Comment réaliser le test exact de Fisher dans Stata

L’analyse des données catégorielles constitue l’un des piliers fondamentaux de l’inférence quantitative en sciences humaines, sociales et biomédicales. Lorsque deux variables nominales ou ordinales sont croisées au sein d’une table de contingence, le réflexe méthodologique standard incite généralement le chercheur à mobiliser le test d’indépendance du Chi-deux de Karl Pearson. Néanmoins, cette approche asymptotique repose sur des propriétés distributionnelles limites qui exigent des effectifs d’échantillon substantiels pour garantir la validité de l’approximation normale sous-jacente. Dès lors que l’investigation empirique porte sur des cohortes cliniques rares, des échantillons pilotes restreints ou des sous-populations hautement spécifiques, la présence de fréquences théoriques attendues faibles invalide les hypothèses distributionnelles classiques, exposant l’analyste à des distorsions majeures de l’erreur de première espèce ou à un effondrement dramatique de la puissance statistique.

Face à ces contraintes structurelles, le test exact de Ronald Aylmer Fisher s’impose comme la référence méthodologique cardinale. Développé initialement pour résoudre le célèbre problème de la dégustatrice de thé (« The Lady Tasting Tea »), ce test non paramétrique s’affranchit de toute approximation asymptotique en calculant la probabilité exacte d’observer la configuration empirique obtenue — ou toute configuration plus extrême — conditionnellement aux marges marginales de la table de contingence. En exploitant les propriétés combinatoires de la loi hypergéométrique, le test de Fisher garantit une rigueur inférentielle absolue, particulièrement indispensable dans les protocoles de psychologie clinique, de psychiatrie translationnelle et de neurosciences cognitives où la collecte de vastes échantillons s’avère souvent éthiquement ou matériellement irréalisable.

Dans l’écosystème contemporain des logiciels de biostatistique et d’économétrie, le logiciel Stata s’affirme comme une plateforme d’excellence pour l’implémentation de procédures exactes grâce à son moteur de calcul optimisé et sa double modalité opératoire : l’analyse sur données brutes en mémoire via la commande tabulate et l’exécution immédiate sur matrices agrégées via la commande tabi. Le présent traité exhaustif vise à guider les chercheurs, biostatisticiens et analystes de données à travers les fondements mathématiques, les conditions d’application rigoureuses, la syntaxe de programmation avancée, l’interprétation probabiliste fine et la restitution normée des résultats selon les critères stricts de l’American Psychological Association (normes APA 7e édition).

1. Fondements théoriques du test exact de Fisher en psychologie et sciences du comportement

1.1 Origine mathématique et distribution hypergéométrique sous-jacente

L’ancrage théorique du test exact de Fisher repose sur le paradigme des probabilités conditionnelles exactes appliquées aux variables discrètes. Contrairement aux approches basées sur le test du Chi-deux qui modélisent les fréquences observées selon une distribution multinomiale ou de Poisson approchée par la loi continue du Chi-deux, Ronald Fisher a démontré en 1935 que le conditionnement d’une table de contingence bivariée par rapport à ses totaux marginaux observés élimine tout paramètre de nuisance lié aux probabilités marginales de base. Soit une table de contingence binaire de dimension deux par deux croisant deux variables dichotomiques, où les cellules internes sont désignées par a, b, c et d. Les totaux marginaux en ligne correspondent à (a + b) et (c + d), tandis que les marges en colonne s’établissent à (a + c) et (b + d), la taille totale de l’échantillon étant N = a + b + c + d.

Sous l’hypothèse nulle d’indépendance stochastique totale entre les deux variables catégorielles, la distribution de probabilité du dénombrement au sein de la première cellule, conditionnellement à l’ensemble des marges observées considérées comme fixes, suit rigoureusement une distribution hypergéométrique univariée. La fonction de masse de cette loi mathématique s’exprime par le produit des combinaisons combinatoires des marges divisé par le nombre total de combinaisons possibles des observations dans l’échantillon global. De manière formelle, la probabilité d’obtenir précisément la valeur a dans la cellule supérieure gauche est dictée par l’équation suivante :

P(a | a+b, c+d, a+c, b+d) = [ C(a+b, a) × C(c+d, c) ] / C(N, a+c)

En développant les coefficients binomiaux sous forme factorielle, cette formule cardinale prend l’expression analytique fondamentale :

P = [ (a + b)! × (c + d)! × (a + c)! × (b + d)! ] / [ N! × a! × b! × c! × d! ]

Cette formulation met en lumière le caractère purement combinatoire de la méthode. Aucun paramètre libre de population n’a besoin d’être estimé à partir des données empiriques. L’inférence ne dépend d’aucune hypothèse de normalité ou de convergence vers l’infini de la taille d’échantillon N. Il s’agit d’une méthode de permutation exacte où la distribution d’échantillonnage de la statistique de test est générée par l’énumération exhaustive de tous les réarrangements possibles des observations qui préservent scrupuleusement les totaux marginaux constatés empiriquement. L’invariance permutationnelle confère ainsi à la méthode de Fisher une robustesse mathématique irréfutable dans les contextes où les effectifs sont trop limités pour invoquer le théorème central limite.

1.2 Comparaison critique : Test du Chi-deux de Pearson versus Test exact de Fisher

La distinction épistémologique et opérationnelle entre le test asymptotique de Pearson et le test exact de Ronald Fisher structure une grande partie des débats méthodologiques en analyse des données discrètes. Le test du Chi-deux de Pearson repose sur la mesure de la déviation quadratique relative entre les effectifs observés et les effectifs théoriques attendus sous hypothèse d’indépendance :

χ² = Σ [ (Oᵢⱼ – Eᵢⱼ)² / Eᵢⱼ ]

où Oᵢⱼ représente la fréquence observée dans la case (i, j) et Eᵢⱼ = (Total Ligne i × Total Colonne j) / N désigne l’effectif attendu sous l’hypothèse nulle. Cette statistique suit approximativement une loi du Chi-deux à (r – 1)(c – 1) degrés de liberté lorsque la taille de l’échantillon tend vers l’infini. Cependant, lorsque les effectifs d’échantillon se contractent, la distribution d’échantillonnage réelle de cette statistique quadratique devient fortement discrète et asymétrique, s’écartant dramatiquement de la courbe lisse et continue de la distribution théorique du Chi-deux. Cette discordance entraîne une distorsion systématique des probabilités calculées, conduisant soit à une inflation incontrôlée de l’erreur de type I (rejet erroné de l’hypothèse nulle vraie), soit à une perte substantielle de sensibilité statistique.

Pour tenter de pallier l’inadéquation de l’approximation continue sur des petits échantillons de dimension deux par deux, Frank Yates a introduit en 1934 une correction de continuité consistant à soustraire la valeur 0,5 à la valeur absolue de la différence entre effectifs observés et attendus :

χ²_Yates = Σ [ (|Oᵢⱼ – Eᵢⱼ| – 0.5)² / Eᵢⱼ ]

Néanmoins, la correction de Yates a suscité d’immenses controverses statistiques dans la littérature internationale. De nombreux méthodologistes ont démontré que la correction de continuité engendre un conservatisme excessif, réduisant la puissance statistique bien au-delà de ce qui est requis pour contrôler le taux nominal d’erreur de première espèce. Le test exact de Fisher, à l’inverse, résout intrinsèquement la question de la continuité en opérant directement sur la distribution discrète sous-jacente sans recourir à un quelconque ajustement heuristique arbitraire. Dès lors, le consensus contemporain recommande d’abandonner l’approximation de Pearson ou la correction de Yates dès lors que les conditions asymptotiques vacillent, au profit du calcul exact de Fisher.

1.3 Pertinence méthodologique pour la recherche clinique et expérimentale

Dans les disciplines relevant de la psychologie clinique, de la neuropsychologie, de la psychiatrie biologique et de la médecine comportementale, les contraintes matérielles, déontologiques et épidémiologiques interdisent fréquemment l’accès à des cohortes de taille massive. L’étude de pathologies psychiatriques rares — telles que les troubles dissociatifs de l’identité, certains syndromes catatoniques atypiques, ou les complications neuropsychiatriques secondaires à des encéphalites auto-immunes ultra-rares — impose des protocoles expérimentaux limités à quelques dizaines, voire une quinzaine d’individus. Dans ce cadre d’investigation restreint, l’application irréfléchie du test asymptotique de Pearson constitue une faute méthodologique majeure susceptible de générer des faux positifs ou de masquer des découvertes cliniques vitales.

De surcroît, les plans d’échantillonnage des essais cliniques pilotes et des études de faisabilité comportementale sont chroniquement vulnérables à des déséquilibres structurels extrêmes au niveau de la répartition des sujets. Par exemple, lors de l’évaluation d’un nouvel agent pharmacologique d’appoint face à une psychothérapie standard pour le syndrome de stress post-traumatique complexe résistant, le groupe traité peut ne comporter que très peu d’échecs thérapeutiques comparativement au groupe contrôle. De telles configurations produisent des distributions hautement asymétriques où une ou plusieurs cases de la table de contingence affichent des valeurs nulles ou unitaires. Alors que le test du Chi-deux s’effondre mathématiquement en raison de divisions par des valeurs attendues minuscules, le test exact de Fisher gère ces zéros structurels ou d’échantillonnage avec une stabilité computationnelle absolue, garantissant une inférence robuste sur laquelle les praticiens peuvent appuyer leurs conclusions translationnelles.

2. Hypothèses statistiques et conditions d’application préalables

2.1 Nature et indépendance des variables catégorielles

L’implémentation valide du test exact de Fisher exige la vérification scrupuleuse de postulats fondamentaux touchant à la structure des données et au protocole d’échantillonnage. En premier lieu, les variables analysées doivent être strictement qualitatives de nature nominale ou ordinale découpées en catégories mutuellement exclusives et collectivement exhaustives. Chaque unité statistique observée — qu’il s’agisse d’un patient, d’un animal de laboratoire ou d’un sujet expérimental — doit impérativement être classifiée dans une et une seule cellule de la table de contingence. Si un même sujet pouvait appartenir simultanément à plusieurs modalités, la structure probabiliste hypergéométrique s’en trouverait irrémédiablement faussée.

En second lieu, le postulat d’indépendance des observations représente une exigence incontournable. Les données doivent être collectées selon un schéma où l’inclusion ou le comportement d’un participant n’exerce aucune influence directe ou indirecte sur l’état d’un autre sujet. Cette condition d’indépendance inter-sujets exclut formellement les données appariées, les plans de mesures répétées pré-post traitement ou les études familiales intriquant une corrélation intra-classe non modélisée. Dans de tels cas d’appariement, l’analyste ne doit pas employer le test exact de Fisher mais s’orienter impérativement vers le test de McNemar ou les modèles d’équations d’estimation généralisées (GEE). Enfin, les biais de sélection massifs dans le recrutement des sujets menacent directement la validité interne du test en introduisant des dépendances artificielles entre les marges observées.

2.2 La condition des marges marginales fixes et son interprétation

L’une des particularités les plus discutées sur le plan épistémologique et théorique concernant le test exact de Fisher réside dans l’hypothèse de fixité des totaux marginaux. D’un point de vue expérimental strict, le modèle hypergéométrique postule que les marges en ligne et les marges en colonne sont prédéterminées avant même la réalisation de l’expérience. C’est la configuration typique de l’expérience fondatrice de Ronald Fisher : le nombre de tasses de thé avec le lait versé en premier ou en second était fixé d’avance à quatre de chaque côté, et l’expérimentatrice savait qu’elle devait désigner exactement quatre tasses de chaque catégorie. Dans la majorité des recherches médicales et psychologiques observationnelles, toutefois, ce schéma dit « à double marge conditionnelle fixe » n’est presque jamais réalisé dans la pratique empirique.

Le plus souvent, les plans de recherche correspondent soit à un modèle binomial double (où seule la marge des groupes d’exposition ou de traitement est fixée par le chercheur, par exemple 15 patients sous placebo et 15 patients sous antidépresseur, tandis que le statut de guérison reste aléatoire), soit à un modèle multinomial complet (où aucune marge n’est préétablie et où le total général N est seul fixé à l’avance). Conditionner l’inférence statistique sur des totaux marginaux qui étaient en réalité libres d’échantillonner introduit un conservatisme statistique reconnu : la p-valeur calculée a tendance à être légèrement supérieure au risque d’erreur de type I réel sous le modèle non conditionnel. Néanmoins, les démonstrations axiomatiques menées par Jerzy Neyman et Egon Pearson ont validé que le conditionnement par rapport aux statistiques exhaustives des paramètres de nuisance demeure la méthode d’inférence non paramétrique la plus rigoureuse et exempte de tout biais d’estimation pour tester l’indépendance pure.

2.3 Règle de Cochran et seuils empiriques d’alerte

Dans la pratique statistique usuelle, la décision de substituer le test exact de Fisher au Chi-deux de Pearson s’appuie fréquemment sur la célèbre directive énoncée par le biostatisticien William G. Cochran en 1952. La règle empirique classique de Cochran stipule que l’approximation asymptotique du Chi-deux ne doit pas être utilisée si :

• Plus de 20 % de l’ensemble des cellules de la table de contingence présentent un effectif théorique attendu Eᵢⱼ strictement inférieur à 5.
• Ou si une seule cellule de la matrice de contingence possède un effectif attendu inférieur à 1, quel que soit le nombre total de cellules.

Dans une table de contingence élémentaire de dimension 2 × 2 comportant 4 cases au total, la règle des 20 % signifie qu’il suffit qu’une unique case présente un effectif théorique inférieur à 5 pour que l’emploi du Chi-deux de Pearson devienne formellement caduc et non recevable sur le plan méthodologique. Il est impératif de souligner que ce critère porte exclusivement sur les effectifs théoriques attendus sous H0, calculés par la formule (Total Ligne × Total Colonne) / N, et non sur les effectifs empiriques réellement observés. Une case peut très bien afficher une fréquence observée de 0 tout en maintenant une espérance théorique supérieure à 5, bien que dans les petits échantillons, les espérances théoriques tombent quasi systématiquement en deçà du seuil de Cochran. Dès que cette violation est repérée dans les sorties logicielles, le basculement vers le test exact de Fisher s’impose comme une nécessité mathématique absolue.

3. Environnement Stata et préparation de la matrice de données

3.1 Interface de commande versus fenêtres de dialogue pour l’analyse catégorielle

Le logiciel Stata propose une architecture duale permettant d’aborder le traitement des données soit par le biais d’une interface graphique interactive à menus déroulants, soit par la saisie directe d’instructions dans une console de commandes textuelles ou via des fichiers scripts exécutables (les célèbres Do-files). Pour initier une analyse catégorielle par l’interface graphique, l’utilisateur navigue à travers le menu supérieur : Statistics > Summaries, tables, and tests > Frequency tables > Two-way table with measures of association. Cette interface présente des cases à cocher intuitives permettant de sélectionner la variable d’exposition en ligne, la variable de résultat en colonne, et de cocher l’option Fisher’s exact test.

Cependant, dans l’optique des standards contemporains de la science ouverte, de la reproductibilité computationnelle et de l’intégrité de la recherche, l’utilisation exclusive de la syntaxe en ligne de commande constitue la norme d’excellence professionnelle recommandée. Les scripts permettent d’archiver, de versionner et d’auditer l’intégralité du flux d’analyse de données sans aucune ambiguïté liée à la manipulation humaine d’une souris d’ordinateur. Avant d’engager toute modélisation, le chercheur doit systématiquement initialiser son environnement de travail dans Stata en définissant le répertoire racine et en ouvrant un fichier journal de traçabilité intégrale via la commande log using analyse_fisher.log, replace text, assurant la consignation horodatée de l’ensemble des sorties textuelles générées.

3.2 Structuration et codage des variables dans la mémoire Stata

L’exécution fluide du test exact de Fisher exige que les variables stockées dans le jeu de données en mémoire vive respectent les conventions typologiques de Stata. Bien que le logiciel puisse techniquement accepter certaines commandes sur des variables de type chaîne textuelle (chaînes string), il est formellement recommandé de convertir systématiquement toutes les variables catégorielles sous format numérique standard, préférentiellement en entiers de type byte pour minimiser l’occupation mémoire :

Pour des variables binaires, la convention internationale préconise un encodage dichotomique standard 0/1 (par exemple : 0 = Témoin, 1 = Traité ; ou 0 = Rémission Absente, 1 = Rémission Présente). L’attribution d’étiquettes de variables et d’étiquettes de modalités constitue une bonne pratique incontournable pour éviter toute méprise interprétative lors de la lecture des tableaux de contingence. La syntaxe canonique sous Stata s’articule comme suit :

label define statut_lbl 0 "Échec" 1 "Succès"
label values statut statut_lbl
label define groupe_lbl 0 "Placebo" 1 "Psychothérapie"
label values groupe groupe_lbl

Dans les cas où des variables nominales ont été importées par erreur sous forme de texte brut (par exemple des variables contenant des chaînes « Homme » et « Femme »), il convient d’utiliser impérativement la commande interne encode variable_texte, generate(variable_numerique). Cette instruction convertit automatiquement les modalités textuelles en vecteurs d’entiers séquentiels tout en leur associant des étiquettes de valeurs fidèles au contenu initial.

3.3 Nettoyage préliminaire et identification des valeurs manquantes

Une phase critique préalable à l’analyse de contingence réside dans l’identification, la qualification et le traitement des données manquantes. Dans Stata, les données manquantes numériques sont représentées par un point d’interrogation ou point de système (.), qui est interprété en interne comme la plus grande valeur positive possible dans les comparaisons logiques (l’infini arithmétique). Une négligence lors du filtrage conditionnel peut donc conduire à inclure les données manquantes dans une catégorie supérieure si une commande telle que if statut > 0 est rédigée imprudemment.

Pour auditer l’intégrité de la matrice empirique, la commande misstable summarize groupe statut permet d’obtenir un décompte instantané des valeurs absentes explicites. L’utilisation conjointe de la commande tabulate groupe statut, missing affiche une table de contingence intégrant une ligne et une colonne réservées aux observations comportant des données manquantes. Dans le cadre de l’application standard du test exact de Fisher, Stata applique une politique stricte de suppression par liste complète (listwise deletion) : toute observation présentant une valeur manquante sur l’une ou l’autre des deux variables analysées est automatiquement écartée du calcul combinatoire hypergéométrique. L’analyste doit valider l’effectif final d’analyse à l’aide de la commande d’assertion assert !missing(groupe, statut) if echantillon_analytique == 1 pour s’assurer qu’aucun individu ne fausse involontairement les effectifs marginaux de l’expérience.

4. Mise en œuvre du test avec la commande de table immédiate `tabi`

4.1 Structure conceptuelle et syntaxe de la commande `tabi`

L’une des caractéristiques les plus puissantes de l’environnement Stata réside dans son répertoire de commandes dites « immédiates ». Contrairement aux procédures conventionnelles qui requièrent le chargement préalable d’un fichier de données rectangulaire au format .dta contenant une ligne par sujet observé, les commandes immédiates permettent d’opérer directement des calculs statistiques complexes à partir d’indicateurs synthétiques ou de matrices de dénombrement sommaires, sans mobiliser ni modifier la mémoire de données active. Ces commandes se distinguent typographiquement par l’adjonction de la lettre terminale i à leur nom d’origine : ainsi, la commande de tabulation tabulate devient tabi dans son implémentation immédiate.

Cette approche immédiate s’avère particulièrement précieuse pour les méthodologistes qui souhaitent réanalyser une table de contingence extraite d’une publication scientifique déjà parue, procéder à une méta-analyse préliminaire, ou vérifier la solidité statistique d’un rapport de recherche sans disposer des micro-données brutes individuelles. La syntaxe universelle de tabi pour une table de dimension 2 × 2 s’organise en spécifiant séquentiellement les fréquences observées des cellules de la première ligne, séparées par une barre oblique inversée (antislash ou backslash ), suivie des fréquences de la deuxième ligne :

tabi a b c d, exact

Dans cette structure, a désigne l’effectif situé à l’intersection de la première ligne et de la première colonne, b celui de la première ligne et deuxième colonne, c la deuxième ligne et première colonne, et d la deuxième ligne et deuxième colonne. L’antislash sert de délimiteur syntaxique rigide indiquant à l’interpréteur de commande de Stata le passage à la ligne sous-jacente du tableau.

4.2 Spécification rigoureuse des options statistiques

Par défaut, si la commande tabi a b c d est exécutée de manière isolée sans argument optionnel, Stata se contente d’afficher le simple tableau de contingence avec les effectifs bruts et les totaux marginaux, sans calculer aucune statistique de test inférentiel. Pour activer le moteur de calcul du test exact de Fisher, l’adjonction de l’option exact après la virgule terminale est strictement indispensable. La virgule indique formellement à Stata la séparation entre les arguments de données et les options d’exécution statistique.

Il est particulièrement instructif, à des fins d’analyse critique, de coupler l’évaluation exacte avec l’approximation asymptotique classique en combinant plusieurs options statistiques au sein de la même instruction. L’adjonction de l’option chi2 demande le calcul concomitant de la statistique du Chi-deux de Pearson standard. Parallèlement, l’analyste peut enrichir la lisibilité descriptive du tableau en requérant l’affichage des pourcentages relatifs :

• L’option row calcule et affiche les pourcentages par ligne (distribution conditionnelle en ligne).
• L’option col calcule et affiche les pourcentages par colonne (distribution conditionnelle en colonne).
• L’option cell restitue la proportion de chaque cellule par rapport à la population totale de l’échantillon N.

Une commande hautement standardisée pour une étude clinique préliminaire prendra alors la forme complète :

tabi a b c d, exact chi2 row col

Cette spécification conjointe offre un panorama synthétique complet permettant de juxtaposer instantanément les distributions empiriques, l’approximation du Chi-deux et la valeur p exacte calculée sous la loi hypergéométrique.

4.3 Gestion des tableaux de dimensions supérieures (r x c immédiats)

La commande immédiate tabi ne se restreint pas aux seules matrices carrées dichotomiques de format deux par deux. Elle intègre la capacité d’évaluer des tableaux de contingence de dimensions arbitraires r × c (avec r lignes et c colonnes). Par exemple, pour traiter un plan expérimental comportant trois conditions thérapeutiques (Placebo, Molécule A, Molécule B) croisées avec une réponse clinique à trois modalités (Aggravation, Stabilité, Amélioration), la saisie immédiate s’articulera naturellement en trois segments disjoints par deux antislashs :

tabi 5 2 1 3 4 3 1 3 6, exact

Toutefois, lors du traitement de matrices de dimension supérieure ou lors de l’intégration d’effectifs plus denses, la sollicitation computationnelle de l’algorithme exact croît de manière factorielle exponentielle en raison de l’espace combinatoire à explorer pour énumérer toutes les tables possibles compatibles avec les marges observées. Lorsque les limites de la pile mémoire interne de Stata sont atteintes au cours de l’évaluation combinatoire, le logiciel peut retourner un message d’erreur d’espace mémoire saturé (error 915: insufficient memory ou avertissement de convergence). Il convient alors de s’assurer de l’allocation optimale de la mémoire de travail système ou de basculer, si la machine hôte montre des lenteurs excessives, vers des techniques d’approximation stochastique que nous détaillerons dans les sections consacrées aux extensions polytomiques.

5. Application empirique détaillée : Étude de cas sur 25 observations

5.1 Présentation du cas d’étude : Genre et affiliation politique en milieu universitaire

Afin de matérialiser de manière pédagogique et concrète l’intégralité du processus de calcul et d’interprétation, considérons une investigation menée en psychologie sociale et politique au sein d’un département universitaire restreint. L’objectif de l’étude consiste à déterminer s’il existe une association statistiquement significative entre le genre d’étudiants de troisième cycle (Homme vs Femme) et leur affiliation doctrinale majeure au sein d’un club de débat (Démocrate vs Républicain). L’échantillon total recueilli est délibérément modeste, comprenant N = 25 étudiants rigoureusement sélectionnés.

Le relevé empirique des observations produit la répartition matricielle suivante :

• Parmi les 13 étudiants masculins identifiés : 4 s’affilient au mouvement Démocrate et 9 s’affilient au mouvement Républicain.
• Parmi les 12 étudiantes féminines identifiées : 8 s’affilient au mouvement Démocrate et 4 s’affilient au mouvement Républicain.

La matrice de contingence 2 × 2 s’organise donc comme suit :

Hommes : Démocrate = 4, Républicain = 9 | Total Ligne = 13
Femmes : Démocrate = 8, Républicain = 4 | Total Ligne = 12
Totaux Colonnes : Démocrate = 12, Républicain = 13 | Effectif Total N = 25

Procédons à la vérification impérative de la règle de Cochran avant toute analyse. Calculons l’effectif théorique attendu pour la case supérieure gauche (Hommes Démocrates) sous l’hypothèse d’indépendance statistique :

E₁₁ = (Total Ligne 1 × Total Colonne 1) / N = (13 × 12) / 25 = 156 / 25 = 6.24

Pour la case supérieure droite (Hommes Républicains) :

E₁₂ = (13 × 13) / 25 = 169 / 25 = 6.76

Pour la case inférieure gauche (Femmes Démocrates) :

E₂₁ = (12 × 12) / 25 = 144 / 25 = 5.76

Pour la case inférieure droite (Femmes Républicaines) :

E₂₂ = (12 × 13) / 25 = 156 / 25 = 6.24

Bien que dans cet exemple précis les effectifs théoriques soient légèrement au-dessus de 5, la faiblesse de l’effectif global (N = 25) et la proximité critique du seuil de 5 font courir un risque majeur d’imprécision asymptotique au test du Chi-deux standard. Si un seul homme de moins avait choisi l’option démocrate, les effectifs attendus auraient directement franchi à la baisse la limite de tolérance de Cochran. Ce cadre constitue donc le terrain idéal pour déployer le test exact de Fisher.

5.2 Saisie de la commande exacte et exécution pas à pas

L’exécution de cette analyse dans l’environnement de commande de Stata s’effectue de manière instantanée via l’instruction de table immédiate. Dans la console Stata, le chercheur saisit scrupuleusement la commande suivante :

tabi 4 9 8 4, exact chi2

Dès l’appui sur la touche d’exécution (Entrée), le moteur interne de Stata analyse la matrice, vérifie la cohérence arithmétique des arguments saisis, alloue la mémoire de permutation et génère la sortie textuelle standardisée suivante dans la fenêtre principale des résultats :

| col
row | 1 2 | Total
-----------+----------------------+----------
1 | 4 9 | 13
2 | 8 4 | 12
-----------+----------------------+----------
Total | 12 13 | 25

Pearson chi2(1) = 2.6641 Pr = 0.103

Fisher's exact = 0.096
1-sided Fisher's exact = 0.081

L’observation scrupuleuse de ce journal d’exécution confirme l’absence totale d’avertissements de dépassement de pile ou d’anomalie de calcul. Le logiciel restitue fidèlement la table de contingence quadrangulaire, calcule la statistique de Pearson (χ² = 2.6641 avec une p-valeur asymptotique bilatérale de p = 0.103), puis déroule l’évaluation hypergéométrique exacte fournissant à la fois la p-valeur unilatérale (1-sided Fisher’s exact = 0.081) et la p-valeur bilatérale standard (Fisher’s exact = 0.096).

5.3 Validation croisée des fréquences marginales observées

Avant de procéder à toute inférence définitive sur la valeur p affichée, une rigueur méthodologique fondamentale impose une validation croisée systématique des fréquences marginales observées au sein de la table de sortie restituée par Stata. L’analyste doit vérifier méthodiquement l’adéquation exacte entre les totaux marginaux du système et la réalité empirique du plan expérimental :

• Somme marginale de la ligne 1 : 4 + 9 = 13 (correspondant exactement au nombre total d’hommes inclus dans l’étude).
• Somme marginale de la ligne 2 : 8 + 4 = 12 (correspondant rigoureusement au total d’étudiantes de l’échantillon).
• Somme marginale de la colonne 1 : 4 + 8 = 12 (totalité des partisans de la mouvance démocrate).
• Somme marginale de la colonne 2 : 9 + 4 = 13 (totalité des partisans de la mouvance républicaine).
• Somme globale : 13 + 12 = 25 (et par colonne : 12 + 13 = 25). L’égalité mathématique N = 25 est scrupuleusement respectée.

Cette vérification prévient les erreurs de frappe involontaires (permutations entre cellules adjacentes, inversion involontaire de la position de l’antislash ou omission d’une fréquence), assurant que le calcul hypergéométrique subséquent a conditionné l’énumération combinatoire sur la partition marginale exacte de l’expérience investiguée.

6. Exécution du test sur un jeu de données en mémoire avec `tabulate`

6.1 Syntaxe fondamentale de `tabulate` pour deux variables catégorielles

Lorsque la recherche s’inscrit dans un protocole d’analyse de données brutes contenant l’enregistrement exhaustif de chaque sujet au sein d’un fichier de données rectangulaire actif (chargé via use base_de_donnees.dta, clear), le recours à la commande immédiate tabi s’efface au profit de la commande analytique standard tabulate (ou son abréviation conventionnelle tab). La syntaxe canonique pour croiser deux variables catégorielles résidant dans l’espace de données s’énonce en indiquant le nom de la variable d’exposition en premier argument (lignes du tableau) et le nom de la variable de réponse en second argument (colonnes du tableau), suivi impérativement de l’option exact :

tabulate genre affiliation, exact

Stata prend en charge de manière fluide la sélection conditionnelle de sous-groupes de sujets grâce aux clauses logiques if et aux clauses d’indexation d’enregistrement in. Par exemple, si l’investigateur souhaite restreindre le test exact aux seuls étudiants inscrits en première année de master, l’instruction s’enrichit naturellement :

tabulate genre affiliation if annee_etude == 1, exact

Il importe de signaler une restriction méthodologique et technique majeure propre à l’architecture de calcul exact de Stata : l’option exact est fondamentalement incompatible avec la pondération d’échantillonnage de type pweight (poids de sondage inversement proportionnels aux probabilités d’inclusion). En effet, le calcul combinatoire de la distribution hypergéométrique repose sur des dénombrements d’unités statistiques entières indivisibles. L’utilisation de poids de sondage décimaux briserait la formulation factorielle n! sous-jacente. Si des poids de fréquence entiers sont manipulés, seuls les poids de type fweight (frequency weights) sont formellement autorisés par Stata : tabulate genre affiliation [fweight = variable_poids], exact.

6.2 Paramétrage des affichages avancés et valeurs attendues

Dans un contexte d’évaluation méthodologique approfondie, il est particulièrement recommandé d’examiner simultanément les effectifs théoriques attendus sous l’hypothèse nulle d’indépendance pour vérifier formellement la règle de Cochran directement depuis le jeu de données en mémoire. L’adjonction de l’option expected commande à Stata de calculer et d’afficher, sous chaque fréquence observée, la valeur théorique Eᵢⱼ correspondante :

tabulate genre affiliation, expected exact

Pour optimiser la clarté visuelle de la fenêtre d’affichage lors de la modélisation et éviter une surcharge cognitive due à l’entremêlement de multiples pourcentages, il est judicieux de ne pas surcharger la commande avec row ou cell lorsque l’attention se focalise sur l’audit des valeurs attendues. L’exécution de cette commande produit un affichage net où chaque cellule comporte deux lignes : l’effectif empirique brut et l’effectif théorique espéré. Le chercheur identifie immédiatement si des valeurs théoriques chutent en dessous du seuil critique de 5 ou de 1, justifiant de facto le basculement vers la statistique exacte aux yeux des pairs évaluateurs.

6.3 Comparaison pratique entre `tabi` et `tabulate`

Le choix raisonné entre la commande immédiate tabi et la commande analytique tabulate répond à des arbitrages opérationnels distincts tout au long du cycle de vie d’un projet de recherche quantitative :

• Domaines d’élection de tabi : La commande immédiate excelle dans les revues systématiques de la littérature, les méta-analyses rapides, les audits d’articles scientifiques soumis à révision par les pairs et les vérifications de cohérence en temps réel. Elle évite la création artificielle d’un fichier de données lorsqu’on ne dispose que d’un tableau récapitulatif imprimé. De plus, tabi constitue un vecteur pédagogique incomparable pour la transmission universitaire de la biostatistique.
• Domaines d’élection de tabulate : La commande sur mémoire vive est irremplaçable pour l’analyse des données primaires issues d’enquêtes ou d’essais cliniques complexes. Elle s’intègre harmonieusement dans les pipelines automatisés de nettoyage de données (data management), autorise le filtrage conditionnel fin via if, et facilite l’application de boucles de programmation séquentielle (telles que foreach var of varlist ... { tabulate `var' issue, exact }) pour évaluer de multiples prédicteurs de façon itérative.

Sur le plan de la science ouverte et de la reproductibilité, l’utilisation de tabulate au sein d’un Do-file pointant vers un fichier de micro-données brut non altéré garantit une transparence méthodologique totale, traçable de bout en bout de l’échantillon à l’article publié.

7. Interprétation statistique exhaustive des sorties Stata

7.1 Analyse de la probabilité unilatérale (one-sided p-value)

L’une des particularités les plus remarquables de la sortie du test de Fisher dans Stata réside dans la restitution scindée de deux valeurs de probabilité distinctes, explicitement libellées : 1-sided Fisher’s exact et Fisher’s exact. La compréhension rigoureuse de cette dichotomie conditionne la validité des inférences cliniques et scientifiques qui en découlent.

La probabilité unilatérale (1-sided Fisher’s exact) correspond à la sommation exclusive des probabilités hypergéométriques associées à la table observée empiriquement et à toutes les tables alternatives théoriques orientées de manière encore plus extrême dans la direction spécifique dictée par les données observées. Dans notre étude de cas portant sur le genre et l’affiliation politique, la table observée présentait a = 4 hommes démocrates. Les marges marginales fixes (13 hommes, 12 femmes, 12 démocrates, 13 républicains) bornent la valeur minimale possible pour la cellule a à :

max(0, Total Ligne 1 + Total Colonne 1 – N) = max(0, 13 + 12 – 25) = 0

Les tables « encore plus extrêmes » en défaveur de l’association Homme-Démocrate correspondent aux configurations où la cellule a prend successivement les valeurs 3, 2, 1 et 0. La probabilité unilatérale affichée par Stata (P = 0.081) est donc rigoureusement la somme exacte des probabilités combinatoires de ces 5 tables (a = 4, 3, 2, 1, 0) :

P_unilaterale = P(a = 4) + P(a = 3) + P(a = 2) + P(a = 1) + P(a = 0) = 0.081

L’adoption de ce résultat unilatéral exige que le chercheur ait formellement formulé et pré-enregistré sur une plateforme dédiée (telle que l’Open Science Framework) une hypothèse directionnelle a priori strictement unilatérale avant toute consultation des données. Si l’investigateur retient la valeur unilatérale a posteriori simplement parce qu’elle est plus faible que la valeur bilatérale, il commet un biais d’arbitrage statistique sévère (p-hacking) qui gonfle mécaniquement le taux réel d’erreur de type I bien au-delà du seuil nominal de 5 %.

7.2 Analyse de la probabilité bilatérale (two-sided p-value)

Dans l’immense majorité des publications savantes en psychologie, psychiatrie et biostatistique, la norme méthodologique de consensus exige l’utilisation par défaut de la probabilité bilatérale (restituée par Stata sous le simple libellé Fisher’s exact). La probabilité bilatérale permet de tester l’hypothèse nulle générale d’absence d’association, sans postuler a priori le sens ou la directionnalité du lien.

La définition de la bilatéralité exacte pour une distribution discrète et asymétrique soulève toutefois une subtilité fondamentale. Contrairement à une loi normale ou de Student symétrique où il suffit de multiplier la probabilité unilatérale par deux, la loi hypergéométrique est intrinsèquement asymétrique dès lors que les marges marginales de la table de contingence ne sont pas parfaitement équilibrées. Pour surmonter cette asymétrie, Ronald Fisher a formulé la méthode de sommation des petites probabilités : la valeur p bilatérale s’obtient en sommant la probabilité hypergéométrique de la table empirique observée avec les probabilités hypergéométriques de toutes les tables concevables ayant des marges identiques dont la probabilité d’occurrence est inférieure ou égale à celle de la table observée :

P_bilaterale = Σ P(Tᵢ) pour toutes les tables Tᵢ telles que P(Tᵢ) ≤ P(Table_observée)

Dans notre cas d’étude, la valeur bilatérale affichée par Stata s’établit à Fisher's exact = 0.096. Confrontée au seuil de significativité nominal conventionnel α = 0.05, cette probabilité conduit à une décision inférentielle sans équivoque :

Puisque p = 0.096 > 0.05, nous échouons à rejeter l’hypothèse nulle d’indépendance statistique. Il n’est pas possible de conclure, au seuil de risque de 5 %, à l’existence d’une association statistiquement significative entre le genre des étudiants et leur affiliation politique au sein de cet échantillon universitaire restreint.

7.3 Résolution des paradoxes d’interprétation et cas limites

L’utilisation pratique du test exact de Fisher confronte régulièrement les chercheurs à des paradoxes d’interprétation inhérents à la nature discrète de la loi hypergéométrique. Le premier paradoxe réside dans l’inaccessibilité structurelle du seuil nominal strict : étant donné le nombre fini de tables de contingence possibles pour des marges fixes données, l’ensemble des p-valeurs atteignables forme un ensemble discret de points discontinus. Il est fréquent que la somme des probabilités des tables extrêmes passe directement, par exemple, de 0.021 à 0.068 sans jamais pouvoir prendre une valeur intermédiaire telle que 0.049. De ce fait, le taux réel d’erreur de première espèce est presque systématiquement inférieur au seuil nominal α (phénomène de sur-conservatisme structurel).

Pour atténuer ce conservatisme excessif dans les analyses nécessitant une sensibilité optimale sans renoncer au cadre exact, certains biostatisticiens préconisent le recours à la mi-p-valeur (ou mid-p value). La mi-p-valeur soustrait la moitié de la probabilité exacte de la table observée à la p-valeur standard :

p_mid = p_exact – 0.5 × P(Table_observée)

Cette approche hybride rétablit un taux d’erreur de première espèce moyen beaucoup plus proche du niveau nominal de 5 % et optimise la puissance statistique dans les cohortes restreintes. Bien que Stata ne restitue pas par défaut la mi-p-valeur dans sa commande tabulate de base, celle-ci peut être dérivée analytiquement à partir des scalaires retournés en mémoire par le logiciel ou via des packages communautaires avancés.

8. Extension aux tables de contingence r × c et calculs polytomiques

8.1 L’algorithme de Freeman-Halton pour grands tableaux

Si la formulation classique du test exact de Fisher a été conçue pour les tables élémentaires deux par deux, la recherche empirique requiert fréquemment l’analyse de variables polytomiques comportant de multiples modalités qualitatives ordonnées ou non ordonnées. Pour résoudre l’évaluation exacte de l’indépendance au sein de tables de contingence générales de dimension r × c (avec r > 2 ou c > 2), G. H. Freeman et J. H. Halton ont développé en 1951 une généralisation algorithmique majeure fondée sur la loi hypergéométrique multivariée.

Dans une table polytomique r × c, conditionnellement à l’ensemble des marges en ligne (R₁, R₂, …, Rᵣ) et des marges en colonne (C₁, C₂, …, C_c) considérées comme fixes, la probabilité combinatoire exacte d’une matrice empirique particulière M = (nᵢⱼ) s’exprime par l’extension multinomiale de la loi hypergéométrique :

P(M) = [ (Π Rᵢ!) × (Π Cⱼ!) ] / [ N! × Π (nᵢⱼ!) ]

L’application de l’algorithme de Freeman-Halton consiste à générer et énumérer la totalité des configurations matricielles possibles préservant strictement les sommes marginales vectorielles, et à additionner les probabilités de toutes les matrices dont la probabilité hypergéométrique est inférieure ou égale à la probabilité de la matrice empirique observée. Face à des matrices de grande dimension, l’espace des permutations connaît une explosion combinatoire exponentielle que le solveur de réseau exact intégré au noyau de Stata résout au moyen d’algorithmes de programmation dynamique hautement sophistiqués.

8.2 Exécution pratique sur variables polytomiques dans Stata

L’implémentation pratique de l’extension de Freeman-Halton dans l’environnement Stata ne requiert aucune modification conceptuelle de la syntaxe de base. Il suffit d’appeler l’option exact sur une table croisant deux variables dont au moins l’une présente plus de deux modalités qualitatives :

tabulate stade_maladie reponse_therapeutique, exact

Il importe toutefois de souligner une divergence formelle majeure au niveau de la fenêtre des résultats : pour les tables de dimension supérieure à 2 × 2, Stata ne restitue plus aucun test unilatéral (1-sided Fisher's exact). Cette absence découle d’une réalité mathématique incontournable : dans un espace vectoriel à multiples dimensions dépourvu d’ordre naturel univarié, la notion même de directionnalité « unilatérale » extrême perd toute assise mathématique univoque. Seule la p-valeur bilatérale globale de Freeman-Halton est affichée.

Lorsque la taille des cellules ou le nombre de croisements polytomiques devient substantiel (par exemple un tableau 4 × 5 avec plusieurs centaines d’individus répartis de manière hétérogène), le temps d’exécution de l’algorithme de réseau peut s’allonger de manière significative. Dans des circonstances extrêmes où la mémoire tampon combinatoire est saturée, Stata interrompt le calcul en affichant un avertissement stipulant que l’espace combinatoire excède les capacités d’énumération analytique exacte en mémoire.

8.3 Approximation stochastique par simulations de Monte-Carlo

Pour surmonter les verrous combinatoires inhérents aux grands tableaux polytomiques saturés en effectifs sans régresser vers l’approximation imparfaite du Chi-deux de Pearson, la statistique computationnelle moderne mobilise l’échantillonnage par simulations de Monte-Carlo. Dans cette approche stochastique de haute précision, le logiciel ne cherche pas à inventorier de façon déterministe l’intégralité astronomique des tables possibles compatibles avec les marges, mais tire de façon aléatoire et indépendante un volume massif de tables (par exemple 100 000 ou 1 000 000 permutations virtuelles) selon la distribution hypergéométrique exacte conditionnelle.

La p-valeur exacte est alors estimée par la fréquence empirique relative de tables simulées affichant une probabilité inférieure ou égale à celle de la table observée. Dans l’écosystème Stata, les commandes de tabulation avancées ou les modules développés par la communauté académique permettent de paramétrer des simulations de Monte-Carlo pour les tests exacts. Dans un cadre de reproductibilité scientifique intégrale, l’expérimentateur doit obligatoirement fixer la graine du générateur de nombres pseudo-aléatoires en amont via l’instruction :

set seed 123456789

Cette précaution garantit qu’un ré-échantillonnage ultérieur du même script générera rigoureusement la même p-valeur au dix-millième près. Stata restitue alors non seulement l’estimation stochastique de la probabilité exacte, mais également son intervalle de confiance asymptotique à 99 % (fondé sur la loi binomiale du processus de simulation), offrant une garantie de transparence totale aux lecteurs des travaux scientifiques concernés.

9. Indicateurs de taille d’effet et quantification de l’association

9.1 Calcul et estimation du Rapport de Cotes (Odds Ratio)

L’obtention d’une valeur p — qu’elle soit issue d’une approximation asymptotique ou d’un calcul combinatoire exact — ne fournit qu’une indication binaire sur la compatibilité des données empiriques avec l’hypothèse nulle. Elle ne quantifie en aucun cas l’intensité clinique, pratique ou théorique de la relation étudiée. C’est pourquoi les directives méthodologiques internationales les plus rigoureuses exigent systématiquement le couplage de la p-valeur avec une métrique robuste de taille d’effet standardisée.

Pour les tables de contingence dichotomiques de format 2 × 2, l’indicateur épidémiologique et psychométrique de référence est le Rapport de Cotes (ou Odds Ratio, noté OR). Dans notre matrice de notation canonique [a, b c, d], l’Odds Ratio empirique mesure le rapport entre la cote de survenue de l’événement dans le premier groupe et la cote de survenue de l’événement dans le second groupe :

OR = (a / b) / (c / d) = (a × d) / (b × c)

Dans le cadre de notre étude empirique portant sur le genre et l’affiliation politique :

OR = (4 × 4) / (9 × 8) = 16 / 72 ≈ 0.222

Ce résultat indique que, dans cet échantillon, la cote d’adhésion démocrate chez les hommes ne représente que 0,222 fois celle constatée chez les femmes (ou, de manière réciproque, les femmes ont un OR = 1 / 0.222 ≈ 4.5 fois plus de chances d’adhérer au courant démocrate que les hommes). Dans Stata, plutôt que de procéder à un calcul manuel, l’obtention immédiate de l’Odds Ratio exact s’effectue via les commandes épidémiologiques spécialisées cc (pour les études cas-témoins, case-control) ou cs (pour les cohortes prospectives). La commande immédiate correspondante s’exécute ainsi :

cci 4 9 8 4, exact

Stata génère alors non seulement l’Odds Ratio ponctuel, mais également son intervalle de confiance exact à 95 % calculé sans approximation selon la méthode exacte de Fisher-Cornfield, fournissant les bornes réelles d’incertitude associées au paramètre au sein de la population cible.

9.2 Indices d’association globale : V de Cramér et Phi

Lorsque l’analyse s’étend à des variables sans rapport hiérarchique direct ou à des tables polytomiques de dimensions supérieures, les mesures d’association globale normalisées dérivées du Chi-deux s’imposent pour caractériser la force du lien relationnel. Pour une table élémentaire 2 × 2, le coefficient Phi (φ) constitue l’équivalent formel du coefficient de corrélation de Pearson calculé sur deux variables binaires numériques 0/1 :

φ = √[ χ² / N ]

Le coefficient Phi varie théoriquement entre 0 (indépendance absolue) et 1 (dépendance fonctionnelle parfaite). Lorsque l’analyse embrasse des configurations polytomiques r × c, le coefficient Phi tend à dépasser l’unité, perdant sa normalisation standard. On lui substitue alors universellement le V de Cramér (Harald Cramér), dont la formulation intègre les dimensions géométriques de la matrice :

V = √[ χ² / (N × min(r – 1, c – 1)) ]

Dans Stata, pour extraire instantanément ces indicateurs de magnitude lors de l’exécution de la tabulation, il suffit d’adjoindre l’option V à la commande classique :

tabulate genre affiliation, exact V

Selon les repères psychométriques introduits initialement par Jacob Cohen (1988), pour un degré de liberté minimum min(r-1, c-1) = 1 (cas de la table 2 × 2), une valeur de V ≈ 0.10 reflète un effet de petite magnitude, V ≈ 0.30 dénote un effet de magnitude moyenne, et V ≥ 0.50 caractérise un effet de forte amplitude clinique ou comportementale.

9.3 Mesure de la réduction relative et absolue du risque

Dans les essais d’intervention contrôlés en psychologie clinique ou en psychiatrie translationnelle, où l’exposition correspond à une thérapie expérimentale face à un contrôle et la réponse à un succès clinique ou une récidive pathologique, les investigateurs ont l’obligation déontologique de rapporter des indicateurs probabilistes absolus et relatifs :

• Le Risque Relatif (RR) : Ratio de l’incidence du critère de jugement dans le groupe exposé sur l’incidence dans le groupe témoin : RR = [a / (a + b)] / [c / (c + d)].
• La Réduction Absolue du Risque (RAR) : Différence arithmétique directe des proportions d’événements négatifs : RAR = | [a / (a + b)] – [c / (c + d)] |.
• Le Nombre de Sujets à Traiter (NST ou NNT pour Number Needed to Treat) : L’inverse arithmétique de la réduction absolue du risque : NNT = 1 / RAR. Ce paramètre fondamental quantifie précisément le nombre moyen de patients qu’un praticien doit soumettre au protocole expérimental pour éviter une issue défavorable additionnelle.

La commande immédiate csi a b c d, exact (cohort study immediate) permet sous Stata d’extraire de manière automatisée l’intégralité de ces paramètres avec leurs intervalles de confiance exacts, fusionnant dans une même analyse computationnelle la rigueur de l’inférence non paramétrique et la pertinence pratique de la décision clinique translationnelle.

10. Diagnostics, erreurs courantes et pièges méthodologiques

10.1 Confusions conceptuelles fréquentes chez les chercheurs

La première erreur conceptuelle rencontrée dans les manuscrits scientifiques consiste en la sélection post-hoc opportuniste du test unilatéral. Constatant qu’une table observée produit une p-valeur bilatérale marginalement non significative (par exemple p = 0.081), certains auteurs cèdent à la tentation méthodologique de rapporter la p-valeur unilatérale (p = 0.040) afin de franchir artificiellement le seuil fatidique de 0.05, en improvisant rétrospectivement une hypothèse directionnelle. Cette pratique vicie fondamentalement l’inférence statistique et viole les principes éthiques de la recherche scientifique.

Une seconde méprise grave concerne la confusion sémantique entre l’absence de significativité statistique et la preuve de l’équivalence. Dans un essai pilote à très petit effectif, obtenir une p-valeur de 0.15 ne démontre nullement que le traitement étudié est équivalent au placebo ; cela prouve uniquement que l’échantillon analysé ne possède pas la puissance requise pour distinguer le signal clinique du bruit d’échantillonnage aléatoire. Enfin, les analystes débutants confondent fréquemment l’existence d’une significativité statistique exacte avec la portée clinique de l’effet : une p-valeur exacte ultra-significative (p < 0.001) obtenue sur une table volumineuse peut tout à fait masquer un Odds Ratio dérisoire n’ayant aucune implication concrète sur le plan pratique.

10.2 Erreurs techniques récurrentes sous Stata

Sur le versant opérationnel et computationnel, plusieurs maladresses de programmation surviennent fréquemment au cours des sessions de modélisation sous Stata :

• L’inversion matricielle accidentelle : Lors de l’usage de tabi, une interversion involontaire entre lignes et colonnes modifie la structure des rapports de cotes et peut désorienter totalement le sens des comparaisons, notamment si l’on tente de calculer un Risque Relatif avec csi où les colonnes d’exposition et d’issue répondent à un agencement prédéfini strict.
• Erreurs de ponctuation sur tabi : L’omission de la barre oblique inversée ou son remplacement par une barre oblique standard / provoque une rupture de syntaxe immédiate (command syntax error). De même, l’absence de la virgule séparatrice précédant l’option exact conduit Stata à interpréter le mot-clé comme une variable d’argumentation, bloquant net le pipeline de traitement.
• Omission de l’option exact : Si le chercheur saisit machinalement tabulate groupe issue sans ajouter l’argument exact, Stata ne procède à aucun test d’indépendance (ni Fisher, ni Pearson) et se borne à restituer une simple grille de distribution descriptive. L’ajout inadvertant de chi2 seul réactive le test asymptotique sans avertir formellement de la violation des effectifs de Cochran.
• Variables textuelles non encodées : Tenter de lancer tabulate var_texte1 var_texte2, exact peut déclencher des comportements inattendus ou ralentir l’algorithme lorsque les étiquettes comportent des caractères typographiques spéciaux non supportés par la table de hachage interne du solveur exact.

10.3 Problèmes de puissance et sur-conservatisme statistique

L’écueil méthodologique cardinal du test exact de Fisher réside dans son hyper-conservatisme structurel face aux échantillons d’effectifs extrêmement réduits. En raison du conditionnement strict sur les doubles marges observées et de la granularité discontinue de la loi hypergéométrique, la puissance statistique réelle (capacité à détecter une association véritable lorsqu’elle existe au sein de la population) s’avère nettement amoindrie, amplifiant considérablement le taux d’erreur de deuxième espèce (β).

Pour prévenir cette déconvenue expérimentale, tout protocole de recherche clinique ou comportementale employant des méthodes exactes doit impérativement intégrer un calcul de puissance a priori. Sous Stata, la commande officielle power twoproportions permet de modéliser avec précision les effectifs minimaux requis sous différents scénarios de proportions alternatives. Cependant, face à une étude pilote dont la taille est irréductiblement contrainte, le chercheur doit assumer ouvertement les limites de son étude dans la section de discussion académique, en évitant toute généralisation péremptoire et en plaidant pour la réplication ciblée sur des effectifs augmentés plutôt que de sur-interpréter une absence de significativité contingente.

11. Rédaction scientifique et restitution des résultats aux normes APA 7

11.1 Conventions de rédaction pour le texte académique

La communication scientifique des résultats au sein des revues affiliées à l’American Psychological Association (APA 7e édition) obéit à des conventions typographiques et rédactionnelles d’une précision chirurgicale. Lors de la restitution d’un test exact de Fisher, la lettre statistique représentative n’est pas un symbole conventionnel grec comme pour le Chi-deux (χ²), mais la mention explicite de la procédure exacte accompagnée de l’indication impérative de la taille totale d’échantillon N et de la probabilité p.

Les règles de formalisation typographique imposent :

• L’indication scrupuleuse de la directionnalité du test : le chercheur doit expressément spécifier s’il rapporte un test unilatéral (one-tailed) ou bilatéral (two-tailed). Par défaut, sans mention explicite, les relecteurs présument qu’il s’agit d’un test bilatéral.
• Le formatage de la valeur p : la lettre p doit être rédigée en italique minuscule (p). Conformément aux normes APA 7, la valeur p ne doit jamais être précédée d’un zéro avant la virgule décimale, dans la mesure où une probabilité ne peut mathématiquement jamais excéder la valeur 1 (écrire p = .096 et non p = 0.096).
• L’arrondi standard s’établit à trois décimales exactes pour la valeur p (sauf si celle-ci est inférieure à un millième, auquel cas elle est formulée sous la forme p < .001). Les métriques de taille d’effet telles que l’Odds Ratio (OR) ou le coefficient φ s’arrondissent systématiquement à deux décimales avec leur intervalle de confiance à 95 % entre crochets.

11.2 Élaboration de tableaux conformes aux standards de publication

L’élaboration d’une table de contingence bivariée selon les normes APA 7 répond à des règles de mise en page graphique austères mais d’une lisibilité maximale : aucun trait vertical de séparation de colonnes ne doit figurer dans le tableau. Seules trois lignes horizontales majeures sont admises : une ligne au sommet bornant les en-têtes de colonnes, une ligne sous les en-têtes délimitant le corps des données, et une ligne terminale fermant le tableau au-dessus des notes méthodologiques explicatives de bas de page.

Chaque cellule doit présenter de façon conjointe l’effectif brut dénombré et le pourcentage relatif conditionnel en ligne ou en colonne, conventionnellement formaté sous la forme n (%). Les totaux marginaux doivent être clairement identifiés par la lettre n en italique pour les sous-groupes et N en majuscule italique pour l’échantillon consolidé. La note de bas de tableau, introduite par la mention Note. en italique, doit expliciter sans équivoque le recours au test exact de Ronald Fisher en lieu et place du test asymptotique de Pearson en justifiant cette décision par la présence de faibles effectifs théoriques dans les cases du protocole.

11.3 Exemple concret de paragraphe de résultats publiable

Voici un modèle intégral de rédaction académique rigoureuse, prêt pour la soumission à une revue internationale de psychologie clinique, intégrant l’analyse empirique de notre étude de cas :

Afin d’examiner l’existence d’une éventuelle dépendance entre le genre des participants et leur positionnement idéologique au sein de l’organisation universitaire, une analyse de contingence bivariée a été menée sur l’échantillon total (N = 25). En raison de la faiblesse de l’effectif global et conformément aux recommandations de Cochran concernant la fragilité des approximations asymptotiques, le test exact de Fisher bilatéral a été substitué au test standard du Chi-deux de Pearson. La distribution observée montre que 30,8 % des étudiants masculins (n = 4 sur 13) s’identifient à la mouvance démocrate contre 69,2 % (n = 9 sur 13) à la mouvance républicaine, tandis que parmi les étudiantes féminines, 66,7 % (n = 8 sur 12) soutiennent le mouvement démocrate contre 33,3 % (n = 4 sur 12) pour l’option républicaine. Bien qu’une disparité descriptive substantielle soit apparente au niveau des proportions conditionnelles, le test exact de Fisher bilatéral n’atteint pas le seuil de significativité nominal standard, p = .096 (test unilatéral exact, p = .081 ; rapport de cotes [OR] = 0,22, IC à 95 % [0,03, 1,46] ; V de Cramér = .33). Par conséquent, nous ne pouvons rejeter l’hypothèse nulle d’indépendance catégorielle à ce niveau d’investigation pilote. L’amplitude moyenne à forte de la taille d’effet constatée suggère néanmoins qu’un manque de puissance statistique lié à la taille réduite de la cohorte masque potentiellement une association réelle au sein de la population étudiée, plaidant pour une reconduction programmée de l’évaluation sur un échantillon de plus large envergure.

12. Automatisation, reproductibilité et protocoles de Do-files

12.1 Programmation d’un script do-file robuste et modulaire

L’automatisation du flux d’analyse de données au sein d’un script Do-file constitue la clé de voûte de la recherche reproductible. Un script de production de haute tenue ne doit pas simplement lancer des instructions brutes, mais initialiser de façon défensive l’environnement de calcul, vérifier l’existence des répertoires d’exportation, documenter chaque étape au moyen de blocs de commentaires denses et journaliser intégralement les processus. Voici l’architecture d’un script standardisé pour l’exécution et l’archivage du test exact de Fisher :

********************************************************************************
* PROJET : Évaluation catégorielle exacte sous Stata
* AUTEUR : Unité de Recherche en Psychologie Quantitative
* DATE : Date courante de validation analytique
* OBJET : Test exact de Fisher automatisé et reproductibilité
********************************************************************************

version 17.0
clear all
set more off
capture log close

* Définition des répertoires de travail
global Racine "C:/Recherche/Projet_Fisher"
global Donnees "$Racine/Data"
global Sorties "$Racine/Outputs"

* Ouverture de la journalisation continue
log using "$Sorties/Log_Fisher_Analyse.txt", text replace

* Saisie ou chargement de la matrice de données empirique
* Exemple avec la syntaxe immédiate :
tabi 4 9 8 4, exact chi2 row col

* Fermeture du fichier journal
log close

L’utilisation scrupuleuse de variables globales ou locales (macros Stata) pour paramétrer les chemins d’accès garantit la portabilité immédiate du script d’une station de travail à une autre, préservant la validité du protocole sans exiger de modifications manuelles hasardeuses dans le corps du code analytique.

12.2 Extraction programmée des matrices et scalaires de résultats

Après l’exécution d’une commande d’inférence sous Stata, les résultats numériques du calcul ne s’évaporent pas dans l’interface visuelle : ils sont conservés de façon structurée dans des zones de stockage temporaire de la mémoire vive appelées scalaires ou matrices de retour (résultats de classe r-class). Pour visualiser l’ensemble des éléments internes générés par une commande de tabulation exacte, l’analyste exécute simplement l’instruction :

return list

Suite à une commande telle que tabulate var1 var2, exact ou tabi ..., exact, Stata retourne un ensemble de scalaires précieux :

• r(N) : L’effectif d’échantillon total consolidé (ex. 25).
• r(r) : Le nombre de lignes actives de la table (ex. 2).
• r(c) : Le nombre de colonnes actives de la table (ex. 2).
• r(p_exact) : La valeur exacte bilatérale du test de Fisher (ex. .096).
• r(p1_exact) : La valeur exacte unilatérale du test de Fisher (ex. .081).
• r(chi2) : La valeur scalaire de la statistique asymptotique du Chi-deux de Pearson (ex. 2.6641).

Le chercheur peut alors extraire programmatiquement ces scalaires pour alimenter des matrices personnalisées ou conditionner l’exécution de blocs logiques ultérieurs. Par exemple, pour stocker automatiquement la p-valeur exacte dans une macro locale et l’afficher avec un message contextuel dynamique :

local pval = r(p_exact)
if `pval' < 0.05 {
    display as result "Résultat statistiquement significatif au seuil nominal (p = " %6.4f `pval' ")"
}
else {
    display as text "Absence de significativité statistique (p = " %6.4f `pval' ")"
}

12.3 Exportation automatisée vers Word, Excel et LaTeX

La ressaisie manuelle de tableaux statistiques depuis la console d’un logiciel vers un traitement de texte représente la source prédominante d’erreurs typographiques dans les publications scientifiques internationales. Pour éradiquer ce risque, Stata dispose d’un écosystème d’instructions intégrées de haut niveau permettant la génération dynamique de documents de publication prêts pour l’impression.

La commande native putdocx permet de créer directement des fichiers au format Microsoft Word (.docx) sans nécessiter de logiciels tiers. Le script initialise un document, insère un titre, génère une table typographique aux normes APA 7, remplit les cellules à l’aide des scalaires extraits de r(), et formate les bordures horizontales requises :

putdocx begin
putdocx paragraph, style(Heading1)
putdocx text ("Tableau 1 : Distribution des Affiliations Politiques selon le Genre")
putdocx table tab1 = (4, 4), border(all, nil)
putdocx table tab1(1,.), border(top, single, black)
putdocx table tab1(1,.), border(bottom, single, black)
putdocx table tab1(4,.), border(bottom, single, black)
* Remplissage dynamique des en-têtes et des scalaires extraits...
putdocx save "$Sorties/Tableau_APA_Fisher.docx", replace

Pour les chercheurs rédigeant sous l’environnement typographique scientifique LaTeX, l’utilisation de modules avancés tels que esttab (issu de la suite logicielle renommée estout) permet de compiler instantanément des matrices de contingence exactes vers des fragments de code de tableau LaTeX natif (environnements begin{table} et begin{tabular}). Cette passerelle automatisée supprime toute médiation humaine, assurant une concordance absolue entre les micro-données calculées par le solveur hypergéométrique et le document de recherche finale soumis pour publication.

Références

Agresti, A. (1992). A survey of exact inference for contingency tables. Statistical Science, 7(1), 131–153. https://doi.org/10.1214/ss/1177011454

American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000

Cochran, W. G. (1952). The χ² test of goodness of fit. The Annals of Mathematical Statistics, 23(3), 315–345. https://doi.org/10.1214/aoms/1177729380

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.

Fisher, R. A. (1922). On the interpretation of χ² from contingency tables, and the calculation of P. Journal of the Royal Statistical Society, 85(1), 87–94. https://doi.org/10.2307/2340521

Fisher, R. A. (1935). The design of experiments. Oliver and Boyd.

Freeman, G. H., & Halton, J. H. (1951). Note on an exact treatment of contingency, goodness of fit and other problems of significance. Biometrika, 38(1/2), 141–149. https://doi.org/10.2307/2332323

Mehta, C. R., & Patel, N. R. (1983). A network algorithm for performing Fisher’s exact test in r × c contingency tables. Journal of the American Statistical Association, 78(382), 427–434. https://doi.org/10.1080/01621459.1983.10477989

Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, 50(302), 157–175. https://doi.org/10.1080/14786440009463897

StataCorp. (2021). Stata base reference manual: Release 17. Stata Press. https://www.stata.com/manuals/r.pdf

Yates, F. (1934). Contingency tables involving small numbers and the χ² test. Supplement to the Journal of the Royal Statistical Society, 1(2), 217–235. https://doi.org/10.2307/2983604