée sans requérir de transformations arbitraires des données.

L’environnement logiciel Stata s’impose comme une référence incontournable pour la mise en œuvre empirique de ces modèles, grâce à son architecture logicielle native et à l’intégration d’algorithmes de programmation linéaire particulièrement efficients. L’objectif de cet article est de proposer un guide exhaustif, exhaustif et hautement rigoureux pour la conduite d’analyses par régression quantile sous Stata. De la justification épistémologique et théorique jusqu’à la publication de visualisations graphiques avancées, chaque étape du protocole analytique est détaillée, étayée par des syntaxes concrètes et articulée aux exigences de publication des revues scientifiques internationales à comité de lecture.

1. Fondements théoriques et épistémologiques de la régression quantile

1.1 Limites de la régression linéaire classique par les Moindres Carrés Ordinaires (MCO)

La régression linéaire par les Moindres Carrés Ordinaires repose sur l’estimation de la fonction d’espérance conditionnelle, formellement exprimée par l’équation de l’espérance de la variable dépendante sachant le vecteur de régresseurs. Cette formulation postule implicitement que le comportement moyen de la population résume de façon suffisante l’ensemble de la relation stochastique unissant les variables. Or, dans les distributions empiriques complexes, la moyenne constitue un indicateur de tendance centrale particulièrement vulnérable aux observations extrêmes et aux asymétries sévères. En minimisant la somme du carré des résidus, les MCO accordent un poids quadratique disproportionné aux écarts marginaux, ce qui entraîne une distorsion systématique des coefficients dès lors que des queues de distribution épaisses caractérisent les données.

Au-delà de cette vulnérabilité intrinsèque, le modèle linéaire classique impose l’hypothèse restrictive d’homoscédasticité, selon laquelle la variance des termes d’erreur conditionnels demeure rigoureusement constante sur l’ensemble de l’espace des covariables. Cette contrainte implique une invariance des effets marginaux à travers toute la distribution : l’effet d’une variation marginale du prédicteur est postulé comme identique, que le sujet se situe au 5e percentile, à la médiane ou au 95e percentile de la variable dépendante. Une telle hypothèse s’avère particulièrement irréaliste dans les sciences sociales, médicales et comportementales, où les individus présentant des caractéristiques basales contrastées réagissent fréquemment de façon hétérogène à une même impulsion ou intervention.

Cette simplification excessive engendre une perte dramatique d’informations critiques sur l’hétérogénéité non observée et la structure sous-jacente des sous-populations étudiées. En réduisant la multiplicité des trajectoires individuelles à une seule droite moyenne, les MCO masquent des phénomènes de divergence distributionnelle majeurs. Par exemple, une politique éducative peut n’exercer aucun effet moyen discernable tout en améliorant significativement les scores des élèves les plus en difficulté et en pénalisant les élèves les plus performants. Les MCO concluraient fallacieusement à l’inutilité de l’intervention, là où une perspective distributionnelle révélerait des réallocations substantielles au sein de la population cible.

1.2 Principe mathématique de la minimisation des écarts absolus pondérés

Pour dépasser ces restrictions structurelles, la régression quantile reformule le problème d’optimisation en substituant à la fonction de perte quadratique symétrique des MCO une fonction de perte asymétrique par morceaux, désignée dans la littérature sous le vocable de « check function » ou fonction de contrôle quantile, notée rhô d’indice tau. Formalisée par Koenker et Bassett (1978), cette fonction applique une pénalisation différentielle aux résidus positifs et négatifs selon le quantile cible tau, où tau appartient à l’intervalle ouvert ]0, 1[.

Mathématiquement, pour un quantile tau donné, le résidu positif est pondéré par tau, tandis que le résidu négatif est pondéré en valeur absolue par le facteur complémentaire (1 – tau). Dès lors, l’estimateur de régression quantile s’obtient par la minimisation globale de la somme pondérée des écarts absolus entre les observations empiriques et la combinaison linéaire des covariables. Dans le cas spécifique où tau est égal à 0.50, correspondant à la régression médiane (ou méthode des Moindres Déviations Absolues), les poids deviennent symétriques et l’algorithme minimise simplement la somme des valeurs absolues des résidus, conférant à l’estimateur une robustesse exceptionnelle face aux valeurs aberrantes.

La non-dérivabilité de la fonction de perte absolue à l’origine interdit le recours direct aux méthodes de dérivation analytique conventionnelles telles que les équations normales de Gauss-Markov. La résolution du problème d’optimisation nécessite donc un passage vers les méthodes de programmation linéaire, plus précisément par l’intermédiaire de l’algorithme du simplexe modifié, optimisé pour les métriques de type L1 par Barrodale et Roberts, ou par des algorithmes de points intérieurs adaptés aux matrices volumineuses. L’estimateur quantile ainsi dérivé possède des propriétés de robustesse semi-paramétrique remarquables, conservant sa convergence et son efficacité asymptotique même en présence d’erreurs non gaussiennes, tout en permettant d’interpréter chaque quantile conditionnel tau comme un seuil probabiliste paramétrique précis au sein de la distribution.

1.3 Pertinence méthodologique en sciences quantitatives et psychométrie

L’apport de la régression quantile s’avère fondamental dans les disciplines confrontées à des réponses comportementales ou cliniques hautement différenciées. En psychométrie, en neuropsychologie et en psychiatrie quantitative, les chercheurs s’intéressent rarement au comportement de l’individu moyen théorique ; la focale clinique se porte préférentiellement sur les sujets extrêmes, tels que les individus présentant une symptomatologie anxieuse invalidante ou des épisodes dépressifs sévères. L’impact d’une psychothérapie ou d’un biomarqueur peut se révéler marginal chez les sujets présentant des niveaux de détresse modérés, tout en déployant une amplitude thérapeutique massive chez les patients ancrés dans les percentiles supérieurs de gravité.

Par ailleurs, les instruments d’évaluation psychométriques et les échelles de Likert cumulent fréquemment des artefacts distributionnels sous forme d’effets de plafond ou d’effets de plancher. Ces distorsions surviennent lorsqu’une proportion importante de l’échantillon atteint les bornes minimales ou maximales de l’instrument de mesure, violant de facto la normalité bivariée requise par les approches paramétriques traditionnelles. La régression quantile traite nativement ces configurations sans nécessiter de censure artificielle ni de corrections ad hoc, en modélisant précisément les segments de distribution préservés de ces saturations instrumentales.

Enfin, la modélisation quantile permet d’explorer des phénomènes d’interaction complexes et des variations d’élasticité qui échappent intégralement aux modèles de moyenne conditionnelle. Les variations de pentes estimées à travers l’éventail des quantiles permettent de déceler des changements d’échelle (scale shifts) ou des asymétries de forme (shape shifts) de la distribution induits par les variables indépendantes. Cette capacité d’investigation en profondeur fait de la régression quantile un outil privilégié pour tester des théories psychologiques postulant une vulnérabilité différentielle des individus selon leur profil cognitif ou émotionnel initial.

2. Avantages comparatifs et conditions d’application sous Stata

2.1 Robustesse aux violations des postulats gaussiens

Le premier atout distinctif de la régression quantile sous Stata réside dans son affranchissement total vis-à-vis de l’hypothèse de normalité des résidus conditionnels. Contrairement aux estimateurs par MCO qui exigent une distribution d’erreur gaussienne pour garantir la validité exacte des tests de Student et de Fisher en échantillons finis, l’estimateur quantile s’appuie sur la théorie asymptotique de la distribution des rangs et des déviations absolues. Cette caractéristique lui confère une insensibilité structurelle face aux distributions leptokurtiques ou bimodales couramment rencontrées dans l’analyse de données d’enquêtes ou de registres sanitaires.

En corollaire, la régression quantile neutralise l’impact délétère des valeurs aberrantes (outliers) situées sur la variable dépendante. Dans un cadre MCO, un unique point distant peut exercer un effet de levier disproportionné et faire basculer la pente globale du modèle. En revanche, dans le paradigme quantile, le déplacement arbitraire d’une observation vers l’infini positif ou négatif ne modifie en rien la position du quantile conditionnel, tant que le signe du résidu demeure inchangé. Cette propriété d’invariance élimine l’arbitraire lié à l’élagage manuel ou à la winsorisation des échantillons empiriques, garantissant l’intégrité de la collecte initiale.

De surcroît, la méthode préserve la métrique originale des grandeurs mesurées, évitant ainsi le recours systématique et problématique aux transformations non linéaires, telles que la transformation logarithmique standard. Si la log-transformation permet fréquemment de stabiliser la variance, elle complique singulièrement la réinterprétation des résultats sur l’échelle naturelle en raison du biais induit par l’inégalité de Jensen lors de la ré-exponentiation de l’espérance conditionnelle. La régression quantile, bénéficiant de la propriété d’équivariance aux transformations monotones croissantes, garantit que le quantile de la fonction transformée coïncide rigoureusement avec la transformation du quantile initial, simplifiant substantiellement l’inférence substantive.

2.2 Caractérisation exhaustive de la distribution conditionnelle

L’estimation conjointe ou séquentielle de multiples fractiles conditionnels transforme une régression conventionnelle univariée en un véritable scan tomographique de la relation statistique. En paramétrant simultanément des quantiles inférieurs (ex. tau = 0.10), médians (tau = 0.50) et supérieurs (tau = 0.90), le chercheur n’est plus cantonné à une approximation unilatérale de l’espérance, mais reconstitue la forme globale de la densité conditionnelle de la variable de réponse.

Cette décomposition multi-quantiles constitue un outil analytique d’une rare élégance pour diagnostiquer et caractériser l’hétéroscédasticité empirique. Alors qu’un modèle MCO diagnostique l’hétéroscédasticité sous forme d’une nuisance statistique invalidant le calcul classique des erreurs-types — nécessitant le recours aux correctifs de White ou de Huber-White —, la régression quantile érige l’hétéroscédasticité en objet d’étude substantif. La divergence géométrique observée entre les pentes des quantiles inférieurs et supérieurs témoigne directement d’une expansion ou d’une contraction de la dispersion conditionnelle sous l’effet du régresseur.

D’un point de vue clinique ou économique, cette caractérisation permet d’évaluer de manière très fine comment l’amplitude de l’effet d’un traitement varie en fonction du niveau de base du sujet. En épidémiologie sociale, par exemple, cela permet de vérifier si un programme de réinsertion présente des rendements marginaux décroissants ou croissants le long de l’échelle des revenus ou des compétences professionnelles, offrant ainsi aux décideurs institutionnels des données probantes pour cibler optimalement l’allocation des ressources publiques.

2.3 Prérequis statistiques et considérations relatives à la taille d’échantillon

En dépit de sa flexibilité, la régression quantile impose des exigences méthodologiques rigoureuses qui conditionnent la validité de l’inférence, au premier rang desquelles figure la taille d’échantillon. La précision de l’estimateur quantile dépend directement de la densité locale d’observations disponibles au voisinage immédiat du quantile ciblé, formalisée par la fonction de densité de probabilité au point d’évaluation. Plus le quantile recherché s’éloigne du centre de la distribution pour s’approcher des queues extrêmes (telles que tau = 0.01 ou tau = 0.99), plus la rareté des points d’observation augmente, ce qui entraîne une inflation de la variance d’échantillonnage.

Il est communément admis qu’un échantillon considéré comme suffisant pour ajuster une régression MCO moyenne (par exemple, 100 à 150 observations) peut s’avérer déficitaire pour estimer un quantile 0.90 ou 0.95 avec un niveau d’erreur-type acceptable. L’estimation des quantiles extrêmes nécessite des effectifs substantiels pour assurer la convergence asymptotique de l’algorithme et éviter des instabilités d’échantillonnage majeures pouvant conduire à des chevauchements paradoxaux de quantiles conditionnels (quantile crossing), où le quantile prédit supérieur deviendrait localement inférieur au quantile médian.

Un autre prérequis statistique concerne la granularité de la variable dépendante. La régression quantile repose théoriquement sur l’hypothèse d’une variable de réponse continue possédant une fonction de répartition strictement croissante. L’application directe des algorithmes d’optimisation L1 sur des données fortement discrétisées, des variables de comptage à faible étendue ou des échelles ordinales courtes peut compromettre l’unicité de la solution de programmation linéaire et induire des plateaux d’indétermination dans le calcul des résidus, imposant alors l’utilisation de techniques d’adjonction de bruit continu contrôlé (jittering) pour rétablir la continuité distributionnelle.

3. Préparation des données et environnement de travail dans Stata

3.1 Initialisation de la session et chargement des jeux de données

La conduite d’une analyse économétrique rigoureuse sous Stata débute impérativement par la standardisation de l’espace de travail et la sécurisation des processus computationnels. Il convient d’initialiser systématiquement la session logicielle en nettoyant l’environnement de mémoire vive préexistant et en paramétrant les flux de sortie. L’exécution de la directive clear all garantit la purge intégrale des matrices, macros et jeux de données résiduels, évitant ainsi toute contamination croisée entre projets analytiques.

Parallèlement, la tenue d’un fichier journal d’enregistrement constitue une obligation déontologique assurant la traçabilité intégrale des calculs. L’instruction log using, complétée par l’option replace ou append, permet de capturer dans un document textuel horodaté l’ensemble des syntaxes compilées et les résultats générés par le moteur d’exécution de Stata. Cette rigueur documentaire facilite la vérification par les pairs et garantit la réplicabilité exacte des estimations lors de la soumission de manuscrits scientifiques.

Pour des fins didactiques et méthodologiques, l’exploitation d’un jeu de données standardisé s’avère particulièrement pertinente. Dans le cadre de ce guide, nous utiliserons le jeu de données d’archive automobile disponible nativement dans l’environnement logiciel, chargé via la commande sysuse auto, clear. Pour des travaux empiriques originaux, le chercheur importera ses microdonnées primaires en exploitant soit la commande use pour les formats propriétaires Stata (.dta), soit la directive import delimited pour les structures tabulaires délimitées issues d’entrepôts de données ou de logiciels tiers.

3.2 Inspection préliminaire et nettoyage des variables d’intérêt

Une fois le jeu de données importé, l’évaluation préalable de l’intégrité des métriques s’impose avant toute tentative de modélisation stochastique. L’attention analytique doit se concentrer sur les variables clés qui structureront l’équation économétrique, notamment la variable dépendante représentant la consommation de carburant exprimée en miles par gallon (variable mpg) et le régresseur continu principal matérialisé par la masse du véhicule mesurée en livres (variable weight).

L’inspection des données est réalisée via l’exécution conjointe des commandes describe, codebook et inspect. Ces outils procurent un inventaire exhaustif des valeurs uniques, de la complétude du codage et de l’existence éventuelle de codes sentinelles traduisant des valeurs manquantes non répertoriées (telles que des valeurs -99 ou 999 parfois injectées lors de la saisie). La détection rigoureuse des données manquantes et leur conversion formelle en valeurs de système manquantes sont déterminantes, la régression quantile sous Stata appliquant par défaut la suppression par observation complète (listwise deletion) pour l’ajustement du modèle.

Il est également indispensable de valider le typage des variables d’intérêt. La variable de réponse doit impérativement afficher un statut numérique continu à double précision, tandis que les covariables catégorielles potentielles — comme l’origine étrangère ou domestique du véhicule (variable foreign) — doivent faire l’objet d’un étiquetage minutieux via les commandes label define et label values. Cette formalisation sémantique garantira une exploitation limpide de l’opérateur de variables indicatrices de Stata lors de l’intégration ultérieure des effets fixes ou d’interaction.

3.3 Structuration et documentation du script de réplication (Do-file)

La reproductibilité computationnelle constitue la clé de voûte de la recherche contemporaine. L’ensemble des procédures analytiques doit être consigné au sein d’un fichier script Stata structuré, couramment désigné sous le terme de Do-file. Ce document doit présenter une architecture modulaire, segmentée en sections logiques identifiées par des bannières de commentaires académiques. L’en-tête du script documente systématiquement le titre de l’étude, l’identité des investigateurs, la date de compilation et la version logicielle cible via l’instruction version 17 (ou version ultérieure selon l’environnement déployé).

Une précaution méthodologique capitale consiste à fixer explicitement la graine du générateur de nombres pseudo-aléatoires à l’aide de l’instruction set seed, complétée par une chaîne numérique arbitraire mais constante. Cette étape revêt un caractère impératif dès lors que l’analyse intègre des estimations quantiles multivariées conjointes ou des procédures de rééchantillonnage par bootstrap. L’omission de cette directive entraînerait une instabilité des écarts-types d’une exécution à l’autre, compromettant la réplication exacte des intervalles de confiance et des niveaux de significativité statistique rapportés dans les publications.

Enfin, le Do-file doit intégrer des commentaires méthodologiques substantiels explicitant la justification de chaque choix de modélisation. Plutôt que de consigner de simples syntaxes mécaniques, le chercheur prendra soin de documenter les raisons théoriques motivant la sélection des quantiles spécifiques, la gestion des non-linéarités et les critères de robustesse retenus. Ce niveau d’exigence éditoriale au sein du script fluidifie considérablement la phase ultérieure de rédaction du manuscrit académique et répond aux standards de transparence scientifique les plus stricts.

4. Diagnostic distributionnel préalable de la variable dépendante

4.1 Évaluation visuelle de la non-normalité et de l’asymétrie

Avant de procéder à l’estimation proprement dite, il est indispensable de poser un diagnostic distributionnel précis sur la variable dépendante. L’analyse exploratoire débute par une appréciation graphique de la densité de distribution à l’aide d’histogrammes superposés d’une estimation de densité par noyau non paramétrique. Sous Stata, la commande histogram mpg, normal kdensity permet de confronter simultanément la distribution empirique des données, le profil théorique de la loi normale calé sur la moyenne et l’écart-type de l’échantillon, et le tracé lissé de la densité par la méthode d’Epanechnikov.

Pour ausculter plus finement le comportement des queues de distribution, le tracé de graphiques quantile-quantile constitue une étape diagnostique primordiale. L’instruction qnorm mpg projette les quantiles observés contre les quantiles théoriques attendus d’une loi gaussienne de paramètres identiques. Dès lors que la courbe empirique s’écarte significativement de la diagonale de référence à 45 degrés — particulièrement au niveau des extrémités supérieure et inférieure —, l’infirmation de l’hypothèse de normalité devient visuellement patente, signalant la présence d’une asymétrie positive ou d’un aplatissement prononcé.

Enfin, l’examen de la distribution conjointe bivariée via un diagramme de dispersion enrichi d’un ajustement non paramétrique local de type lowess fournit un aperçu précoce des hétérogénéités structurelles. La commande twoway (scatter mpg weight) (lowess mpg weight) met en évidence d’éventuelles courbures ou un écartement progressif du nuage de points au fur et à mesure que le régresseur croît. Cette configuration visuelle annonce une hétéroscédasticité sous-jacente et suggère que la pente moyenne calculée par les MCO ne saurait résumer fidèlement la diversité des comportements le long de l’axe des abscisses.

4.2 Tests formels de normalité et calcul des moments statistiques

L’intuition visuelle issue des représentations graphiques doit être rigoureusement confortée par des procédures d’inférence statistique formelles et le calcul des moments empiriques d’ordre supérieur. L’exécution de la commande summarize mpg, detail génère un tableau synthétique complet intégrant la moyenne, la variance, ainsi que les coefficients d’asymétrie (skewness) et d’aplatissement (kurtosis). Une distribution gaussienne pure se caractérise par une asymétrie nulle et un kurtosis standardisé égal à 3. Tout écart substantiel — notamment une valeur d’asymétrie excédant l’unité en valeur absolue — matérialise une déviation distributionnelle majeure nécessitant un modèle alternatif aux MCO.

Pour statuer formellement sur ces déviations, Stata propose une gamme étendue de tests paramétriques de normalité. Le test de Shapiro-Wilk, sollicité via l’instruction swilk mpg, confronte l’hypothèse nulle selon laquelle l’échantillon est issu d’une population normalement distribuée contre l’hypothèse d’une loi générale quelconque. Sa puissance statistique remarquable sur des échantillons de taille faible à modérée en fait un test de premier choix. Lorsque la valeur p résultante s’établit en deçà du seuil conventionnel de 0.05, l’hypothèse de normalité est catégoriquement rejetée.

En complément, le test de D’Agostino-Pearson, activé sous Stata par la commande sktest mpg, évalue de manière séparée puis conjointe la conformité des coefficients d’asymétrie et de kurtosis aux attentes théoriques de la loi normale. Ce test fournit des statistiques de test distinctes pour le tiers et le quatrième moment, permettant au biostatisticien ou à l’économètre de déterminer avec précision si la non-normalité dérive d’une queue de distribution unilatérale prononcée ou d’une accumulation excessive d’observations autour du mode associée à des queues dilatées.

4.3 Identification formelle de la structure d’hétéroscédasticité

L’hétéroscédasticité représente l’argument méthodologique le plus décisif pour justifier la transition des Moindres Carrés Ordinaires vers la régression quantile. Lorsque la variance du terme de perturbation varie systématiquement avec les régresseurs, les estimateurs MCO conservent leur sans-biais mais perdent leur efficacité au sens du théorème de Gauss-Markov, tandis que l’inférence fondée sur les erreurs-types conventionnelles devient invalide. Pour dépister formellement cette distorsion, il convient d’ajuster préalablement le modèle de régression linéaire de référence, puis de mobiliser les outils de diagnostic post-estimation de Stata.

Après l’estimation du modèle linéaire via regress mpg weight, l’instruction estat hettest déploie le test de Breusch-Pagan / Cook-Weisberg pour l’hétéroscédasticité. Ce test analyse si la variance des résidus dépend linéairement des valeurs prédites ou de covariables explicites. Une statistique de score associée à une valeur p inférieure au seuil critique de 5 % apporte une réfutation formelle de l’homoscédasticité, démontrant que la dispersion de la consommation automobile fluctue structurellement en fonction de la masse du véhicule.

Ce résultat quantitatif doit être corroboré visuellement par l’examen du graphique des résidus en fonction des valeurs ajustées, obtenu via l’instruction rvfplot, yline(0). La présence d’un motif résiduel en éventail (funnel shape) — où l’écartement vertical des résidus s’élargit ou se resserre continûment le long de l’axe des valeurs prédites — illustre parfaitement l’inadéquation d’une modélisation à variance constante. Cette configuration prouve empiriquement que la distribution conditionnelle de la variable de réponse subit une déformation morphologique d’ampleur, établissant la nécessité méthodologique absolue de recourir à l’architecture de la régression quantile pour décrypter cette variabilité sous-jacente.

5. Estimation du modèle linéaire de référence par les MCO

5.1 Spécification et syntaxe du modèle MCO standard

Afin de constituer une ligne de base comparative indispensable à l’évaluation des gains d’information procurés par l’approche quantile, il convient d’estimer en premier lieu le modèle de régression linéaire classique par les Moindres Carrés Ordinaires. Sous Stata, cette modélisation s’exécute à l’aide de la commande regress, syntaxe centrale du répertoire économétrique du logiciel. La syntaxe canonique s’énonce simplement : regress mpg weight, assignant à la variable mpg le statut de variable dépendante et à weight celui de variable indépendante continue unique.

L’ajustement du modèle produit un tableau d’estimation standardisé structuré en trois volets distincts : la table d’analyse de la variance (décomposant la somme des carrés totale en fractions expliquée et résiduelle), les métriques d’ajustement global (notamment le coefficient de détermination R-deux, le R-deux ajusté, et la statistique globale de Fisher), et enfin la table des coefficients de régression. Ce tableau fournit pour chaque paramètre l’estimation ponctuelle, l’erreur-type classique calculée sous hypothèse d’homoscédasticité, la statistique t de Student associée, la valeur p bilatérale ainsi que l’intervalle de confiance à 95 %.

Le coefficient de détermination R-deux généré par ce modèle de base quantifie la proportion de la variance totale de la consommation expliquée par la variation linéaire de la masse du véhicule. Bien que cette métrique atteigne fréquemment des valeurs substantielles dans des configurations mécaniques élémentaires (généralement comprises entre 0.60 et 0.70 dans le jeu de données auto), elle n’offre aucune garantie quant à la stabilité structurelle du coefficient estimé sur les différents segments de la population analysée.

5.2 Interprétation académique des coefficients moyens

L’interprétation substantive du coefficient MCO obtenu procède de la dérivée partielle de l’espérance conditionnelle par rapport au prédicteur continu. Dans le cadre de notre spécification liant mpg à weight, le coefficient estimé s’établit approximativement à -0.0060087 (arrondi pour des fins discursives à -0.006). Dans le formatage de rédaction académique standard, ce paramètre stipule qu’une augmentation unitaire de la masse du véhicule d’une livre est associée, en moyenne sur l’ensemble de l’échantillon, à une réduction de la consommation d’environ 0.006 mile par gallon. Exprimé à une échelle industrielle plus lisible, un alourdissement de 1 000 livres induit une détérioration moyenne du rendement énergétique d’approximativement 6 miles par gallon.

L’examen de l’intervalle de confiance à 95 %, délimité par des bornes rigoureusement négatives, permet de rejeter l’hypothèse nulle d’absence d’effet linéaire avec un niveau de confiance élevé. Cependant, cette restitution linéaire moyenne élude une interrogation substantielle critique : ce coût énergétique lié au surpoids s’exerce-t-il avec la même intensité destructrice chez les véhicules à faible efficacité énergétique (ceux caractérisés par de faibles valeurs de mpg) et chez les véhicules hautement efficients (ceux situés dans le haut de la distribution de mpg) ?

La rhétorique MCO se heurte ici à sa limite épistémologique intrinsèque. Elle est structurellement incapable d’indiquer si la pénalité associée à la masse est constante ou si elle s’atténue chez les véhicules déjà lourds et énergivores. L’inférence issue des Moindres Carrés Ordinaires impose une pénalité identique à tous les types de motorisations, nivelant arbitrairement des dynamiques physiques qui relèvent potentiellement de régimes thermodynamiques ou aérodynamiques distincts.

5.3 Mise en évidence des limites inférentielles du modèle de base

La confrontation de la droite de régression MCO aux données met immédiatement en relief sa vulnérabilité empirique. En contraignant l’ajustement à traverser le barycentre de l’échantillon défini par les moyennes marginales des variables, la droite subit une distorsion systématique imposée par les quelques véhicules extrêmement lourds ou exceptionnellement légers. Les valeurs aberrantes résiduelles étirent la droite, conduisant à des prédictions erratiques aux bornes de l’espace échantillonnal.

De plus, cette approche moyenne ignore la dispersion hétérogène de la variable dépendante conditionnellement à la variable explicite. Pour les véhicules de faible poids, la variance observée du rendement énergétique est considérable, certains constructeurs parvenant à des prouesses techniques d’ingénierie tandis que d’autres affichent des rendements médiocres. À l’inverse, pour les véhicules très lourds, la variance s’effondre : la masse imposante contraint inévitablement la consommation dans une fourchette étroite de faibles valeurs de miles par gallon.

En négligeant cette asymétrie de dispersion, le modèle MCO génère des résidus dont la structure viole explicitement l’hypothèse d’indépendance et d’identique distribution des termes d’erreur. Dès lors, le modèle moyen ne peut en aucun cas prétendre à une description fidèle de la dynamique énergétique globale. Il constitue simplement une simplification approximative, utile comme jalon de comparaison, mais scientifiquement insuffisante pour quiconque souhaite explorer les véritables mécanismes sous-jacents de la variabilité technologique ou comportementale.

6. Syntaxe fondamentale de la régression médiane sous Stata

6.1 Mise en œuvre de la commande qreg pour la médiane (tau = 0.50)

L’initialisation pratique de la modélisation quantile sous Stata s’opère par le biais de la commande native qreg. Lorsqu’elle est appelée sans paramètre d’option spécifique, la commande calibre son algorithme d’optimisation sur le quantile tau = 0.50, correspondant rigoureusement à la régression médiane (également dénommée régression L1 ou méthode des Moindres Déviations Absolues). La syntaxe canonique prend la forme suivante : qreg mpg weight.

L’exécution de cette commande déclenche immédiatement l’affichage dans la fenêtre de résultats de Stata des étapes itératives de calcul. Contrairement à la résolution matricielle directe et fermée des MCO, l’estimation quantile procède d’une résolution par programmation linéaire. Stata utilise une version optimisée de l’algorithme du simplexe introduite par Barrodale et Roberts (1974), spécialement conçue pour les problèmes de minimisation de normes absolues L1. Cet algorithme parcourt méthodiquement les sommets du polyèdre convexe des contraintes pour identifier la combinaison optimale de paramètres minimisant la somme pondérée des résidus.

L’interface consigne le suivi des itérations successives sous l’intitulé Iteration 1: WLS sum of weighted deviations = …, illustrant la phase d’initialisation par Moindres Carrés Pondérés, suivie des itérations d’ajustement du simplexe. Dès que l’amplitude de modification des coefficients entre deux passages successifs passe en deçà du seuil de tolérance de convergence, le moteur de calcul interrompt la boucle et restitue le tableau de résultats finalisé. Ce processus itératif garantit l’identification d’une solution globale robuste, exempte des écueils de divergence numérique propres aux approches fondées sur le gradient classique.

6.2 Décomposition et lecture du tableau de résultats qreg

Le tableau de sortie généré par la commande qreg se distingue nettement de la sortie MCO traditionnelle, reflétant la nature spécifique de l’approche distributionnelle. Dans l’en-tête supérieur droit, la statistique descriptive centrale n’est plus la somme des carrés des résidus, mais la somme minimale des déviations absolues, désignée sous l’étiquette Min sum of deviations. Cette valeur correspond à la fonction objectif minimale atteinte par l’algorithme à convergence.

Immédiatement en dessous figure le pseudo R-deux (Pseudo R2), calculé selon la formulation d’inégalité de dispersion proposée par Koenker et Machado (1999). Cette métrique compare la somme des déviations absolues du modèle complet incluant les régresseurs à celle d’un modèle contraint ne comportant que la seule constante quantile. Bien que formellement analogue au R-deux de McFadden utilisé dans les modèles à choix discrets, ce pseudo R-deux ne mesure pas une proportion de variance expliquée au sens quadratique, mais une réduction relative de la déviance absolue pondérée à travers le quantile évalué.

Dans le corps du tableau, les coefficients rapportent l’effet marginal de chaque régresseur sur la médiane conditionnelle de la variable dépendante. L’estimation ponctuelle obtenue pour la variable weight dans le modèle médian s’établit généralement à une valeur distincte de celle observée sous MCO (par exemple, un coefficient de -0.00539 au lieu de -0.00600). Cette différence statistique traduit l’incidence du nettoyage implicite des asymétries : la médiane conditionnelle, insensible à la traction disproportionnée des valeurs extrêmes situées dans la queue supérieure de consommation, fournit une appréciation plus conservative et robuste de l’effet central du poids automobile.

6.3 Calcul de l’erreur-type et méthodes d’inférence analytique

L’inférence statistique sur les coefficients quantiles nécessite une estimation rigoureuse de la matrice de variance-covariance asymptotique des estimateurs. Par défaut, la commande qreg de Stata implémente la méthode analytique asymptotique formulée par Koenker et Bassett (1982). Cette méthodologie repose sur le calcul de la fonction de parcimonie (sparsity function), qui correspond à l’inverse de la fonction de densité de probabilité des erreurs conditionnelles évaluée au quantile considéré.

Pour estimer cette densité résiduelle inobservée, Stata fait appel à une méthode d’estimation par noyau ou par fenêtrage de type différence finie, ajustée selon la largeur de bande optimale dérivée des travaux de Bofinger ou de Hall et Sheather. La qualité de l’approximation analytique de la variance dépend ainsi de la régularité locale de la distribution des résidus autour de la coupure quantile tau = 0.50. L’erreur-type rapportée dans la colonne Std. Err. intègre directement cette densité de parcimonie, permettant le calcul des statistiques de test de Student (t) et des valeurs p afférentes.

Toutefois, cette méthode analytique asymptotique requiert une prudence méthodologique particulière en présence d’échantillons de taille modeste ou lorsque l’hypothèse selon laquelle la densité des erreurs est indépendante des covariables se trouve violée. Si la structure de l’erreur conditionnelle est intrinsèquement liée aux prédicteurs (présence d’hétéroscédasticité complexe non paramétrique), l’erreur-type asymptotique standard calculée par qreg peut sous-estimer la variance d’échantillonnage réelle, justifiant pleinement le recours aux approches d’inférence par rééchantillonnage bootstrap que nous explorerons dans les sections subséquentes.

7. Modélisation des quantiles spécifiques et analyse des queues de distribution

7.1 Syntaxe de l’option quantile() pour cibler des seuils arbitraires

La véritable puissance de la régression quantile réside dans sa capacité à explorer n’importe quel segment arbitraire de la distribution conditionnelle. L’implémentation de cette flexibilité s’effectue sous Stata par l’adjonction de l’option explicite quantile(#) — ou sous sa forme abrégée q(#) — à la suite de la commande qreg. Le paramètre numérique argumenté doit impérativement s’inscrire dans l’intervalle ouvert entre 0 et 1, désignant la fraction cumulative de la distribution ciblée.

Ainsi, pour estimer l’impact de la masse sur le premier quartile de la consommation énergétique, correspondant aux véhicules les moins performants ou les plus gourmands en carburant (tau = 0.25), la syntaxe s’énonce : qreg mpg weight, quantile(0.25). De façon symétrique, la modélisation du troisième quartile (tau = 0.75) ou du neuvième décile (tau = 0.90), incarnant le segment des véhicules particulièrement sobres et efficients, est obtenue par la spécification : qreg mpg weight, quantile(0.75) et qreg mpg weight, quantile(0.90).

Stata autorise également l’investigation de quantiles hautement spécifiques aux franges distributionnelles, tels que le cinquième percentile (q(0.05)) ou le quatre-vingt-quinzième percentile (q(0.95)). Néanmoins, la syntaxe exige une vigilance mathématique proportionnelle : plus le seuil paramétré s’approche des bornes asymptotiques 0 ou 1, plus la densité locale d’observations s’amenuise, ce qui peut accroître le nombre d’itérations du simplexe nécessaires pour atteindre la convergence et générer des intervalles d’estimation plus larges.

7.2 Interprétation substantive des coefficients conditionnels spécifiques

L’exploitation des résultats issus des différentes strates quantiles enrichit considérablement l’analyse substantive des dynamiques sous-jacentes. Considérons la confrontation entre le coefficient associé à la variable weight estimé pour le quantile inférieur tau = 0.10 et celui dérivé pour le quantile supérieur tau = 0.90. Les résultats empiriques révèlent fréquemment une hétérogénéité marquée de la magnitude des pentes : le coefficient peut afficher une valeur de -0.0035 au quantile 0.10, tandis qu’il atteint -0.0085 au quantile 0.90.

D’un point de vue technologique et économique, cette divergence d’amplitude comporte une signification fondamentale. Un coefficient de -0.0085 sur le 90e percentile de mpg indique que chez les véhicules les plus efficients du marché, l’adjonction d’une livre de poids dégrade fortement le rendement énergétique. Dans cette classe de véhicules hautement optimisés, la légèreté constitue le déterminant critique de la performance : chaque surcharge pénalise sévèrement l’efficacité énergétique globale.

À l’opposé, au 10e percentile de la distribution conditionnelle, où se concentrent les véhicules structurellement énergivores (gros camions, véhicules dotés de motorisations lourdes à forte cylindrée), l’impact marginal d’une augmentation unitaire du poids est considérablement plus atténué (-0.0035). Ces véhicules présentent déjà une telle inefficacité intrinsèque que l’adjonction marginale de masse ne dégrade que faiblement une consommation de carburant qui s’avère d’ores et déjà médiocre. L’approche quantile démasque ainsi une asymétrie comportementale que l’estimation MCO moyenne nivelle de manière artificielle.

7.3 Gestion des covariables multiples et contrôles statistiques

La régression quantile s’étend aisément à des spécifications multivariées intégrant simultanément des vecteurs de covariables continues, catégorielles et des termes d’interaction structurels. L’environnement Stata déploie toute son efficacité grâce à la prise en charge native de la notation factorielle (factor variables). L’inclusion d’une variable binaire ou polytomique s’effectue simplement via le préfixe i., permettant au compilateur d’assigner automatiquement une modalité de référence et de créer les indicatrices requises.

Dans notre application empirique, l’intégration du statut d’origine du véhicule s’opère par la commande : qreg mpg weight i.foreign, quantile(0.75). Le coefficient attribué à la modalité 1.foreign quantifie l’écart d’efficacité énergétique imputable aux véhicules étrangers par rapport aux véhicules domestiques précisément au 75e percentile conditionnel de consommation, une fois contrôlé l’effet de la masse corporelle globale de l’automobile.

De plus, l’analyste peut modéliser des modulations de pentes en spécifiant des termes d’interaction croisés via les opérateurs de factor variables. L’instruction qreg mpg c.weight##i.foreign, quantile(0.75) calcule simultanément les effets principaux et le coefficient d’interaction entre la variable continue weight (dénotée par l’opérateur c.) et la variable dichotomique foreign. L’interprétation conjointe de ces termes permet d’évaluer si la pénalité marginale induite par le surpoids varie de façon différentielle entre constructeurs nationaux et étrangers sur le segment spécifique des véhicules à haut rendement énergétique.

8. Estimation simultanée de quantiles multiples avec sqreg

8.1 Motivation méthodologique de l’estimation conjointe

L’estimation séquentielle de plusieurs modèles quantiles via des commandes qreg isolées présente une lacune inférentielle majeure. Bien qu’elle fournisse des estimations ponctuelles rigoureusement exactes pour chaque quantile pris individuellement, elle traite chaque équation de manière totalement étanche, comme si les distributions sous-jacentes procédaient d’échantillons indépendants. En conséquence, l’exécution répétée de qreg est incapable de fournir la covariance d’échantillonnage existant entre les différents estimateurs de pentes calculés sur des quantiles distincts d’une même population.

Or, cette covariance inter-quantiles constitue la brique mathématique élémentaire requise pour exécuter des tests d’hypothèses formels comparant l’ampleur des coefficients à travers la distribution. Si un chercheur souhaite démontrer formellement que l’effet marginal exercé par un facteur au 25e percentile est statistiquement distinct de celui exercé au 75e percentile, il doit nécessairement calculer l’erreur-type de la différence de ces deux coefficients. Cette erreur-type requiert impérativement le terme de covariance croisée, sous peine de biaiser lourdement l’estimation de la statistique de test.

Pour résoudre cette exigence théorique, Stata a développé la commande native sqreg (pour simultaneous quantile regression). Cette procédure ajuste de manière groupée et simultanée un système complet d’équations quantiles, tout en reconstruisant la matrice complète de variance-covariance des coefficients par une procédure de rééchantillonnage bootstrap non paramétrique appliquée uniformément à l’ensemble du système.

8.2 Syntaxe et exécution de la commande sqreg

La commande sqreg requiert la déclaration explicite de l’ensemble des seuils quantiles ciblés dans l’option principale quantiles() (qui peut être abrégée en q()). Contrairement à qreg qui n’accepte qu’un unique scalaire, sqreg attend une série de fractions séparées par des espaces. Par exemple, pour modéliser une grille analytique couvrant l’ensemble du spectre distributionnel (10e, 25e, 50e, 75e et 90e percentiles), la syntaxe s’articule comme suit : sqreg mpg weight foreign, quantiles(0.10 0.25 0.50 0.75 0.90) reps(500).

L’option reps(#) gouverne le nombre d’itérations bootstrap exécutées par le moteur de calcul pour estimer la distribution conjointe des paramètres. La valeur par défaut de 20 réplications intégrée dans certaines versions de Stata est strictement illustrative et totalement insuffisante pour une inférence académique fiable. Les standards contemporains de la recherche exigent la spécification d’au moins 400 à 1 000 réplications pour garantir la convergence et la stabilité des erreurs-types asymptotiques, particulièrement pour les percentiles d’extrémité.

Il est impératif de souligner à nouveau l’obligation de fixer préalablement la graine aléatoire via l’instruction set seed immédiatement avant l’exécution de sqreg. Le bootstrap procédant par tirages aléatoires avec remise au sein des observations de l’échantillon, deux exécutions consécutives dépourvues de graine figée produiraient des erreurs-types légèrement fluctuantes, compromettant la stricte reproductibilité des résultats lors des processus d’audit scientifique ou de révision par les pairs.

8.3 Exploitation de la matrice de variance-covariance inter-quantiles

À l’issue de la compilation de la commande sqreg, Stata restitue un tableau articulé en blocs successifs identifiés par des étiquettes d’équations spécifiques : [q10], [q25], [q50], etc. Chaque sous-modèle présente ses coefficients propres, accompagnés des erreurs-types dérivées de la distribution empirique des rééchantillons bootstrap. La structure sous-jacente des interdépendances peut être inspectée via l’instruction post-estimation estat vce.

L’affichage de cette macro-matrice révèle non seulement les variances individuelles associées à chaque estimateur sur sa diagonale principale, mais également l’ensemble des blocs de covariances croisées hors-diagonale liant, par exemple, le paramètre de la variable weight dans l’équation [q25] à son homologue dans l’équation [q75]. La corrélation d’échantillonnage entre estimateurs de quantiles contigus s’avère généralement positive et substantielle, matérialisant le fait que les observations participant à la définition du 25e percentile influencent également le positionnement de la médiane conditionnelle.

La disponibilité computationnelle de cette matrice complète constitue le socle indispensable pour formuler une batterie de tests d’hypothèses linéaires et non linéaires. Elle autorise la formulation d’équations de contraste rigoureuses permettant d’arbitrer scientifiquement entre une simple translation générale de la variable dépendante ou une altération structurelle de l’échelle et de la forme de sa distribution conditionnelle.

9. Inférence statistique et tests d’hypothèses inter-quantiles

9.1 Test d’égalité des pentes entre différents quantiles

L’application inférentielle la plus féconde autorisée par l’architecture sqreg réside dans le test formel d’égalité des pentes à travers la distribution conditionnelle. L’objectif consiste à vérifier empiriquement si le coefficient d’une variable indépendante demeure invariant entre deux ou plusieurs fractiles ciblés, ce qui reviendrait à valider la pertinence du modèle MCO classique. L’implémentation de cette confrontation s’effectue sous Stata via la commande post-estimation test.

Pour tester l’hypothèse nulle stipulant que l’effet de la masse automobile est strictement identique au premier quartile (q25) et au troisième quartile (q75), la syntaxe s’énonce précisément : test [q25]weight = [q75]weight. Cette instruction soumet les estimations à un test de Wald fondé sur la distance quadratique normalisée par la matrice de variance-covariance bootstrap conjointe calculée lors de l’estimation préalable.

Cette approche peut être étendue à un test global d’invariance sur l’ensemble du profil distributionnel afin d’évaluer l’hypothèse générale d’homoscédasticité structurelle. La commande prendra alors la forme : test [q10]weight = [q25]weight = [q50]weight = [q75]weight = [q90]weight. Stata produit en sortie la valeur calculée de la statistique du Chi-deux de Wald associée aux degrés de liberté appropriés, ainsi que la valeur p correspondante. Un rejet franc de l’hypothèse nulle (par exemple, p < 0.001) apporte une confirmation empirique décisive : l’impact du régresseur se modifie significativement le long de la distribution, réfutant formellement l’hypothèse d’une pente unique véhiculée par les MCO.

9.2 Évaluation empirique de la non-linéarité des effets

Au-delà du simple rejet de l’égalité globale des pentes, l’analyse fine des contrastes inter-quantiles permet de caractériser la géométrie exacte de la non-linéarité des effets marginaux. Les chercheurs peuvent tester des hypothèses de monotonicité ordonnée, cherchant à déterminer si l’amplitude de l’effet s’accroît ou s’atténue de façon continue à mesure que l’on progresse vers les quantiles supérieurs, traduisant un phénomène d’accélération ou d’épuisement de l’impact du prédicteur.

Cette distinction conceptuelle s’inscrit au cœur de la différenciation théorique entre un simple décalage de localisation (location shift) et un effet d’échelle (scale shift). Un décalage de localisation se produit lorsque l’introduction d’un traitement translate uniformément l’ensemble de la distribution conditionnelle vers la droite ou vers la gauche sans en modifier la variabilité interne : dans ce cadre, les pentes quantiles sont toutes égales entre elles et coïncident avec la pente MCO. En revanche, la présence de pentes divergentes caractérise un effet d’échelle, indiquant que le régresseur modifie simultanément la tendance centrale et la dispersion intrinsèque de la sous-population.

Lorsque le test de Wald conduit au rejet de l’égalité des pentes, l’analyste dispose d’une preuve robuste attestant de l’insuffisance descriptive du modèle de régression linéaire classique. L’inférence MCO ne peut plus être considérée comme un résumé suffisant des données : elle est formellement dépassée par la richesse explicative du modèle quantile, qui met au jour des déformations morphologiques complexes que l’économétrie moyenne était structurellement incapable d’appréhender.

9.3 Tests de restrictions linéaires complexes sur plusieurs régresseurs

L’éventail des capacités inférentielles de Stata permet de formuler des tests de restrictions linéaires complexes impliquant simultanément plusieurs prédicteurs au sein de multiples équations quantiles. Cette flexibilité s’avère précieuse lors de l’estimation de modèles comportant des variables indicatrices dérivées d’un même facteur catégoriel ou des interactions polyadiques. Par exemple, il est possible de tester si l’effet combiné de la masse et de la provenance géographique au 10e percentile est statistiquement équivalent à leur impact combiné au 90e percentile.

La formulation syntaxique mobilise la commande test en spécifiant des combinaisons linéaires d’équations : test ([q10]weight = [q90]weight) ([q10]foreign = [q90]foreign). Stata évalue alors une hypothèse nulle conjointe via une statistique de Wald globale, garantissant un contrôle rigoureux du taux d’erreur de première espèce face à la multiplicité des contraintes postulées.

Pour les hypothèses formulées sous une géométrie non linéaire (comme des ratios d’élasticités ou des combinaisons multiplicatives de paramètres entre fractiles), l’analyste peut mobiliser la commande testnl, qui implémente la méthode delta multivariée pour linéariser les restrictions locales. Dès lors que l’on procède à des séries exploratoires étendues de tests de contrastes bilatéraux par paires de quantiles, il demeure impératif d’intégrer des procédures de correction pour comparaisons multiples (telles que les ajustements de Bonferroni, Holm ou Benjamini-Hochberg) afin de préserver la validité de l’inférence contre l’inflation statistique du risque alpha.

10. Approches alternatives et robustesse de l’inférence : bsqreg et iqreg

10.1 Estimation robuste par rééchantillonnage bootstrap avec bsqreg

Lorsqu’un modèle ne nécessite l’investigation que d’un unique quantile conditionnel à la fois, mais que les conditions de régularité requises pour le calcul de l’erreur-type analytique asymptotique par qreg sont suspectées de défaillance, la commande bsqreg (bootstrap quantile regression) constitue l’alternative méthodologique privilégiée. Cette commande exécute l’ajustement du quantile ciblé en dérivant sa matrice de variance-covariance non pas à partir d’approximations de densité par noyau, mais par une procédure de rééchantillonnage bootstrap non paramétrique interne.

La syntaxe de base s’aligne rigoureusement sur celle de la commande mère : bsqreg mpg weight, quantile(0.75) reps(1000). L’algorithme opère par tirages répétés avec remplacement de n observations au sein de l’échantillon empirique initial, ajustant le modèle L1 sur chaque pseudo-échantillon généré, puis calculant la déviation standard de la distribution empirique des coefficients obtenus sur les 1 000 réplications pour déterminer l’erreur-type finale.

L’avantage fondamental de bsqreg réside dans sa robustesse exceptionnelle face à l’hétéroscédasticité non spécifiée et aux formes arbitraires de la distribution des perturbations. La comparaison systématique des erreurs-types générées par qreg et bsqreg révèle fréquemment des écarts instructifs : en présence de poches de faible densité locale, l’erreur-type asymptotique conventionnelle tend à sous-estimer l’incertitude d’échantillonnage réelle, un biais que le bootstrap corrige efficacement en restituant des intervalles de confiance plus réalistes et mieux calibrés.

10.2 Régression sur l’intervalle interquartile avec iqreg

Dans de nombreuses applications d’économie sociale ou d’analyse des inégalités, l’interrogation scientifique ne porte pas tant sur la localisation absolue d’un quantile individuel que sur la mesure directe de la dispersion ou de l’inégalité interne de la distribution conditionnelle. La commande iqreg (interquantile range regression) a été développée précisément pour répondre à cet objectif théorique en modélisant formellement l’écart séparant deux quantiles distincts.

Par défaut, la commande ajuste une régression sur l’intervalle interquartile classique, correspondant à la différence algébrique entre le 75e percentile et le 25e percentile de la variable de réponse : iqreg mpg weight. L’estimation s’effectue de façon conjointe, et le tableau de résultats rapporte directement l’effet marginal du régresseur sur l’amplitude de cet écart distributionnel. Un coefficient négatif et statistiquement significatif pour la variable weight indique qu’une augmentation du poids compresse l’espace interquartile de la consommation automobile, réduisant de facto la variabilité conditionnelle du rendement énergétique chez les véhicules lourds.

La commande déploie une grande flexibilité grâce à ses options q1(#) et q2(#), autorisant la paramétrisation de n’importe quel écart inter-fractile arbitraire. Ainsi, l’instruction iqreg mpg weight, q1(0.10) q2(0.90) reps(500) fournit une mesure directe de l’impact du régresseur sur l’inégalité globale régnant entre les queues de distribution (l’écart inter-décile 90-10). Cette approche offre une interprétation substantielle immédiate pour évaluer l’impact d’une variable sur la dispersion d’une distribution sans devoir passer par le calcul manuel de contrastes post-estimation.

10.3 Extensions pour données complexes et dépendances résiduelles

La recherche contemporaine est fréquemment confrontée à des structures d’échantillonnage hiérarchisées ou longitudinales qui violent l’hypothèse fondamentale d’indépendance statistique des termes d’erreur entre observations. En présence de données groupées par grappes (clusters) — telles que des élèves regroupés au sein d’établissements scolaires ou des mesures répétées sur des patients —, les commandes standards qreg ou sqreg génèrent des erreurs-types artificiellement comprimées, conduisant à une sur-rejet massif de l’hypothèse nulle.

Pour remédier à cette contrainte, la communauté des utilisateurs économètres a développé des extensions spécialisées accessibles sur les dépôts officiels du SSC. Le module qreg2, conçu par Parente et Santos Silva (2016), constitue une avancée méthodologique majeure en offrant une estimation quantile robuste à l’hétéroscédasticité et autorisant la déclaration explicite d’effets de grappes via l’option cluster(varname). Cette commande implémente une formule analytique en sandwich adaptée à l’espace non paramétrique des quantiles conditionnels, alignant la rigueur inférentielle de la régression quantile sur les standards de correction de grappes désormais obligatoires en micro-économétrie.

Pour le traitement des données de panel pur caractérisées par une dimension longitudinale temporelle, l’analyste peut se tourner vers la commande xtqreg, implémentant la méthode d’estimation par variables instrumentales de moments quantiles formulée par Machado et Santos Silva (2019). Cette procédure résout le redoutable problème des paramètres incidents inhérent à l’introduction d’effets fixes individuels au sein de fonctions de perte non linéaires, permettant d’isoler rigoureusement les effets quantiles structurels tout en contrôlant l’hétérogénéité individuelle invariante dans le temps non observée.

11. Visualisation graphique avancée des résultats avec grqreg

11.1 Installation et configuration du module complémentaire grqreg

La communication scientifique des résultats d’une régression quantile requiert impérativement un support visuel performant. L’interprétation d’une série continue de coefficients tabulés à travers cinq, dix ou vingt quantiles devient rapidement indigeste sous forme de texte brut ou de matrices numériques denses. Pour pallier cette difficulté, le module complémentaire grqreg développé par João Pedro Azevedo s’impose comme le standard graphique dans l’écosystème Stata.

Ce module n’étant pas systématiquement intégré dans la bibliothèque native de base du logiciel, son acquisition s’opère par le protocole de téléchargement de paquets communautaires de Stata via la commande standard : ssc install grqreg, replace. Cette instruction rapatrie le script de compilation principal ainsi que l’ensemble des fichiers d’aide et de documentation associés (.hlp ou .sthlp).

Sur le plan opérationnel, grqreg fonctionne rigoureusement comme une routine post-estimation. Il est donc indispensable d’exécuter préalablement un modèle quantile unique via qreg ou, de façon bien plus recommandée, une régression multi-quantiles simultanée via sqreg avant de lancer la commande graphique. Cette articulation garantit la transmission immédiate de la matrice complète des estimations et de leurs variances respectives au processeur graphique.

11.2 Génération et personnalisation des graphiques d’effets quantiles

La syntaxe fondamentale d’exécution s’articule autour de la directive : grqreg, ci ols olsci. Cette commande ordonne au moteur de calcul de tracer la trajectoire continue des coefficients quantiles estimés sur l’ensemble du domaine distributionnel, d’envelopper cette courbe de son intervalle de confiance à 95 % sous forme d’une bande grisée (option ci), et de superposer à des fins de comparaison immédiate la droite horizontale représentant l’effet marginal moyen estimé par les MCO (option ols) encadrée par ses propres limites de confiance (option olsci).

L’instruction autorise une personnalisation esthétique intégrale pour satisfaire aux exigences typographiques des revues internationales de premier rang. Le chercheur peut spécifier les teintes de remplissage des zones d’incertitude via les options de palettes de couleurs de Stata, moduler l’épaisseur et le type de trait de la trajectoire quantile à l’aide de l’argument clpattern(), et intégrer des titres d’axes rigoureusement calibrés reflétant la métrique des variables. Par exemple, l’adjonction de l’option title(« Trajectoire de l’effet marginal de la masse sur le rendement énergétique ») et xtitle(« Quantiles conditionnels de mpg ») assure un habillage éditorial irréprochable.

En présence d’une spécification multivariée comportant plusieurs prédicteurs, grqreg génère par défaut un graphique multipanneau intégrant les sous-diagrammes d’effets pour chaque variable indépendante incluse dans le modèle. L’analyste peut cependant contraindre la génération à un sous-ensemble déterminé à l’aide de l’option cons ou en ciblant nommément les variables sélectionnées, optimisant ainsi l’espace visuel en vue de son intégration dans le corps d’un article de recherche.

11.3 Interprétation visuelle des diagrammes de coefficients

L’exploitation analytique du diagramme de coefficients produit par grqreg procure une synthèse visuelle instantanée des dynamiques distributionnelles à l’œuvre. Le premier critère diagnostique consiste à examiner la relation spatiale unissant la courbe des coefficients quantiles (courbe sombre continue) et la bande de confiance horizontale issue des Moindres Carrés Ordinaires (délimitée par deux droites horizontales pointillées).

Lorsque la trajectoire quantile et sa zone de confiance s’inscrivent intégralement à l’intérieur de l’intervalle MCO moyen, l’hypothèse d’invariance des pentes ne peut être rejetée visuellement : le modèle linéaire classique fournit un résumé acceptable de la réalité empirique. En revanche, dès lors que la courbe quantile s’échappe de manière franche hors du corridor MCO — par exemple, en plongeant vers des valeurs nettement plus négatives dans les fractiles supérieurs tout en s’élevant vers zéro dans les quantiles inférieurs —, le chercheur dispose de l’illustration graphique indubitable d’une hétérogénéité structurelle des pentes.

De plus, l’observation des points d’inflexion ou des ruptures de pente le long de la courbe permet de repérer des seuils critiques distributionnels à partir desquels le comportement de la variable dépendante subit une mutation qualitative. L’exportation finale de la composition graphique s’opère dans des formats vectoriels haute résolution préservant la netteté des tracés, via la commande standard graph export « figure_quantiles.eps », as(eps) replace ou vers les formats PDF et TIFF à 300 ou 600 DPI, garantissant une intégration optimale dans les flux éditoriaux scientifiques.

12. Restitution académique, bonnes pratiques et synthèse méthodologique

12.1 Tabulation automatisée des résultats selon les normes académiques

La transcription manuelle des sorties numériques de Stata vers un traitement de texte constitue une source majeure d’erreurs matérielles de transcription et s’oppose aux principes contemporains de reproductibilité. Dans le cadre d’estimations multi-quantiles où le nombre de paramètres estimés est multiplié par le nombre de seuils évalués, l’automatisation de la tabulation s’impose comme une nécessité absolue. Les paquets communautaires estout (intégrant esttab) et outreg2 fournissent des architectures d’exportation remarquablement flexibles vers les environnements LaTeX, Microsoft Word ou HTML.

Pour exporter les estimations conjointes issues de la commande sqreg via l’outil esttab, l’analyste stocke préalablement le modèle en mémoire vive à l’aide de l’instruction estimates store ModeleQuantile. La syntaxe de restitution mobilise ensuite la directive de mise en forme suivante :

esttab ModeleQuantile using « resultats_quantiles.rtf », replace cells(b(star fmt(4)) se(par fmt(4))) stats(N, labels(« Observations »)) unstack

L’argument crucial unstack ordonne au compilateur d’éclater les différentes équations quantiles ([q10], [q50], [q90], etc.) en colonnes parallèles contiguës, alignant verticalement les coefficients de chaque variable explicative sur des lignes communes.

Cette harmonisation de la présentation garantit l’inclusion systématique des niveaux de significativité statistique matérialisés par le conventionnel code d’astérisques (* p < 0.05, ** p < 0.01, *** p < 0.001), des erreurs-types convenablement parenthésées sous chaque coefficient, du nombre d’observations total et des pseudo R-deux calculés pour chaque quantile, fournissant une maquette tabulaire immédiatement exploitable pour l’évaluation par les comités de lecture.

12.2 Standards de rédaction des résultats en psychologie et sciences comportementales

La formulation narrative des résultats dans les sections statistiques d’un manuscrit scientifique doit obéir à des règles de transparence rigoureuses, particulièrement dans les disciplines comportementales et médicales appliquant les directives méthodologiques de l’American Psychological Association (APA 7e édition). L’analyste doit formellement expliciter les motifs théoriques et statistiques qui ont guidé le choix d’une approche quantile au détriment des méthodes linéaires paramétriques traditionnelles (mise en évidence d’une asymétrie de distribution, présence d’hétéroscédasticité confirmée par le test de Breusch-Pagan, ou volonté d’ausculter des sous-groupes cliniques extrêmes).

Le protocole de calcul des erreurs-types doit faire l’objet d’une description méthodique transparente au sein du paragraphe dédié aux analyses statistiques. Il est indispensable d’indiquer si l’inférence repose sur des approximations analytiques asymptotiques sous hypothèse de parcimonie (méthode de Koenker-Bassett) ou sur des procédures de rééchantillonnage bootstrap non paramétrique. Dans cette dernière configuration, le manuscrit doit impérativement préciser le volume de réplications exécutées (ex. « 1 000 rééchantillonnages bootstrap ») et attester de la fixation d’une graine pseudo-aléatoire pour garantir la réplicabilité intégrale de l’expérience numérique.

Lors de la restitution descriptive des coefficients, le texte doit énoncer avec précision le quantile évalué, la magnitude de l’effet marginal, l’erreur-type associée, la valeur exacte de la statistique de test et la valeur p correspondante. Une formulation standardisée recommandée prend la forme suivante : « L’analyse par régression quantile révèle que si l’effet de la masse sur le rendement énergétique demeure modéré au 10e percentile (bêta = -0.0035, SE = 0.0011, t = -3.18, p = 0.002), son intensité pénalisante s’accroît considérablement au 90e percentile (bêta = -0.0085, SE = 0.0014, t = -6.07, p < 0.001). Le test de Wald inter-quantiles confirme que cette divergence de pente est hautement significative (Chi2(1) = 14.82, p < 0.001), attestant d’une altération structurelle de l’échelle conditionnelle de la consommation automobile. »

12.3 Arbre décisionnel pour le choix du modèle optimal sous Stata

Pour accompagner le praticien dans l’arbitrage méthodologique au sein de l’environnement Stata, la mise en place d’un arbre décisionnel synthétique permet d’optimiser l’adéquation entre la structure empirique des données et la spécification économétrique retenue. La première bifurcation repose sur le diagnostic des résidus MCO classiques : en présence de résidus gaussiens et d’une homoscédasticité validée par le test de Breusch-Pagan, l’estimation conventionnelle via la commande regress conserve sa supériorité en termes d’efficacité théorique.

Dès lors que l’hétéroscédasticité est avérée, que la variable de réponse affiche une asymétrie marquée ou que des valeurs atypiques exercent un effet de levier sur la moyenne, la transition vers le paradigme quantile s’impose. Si l’interrogation scientifique cible uniquement une mesure centrale de tendance non distordue par les extrêmes, la commande qreg appliquée à la médiane (tau = 0.50) ou la commande robuste bsqreg constituent le choix optimal. Si les hypothèses de recherche impliquent l’évaluation formelle de disparités de traitement le long de la distribution, la mobilisation de sqreg s’avère incontournable pour autoriser les tests de contrastes inter-quantiles via la commande test.

Enfin, deux écueils méthodologiques majeurs doivent être rigoureusement contournés avant toute soumission scientifique : la surinterprétation des quantiles extrêmes situés au-delà des percentiles 0.05 ou 0.95 en présence d’échantillons de taille modeste, et l’omission de la correction pour corrélations intra-grappes. L’analyste averti vérifiera systématiquement la densité locale d’observations à chaque seuil et basculera vers le module qreg2 ou des modèles à effets de panel (xtqreg) dès que la structure d’échantillonnage s’écarte de l’indépendance pure, assurant ainsi une rigueur analytique irréprochable et conforme aux exigences méthodologiques de la recherche quantitative contemporaine.

Références

• Azevedo, J. P. (2004). GRQREG: Stata module to graph the coefficients of a quantile regression. Statistical Software Components, Boston College Department of Economics. https://ideas.repec.org/c/boc/bocode/s440801.html
• Barrodale, I., & Roberts, F. D. (1974). Algorithm 478: Solution of an overdetermined system of equations in the l1 norm. Communications of the ACM, 17(6), 319-320. https://dl.acm.org/doi/10.1145/355744.355745
• Bassett, G., & Koenker, R. (1982). An empirical quantile function for linear models with iid errors. Journal of the American Statistical Association, 77(378), 407-415. https://www.tandfonline.com/doi/abs/10.1080/01621459.1982.10477827
• Koenker, R. (2005). Quantile Regression. Cambridge University Press. https://doi.org/10.1017/CBO9780511754098
• Koenker, R., & Bassett, G. (1978). Regression quantiles. Econometrica, 46(1), 33-50. https://www.jstor.org/stable/1913643
• Koenker, R., & Hallock, K. F. (2001). Quantile regression. Journal of Economic Perspectives, 15(4), 143-156. https://www.aeaweb.org/articles?id=10.1257/jep.15.4.143
• Koenker, R., & Machado, J. A. (1999). Goodness of fit and related inference processes for quantile regression. Journal of the American Statistical Association, 94(448), 1296-1310. https://www.jstor.org/stable/2669943
• Machado, J. A., & Santos Silva, J. M. (2019). Quantiles via moments. Journal of Econometrics, 213(1), 145-173. https://doi.org/10.1016/j.jeconom.2019.04.009
• Parente, P. M., & Santos Silva, J. M. (2016). Quantile regression with clustered data. The Stata Journal, 16(2), 337-349. https://www.stata-journal.com/article.html?article=st0427
• StataCorp. (2021). Stata Base Reference Manual: Release 17. Stata Press. https://www.stata.com/manuals/r.pdf