Comprendre l’hypothèse nulle pour la régression linéaire

Dans le champ foisonnant des sciences empiriques contemporaines, et tout particulièrement au sein de la psychologie quantitative, l’analyse de régression linéaire s’impose comme un instrument analytique central pour sonder les architectures relationnelles reliant différentes dimensions du comportement et de la cognition. Qu’il s’agisse d’évaluer dans quelle mesure l’anxiété préopératoire anticipe la perception de la douleur post-chirurgicale ou d’isoler les déterminants cognitifs de la réussite académique, le chercheur mobilise la droite de régression afin de modéliser mathématiquement une régularité observée dans le monde phénoménal. Toutefois, le simple constat d’une covariation empirique au sein d’un échantillon ne saurait suffire à proclamer l’existence d’une loi générale : le spectre omniprésent des fluctuations d’échantillonnage impose le déploiement d’un filtre épistémologique et probabiliste rigoureux.

Ce filtre trouve son incarnation canonique dans le paradigme des tests d’hypothèses statistiques, dont la pierre angulaire demeure sans conteste l’hypothèse nulle, universellement désignée par le symbole H0. Loin de n’être qu’une formalité calculatoire abstraite, l’hypothèse nulle constitue le scepticisme institutionnalisé de la méthode scientifique. Dans le cadre de la régression linéaire simple ou multiple, formuler l’hypothèse nulle revient à postuler, jusqu’à preuve éclatante du contraire, que le lien présumé entre le prédicteur et le critère est strictement nul dans la population parente, réduisant la pente observée à une simple illusion d’optique générée par le bruit stochastique du tirage au sort des participants.

Comprendre intimement les fondements théoriques, les mécanismes computationnels, les implications décisionnelles et les limites inhérentes au test de cette hypothèse nulle est un impératif méthodologique incontournable. Cet article propose une exploration exhaustive de l’hypothèse nulle appliquée à la régression linéaire, depuis ses soubassements mathématiques et conceptuels jusqu’aux débats contemporains qui agitent la communauté scientifique quant à la crise de la reproductibilité et à la transition vers des cadres d’inférence plus informatifs et robustes.

1. Fondements théoriques de la régression linéaire en psychologie et sciences empiriques

1.1 Structure formelle du modèle linéaire simple

L’ambition première de la régression linéaire simple réside dans la formalisation d’une fonction mathématique capable de résumer de manière parcimonieuse la relation entre une variable indépendante, ou prédicteur, notée usuellement x, et une variable dépendante, ou critère, notée y. Dans sa formulation populationnelle théorique, le modèle postule que pour chaque individu ou unité d’observation, la valeur observée de la variable dépendante résulte d’une combinaison linéaire déterministe augmentée d’une composante aléatoire. L’expression générale s’énonce selon l’équation : y = β0 + β1x + ε, où β0 et β1 représentent les paramètres fixes et inconnus de la population, tandis que ε désigne l’erreur stochastique individuelle.

Sur le plan géométrique et conceptuel, le paramètre β0, communément qualifié d’ordonnée à l’origine ou de constante, incarne le niveau de base attendu de la variable dépendante lorsque la variable prédictive prend la valeur numérique zéro. En psychométrie et en sciences comportementales, l’interprétation substantielle de cette constante s’avère souvent délicate lorsque la valeur zéro est dépourvue de sens physiologique ou psychologique — songeons au quotient intellectuel ou au rythme cardiaque. Dans ces situations, les statisticiens procèdent fréquemment à un centrage de la variable explicative sur sa moyenne arithmétique, opération qui confère immédiatement à l’ordonnée à l’origine la signification intuitive de l’espérance mathématique de la variable dépendante pour un individu moyen de la cohorte observée.

Le paramètre β1, désigné comme le coefficient de régression ou la pente de la droite, constitue le véritable foyer d’intérêt scientifique. Il quantifie précisément le taux de variation espéré de la variable critère y par unité d’accroissement de la variable prédictive x. Si la pente est positive, chaque augmentation unitaire de x se traduit par un gain prévisible équivalant à la grandeur de β1 sur l’échelle de mesure de y. À l’inverse, une pente négative matérialise une dynamique d’inhibition ou d’atténuation. Au niveau échantillonnal, la droite empirique estimée se matérialise par l’équation de prédiction : ŷ = b0 + b1x, où ŷ (y chapeau) symbolise la prédiction conditionnelle ponctuelle générée par l’ajustement aux moindres carrés.

L’introduction explicite du terme d’erreur stochastique ε dans l’équation populationnelle est fondamentale en sciences humaines. Contrairement aux systèmes physiques déterministes modélisés en laboratoire fermé, le comportement humain est soumis à une variabilité intrinsèque inextinguible, alimentée par des contingences contextuelles non mesurées, des erreurs d’instrumentation inhérentes aux questionnaires psychologiques et des différences interindividuelles d’une infinie complexité. Le résidu d’échantillon, noté e = y – ŷ, reflète empiriquement cette part d’imprévisibilité et représente l’écart vertical séparant chaque point de données réel de la trajectoire idéale postulée par la droite de régression.

1.2 Fonction épistémologique des variables prédictives et critères

L’application féconde de la régression linéaire exige une clarification épistémologique rigoureuse quant à la nature des objets mathématiques manipulés. Dans l’investigation empirique, les construits psychologiques ou sociologiques — tels que l’estime de soi, le niveau d’épuisement professionnel ou la résilience cognitive — sont des entités latentes inobservables directement. Le chercheur procède à leur opérationnalisation sous la forme de variables continues au moyen d’échelles de mesure quantitatives, validées par des analyses factorielles confirmatoires et adossées aux théories de la mesure, notamment la théorie classique des tests psychométriques régie par les standards de l’American Psychological Association.

Il est impérieux de maintenir une démarcation conceptuelle infranchissable entre la simple covariation statistique mise en évidence par le coefficient β1 et l’affirmation d’un lien de causalité théorique unidirectionnel. Si l’équation de régression assigne formellement à x un statut d’argument indépendant et à y un statut d’aboutissement dépendant, cette asymétrie n’est qu’un artifice computationnel choisi par l’analyste. En l’absence d’un protocole expérimental prévoyant l’assignation aléatoire des participants et la manipulation active de la variable indépendante, une régression linéaire ne prouve en aucun cas que x cause y. Les corrélations observées peuvent dériver d’une causalité inverse ou être générées artificiellement par l’action conjointe de variables confondantes non prises en compte.

Sur le plan mathématique, la régression évalue la proportion de variance partagée entre les deux distributions de scores. Lorsque le chercheur analyse la dispersion des observations autour de la moyenne arithmétique de la variable dépendante, l’introduction de la variable prédictive vise à rendre compte d’une portion systématique de cette variabilité totale. Dès lors, le modèle linéaire s’interprète comme un dispositif d’explication de la variance : plus l’association entre les construits psychométriques est substantielle, plus la variance résiduelle se contracte au profit de la variance expliquée par le modèle théorique sous-jacent, conférant ainsi une validité prédictive accrue à l’hypothèse soumise au crible de l’expérience.

1.3 Les postulats fondamentaux de l’estimation par les moindres carrés

Pour déterminer les coefficients empiriques b0 et b1 à partir d’un jeu de données d’échantillon, la méthodologie classique fait appel à la méthode des moindres carrés ordinaires (MCO), conceptualisée initialement par Carl Friedrich Gauss et Adrien-Marie Legendre. Le principe cardinal de cette approche repose sur la minimisation algébrique de la somme des carrés des erreurs résiduelles (SCE), formalisée par l’expression : SCE = ∑(yi – ŷi)² = ∑(yi – (b0 + b1xi))². En élevant au carré chaque écart individuel avant d’opérer la sommation, l’algorithme attribue un poids disproportionné aux déviations majeures et garantit que les déviations positives et négatives ne s’annulent pas mutuellement lors de la recherche de la trajectoire optimale.

Toutefois, la validité des inférences statistiques tirées de ces estimateurs dépend de postulats stochastiques sévères, synthétisés dans le théorème de Gauss-Markov. Le premier postulat stipule que l’espérance conditionnelle des perturbations aléatoires, sachant les valeurs de la variable explicative, doit être rigoureusement égale à zéro, ce qui s’écrit formellement : E(ε | x) = 0. Ce postulat garantit l’absence d’erreur systématique de spécification dans le modèle : le chercheur suppose qu’aucune variable déterminante n’a été indûment omise de la formalisation mathématique et que la forme fonctionnelle linéaire adoptée reflète fidèlement la réalité phénoménale.

Le théorème de Gauss-Markov démontre que lorsque les erreurs satisfont les conditions d’homoscédasticité et d’absence d’autocorrélation, les estimateurs issus des moindres carrés ordinaires possèdent la propriété d’être les meilleurs estimateurs linéaires non biaisés (BLUE : Best Linear Unbiased Estimators). Cela implique qu’au sein de la classe de tous les estimateurs linéaires sans biais envisageables, les coefficients des MCO présentent la variance d’échantillonnage minimale théorique. Enfin, la représentativité sociologique ou psychologique de l’échantillon constitue la condition indispensable pour étendre ces garanties formelles du plan de l’échantillon vers la population parente, prévenant ainsi les biais de sélection d’échantillonnage qui ruineraient la portée générale des conclusions inférentielles.

2. Conceptualisation rigoureuse de l’hypothèse nulle dans l’analyse de régression

2.1 Formulation mathématique et logique de H0

L’appareil conceptuel de l’inférence fréquentiste repose sur la mise en concurrence dialectique de deux propositions mutuellement exclusives : l’hypothèse nulle et l’hypothèse alternative. Dans le cadre précis d’une régression linéaire simple visant à mesurer l’effet de x sur y, l’hypothèse nulle s’énonce formellement sous la notation rigoureuse : H0 : β1 = 0. Cette concision mathématique encapsule une affirmation universelle portant exclusivement sur le paramètre de la population parente, et non sur le coefficient d’échantillon b1, qui lui fluctue inévitablement d’une réplication empirique à une autre.

Sur le plan sémantique et logique, l’énoncé β1 = 0 postule l’absence totale d’effet linéaire de la variable explicative sur la variable réponse. Si cette affirmation est exacte dans la population cible, alors l’équation déterministe se simplifie radicalement pour devenir : y = β0 + 0(x) + ε = β0 + ε. Dès lors, connaître la valeur numérique prise par l’attribut x pour un sujet donné n’apporte strictement aucune information prédictive quant à son score sur l’échelle y. L’espérance conditionnelle de y sachant x devient invariant et égal à la constante globale β0, qui n’est autre que la moyenne générale de la population notée μy.

D’un point de vue purement géométrique, l’hypothèse nulle dépeint une droite de régression parfaitement horizontale, possédant une pente nulle et coupant l’axe des ordonnées au niveau de l’espérance globale du critère. Dans cette perspective visuelle, quelle que soit la distance à laquelle on se déplace horizontalement le long de l’axe des abscisses, la hauteur attendue sur la droite ne subit aucune déviation, ni vers le haut ni vers le bas. Les variations manifestées par le nuage de points de part et d’autre de cet axe horizontal sont alors interprétées comme une simple dispersion chaotique, entièrement gouvernée par les idiosyncrasies des perturbations résiduelles ε.

2.2 L’hypothèse nulle comme modèle de référence par défaut

L’architecture de l’inférence statistique moderne puise directement ses fondements dans le principe de parcimonie scientifique, traditionnellement désigné sous l’appellation philosophique de rasoir d’Ockham. Face à un ensemble d’observations empiriques, la rationalité méthodologique commande de privilégier l’explication la plus économique en hypothèses théoriques superflues. Dans l’analyse de régression, le modèle le plus parcimonieux possible est précisément le modèle nul, qui postule que les deux variables investiguées évoluent de façon totalement indépendante et autonome au sein de la population générale.

Sous cette perspective conservatrice, toute association statistique observée au niveau de l’échantillon — c’est-à-dire toute déviation du coefficient calculé b1 par rapport à la valeur zéro — est présumée, jusqu’à preuve du contraire, relever du seul hasard de l’échantillonnage aléatoire. Lorsque l’on extrait un sous-ensemble fini d’individus à partir d’un vivier théoriquement infini où le lien réel est rigoureusement inexistant, la probabilité d’obtenir une pente empirique exactement égale à 0,000000 est en pratique infinitésimale. Le tirage au sort génère des fluctuations fortuites, créant des micro-alignements trompeurs entre prédicteur et critère.

L’hypothèse nulle fonctionne dès lors comme une présomption d’innocence méthodologique. La charge de la preuve empirique pèse intégralement sur les épaules de l’investigateur, qui revendique la découverte d’un lien fonctionnel entre les construits psychologiques. Le chercheur est contraint d’apporter un faisceau de données quantitatives d’une netteté telle qu’il devienne invraisemblable d’attribuer la structure observée aux seules fluctuations du bruit stochastique. Tant que ce seuil d’exigence méthodologique n’est pas franchi, le modèle nul conserve sa primauté épistémologique et demeure l’état de croyance rationnel par défaut.

2.3 Distinction entre hypothèse nulle statistique et hypothèse théorique

Une confusion récurrente, fréquemment documentée dans la littérature pédagogique et les manuels de méthodologie quantitative, consiste à amalgamer l’hypothèse de recherche substantielle et l’hypothèse nulle statistique formelle. L’hypothèse théorique représente la conjecture scientifique élaborée par l’expérimentateur, enracinée dans un corpus conceptuel préalable, prédisant un comportement cognitif ou comportemental précis. Dans l’immense majorité des démarches expérimentales, le chercheur s’attend à découvrir un effet positif ou négatif, et espère ardemment rejeter H0 pour corroborer sa découverte empirique.

Cependant, il existe des contextes d’investigation spécifiques où l’hypothèse scientifique du chercheur coïncide conceptuellement avec la préservation du statu quo ou l’absence d’effet. Considérons le cas des études de réplication directe ou le développement d’échelles d’évaluation psychologique où l’on cherche à démontrer l’invariance de mesure à travers les genres ou les groupes culturels : dans ce scénario, le théoricien formule l’hypothèse substantielle que le genre ne prédit pas les performances cognitives, ce qui ressemble superficiellement à l’hypothèse statistique H0 : β1 = 0. Or, la machinerie des tests de significativité de l’hypothèse nulle classique (NHST pour Null Hypothesis Significance Testing) est structurellement asymétrique et inadaptée pour valider directement l’absence d’effet.

Ce paradoxe épistémologique découle des travaux de Karl Popper sur la démarcation scientifique et la falsificationnisme : une théorie ne peut être logiquement vérifiée de manière définitive, elle peut seulement être réfutée. Le cadre formel du NHST n’a pas été conçu pour apporter des preuves directes en faveur de H0, mais pour évaluer la viabilité de son rejet. Conséquemment, échouer à rejeter l’hypothèse nulle ne signifie jamais que H0 est vraie ou prouvée ; cela indique simplement que les données amassées ne sont pas suffisamment incompatibles avec le modèle nul pour justifier son abandon catégorique au seuil de risque consenti.

3. L’hypothèse alternative et les implications de l’orientation du test

3.1 Structure et formalisme de l’hypothèse alternative (HA)

En miroir dialectique immédiat de l’hypothèse de non-effet se dresse l’hypothèse alternative, traditionnellement désignée par la codification HA ou H1. Dans la pratique conventionnelle de la modélisation statistique, lorsque le chercheur n’avance pas de directive orientée restrictive sur la trajectoire de l’association, l’hypothèse alternative adopte une formulation bilatérale non directionnelle formalisée par : HA : β1 ≠ 0. Cette écriture postule avec netteté que la pente reliant le prédicteur au critère possède une valeur numérique distincte de zéro dans la population parente, que celle-ci s’avère infinitésimale ou gigantesque, positive ou négative.

L’implication conceptuelle de HA réside dans la déclaration solennelle qu’il existe une relation fonctionnelle linéaire statistiquement détectable entre la variable indépendante et la variable réponse. L’introduction de x modifie véritablement l’espérance probabiliste de y. Néanmoins, il importe de souligner une limitation structurelle majeure propre à l’école fréquentiste néo-fisherienne : l’hypothèse alternative standard ne spécifie a priori aucune grandeur d’effet exacte pour le paramètre β1. Elle se borne à nier l’exacte nullité postulée par H0.

Cette indétermination quantitative de HA fait l’objet de critiques répétées par les tenants de l’inférence bayésienne. En effet, en désignant par HA l’ensemble infini de tous les nombres réels amputé du point singulier zéro (ℝ {0}), l’analyste accorde un statut indifférencié à une pente microscopique théoriquement triviale de 0,0001 et à une pente structurelle massive de 50,0. C’est pourquoi la simple décision en faveur de HA ne renseigne nullement sur la pertinence pratique de l’effet découvert, mais établit seulement son incompatibilité avec l’hypothèse du pur hasard d’échantillonnage.

3.2 Tests bilatéraux versus unilatéraux en recherche comportementale

L’articulation formelle de l’hypothèse alternative conditionne de manière mécanique l’espace de rejet de la distribution de référence. Lorsque le cadre théorique du chercheur autorise à anticiper avec une certitude conceptuelle inébranlable le sens de la relation, il devient mathématiquement envisageable de recourir à un test unilatéral ou directionnel. Si la théorie prédit que l’augmentation du temps de révision ne peut qu’accroître la moyenne aux examens de psychométrie, l’hypothèse alternative s’énonce sous la forme positive : HA : β1 > 0, l’hypothèse nulle correspondante devenant formellement H0 : β1 ≤ 0. À l’opposé, si l’on évalue l’impact du niveau d’épuisement sur la mémoire de travail, l’hypothèse sera formulée négativement : HA : β1 < 0.

Le recours aux tests unilatéraux exerce une influence directe sur la puissance statistique de l’investigation empirique. Dans une distribution bilatérale symétrique de Student, la zone critique correspondant à un seuil d’erreur alpha de 5 % est scindée équitablement en deux segments de 2,5 % logés à l’extrême gauche et à l’extrême droite des queues de distribution. Lors d’un test directionnel, la totalité du seuil critique de 5 % est concentrée au sein d’une seule et unique queue. Ce repositionnement géométrique abaisse la valeur critique absolue exigée pour déclarer un résultat statistiquement significatif (par exemple, un seuil critique passant de 1,96 à 1,645 pour de grands échantillons).

Cependant, ce gain sensible de puissance analytique s’accompagne d’un écueil méthodologique drastique. Si les données réelles révèlent une pente d’une ampleur spectaculaire mais dont le signe mathématique est diamétralement opposé à la direction stipulée par l’hypothèse unilatérale, la règle de décision impose formellement de rejeter l’hypothèse de recherche et de conclure à la non-significativité, quelle que soit la force apparente de la relation inverse observée. Pour cette raison épistémologique stricte, la communauté scientifique exige que le choix d’un test unilatéral repose sur des arguments déductifs irréfutables ou sur des protocoles préenregistrés, afin d’interdire tout opportunisme analytique.

3.3 Risques associés aux hypothèses orientées a posteriori

La tentation d’orienter le test d’hypothèse après avoir pris connaissance de la direction effective prise par les coefficients d’échantillon constitue une dérive méthodologique majeure au cœur de la crise de réplication. Cette pratique contestable porte le nom d’HARKing, un acronyme forgé par Norbert Kerr désignant l’action de formuler des hypothèses a posteriori comme si elles avaient été planifiées a priori (Hypothesizing After the Results are Known). Dans le cadre de la régression, un chercheur découvrant une pente empirique b1 positive mais échouant de peu à atteindre le seuil de significativité bilatéral classique à p = 0,07 peut être tenté de reformuler subrepticement son hypothèse sous un angle unilatéral positif afin d’abaisser son seuil critique et faire basculer artificiellement la valeur p sous la barre symbolique de 0,05.

Ce glissement décisionnel non planifié provoque une inflation pernicieuse et clandestine du taux d’erreur de première espèce. Alors que l’investigateur affirme contrôler son risque d’erreur à 5 %, la probabilité réelle d’affirmer à tort l’existence d’une relation inexistante peut en réalité être multipliée par deux, voire bien davantage si des sélections multiples de variables ont été opérées en amont. En traitant des fluctuations idiosyncrasiques d’échantillon comme des découvertes théoriques confirmées, l’analyste corrompt la logique inductive fondamentale sous-jacente au calcul des probabilités de Neyman-Pearson.

Face à ces dévoiements de la démarche expérimentale, les institutions académiques et les comités éditoriaux imposent désormais des standards de transparence méthodologique considérablement renforcés. Le mouvement de la science ouverte promeut activement le préenregistrement systématique des plans d’analyses statistiques sur des plateformes publiques certifiées telles que l’Open Science Framework (OSF). En consignant publiquement les hypothèses directionnelles, le choix des prédicteurs et les seuils décisionnels avant toute collecte de données primaires, le chercheur s’interdit formellement de masquer une démarche exploratoire post-hoc sous les atours d’une démarche confirmatoire rigoureuse.

4. Mécanismes computationnels du test statistique du coefficient de régression

4.1 Estimation ponctuelle de la pente et propriétés d’échantillonnage

La mécanique computationnelle permettant de statuer sur le sort de l’hypothèse nulle prend sa source dans l’extraction de l’estimateur ponctuel de la pente b1 à partir de la matrice des scores bruts observés. Conformément aux développements du calcul différentiel appliqué aux moindres carrés ordinaires, la pente empirique optimale s’exprime comme le rapport exact entre la covariance empirique des deux distributions et la variance empirique propre à la variable prédictive x. Mathématiquement, l’équation s’établit selon la formule analytique canonique :

b1 = Cov(x, y) / Var(x) = [ ∑(xi – x̄)(yi – ȳ) ] / [ ∑(xi – x̄)² ]

Cette grandeur b1 possède la propriété mathématique capitale de non-biais. Cela signifie formellement que si l’on répétait une infinité de fois la même expérience dans des conditions strictement identiques en tirant un nombre infini d’échantillons aléatoires indépendants de taille N au sein de la même population, l’espérance mathématique de tous les coefficients d’échantillon coïnciderait exactement avec le paramètre de population inconnu β1, ce qui s’écrit de manière synthétique : E(b1) = β1. Lorsque l’hypothèse nulle H0 : β1 = 0 est rigoureusement exacte, le centre de gravité de cette distribution d’échantillonnage théorique est parfaitement ancré sur l’abscisse zéro.

La distribution d’échantillonnage de l’estimateur de la pente suit fidèlement une loi normale dès lors que les perturbations d’échantillonnage répondent elles-mêmes au postulat de normalité ou que la taille de l’effectif N est suffisamment grande pour permettre au théorème central limite d’exercer ses vertus régulatrices. C’est précisément la connaissance mathématique formelle de cette distribution d’échantillonnage sous l’empire de l’hypothèse nulle qui va offrir aux méthodologistes la possibilité de calculer la probabilité exacte d’observer des déviations extrêmes de la pente.

4.2 L’erreur-type du coefficient de régression (SE)

L’estimateur ponctuel b1 étant exposé à la variance d’échantillonnage, il est indispensable de quantifier l’amplitude de sa dispersion typique autour du centre théorique. Cette marge de fluctuation attendue d’un tirage à l’autre est dénommée l’erreur-type du coefficient de régression, universellement notée SE(b1) (pour Standard Error). Son expression analytique met en lumière les déterminants fondamentaux de la précision métrique de notre modèle :

SE(b1) = s_e / √[ ∑(xi – x̄)² ]

Au numérateur de cette expression fondamentale figure s_e, c’est-à-dire l’écart-type des résidus d’échantillon, fréquemment nommé erreur-type de l’estimation. Cet indice quantifie l’épaisseur moyenne de la dispersion verticale des données empiriques autour de la droite de régression : plus le comportement humain étudié est chaotique et bruité, plus s_e enfle, augmentant mécaniquement l’incertitude pesant sur l’estimation de la pente. Au dénominateur apparaît la racine carrée de la somme des déviations quadratiques de la variable prédictive par rapport à sa propre moyenne.

L’analyse de cette formule computationnelle éclaire deux mécanismes de contrôle méthodologique essentiels. D’une part, l’erreur-type varie de manière inversement proportionnelle à la dispersion de la variable indépendante x : plus les valeurs du prédicteur sont étendues et contrastées, plus la droite de régression bénéficie d’une stabilité mécanique élevée, ce qui resserre l’erreur-type de la pente. D’autre part, la taille totale de l’échantillon N intervient puissamment au dénominateur : à mesure que le volume d’observations accumulées s’accroît, la somme des carrés s’amplifie, provoquant un écrasement progressif de l’erreur-type vers zéro, et dotant l’estimation d’une acuité statistique proportionnelle à la racine carrée de la taille d’échantillon.

4.3 Dérivation et utilisation de la statistique t de Student

La combinaison harmonieuse du coefficient empirique estimé et de son erreur-type analytique permet de construire le pivot mathématique universellement mobilisé pour éprouver l’hypothèse nulle : la statistique standardisée t de Student. Cette grandeur découle de la soustraction de la valeur postulée par l’hypothèse nulle (soit précisément zéro) au coefficient d’échantillon obtenu, le tout divisé par l’erreur-type estimée. Ce ratio s’écrit avec une transparence totale :

t = (b1 – 0) / SE(b1) = b1 / SE(b1)

Sur le plan distributionnel, sous la stricte condition que les postulats fondamentaux des moindres carrés soient satisfaits et que l’hypothèse nulle H0 soit vérifiée dans la population, cette statistique t se distribue selon la loi théorique de Student dotée de N – 2 degrés de liberté (dl). Les deux degrés de liberté retranchés de l’effectif total correspondent exactement aux deux paramètres de la droite de régression (β0 et β1) préalablement immobilisés pour calculer les résidus et dériver la variance d’échantillonnage.

L’évaluation inférentielle s’effectue alors en confrontant la grandeur de ce ratio t calculé sur les données d’échantillon aux valeurs critiques tabulées de la loi de Student pour le seuil de signification préalablement retenu (souvent alpha = 0,05) et pour les degrés de liberté considérés. Si le ratio empirique excède en valeur absolue le seuil critique (par exemple |t| > 1,984 pour dl = 100), le chercheur se trouve confronté à une déviation quantitative incompatible avec la dispersion aléatoire typique attendue sous l’hypothèse d’une droite de régression parfaitement horizontale, ce qui enclenche la décision de rejeter H0.

5. Décision statistique : La valeur p et le cadre décisionnel de Neyman-Pearson

5.1 Définition probabiliste exacte de la valeur p

Aucun concept statistique n’a généré autant d’égarements épistémologiques et de confusions dommageables que la valeur p (p-value). Dans le protocole rigoureux de l’analyse de régression linéaire, la valeur p correspond à la probabilité mathématique conditionnelle d’observer, dans un échantillon de même taille tiré au sort au sein de la population cible, une statistique de test t (ou une pente b1) au moins aussi déviante et extrême que celle effectivement constatée dans l’étude, sous l’hypothèse postulée inaltérable que l’hypothèse nulle H0 soit rigoureusement vraie. Cette articulation s’écrit en notation probabiliste : P(|t_échantillon| ≥ |t_observé| | H0 est vraie).

Il est capital d’insister sur les erreurs récurrentes d’interprétation qui parasitent fréquemment la restitution de ce paramètre. La valeur p n’est en aucun cas la probabilité que l’hypothèse nulle soit vraie dans la nature, pas plus qu’elle ne quantifie la probabilité que les données aient été engendrées par le hasard. Confondre P(Données extrêmes | H0) avec P(H0 | Données) constitue un sophisme de raisonnement inductif formellement identifié sous l’appellation d’« erreur inverse » ou de transposition des conditionnelles. La valeur p présuppose catégoriquement que H0 est une vérité indiscutable ; elle ne mesure que la conformité des données observées à ce scénario théorique virtuel.

Dès lors, la valeur p doit être appréhendée comme une échelle de mesure continue de la discordance interne opposant la configuration empirique collectée par le chercheur aux prédictions déterministes du modèle d’absence totale d’effet. Plus cette probabilité conditionnelle se contracte vers des valeurs microscopiques (par exemple p = 0,0002), plus la divergence entre le monde phénoménal et l’hypothèse d’horizontalité de la droite devient béante, plaçant le statisticien au cœur d’une tension épistémologique qui appelle une résolution décisionnelle immédiate.

5.2 Le seuil de significativité alpha et la règle de décision

Pour convertir cette mesure continue d’incompatibilité en une décision opérationnelle concrète, le formalisme méthodologique imposé par Jerzy Neyman et Egon Pearson stipule la fixation préalable et intangible d’un seuil de significativité nominal, traditionnellement codifié par la lettre grecque α (alpha). Ce seuil représente la borne supérieure du risque d’erreur consenti par la communauté scientifique. L’attribution quasi-universelle de la valeur α = 0,05 procède historiquement d’une convention pragmatique proposée de façon informelle par Ronald A. Fisher dans les années 1920, convention qui s’est figée en un dogme méthodologique indiscuté dans la formation académique des psychologues.

La règle décisionnelle dichotomique prescrite par ce cadre opère avec un automatisme mécanique implacable :

• Si la valeur p calculée se révèle inférieure ou égale au seuil prédéterminé (p ≤ α), le chercheur est formellement autorisé à déclarer le coefficient de régression « statistiquement significatif » et procède au rejet irrévocable de l’hypothèse nulle H0 au profit de HA.
• Si la valeur p calculée excède la frontière fixée (p > α), la convention impose la non-réjection de l’hypothèse nulle, contraignant l’analyste à maintenir l’état de suspension du jugement épistémologique.

Le maintien de H0 impose une circonspection stylistique absolue dans la rédaction des conclusions empiriques. Il convient de ne jamais affirmer que l’hypothèse nulle est « acceptée » ou qu’il est « démontré qu’il n’y a aucun effet ». La méthodologie scientifique impose de reconnaître que les données n’apportent simplement pas d’évidence empirique suffisante pour autoriser l’abandon du modèle de base. Confondre l’absence de preuve d’un effet avec la preuve de l’absence d’un effet relève d’une lacune logique majeure qui oblitère la possibilité que l’étude ait simplement pâti d’un manque criant de précision ou de puissance statistique.

5.3 Critique méthodologique de la dichotomie significatif / non-significatif

L’usage binaire et mécanique du seuil alpha de 0,05 a catalysé de vives critiques de la part des méthodologistes contemporains. Le reproche central adressé à cette dichotomisation rigide tient à sa dépendance envers la taille de l’échantillon N. En vertu de la dérivation computationnelle de l’erreur-type examinée précédemment, pour un effet de régression populationnel microscopique (par exemple une pente insignifiante de β1 = 0,02), un échantillon massif de 50 000 participants conduira quasi inéluctablement à un ratio t colossal et à une valeur p < 0,00001. Le résultat sera triomphalement estampillé « hautement significatif », bien que l’effet s’avère parfaitement trivial sur le plan clinique ou théorique.

Inversement, dans le champ de la psychologie clinique ou de la neuropsychologie où le recrutement de patients souffrant de pathologies rares impose des effectifs restreints (par exemple N = 18), une pente de régression substantielle et cliniquement porteuse d’espoir (b1 = 0,65) peut fréquemment aboutir à une valeur p = 0,068 en raison d’une erreur-type volumineuse générée par la faiblesse de l’effectif. Sous le couperet brutal du NHST orthodoxe, cette association théoriquement cruciale est impitoyablement reléguée dans les limbes du non-significatif, poussant souvent les chercheurs à abandonner prématurément des pistes thérapeutiques valides.

Pour déjouer les pièges de cette illusion dichotomique, les autorités méthodologiques et les manuels de biostatistique recommandent instamment de découpler la question de l’existence statistique d’un signal de celle de son intensité substantielle. L’interprétation éclairée d’une régression linéaire exige désormais l’abandon des mentions qualitatives floues telles que « résultat marginalement significatif » pour p = 0,054 et impose l’adjonction systématique d’indices de magnitude d’effet quantifiés et d’intervalles de confiance métriques, seuls garants d’une appréciation objective de la réalité phénoménologique sous-jacente.

6. L’hypothèse nulle dans le contexte de la régression linéaire multiple

6.1 Généralisation du modèle mathématique

Dans la complexité inhérente aux conduites humaines, un phénomène comportemental n’est que très exceptionnellement conditionné par une source d’influence unique. L’analyse multivariée répond à ce défi structurel en étendant le formalisme initial vers la régression linéaire multiple, au sein de laquelle plusieurs prédicteurs concourent simultanément à l’explication de la variance du critère. Le modèle populationnel s’écrit sous la forme algébrique matricielle étendue :

y = β0 + β1×1 + β2×2 + … + βkxk + ε

Dans cette formulation enrichie, le paramètre k représente le nombre total de covariables introduites dans l’équation. La signification géométrique et statistique des coefficients de régression subit alors une transformation conceptuelle majeure : chaque coefficient βj se convertit en un coefficient de régression partiel. Il mesure la variation mathématique escomptée de la variable réponse y pour chaque incrément unitaire appliqué spécifiquement au prédicteur correspondant xj, en maintenant théoriquement toutes les autres variables explicatives incluses dans le modèle à un niveau strictement fixe et constant.

Corollairement, la structure de l’hypothèse nulle se ramifie au sein du modèle multivarié. Il n’existe plus une unique proposition globale, mais une collection structurée d’hypothèses nulles individuelles ciblant chaque paramètre particulier du système : H0 : βj = 0, pour chaque indice j variant de 1 à k. L’évaluation de chacune de ces hypothèses nulles spécifiques vise à établir si l’incorporation de cette variable prédictive déterminée enrichit de façon statistiquement détectable la capacité explicative du modèle, une fois soustraite la variance déjà accaparée par l’ensemble des autres descripteurs en compétition.

6.2 Interprétation de l’effet propre en psychologie différentielle

Cette logique d’isolement mathématique s’avère particulièrement précieuse dans l’arsenal méthodologique de la psychologie différentielle et de l’épidémiologie comportementale. Lorsqu’un chercheur analyse, par exemple, la relation liant le temps passé sur les écrans numériques (x1) à la détresse psychologique des adolescents (y), il est impérieux de contrôler rigoureusement l’effet de covariables massives telles que la qualité du sommeil (x2), le niveau de précarité socio-économique (x3) ou l’existence de traits névrotiques préexistants (x4). Dans le modèle simple non contrôlé, la pente brute liant les écrans à la détresse peut apparaître largement positive et significative.

Toutefois, lors du basculement vers la régression multiple, le test formel de l’hypothèse nulle individuelle H0 : β1 = 0 interroge l’existence d’une contribution unique et singulière de l’usage des écrans. Si les prédicteurs partagent un fort degré de corrélation mutuelle — phénomène omniprésent dans les sciences comportementales — la variance commune est déduite des prédicteurs individuels pour être attribuée au bloc global du modèle. Il n’est pas rare de constater que la significativité statistique d’une variable s’évanouit totalement au sein du modèle ajusté (sa valeur p s’élevant bien au-delà de 0,05), révélant que son association apparente dans le modèle simple n’était qu’un effet spéculaire attribuable à des variables de confusion sous-jacentes.

Cette distinction entre effet brut non ajusté et effet net conditionnel modifie la portée épistémologique des conclusions. L’évaluation des hypothèses nulles dans un cadre multivarié prévient les conclusions naïves en démontrant qu’une corrélation substantielle au niveau bivarié peut s’effondrer dès lors que le système intègre des contrôles théoriques adéquats, purgeant ainsi l’inférence des biais de spécification les plus délétères.

6.3 Inflation de l’erreur globale et corrections pour comparaisons multiples

L’accroissement du nombre de régresseurs au sein d’un modèle linéaire matriciel génère un défi stochastique majeur identifié sous le terme d’inflation de l’erreur de première espèce cumulée, ou taux d’erreur par famille de tests (Family-Wise Error Rate, FWER). Si un chercheur évalue simultanément les hypothèses nulles de dix coefficients partiels indépendants (k = 10), en appliquant à chacun le seuil de décision conventionnel α = 0,05, la probabilité théorique de commettre au moins une erreur de première espèce — c’est-à-dire de rejeter à tort au moins une hypothèse nulle alors que toutes sont vraies — s’élève selon le calcul combinatoire élémentaire à :

FWER = 1 – (1 – α)^k = 1 – (1 – 0,05)^10 = 1 – (0,95)^10 ≈ 0,401

L’expérimentateur s’expose ainsi à un risque effectif supérieur à 40 % de proclamer une fausse découverte au sein de son rapport empirique. Pour juguler cette dérive probabiliste sans renoncer à l’exploration de modèles riches, la littérature statistique met à disposition plusieurs protocoles correctifs. La stratégie la plus traditionnelle repose sur la correction de Bonferroni, qui consiste à diviser le seuil d’exigence alpha nominal par le nombre total de coefficients testés simultanément, exigeant ainsi un seuil révisé plus draconien : α_ajusté = α / k. Si cette approche garantit un contrôle parfait du risque de faux positif, son conservatisme mathématique disproportionné provoque une dégradation sévère de la puissance statistique, augmentant le risque de masquer des relations réelles.

Face à cette pénalisation excessive, les analystes privilégient les procédures régulant le taux de fausses découvertes (FDR pour False Discovery Rate), au premier rang desquelles figure la célèbre méthode séquentielle proposée par Yoav Benjamini et Yosef Hochberg. Plutôt que de verrouiller aveuglément la probabilité d’obtenir un seul faux positif, l’algorithme de Benjamini-Hochberg ordonne les valeurs p ascendantes et contrôle dynamiquement la proportion attendue d’hypothèses nulles rejetées indûment parmi l’ensemble des découvertes proclamées, ménageant ainsi un équilibre optimal entre rigueur de contrôle et puissance de détection empirique.

7. Le test F global du modèle : Évaluation omnibus de l’hypothèse nulle

7.1 Formulation de l’hypothèse nulle omnibus

Face à la multiplicité des coefficients partiels déployés dans un modèle linéaire étendu, la saine prudence méthodologique commande de débuter l’investigation empirique par une évaluation holistique de l’ajustement global. Ce filtre hiérarchique préliminaire est opéré au moyen du test omnibus de Fisher, adossé à la formulation d’une hypothèse nulle conjointe globale notée comme suit :

H0 : β1 = β2 = … = βk = 0

Cette proposition omnibus postule l’inutilité prédictive intégrale et collective de l’ensemble des variables indépendantes mobilisées par l’analyste. Si cette hypothèse nulle globale est exacte, aucune des dimensions psychologiques incluses dans la modélisation ne possède de lien linéaire avec la variable dépendante au sein de la population. L’ensemble de la dispersion observable du critère y se résume à une déviation chaotique résiduelle autour de sa moyenne invariante, réduisant le modèle complet à l’équivalent empirique d’un modèle vide dépourvu du moindre pouvoir explicatif.

Le test F global assume une fonction épistémologique protectrice fondamentale. Selon le principe de la procédure descendante de Fisher (Fisher’s Protected LSD approach), l’expérimentateur s’interdit formellement d’examiner et d’interpréter la significativité individuelle des coefficients partiels t tant que le test F omnibus n’a pas préalablement réussi à terrasser l’hypothèse nulle globale au seuil critique convenu. Ce protocole immunise l’analyste contre le risque d’extraire des signaux fortuits au sein de matrices de covariables étendues.

7.2 Décomposition de la variance par le tableau ANOVA

La mécanique calculatoire du test omnibus repose sur la décomposition de la variabilité globale observée au moyen du tableau de l’analyse de la variance (ANOVA). L’identité fondamentale de la dispersion stipule que la somme totale des carrés des écarts de y par rapport à sa moyenne arithmétique (SCT pour Somme des Carrés Totale) se scinde en deux compartiments orthogonaux et additifs : la somme des carrés expliquée par le modèle mathématique (SCM) et la somme des carrés résiduelle non captée par la droite (SCR), soit la relation :

SCT = SCM + SCR ⇔ ∑(yi – ȳ)² = ∑(ŷi – ȳ)² + ∑(yi – ŷi)²

Pour convertir ces sommes quadratiques en estimations non biaisées de la variance, il est nécessaire de rapporter chaque quantité à son contingent respectif de degrés de liberté. La somme des carrés du modèle absorbe k degrés de liberté (reflétant le nombre de pentes estimées), donnant naissance au Carré Moyen du Modèle : CMM = SCM / k. De son côté, la somme des carrés résiduels dispose de N – k – 1 degrés de liberté, engendrant le Carré Moyen Résiduel : CMR = SCR / (N – k – 1), qui n’est autre que l’estimateur de la variance de l’erreur stochastique.

Le ratio de Fisher-Snedecor découle alors de la division directe de la variance modélisée par la variance du bruit résiduel : F = CMM / CMR. Cette statistique se distribue sous H0 selon une loi théorique F régie par la paire de degrés de liberté (k, N – k – 1). Lorsque la variance imputable aux régresseurs dépasse substantiellement le bruit de fond stochastique, la statistique F culmine vers des valeurs élevées. L’association d’une valeur p microscopique à ce ratio autorise le chercheur à certifier que la proportion de variance absorbée par l’architecture multivariée dépasse ce qui pourrait raisonnablement résulter de la contingence du tirage au sort.

7.3 Paradoxes entre test F omnibus et tests t individuels

Bien que la logique statistique incite à attendre une convergence parfaite entre le verdict du test F global et celui des tests t associés aux différents coefficients, des configurations empiriques déconcertantes peuvent émerger. L’un des paradoxes les plus déroutants pour l’apprenti chercheur se manifeste lorsqu’un modèle de régression affiche un test F omnibus spectaculairement significatif (p < 0,001), tandis qu’aucun des tests t relatifs aux coefficients partiels ne parvient à franchir le seuil fatidique de la significativité (toutes les valeurs p > 0,05).

La source de cette discordance réside dans la présence d’une multicolinéarité sévère affectant les prédicteurs. Lorsque deux ou plusieurs variables explicatives partagent une corrélation linéaire intime — comme l’évaluation de l’anxiété-trait et de l’évitement émotionnel —, elles apportent une information hautement redondante. Le test F omnibus évalue la capacité de l’ensemble du bloc à expliquer le critère, détectant avec puissance que le consortium de prédicteurs capture une part majeure de variance. En revanche, les tests t individuels évaluent l’apport exclusif et propre de chaque variable une fois neutralisées toutes les autres. L’effet explicatif étant partagé de façon indifférenciée entre les régresseurs colinéaires, aucun d’entre eux ne dispose d’un résidu de variance propre suffisant pour revendiquer une significativité statistique individuelle.

Pour dénouer ces distorsions analytiques, le statisticien doit recourir à des outils diagnostiques dédiés, en premier lieu le facteur d’inflation de la variance (VIF pour Variance Inflation Factor) et l’indice de tolérance. Des scores VIF excédant les seuils conventionnels de 5 ou 10 signalent une redondance structurelle délétère, guidant l’analyste vers des remédiations méthodologiques : épuration du modèle par suppression d’un prédicteur redondant, agrégation des dimensions corrélées en un score composite unique ou déploiement de techniques de réduction de dimensionnalité telles que l’analyse en composantes principales.

8. Erreurs de décision statistique et puissance d’analyse du test de H0

8.1 L’erreur de première espèce (Type I) et le contrôle du risque

L’inférence fréquentiste s’articule autour d’une matrice décisionnelle binaire à quatre issues, façonnée par l’état inconnu de la réalité populationnelle d’un côté et la conclusion déduite du calcul statistique de l’autre. Au cœur des préoccupations éthiques de la science se trouve l’erreur de première espèce, universellement désignée comme l’erreur de Type I. Cette erreur se produit lorsque le statisticien rejette formellement l’hypothèse nulle H0 : β1 = 0 pour affirmer l’existence d’une relation empirique, alors que cette hypothèse nulle est rigoureusement exacte au sein de la population cible.

L’ampleur de ce péril stochastique est directement gouvernée par la valeur numérique attribuée à la tolérance α. Fixer α = 0,05 stipule que l’investigateur accepte délibérément une probabilité de 5 % d’engendrer un faux positif. Les répercussions de l’erreur de Type I sur le corpus des connaissances scientifiques s’avèrent délétères : elle dissémine dans la littérature spécialisée des affirmations illusoires proclamant l’efficacité d’interventions psychologiques inexistantes ou validant des mécanismes cognitifs imaginaires. Ces artefacts expérimentaux mobilisent ensuite d’immenses ressources financières et temporelles au cours de tentatives de réplication vouées à la stérilité.

La communauté institutionnelle tente de juguler la prolifération de ces faux positifs en exigeant des exigences de preuve considérablement durcies. En physique des particules, la proclamation d’une découverte exige un standard drastique de « 5 sigmas », correspondant à une probabilité de faux positif résiduelle infinitésimale de l’ordre d’un sur 3,5 millions. Si les sciences du comportement ne peuvent prétendre à une telle imperméabilité stochastique, la vigilance méthodologique contemporaine impose un examen scrupuleux des conditions d’échantillonnage et bannit toute flexibilité opportuniste dans le traitement des seuils critiques.

8.2 L’erreur de deuxième espèce (Type II) et ses causes

À l’exact opposé de la matrice décisionnelle se profile l’erreur de deuxième espèce, ou erreur de Type II, conventionnellement quantifiée par la variable β. Cette défaillance analytique survient lorsque les données conduisent le chercheur à s’abstenir de rejeter l’hypothèse nulle H0, alors même qu’il existe dans la réalité du monde phénoménal un effet linéaire authentique liant le prédicteur au critère (β1 ≠ 0). L’étude conclut à une absence d’évidence statistique et passe à côté d’une vérité empirique fondamentale.

La cause étiologique première de l’erreur de Type II dans les sciences comportementales demeure la sous-puissance statistique récurrente, symptôme endémique dénoncé dès la fin des années 1960 par le psychologue et méthodologiste Jacob Cohen. Lorsque les cohortes recrutées affichent des effectifs trop étriqués, la variance d’échantillonnage enfle de manière disproportionnée. Cette imprécision computationnelle dilate considérablement l’erreur-type du coefficient de régression, confinant la statistique t observée en deçà du seuil d’exigence critique, quand bien même la pente sous-jacente posséderait une magnitude cliniquement substantielle.

Le coût théorique engendré par l’erreur de Type II est considérable. Il se traduit par l’abandon prématuré de programmes de recherche prometteurs, le rejet injustifié d’innovations thérapeutiques potentielles et une distorsion systématique de la littérature par le truchement du biais de publication. Les revues scientifiques refusant régulièrement d’accueillir des articles rapportant des coefficients de régression non-significatifs (le fameux phénomène du « tiroir de bureau » ou file-drawer effect), d’authentiques régularités comportementales se trouvent ainsi effacées de l’espace académique mondial en raison d’une sous-puissance d’échantillonnage initiale.

8.3 Analyse de puissance a priori pour le test des coefficients de régression

L’antidote méthodologique souverain pour prémunir l’analyse de régression contre les errements du Type II réside dans l’exécution rigoureuse d’une analyse de puissance statistique a priori, planifiée en amont de toute démarche d’acquisition de données. La puissance d’un test statistique, définie comme la probabilité complémentaire 1 – β de parvenir au rejet légitime de l’hypothèse nulle lorsque celle-ci est fausse, résulte de l’interaction équilibrée de quatre grandeurs fondamentales :

• Le seuil de significativité nominal consenti (α, généralement calibré à 0,05).
• La taille d’effet théorique minimale que le chercheur aspire à détecter au sein de la population parente.
• La taille effective de l’échantillon d’observation (N).
• La puissance désirée elle-même (le standard méthodologique moderne prescrivant d’atteindre au minimum 1 – β = 0,80, voire 0,90 ou 0,95 dans les contextes à hauts enjeux cliniques).

Pour implémenter cette planification de façon opératoire, les chercheurs mobilisent des environnements logiciels spécialisés, à l’image du progiciel gratuit développé par l’Université de Düsseldorf, G*Power. Dans le module dédié à la régression linéaire, l’analyste spécifie l’accroissement escompté de la variance expliquée par son prédicteur d’intérêt ainsi que les caractéristiques de son modèle multivarié. Le programme calcule alors avec une exactitude algorithmique le seuil d’échantillonnage minimum indispensable pour garantir que l’investigation empirique disposera d’une sensibilité suffisante pour détecter le signal attendu.

Une telle analyse de puissance a priori confère une crédibilité interprétative inestimable aux résultats ultérieurs. Si, au terme d’une étude dûment calibrée pour détecter un effet faible avec une puissance de 90 %, le coefficient de régression linéaire échoue à rejeter l’hypothèse nulle, le chercheur dispose enfin d’arguments rationnels solides pour affirmer que l’effet étudié est très probablement inexistant ou négligeable dans la population, transformant une simple absence d’indice en un faisceau de présomption scientifiquement signifiant.

9. Les intervalles de confiance des coefficients : Au-delà du simple test d’hypothèse

9.1 Fondement et calcul de l’intervalle de confiance pour β

Bien que le test de significativité de l’hypothèse nulle constitue la démarche la plus répandue pour scruter les données de régression, il souffre d’une pauvreté informationnelle intrinsèque en réduisant la complexité de l’estimation à un verdict binaire d’acceptation ou de rejet. C’est pour pallier cette lacune que l’estimation par intervalle s’impose comme une alternative. Fondé sur les principes théoriques établis par Jerzy Neyman en 1937, l’intervalle de confiance à 95 % délimite une plage continue de valeurs plausibles pour le paramètre populationnel β1, dérivée de la distribution d’échantillonnage de la statistique t.

Sa formulation computationnelle repose sur l’encadrement de l’estimateur ponctuel d’échantillon par une marge d’incertitude définie par le produit de l’erreur-type et de la valeur critique tabulée de Student pour les degrés de liberté résiduels :

IC_95% = [ b1 – (t_critique * SE(b1)) ; b1 + (t_critique * SE(b1)) ]

La lecture épistémologique de cet intervalle commande une grande rectitude conceptuelle. Sous la perspective fréquentiste orthodoxe, le paramètre populationnel β1 est une constante immuable bien qu’inconnue : il n’a donc pas de distribution de probabilité propre. Dire qu’« il y a 95 % de chances que le vrai paramètre se trouve à l’intérieur de l’intervalle calculé » constitue une incorrection formelle. La signification exacte garantit que si nous répliquions le protocole d’échantillonnage un nombre infini de fois et calculions un intervalle de confiance pour chaque extraction, exactement 95 % de ces segments recouvriraient la valeur réelle inconnue du paramètre β1.

La largeur métrique de cet intervalle de confiance renseigne avec transparence sur le degré de précision de notre capture empirique. Un intervalle extrêmement resserré témoigne d’une haute précision métrique acquise grâce à la maîtrise du bruit résiduel et au volume de l’échantillon. À l’inverse, un intervalle béant trahit une incertitude considérable, avertissant l’investigateur que l’estimation ponctuelle isolée ne saurait être appréhendée comme un repère d’une solidité inébranlable.

9.2 L’équivalence formelle entre intervalle de confiance et rejet de H0

Il existe une correspondance mathématique et logique parfaite unissant l’intervalle de confiance bilatéral calculé au seuil 1 – α et le test de l’hypothèse nulle H0 : β1 = 0 mené au seuil d’erreur alpha correspondant. Cette équivalence décisionnelle s’énonce selon une règle d’une limpidité totale : si et seulement si la valeur spécifique stipulée par l’hypothèse nulle (en l’occurrence le chiffre 0,000) se trouve formellement exclue des bornes de l’intervalle de confiance à 95 %, alors le coefficient b1 est obligatoirement déclaré statistiquement significatif au seuil bilatéral α = 0,05, ce qui déclenche le rejet catégorique de H0.

Si, au contraire, le segment de plausibilité délimité par l’intervalle enserre le zéro — par exemple avec une borne inférieure négative à -0,08 et une borne supérieure positive grimpant jusqu’à +0,42 —, l’hypothèse nulle ne peut en aucun cas être répudiée. La présence de la valeur zéro au sein de l’intervalle rappelle à l’observateur que l’absence totale d’effet linéaire fait partie intégrante des scénarios théoriquement compatibles avec les données collectées à ce niveau de confiance.

Cette symétrie opératoire offre une lecture graphique instantanée des données statistiques. Lorsque l’analyste contemple la représentation graphique d’une série de coefficients de régression agrémentés de leurs barres d’erreur matérialisant les intervalles de confiance à 95 %, il lui suffit de repérer d’un coup d’œil si la ligne verticale du zéro est intersectée par le segment. Dans l’éventualité où la borne d’un intervalle vient affleurer le zéro avec une proximité extrême, l’analyste sait immédiatement que la valeur p sous-jacente est en train d’osciller aux abords immédiats du seuil critique de 0,05.

9.3 Supériorité interprétative de l’intervalle de confiance en pratique

Bien que l’intervalle de confiance contienne en son sein l’intégralité de l’information binaire véhiculée par le test de significativité NHST, il présente une supériorité épistémologique majeure : il restitue l’information relative à la magnitude du phénomène étudié sans la masquer derrière une valeur probabiliste abstraite. Considérons deux études indépendantes testant l’impact d’un programme d’entraînement sur le déclin cognitif :

• L’étude A rapporte un coefficient de régression partiel avec p = 0,049 et un IC_95% = [0,001 ; 0,023].
• L’étude B rapporte un coefficient avec p = 0,052 et un IC_95% = [-0,002 ; 0,854].

Sous la grille de lecture simpliste du test d’hypothèse nulle, l’étude A est couronnée de succès académique par l’obtention du statut de « significativité », tandis que l’étude B est disqualifiée comme un échec non significatif. Or, l’inspection lucide des intervalles de confiance inverse radicalement l’interprétation scientifique. L’étude A révèle un effet dont l’ampleur maximale est infinitésimale et potentiellement dénuée de toute pertinence pour la santé cognitive des patients. L’étude B, pour sa part, souffre d’un déficit d’échantillonnage mais laisse entrevoir la plausibilité d’un effet potentiellement thérapeutique, exigeant une réplication sur un effectif plus dense.

En immunisant la communauté scientifique contre « l’illusion de certitude » induite par les fluctuations de la troisième décimale de la valeur p, l’intervalle de confiance réoriente le débat sur l’épaisseur concrète des phénomènes analysés. C’est en vertu de ces vertus pédagogiques et scientifiques que le manuel de publication officiel de l’APA somme désormais les auteurs d’incorporer systématiquement les intervalles de confiance de l’ensemble des coefficients de régression au sein de leurs rapports d’investigation.

10. Conditions d’application de la régression et intégrité du test de H0

10.1 Normalité et homoscédasticité des résidus

L’ensemble de la machinerie inférentielle régissant le test de Student et le ratio F de Fisher repose sur des postulats distributionnels d’une rigueur absolue. Si ces conditions préalables sont bafouées, les fondements mathématiques s’effondrent, rendant caduque toute affirmation relative au rejet de l’hypothèse nulle. Le premier grand postulat concerne la distribution des erreurs de modélisation : les résidus stochastiques dans la population parente doivent se conformer à une loi normale de moyenne nulle, soit ε ~ N(0, σ²). Si une déviation modérée par rapport à la normalité demeure tolérable au sein d’échantillons amples en vertu des théorèmes de convergence asymptotique, des asymétries prononcées ou une forte kurtosis au sein d’échantillons réduits corrompent la forme de la distribution de t, faussant les valeurs p associées.

Le second pilier distributif réside dans l’homoscédasticité, qui stipule la constance rigoureuse de la variance des résidus sur l’intégralité du continuum des valeurs prises par la variable prédictive x : Var(ε | x) = σ². La transgression de ce postulat engendre l’hétéroscédasticité, pathologie statistique fréquente où la dispersion des points s’évase progressivement le long de la trajectoire de régression (adoptant une forme géométrique classique en pavillon de trompette). L’hétéroscédasticité n’altère pas la propriété de non-biais de la pente b1, mais fausse l’estimation analytique de son erreur-type SE(b1).

Lorsque l’hétéroscédasticité s’installe, l’erreur-type calculée par les algorithmes conventionnels des moindres carrés est biaisée (le plus souvent sous-estimée), ce qui gonfle artificiellement le ratio t et déclenche des rejets injustifiés de l’hypothèse nulle pour de simples anomalies de dispersion. Les chercheurs doivent donc évaluer ce postulat au moyen d’épreuves diagnostiques formelles (comme le test de Breusch-Pagan ou de Koenker) et, en cas d’infraction avérée, recourir systématiquement à des estimateurs de variance hétéroscédastique-consistante (erreurs-types robustes de Huber-White).

10.2 Linéarité de la relation et indépendance des erreurs

Le postulat de linéarité postule que la véritable fonction liant l’espérance conditionnelle de y aux valeurs du prédicteur x est une droite géométrique. Si la dynamique reliant les deux construits adopte en réalité une morphologie curviligne (comme la célèbre courbe en U inversé de la loi de Yerkes-Dodson reliant l’éveil motivationnel à la performance cognitive), l’ajustement d’un modèle linéaire standard conduit à une distorsion méthodologique majeure. La pente moyenne d’ensemble peut s’avérer parfaitement horizontale (b1 ≈ 0), induisant la non-réjection mécanique de l’hypothèse nulle, alors même qu’un lien déterministe puissant unit les deux entités sous une forme quadratique.

Le postulat d’indépendance des observations exige quant à lui que chaque perturbation aléatoire résiduelle soit totalement décorrélée de l’erreur affectant n’importe quelle autre unité d’observation du recueil empirique : Cov(εi, εj) = 0 pour tout i ≠ j. Cette exigence est régulièrement mise à mal au sein des protocoles longitudinaux impliquant des mesures répétées sur les mêmes sujets à travers le temps (autocorrélation sérielle), ou dans les plans d’échantillonnage hiérarchiques où les individus sont imbriqués au sein de structures collectives communes (élèves regroupés dans des classes scolaires ou patients assignés aux mêmes thérapeutes).

L’ignorance de cette interdépendance structurelle provoque une fuite massive de degrés de liberté effectifs. En traitant des observations corrélées comme si elles étaient mutuellement indépendantes, les logiciels sous-estiment radicalement l’ampleur réelle des erreurs-types, générant une inflation exponentielle du taux d’erreur de Type I qui pulvérise le contrôle du seuil alpha. Le dépistage précoce de ces déviations passe par l’inspection visuelle attentive du diagramme de dispersion des résidus standardisés opposés aux valeurs prédites et par l’usage du test de Durbin-Watson, orientant si nécessaire le chercheur vers des modèles linéaires mixtes ou multiniveaux.

10.3 Impact des points aberrants et influents sur le statut de H0

L’algorithme d’estimation des moindres carrés ordinaires possède une vulnérabilité reconnue : son hypersensibilité à la présence d’observations extrêmes isolées. Dans le diagnostic approfondi d’une régression linéaire, les analystes opèrent une distinction conceptuelle fondamentale entre deux catégories d’anomalies : les points à fort effet de levier (leverage) et les points influents. Un point présente un fort effet de levier lorsqu’il occupe une position aberrante et isolée sur l’axe horizontal de la variable indépendante x, sans que sa valeur sur le critère y ne soit nécessairement discordante avec la tendance globale.

En revanche, une observation acquiert le statut redoutable de point influent lorsqu’elle combine un fort levier avec un résidu vertical substantiel, venant heurter la structure relationnelle manifestée par le reste de la cohorte. Une unique observation aberrante de ce type possède l’énergie mathématique nécessaire pour agir comme un véritable point d’appui mécanique : elle peut à elle seule incliner vigoureusement une droite par ailleurs horizontale, provoquant le rejet fallacieux de l’hypothèse nulle H0 : β1 = 0 là où il n’existait aucun signal chez les autres participants. À l’inverse, un point influent mal positionné peut faire avorter un test significatif en neutralisant artificiellement une pente réelle.

Pour quantifier cette capacité de déstabilisation, les méthodologistes scrutent la distance de Cook (Cook’s D), qui mesure le décalage global qu’enregistreraient l’ensemble des prédictions du modèle si l’observation suspecte venait à être intégralement retranchée du jeu de données. Lorsque des valeurs de Cook s’élèvent au-delà des bornes critiques reconnues, le statisticien ne doit pas procéder à une suppression aveugle de la donnée sans justification théorique. Il doit plutôt éprouver la robustesse de son inférence en confrontant l’estimation des MCO à des techniques de régression robuste (comme les estimateurs de Huber ou les régressions par les rangs de Theil-Sen), insensibles aux distorsions générées par ces cas singuliers.

11. Mesures de magnitude d’effet associées à la régression linéaire

11.1 Le coefficient de détermination (R2) et R2 ajusté

La simple déclaration du rejet formel de l’hypothèse nulle au moyen d’un ratio t significatif ne renseigne aucunement sur l’intensité descriptive de l’association statistique découverte. Pour combler cette béance conceptuelle, la modélisation linéaire s’adosse à un indicateur de magnitude standardisé : le coefficient de détermination, universellement désigné par la métrique R². Dans la régression simple, cet indice équivaut rigoureusement au carré du coefficient de corrélation de Pearson (r²). Sur le plan computationnel, il quantifie la proportion exacte de la variance totale manifestée par le critère y qui se trouve captée, expliquée et prédite par la droite de régression :

R² = SCM / SCT = 1 – (SCR / SCT)

Évoluant sur un continuum borné entre 0,00 (absence totale de pouvoir prédictif) et 1,00 (ajustement mathématique parfait où l’intégralité des points s’alignent sans résidu sur la droite), le R² offre une métrique accessible. Cependant, il est capital de réaffirmer l’indépendance relative unissant significativité statistique et variance expliquée. Au sein de cohortes épidémiologiques massives regroupant des centaines de milliers de sujets, un coefficient de régression associé à un R² infinitésimal de 0,002 (soit 0,2 % de variance partagée) peut sans peine générer une valeur p < 0,0001, franchissant victorieusement le test de H0 malgré une vacuité prédictive quasi-complète pour l’anticipation du destin individuel d’un sujet donné.

De surcroît, le R² standard présente une tare stochastique dans les modèles multivariés : son incrémentation mécanique. Dès lors que l’on introduit un prédicteur supplémentaire dans une équation, quelle que soit la futilité conceptuelle de cette variable, le R² brut augmente obligatoirement d’une fraction décimale. Pour contrecarrer cette dérive inflationniste, les méthodologistes imposent la notification du R² ajusté (R²_adj). Cette métrique intègre une pénalité mathématique rigoureuse corrélée au nombre de prédicteurs k rapporté au contingent d’observations N, garantissant que l’indice de variance expliquée ne progressera que si l’adjonction d’une nouvelle covariable renforce le modèle au-delà de ce que prédirait le simple hasard d’échantillonnage.

11.2 Taille d’effet f2 de Cohen pour la régression

Si le R² demeure l’indice le plus spontanément communiqué, l’univers de la méta-analyse et de la planification de puissance privilégie la taille d’effet standardisée conceptualisée par Jacob Cohen : le ratio f². Conçu spécifiquement pour le formalisme du modèle linéaire généralisé, cet indice convertit la variance expliquée en un rapport d’amplification de variance opposant le signal modélisé au bruit stochastique résiduel. Sa formule de calcul canonique se structure comme suit :

f² = R² / (1 – R²)

Dans son ouvrage classique sur l’analyse de puissance, Jacob Cohen (1988) a proposé des balises conventionnelles destinées à guider l’interprétation des tailles d’effet au sein des disciplines empiriques de la psychologie et des sciences sociales :

• Un f² = 0,02 (correspondant approximativement à un R² ≈ 0,02) est étiqueté comme un effet faible.
• Un f² = 0,15 (soit un R² ≈ 0,13) est considéré comme un effet moyen, perceptible dans les comportements quotidiens.
• Un f² = 0,35 (avoisinant un R² ≈ 0,26) signale un effet fort, dénotant une puissance prédictive majeure.

Dans le cadre de la régression linéaire multiple, le formalisme de Cohen permet de dériver un indicateur ciblant précisément l’effet propre incrémental d’un régresseur spécifique ou d’un bloc de variables. En calculant f² = (R²_complet – R²_restreint) / (1 – R²_complet), l’analyste isole la taille d’effet nette imputable à l’hypothèse théorique testée, indépendamment des contrôles d’arrière-plan. C’est cette métrique standardisée qui sert ensuite d’argument d’entrée indispensable pour calibrer la sensibilité des calculs de puissance d’échantillonnage ou pour compiler les résultats dans des revues systématiques quantitatives.

11.3 Significativité clinique versus significativité statistique

L’écueil interprétatif le plus lourd de conséquences pratiques consiste à assimiler béatement significativité statistique et significativité clinique, éducative ou sociétale. Déclarer qu’une pente de régression est statistiquement différente de zéro indique une seule et unique chose : il est hautement improbable que le nuage de points observé dérive d’une population où le paramètre est rigoureusement nul. Cela n’indique en rien si l’ampleur de cet effet possède le moindre intérêt concret dans le monde réel.

Prenons l’exemple d’un essai clinique évaluant un nouvel agent pharmacologique sur la symptomatologie dépressive mesurée sur l’échelle de Hamilton. L’analyse de régression livre un coefficient b1 = -0,25 avec une valeur p = 0,001 obtenue sur un échantillon gigantesque de 10 000 participants. La valeur p balaie spectaculairement l’hypothèse nulle statistique. Pourtant, une baisse de 0,25 point sur une échelle qui en compte 52 est totalement indétectable par le clinicien comme par le patient : elle se situe bien en deçà du seuil de changement minimal cliniquement important (MCID pour Minimal Clinically Important Difference). Sur le plan pragmatique, ce traitement est inopérant, nonobstant sa significativité éclatante.

Une saine triangulation méthodologique impose donc d’articuler en permanence trois piliers distincts lors de la restitution des analyses :

• La valeur p, qui remplit son rôle probabiliste d’évaluation de la viabilité du modèle nul.
• L’amplitude métrique non standardisée (avec son intervalle de confiance), qui préserve l’échelle naturelle des construits investigués.
• La taille d’effet standardisée (R² ou f²), confrontée aux contraintes écologiques et aux coûts d’implémentation de la décision dans le monde réel.

12. Standards de publication et évolutions contemporaines de l’inférence statistique

12.1 Directives de présentation des résultats selon le style APA

La communication scientifique moderne est encadrée par des protocoles éditoriaux rigides visant à garantir la transparence des raisonnements inférentiels. Dans le champ international de la psychologie et des sciences sociales, les directives édictées au sein de la 7e édition du manuel de publication de l’American Psychological Association fixent les canons formels régissant la restitution des résultats d’une analyse de régression linéaire. Le chercheur ne peut plus se retrancher derrière la mention paresseuse d’un simple astérisque signalant p < 0,05 : la déontologie impose un reporting exhaustif et méticuleux.

La restitution textuelle ou tabulaire d’un modèle de régression linéaire doit obligatoirement juxtaposer les coefficients non standardisés (b), accompagnés de leurs erreurs-types respectives (SE), et les coefficients de régression standardisés (usuellement désignés par la lettre grecque β, à ne pas confondre avec le risque de Type II). Ces coefficients standardisés, obtenus par la transformation préalable de l’ensemble des variables en scores z réduits, expriment l’effet en unités d’écarts-types, autorisant ainsi la comparaison directe de l’impact prédictif relatif de dimensions mesurées sur des échelles métriques hétérogènes.

Par ailleurs, l’APA prescrit la notification systématique de la statistique de test exacte (valeur du t ou du F), de ses degrés de liberté associés et de la valeur p exacte rapportée jusqu’à trois décimales (par exemple p = 0,031 plutôt qu’une catégorisation floue comme p < 0,05). La seule exception tolérée concerne les valeurs tombant sous le seuil d’un millième, qui doivent être formalisées sous la notation p < 0,001. Enfin, la présentation de la matrice de corrélation bivariée initiale et des intervalles de confiance à 95 % pour chaque pente constitue le standard minimal incontournable pour prétendre à la publication dans les revues internationales à comité de lecture.

12.2 La crise de la reproductibilité et la remise en question du NHST

Au cours des deux dernières décennies, la psychologie et la biomédecine ont été ébranlées par ce qu’il est convenu de nommer la « crise de la reproductibilité » (ou crise de réplication). Les réplications massives d’expériences classiques ont révélé des taux d’échec alarmants : une proportion considérable de découvertes solidement établies dans les manuels n’a pas pu être répliquée lorsque les protocoles ont été fidèlement réitérés par des équipes indépendantes. Au banc des accusés figure en première ligne le mésusage systématique du cadre formel du NHST et de son seuil fétiche de 0,05.

Cette fragilité structurelle trouve son origine dans l’omniprésence du « p-hacking », un ensemble de pratiques de recherche contestables (QRP pour Questionable Research Practices). Face à la pression académique du « publier ou périr », les chercheurs ont fréquemment exploité leur marge de liberté analytique : tester plusieurs prédicteurs et ne conserver que ceux qui franchissent le seuil fatidique, interrompre la collecte de données dès qu’un test de H0 bascule sous 0,05, ou éliminer opportunément des observations aberrantes sous des prétextes méthodologiques élastiques. Ces manipulations occultes dopent artificiellement la production de faux positifs dans la littérature savante.

Face à ce constat, des coalitions de méthodologistes de premier plan, à l’instar du manifeste porté par Benjamin et al. (2018), ont solennellement préconisé d’abaisser le seuil par défaut de la significativité statistique de α = 0,05 à α = 0,005 pour toute proclamation de nouvelles découvertes. D’autres voix, tout aussi influentes, militent purement et simplement pour l’abandon de l’étiquetage dichotomique « significatif », appelant à traiter la valeur p pour ce qu’elle est : une mesure continue d’incompatibilité devant être mise en dialogue avec la transparence des données partagées sur des répertoires ouverts.

12.3 Alternatives et compléments modernes au test de H0 classique

Les mutations contemporaines de l’inférence statistique voient émerger des approches complémentaires qui s’affranchissent des limites intrinsèques du paradigme fréquentiste traditionnel. La première grande alternative est constituée par les méthodes de rééchantillonnage non-paramétriques, dont le bootstrapping (ou réamorçage stochastique) représente la variante la plus robuste. En procédant à des milliers de rééchantillonnages avec remise au sein du jeu de données disponible, l’algorithme construit empiriquement la distribution de la pente b1 sans dépendre d’un quelconque postulat de normalité ou d’homoscédasticité des résidus, offrant des intervalles de confiance corrigés d’un réalisme apprécié.

Parallèlement, la statistique bayésienne s’affirme comme une révolution épistémologique majeure. Plutôt que de conditionner l’analyse sur la fiction d’une hypothèse nulle vraie (P(Données | H0)), le cadre bayésien utilise le théorème de Bayes pour dériver la distribution de probabilité a posteriori du paramètre au vu des données réellement recueillies : P(β1 | Données). L’analyste combine des croyances a priori modélisées formellement par une loi de probabilité avec la vraisemblance des données d’échantillon pour délimiter des intervalles de crédibilité, au sein desquels il est enfin légitime d’affirmer qu’il existe 95 % de chances réelles que le paramètre se situe entre telle et telle borne.

Enfin, le facteur de Bayes (Bayes Factor, BF10 ou son symétrique BF01) répare l’une des tares les plus pénalisantes du test classique : son inaptitude à apporter des preuves en faveur de l’hypothèse nulle. Le facteur de Bayes quantifie le rapport d’évidence relative fourni par les données empiriques en comparant la capacité prédictive du modèle alternatif HA à celle du modèle nul H0. Si un BF10 = 25 atteste que les données sont 25 fois plus probables sous l’hypothèse d’un effet linéaire réel que sous l’hypothèse d’un effet nul, un BF01 = 15 autorise le chercheur à quantifier avec élégance la supériorité probante du modèle de non-effet. Cette plasticité analytique affranchit la démarche empirique de l’asymétrie paralysante de l’orthodoxie néo-fisherienne, ouvrant la voie à une évaluation plus équilibrée et féconde des hypothèses scientifiques.

Références

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

Benjamin, D. J., Berger, J. O., Johannesson, M., Nosek, B. A., Wagenmakers, E.-J., Berk, R., Bollen, K. A., Brembs, B., Brown, L., Camerer, C., Cesarini, D., Chambers, C. D., Clyde, M., Cook, T. D., De Boeck, P., Dienes, Z., Dreber, A., Easwaran, K., Effron, D. A., … Johnson, V. E. (2018). Redefine statistical significance. Nature Human Behaviour, 2(1), 6–10. https://doi.org/10.1038/s41562-017-0189-z

Benjamini, Y., & Hochberg, Y. (1995). Controlling the false discovery rate: A practical and powerful approach to multiple testing. Journal of the Royal Statistical Society: Series B (Methodological), 57(1), 289–300. https://doi.org/10.1111/j.2517-6161.1995.tb02031.x

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates. https://doi.org/10.4324/9780203771587

Cohen, J. (1994). The earth is round (p < .05). American Psychologist, 49(12), 997–1003. https://doi.org/10.1037/0003-066X.49.12.997

Cumming, G. (2014). The new statistics: Why and how. Psychological Science, 25(1), 7–29. https://doi.org/10.1177/0956797613504966

Faul, F., Erdfelder, E., Lang, A.-G., & Buchner, A. (2007). G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods, 39(2), 175–191. https://doi.org/10.3758/BF03193146

Fisher, R. A. (1925). Statistical methods for research workers. Oliver and Boyd.

Gelman, A., & Stern, H. (2006). The difference between « significant » and « not significant » is not itself statistically significant. The American Statistician, 60(4), 328–331. https://doi.org/10.1198/000313006X152607

Kerr, N. L. (1998). HARKing: Hypothesizing after the results are known. Personality and Social Psychology Review, 2(3), 196–217. https://doi.org/10.1207/s15327957pspr0203_4

Neyman, J., & Pearson, E. S. (1933). On the problem of the most efficient tests of statistical hypotheses. Philosophical Transactions of the Royal Society of London. Series A, Containing Papers of a Mathematical or Physical Character, 231(694–706), 289–337. https://doi.org/10.1098/rsta.1933.0009

Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science, 349(6251), aac4716. https://doi.org/10.1126/science.aac4716

Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108

Wagenmakers, E.-J. (2007). A practical solution to the pervasive problems of p values. Psychonomic Bulletin & Review, 14(5), 779–804. https://doi.org/10.3758/BF03194105