Test de Ljung-Box : Définition + Exemple

L’analyse rigoureuse des séries temporelles constitue un pilier épistémologique et méthodologique incontournable au sein des sciences contemporaines, s’étendant de la macroéconomie quantitative aux neurosciences cognitives et à la psychologie computationnelle. Au cœur de cette démarche réside une exigence fondamentale : la décomposition analytique d’un signal temporel en composantes structurelles déterministes — telles que la tendance, la cyclicité et la saisonnalité — et en une composante stochastique résiduelle. L’objectif ultime de toute modélisation statistique, qu’elle repose sur la méthodologie canonique de Box-Jenkins ou sur des architectures dynamiques plus complexes, consiste à extraire l’intégralité de l’information prédictible afin de réduire les résidus du modèle à un processus purement aléatoire, dénué de toute mémoire temporelle. Lorsque ce stade est atteint, le résidu est formellement qualifié de bruit blanc, attestant ainsi que le modèle a parfaitement capté la dynamique sous-jacente du phénomène observé.

Cependant, l’évaluation de cette absence de mémoire sérielle ne saurait se contenter d’une simple appréciation visuelle ou de métriques d’adéquation globales telles que le coefficient de détermination ou les critères d’information d’Akaike et de Schwarz. L’autocorrélation résiduelle, lorsqu’elle subsiste de manière latente au sein des décalages temporels, entraîne des conséquences statistiques délétères : elle biaise l’estimation de la variance des paramètres, invalide les tests de significativité par une inflation spectaculaire des erreurs de type I, et altère gravement la précision des prévisions inférentielles. Pour pallier ces vulnérabilités et offrir un cadre inférentiel robuste, la statistique moderne a développé une classe spécifique d’instruments diagnostiques désignés sous le terme générique de tests portemanteau, dont la vocation est d’évaluer conjointement la significativité d’un ensemble de coefficients d’autocorrélation sur un horizon temporel déterminé.

Au sein de cet arsenal diagnostique, le test de Ljung-Box s’impose incontestablement comme la référence paradigmatique prédominante. Conçu pour surmonter les défaillances asymptotiques de son prédécesseur direct — la statistique de Box-Pierce —, ce test apporte une correction mathématique fondamentale qui optimise ses propriétés d’échantillonnage pour des séries chronologiques de taille finie. Dans le cadre de cet article exhaustif, nous explorerons les fondements théoriques, les justifications mathématiques, les subtilités d’application computationnelle et les implications empiriques du test de Ljung-Box. En accordant une attention soutenue à ses applications contemporaines dans l’analyse des données longitudinales intensives, de la variabilité psychologique et des neurosciences, ce guide vise à doter les chercheurs et les praticiens d’une compréhension technique approfondie indispensable à la validation rigoureuse de leurs modèles temporels.

1. Introduction et fondements conceptuels du test de Ljung-Box

1.1 Origines historiques et contributions de Greta M. Ljung et George E.P. Box

L’histoire de la modélisation des séries temporelles a connu une inflexion majeure en 1970 avec la publication de l’ouvrage fondamental de George Box et Gwilym Jenkins, introduisant la méthodologie éponyme formalisée autour des processus autorégressifs et moyennes mobiles intégrés (ARIMA). Dans le prolongement immédiat de ces travaux fondateurs, George E.P. Box et David A. Pierce (1970) introduisirent une statistique portemanteau conçue pour évaluer globalement l’adéquation d’un modèle en vérifiant l’absence d’autocorrélation dans ses résidus. Bien que séduisante d’un point de vue théorique en raison de son élégante simplicité algébrique, cette statistique primitive souffrait d’un biais d’échantillonnage substantiel. Dès les premières applications empiriques, il devint manifeste que la distribution exacte de la statistique de Box-Pierce s’écartait notablement de sa distribution asymptotique théorique du Chi-deux pour des échantillons de taille modérée, tendant systématiquement à sous-estimer la variance réelle des corrélations sérielles empiriques.

Face à cette carence méthodologique majeure susceptible de conduire à une acceptation erronée de modèles gravement sous-spécifiés, Greta M. Ljung, alors chercheuse au Massachusetts Institute of Technology, collabora étroitement avec George Box pour réexaminer la distribution exacte des corrélations résiduelles sous l’hypothèse nulle d’indépendance. Cette recherche culmina en 1978 avec la publication dans la revue Biometrika de leur article séminal intitulé « On a measure of lack of fit in time series models ». Ljung et Box y démontrèrent avec une rigueur mathématique exemplaire que l’approximation asymptotique standard de Box-Pierce était déficiente parce qu’elle négligeait la variance accrue des estimateurs d’autocorrélation empirique aux retards temporels élevés.

La contribution décisive de Ljung et Box consista à introduire une pondération spécifique basée sur la taille effective de l’échantillon et sur l’ordre du retard considéré. Cette modification structurelle permit d’ajuster précisément la statistique d’échantillonnage de façon à ce que ses deux premiers moments coïncident de manière quasi exacte avec ceux de la loi du Chi-deux, conférant ainsi au test de Ljung-Box une robustesse d’échantillonnage remarquable pour les échantillons de taille finie. Dans l’épistémologie de la démarche de Box-Jenkins — qui articule séquentiellement identification, estimation et vérification diagnostique —, l’introduction du test de Ljung-Box a représenté la consolidation définitive de la phase de diagnostic, transformant une appréciation souvent empirique et subjective de l’indépendance des erreurs en une inférence probabiliste formellement rigoureuse.

1.2 Définition formelle et rôle dans l’analyse des séries temporelles

Le test de Ljung-Box se définit formellement comme un test d’hypothèse statistique portemanteau multivarié conçu pour déterminer si un ensemble quelconque d’autocorrélations d’une série chronologique ou des résidus issus d’un modèle estimé diffère significativement de zéro. L’appellation métaphorique « portemanteau » — empruntée au vocabulaire de la linguistique pour désigner une entité condensant plusieurs éléments — souligne la nature conjointe et omnibus de cette procédure inférentielle : au lieu de tester de façon isolée l’hypothèse selon laquelle l’autocorrélation à un décalage spécifique $k$ est nulle, le test évalue simultanément la nullité de toutes les autocorrélations sérielles observées jusqu’à un horizon maximal prédéterminé, noté $h$.

Le rôle primordial du test de Ljung-Box au sein du processus de modélisation réside dans l’opérationnalisation formelle de l’hypothèse de bruit blanc. Dans le cadre de l’inférence statistique sur les séries chronologiques, l’hypothèse nulle $H_0$ stipule que la série sous examen est constituée de variables aléatoires indépendantes et identiquement distribuées (i.i.d.), ou à tout le moins de variables mutuellement non corrélées présentant une espérance nulle et une variance constante. Si la série testée représente les résidus d’un modèle prédictif (tel qu’un modèle autorégressif, à moyennes mobiles, un réseau neuronal récurrent ou une régression dynamique), le rejet de cette hypothèse nulle implique irrémédiablement que le modèle a omis d’extraire une structure d’information systématique présente dans le signal d’origine.

Il importe de distinguer avec acuité le test conjointe de Ljung-Box des tests de corrélation univariés basés sur les intervalles de confiance asymptotiques de Bartlett. Alors qu’un coefficient d’autocorrélation individuel peut demeurer à l’intérieur des bandes de confiance usuelles à $\pm 1{,}96 / \sqrt{n}$ sans apparaître statistiquement significatif au niveau nominal de 5 %, la conjonction de plusieurs coefficients résiduels mineurs mais de même signe — ou manifestant une géométrie oscillatoire persistante — peut révéler une dépendance stochastique résiduelle substantielle. Le test de Ljung-Box agglomère cette information diffuse à travers les différents décalages temporels pour fournir une métrique globale d’adéquation, constituant ainsi le verdict probabiliste suprême quant à la validité structurelle de la spécification adoptée.

1.3 Pertinence méthodologique en modélisation psychologique et comportementale

Si le test de Ljung-Box trouve ses racines historiques dans l’économétrie et le génie industriel, son utilisation s’est profondément universalisée, devenant un prérequis incontournable en psychologie quantitative, en psychiatrie computationnelle et dans les sciences du comportement. Cette transition paradigmatique résulte de la prolifération des données longitudinales intensives issues des protocoles d’Évaluation Écologique Momentanée (Ecological Momentary Assessment ou ESM) et de la méthode d’échantillonnage des expériences (Experience Sampling Methodology). Dans ces architectures de recherche contemporaines, des participants renseignent leurs états affectifs, leurs ruminations cognitives ou leurs comportements à de multiples reprises chaque jour pendant plusieurs semaines, générant ainsi des séries chronologiques individuelles denses.

Dans ce contexte, la modélisation autorégressive des états psychologiques — où l’affect mesuré à l’instant $t$ est régressé sur l’affect mesuré à l’instant $t-1$ — est devenue le modèle prédominant pour quantifier des concepts cliniques cruciaux tels que l’inertie émotionnelle, l’inflexibilité psychologique ou la dysrégulation affective. Cependant, la validité interne de ces constructions théoriques repose impérativement sur l’indépendance statistique des erreurs du modèle autorégressif. La persistance d’une dépendance sérielle non modélisée dans les résidus d’un modèle affectif distord dramatiquement les paramètres estimés de persistance, risquant d’imputer à tort à une vulnérabilité psychopathologique ce qui ne relève en réalité que d’une mauvaise spécification de la dynamique temporelle (comme l’omission d’un cycle circadien ou d’effets de retards d’ordres supérieurs).

En outre, l’analyse des séries temporelles à cas unique (dites méthodologies N-of-1), de plus en plus plébiscitée en psychologie clinique pour évaluer l’efficacité différentielle d’interventions thérapeutiques personnalisées, est particulièrement tributaire du test de Ljung-Box. La violation de l’hypothèse de non-autocorrélation résiduelle dans ces séries entraîne une sous-estimation systématique des erreurs-types associées aux effets de traitement, engendrant une inflation massive des taux de faux positifs (erreurs de type I). Dès lors, le recours systématique au test de Ljung-Box ne constitue pas une simple formalité technique d’économétricien, mais s’affirme comme un impératif éthique et épistémologique garantissant que les inférences cliniques tirées des trajectoires individuelles reposent sur des fondements statistiques d’une irréprochable solidité.

2. Le concept central d’autocorrélation dans les résidus de modèles

2.1 Nature et mécanismes de la dépendance sérielle

L’autocorrélation, fréquemment désignée sous le vocable de dépendance sérielle ou de corrélation temporelle, traduit la propriété probabiliste par laquelle les valeurs successives d’une variable aléatoire indexée dans le temps manifestent une association statistique linéaire les unes avec les autres. Formellement, pour un processus stochastique stationnaire au sens faible ${e_t}$, la covariance sérielle au décalage temporel $k$ (notée $\gamma_k$) quantifie l’espérance mathématique du produit des écarts à la moyenne entre des observations séparées par un intervalle de $k$ unités de temps :

$$\gamma_k = \mathrm{Cov}(e_t, e_{t-k}) = \mathbb{E}\left[(e_t – \mu)(e_{t-k} – \mu)\right]$$

Le coefficient d’autocorrélation normalisé au retard $k$, conventionnellement désigné par la lettre grecque $\rho_k$, s’obtient en divisant cette autocovariance par la variance globale du processus ($\gamma_0$) :

$$\rho_k = \frac{\gamma_k}{\gamma_0} = \frac{\mathrm{Cov}(e_t, e_{t-k})}{\mathrm{Var}(e_t)}$$

Dans les sciences comportementales et psychologiques, les mécanismes générateurs de cette dépendance sérielle sont multiples et profondément ancrés dans la biologie et l’écologie humaine. L’inertie psychologique, par exemple, s’exprime à travers la tendance d’un état affectif ou cognitif à s’auto-entretenir au fil du temps en raison de processus de rétroaction interne, de boucles de rumination ou de la cinétique lente des réponses neuroendocriniennes (telles que la libération et la clairance du cortisol). Au-delà de cette persistance intrinsèque, la dépendance sérielle résiduelle peut émerger de l’incapacité d’un modèle linéaire standard à capturer des rythmes chronobiologiques fondamentaux (variations ultradiennes, circadiennes ou infradiennes du niveau d’éveil et de l’humeur) ou des événements contextuels récurrents.

Il est impératif d’opérer une distinction ontologique entre une tendance déterministe — qui représente une dérive directionnelle systématique de la moyenne à long terme — et une dépendance stochastique résiduelle. Tandis que la première peut être aisée à éliminer par différentiation ou ajustement polynomial, la seconde implique une propagation récursive des chocs aléatoires à travers le système. L’autocorrélation résiduelle indique que l’erreur commise par le modèle à l’instant présent transporte avec elle une partie de l’erreur commise à l’instant antérieur, constituant ainsi une violation flagrante de l’idéal de prédictibilité totale de la composante structurelle du phénomène.

2.2 Conséquences statistiques de l’autocorrélation non modélisée

L’ignorance ou la tolérance d’une autocorrélation sérielle substantielle au sein des résidus d’un modèle d’ajustement entraîne des distorsions statistiques majeures dont la gravité ne saurait être sous-estimée. Dans le cadre de l’estimation par les moindres carrés ordinaires (MCO), le théorème de Gauss-Markov stipule que les estimateurs des coefficients ne sont les meilleurs estimateurs linéaires non biaisés (propriété BLUE) que sous la condition expresse que la matrice de variance-covariance des perturbations stochastiques soit scalaire, c’est-à-dire que les résidus soient homoscédastiques et mutuellement non corrélés.

Lorsque cette hypothèse est violée par la présence d’une autocorrélation résiduelle positive — situation empirique la plus courante —, les conséquences inférentielles se déploient selon trois axes préjudiciables :

• Biais majeur dans l’estimation de la variance des paramètres : Bien que les estimateurs ponctuels des coefficients de régression demeurent mathématiquement sans biais et convergents, les formules conventionnelles de calcul de leurs erreurs-types sous-estiment drastiquement la véritable dispersion d’échantillonnage. En effet, la corrélation sérielle positive induit une redondance de l’information temporelle, de sorte que le nombre effectif d’observations indépendantes est substantiellement inférieur à la taille nominale $n$ de l’échantillon.
• Inflation dramatique du taux d’erreur de type I : La sous-estimation des erreurs-types conduit inévitablement à une surévaluation artificielle des statistiques de test conventionnelles (telles que le test $t$ de Student ou le test $F$ de Fisher). Des coefficients en réalité purement aléatoires ou non significatifs affichent des valeurs de p artificiellement infimes, incitant le chercheur à rejeter à tort l’hypothèse nulle d’absence d’effet et à proclamer des découvertes illusoires.
• Perte d’efficacité et invalidation des intervalles de prédiction : Les estimateurs perdent leur propriété d’efficacité asymptotique, ce qui signifie qu’ils ne possèdent plus la variance minimale au sein de la classe des estimateurs linéaires. Corrélativement, les intervalles de confiance et les bandes de prédiction calculés pour des horizons temporels futurs deviennent erronés et trompeusement étroits, conférant un faux sentiment de précision à des prévisions fondamentalement vulnérables.

2.3 Autocorrélation simple versus autocorrélation partielle

L’investigation de la structure sérielle d’une série temporelle ou de ses résidus nécessite une maîtrise approfondie de deux outils mathématiques complémentaires : la fonction d’autocorrélation simple (ACF, pour Autocorrelation Function) et la fonction d’autocorrélation partielle (PACF, pour Partial Autocorrelation Function). Comprendre leur distinction conceptuelle est indispensable pour saisir la portée et les limites du test de Ljung-Box.

La fonction d’autocorrélation simple mesure la corrélation globale brute existant entre $e_t$ et $e_{t-k}$, sans contrôler ni ajuster l’effet indirect qui transite par l’ensemble des observations intermédiaires situées entre ces deux points temporels ($e_{t-1}, e_{t-2}, dots, e_{t-k+1}$). Par conséquent, si un processus génère une forte dépendance d’ordre 1 ($\rho_1 \neq 0$), cette corrélation se propagera mécaniquement aux retards ultérieurs, induisant une autocorrélation simple d’ordre 2 non nulle ($\rho_2 \approx \rho_1^2$), quand bien même il n’existerait aucune connexion directe entre $t$ et $t-2$. C’est précisément cette fonction d’autocorrélation simple cumulée que le test de Ljung-Box intègre dans sa statistique globale.

À l’inverse, la fonction d’autocorrélation partielle isole et quantifie la corrélation résiduelle pure existant entre $e_t$ et $e_{t-k}$, après avoir éliminé par projection linéaire l’influence exercée par l’ensemble des variables intermédiaires. Mathématiquement, le coefficient d’autocorrélation partielle d’ordre $k$, noté $\alpha_k$ ou $\phi_{kk}$, correspond au dernier coefficient du modèle autorégressif linéaire d’ordre $k$ ajusté sur la série :

$$e_t = \phi_{k,1} e_{t-1} + \phi_{k,2} e_{t-2} + dots + \phi_{k,k} e_{t-k} + u_t$$

Alors que la combinaison analytique de l’ACF et de la PACF est primordiale lors de la phase d’identification initiale des modèles de Box-Jenkins — l’extinction exponentielle de l’ACF combinée à la coupure nette de la PACF signalant un processus autorégressif (AR), tandis que la configuration symétrique dénote un processus à moyennes mobiles (MA) —, la seule inspection visuelle de ces corrélogrammes s’avère hautement précaire lors de la phase de validation diagnostique. Les fluctuations d’échantillonnage induisent fréquemment des dépassements marginaux des limites de Bartlett qui ne relèvent que du bruit stochastique, tandis que de multiples déviations sub-critiques peuvent dissimuler une dépendance globale critique. Le test de Ljung-Box transcende cette subjectivité perceptive en apportant une quantification probabiliste unifiée et rigoureuse de l’ACF globale.

3. Cadre formel des hypothèses statistiques du test

3.1 Énonciation rigoureuse de l’hypothèse nulle (H0)

L’assise épistémologique de tout test d’adéquation diagnostique réside dans la définition formalisée de l’hypothèse nulle soumise à l’épreuve empirique. Dans le cadre du test de Ljung-Box, l’hypothèse nulle, conventionnellement notée $H_0$, s’énonce comme l’absence absolue de dépendance sérielle linéaire au sein de la population génératrice pour l’intégralité des décalages temporels discrets allant du premier ordre jusqu’à l’ordre maximal spécifié $h$.

Sur le plan algébrique, cette hypothèse prend la forme d’un système vectoriel d’égalités strictes :

$$H_0 : \rho_1 = \rho_2 = \rho_3 = dots = \rho_h = 0$$

Où $\rho_k$ désigne le véritable coefficient d’autocorrélation de la population au retard $k$. Sous cette hypothèse, le processus stochastique générateur ${e_t}$ est postulé comme étant non corrélé à travers le temps. Si l’on adjoint à ce cadre une hypothèse de normalité gaussienne — ce qui est standard dans la majorité des modèles d’inférence en séries temporelles —, l’absence de corrélation linéaire implique l’indépendance stochastique mutuelle complète des perturbations stochastiques :

$$e_t \stackrel{\text{i.i.d.}}{\sim} \mathcal{N}(0, \sigma^2)$$

L’interprétation opérationnelle du non-rejet de l’hypothèse nulle est fondamentale pour le chercheur : elle atteste que la série de résidus soumise au test ne se distingue pas, d’un point de vue probabiliste, d’une réalisation pure d’un processus de bruit blanc. Dès lors, le modèle dont sont issus ces résidus est déclaré structurellement adéquat en ce qui concerne la capture de la dépendance linéaire du signal, autorisant ainsi l’utilisateur à exploiter ses prédictions et ses inférences de paramètres sans craindre de distorsions dues à la mémoire temporelle résiduelle.

3.2 Formulation de l’hypothèse alternative (HA)

À l’opposé de cette condition d’orthogonalité temporelle, l’hypothèse alternative, notée $H_1$ ou $H_A$, postule la fausseté du postulat d’indépendance conjointe. En termes logiques et ensemblistes, $H_A$ ne requiert aucunement que l’intégralité des coefficients d’autocorrélation jusqu’au décalage $h$ soit différente de zéro. Elle s’énonce rigoureusement comme l’existence d’au moins un décalage temporel $k in {1, 2, dots, h}$ pour lequel le coefficient d’autocorrélation de la population diverge de zéro :

$$H_A : \exists , k in {1, 2, dots, h} \quad \text{tel que} \quad \rho_k \neq 0$$

Cette formulation probabiliste confère au test de Ljung-Box sa nature profondément non directionnelle et omnibus. L’hypothèse alternative englobe un spectre extrêmement vaste de dynamiques stochastiques résiduelles, allant d’une structure autorégressive simple d’ordre 1 résiduelle ($AR(1)$ non capté) à des oscillations saisonnières lointaines (telles qu’une corrélation subsistant uniquement au retard $k=7$ pour des données journalières ou $k=12$ pour des données mensuelles), en passant par des combinaisons complexes d’effets moyennes mobiles distribués.

D’un point de vue théorique ou clinique, le rejet de l’hypothèse nulle au profit de l’hypothèse alternative porte une signification sans équivoque : les résidus contiennent encore un signal structuré que le modèle n’a pas réussi à formaliser. Ce rejet dénonce formellement une sous-spécification du modèle mathématique. En modélisation psychologique, par exemple, cela peut indiquer qu’un modèle autorégressif naïf n’a pas tenu compte de la non-linéarité des dynamiques d’évitement ou de l’impact différé de stresseurs environnementaux récurrents, invalidant ainsi les conclusions relatives aux constantes de temps d’adaptation psychologique de l’individu.

3.3 L’objectif méthodologique : échouer à rejeter l’hypothèse nulle

L’application du test de Ljung-Box dans la démarche d’ingénierie statistique et d’évaluation des modèles temporels impose un renversement philosophique complet de la posture usuelle de l’expérimentateur vis-à-vis du test de significativité de l’hypothèse nulle (NHST). Alors que dans la majorité des protocoles expérimentaux conventionnels en sciences sociales, le chercheur aspire avec ferveur à rejeter l’hypothèse nulle — espérant exhiber une valeur de p inférieure à 0,05 afin d’attester l’existence d’une différence de moyennes ou d’une corrélation substantielle —, la phase de vérification diagnostique impose une téléologie méthodologique rigoureusement inverse.

Dans la validation d’un modèle ARIMA ou autorégressif, le succès méthodologique se traduit par l’échec du rejet de l’hypothèse nulle. Le chercheur cherche activement à observer une p-valeur très nettement supérieure au seuil de significativité nominal ($\alpha = 0{,}05$, et idéalement supérieure à $0{,}10$ ou $0{,}20$), car ce résultat indique la conformité des résidus avec les propriétés d’un bruit blanc idéal. Cette inversion impose une vigilance épistémologique accrue quant au danger de confondre « l’absence de preuve » avec « la preuve de l’absence ».

En effet, un échec du rejet de $H_0$ ne garantit pas de façon absolue que les résidus sont parfaitement indépendants ; il indique simplement que les données observées ne fournissent pas une évidence statistique suffisante pour discréditer le postulat de non-corrélation sur l’horizon temporel $h$ considéré. Ce risque de fausse réassurance est d’autant plus prégnant lorsque la puissance statistique du test est bridée par un échantillon d’observations de taille réduite ($n < 50$), situation fréquente dans les protocoles cliniques individualisés. Il appartient dès lors au praticien d'évaluer conjointement cette p-valeur avec la taille des effets d'autocorrélation empiriques et les critères de robustesse statistique afférents.

4. Formulation mathématique et dérivation de la statistique de test

4.1 L’équation formelle de la statistique Q de Ljung-Box

Pour dépasser les limitations analytiques de la statistique primitive de Box-Pierce et corriger l’écart distributionnel observé en petits échantillons, Greta Ljung et George Box ont développé une métrique pondérée remarquable. La statistique de test de Ljung-Box, conventionnellement désignée par la lettre $Q$ ou $Q_{LB}$, s’exprime au moyen de l’équation mathématique explicite suivante :

$$Q = n(n + 2) \sum_{k=1}^{h} \frac{\hat{\rho}_k^2}{n – k}$$

Une décomposition rigoureuse de l’architecture de cette formule révèle l’ingénierie mathématique mise en œuvre pour préserver l’adéquation distributionnelle :

• Le facteur multiplicatif externe $n(n + 2)$ : Ce terme d’amplification global compense la réduction systématique de l’espérance de la statistique d’échantillonnage lorsque la taille $n$ décroît, agissant conjointement avec les dénominateurs individuels pour recalibrer les deux premiers moments de la loi empirique sur ceux de la loi du Chi-deux théorique.
• Le dénominateur de pondération $(n – k)$ : Ce terme représente le nombre réel de paires d’observations disponibles pour estimer la corrélation sérielle au décalage temporel $k$. Lorsque le retard $k$ croît, le nombre de données chevauchantes décroît inexorablement selon la formule $n – k$. Par conséquent, la variance d’échantillonnage de l’autocorrélation empirique $\hat{\rho}_k$ n’est pas simplement égale à $1/n$ — comme le postulait l’approximation asymptotique naïve de Box-Pierce —, mais s’accroît selon un facteur proportionnel à $(n – k)^{-1}$. En divisant $\hat{\rho}_k^2$ par $(n – k)$, Ljung et Box normalisent précisément chaque carré par sa variance asymptotique exacte sous l’hypothèse nulle.
• La sensibilité différentielle accordée aux retards : La fraction $(n+2)/(n-k)$ confère un poids supérieur aux retards temporels les plus élevés comparativement aux décalages initiaux. Cette propriété est essentielle pour contrer le biais d’atténuation qui touche naturellement l’estimation des corrélations éloignées dans les échantillons finis.

4.2 Décomposition analytique des paramètres de la formule

Pour implémenter manuellement ou programmer informatiquement le calcul de cette statistique, il convient de définir avec une précision mathématique totale chacun des symboles intervenant dans son expression :

La grandeur $n$ symbolise le nombre d’observations effectives de la série chronologique soumise à analyse. S’il s’agit d’une série temporelle brute exempte de transformations préalables, $n$ représente la longueur totale de l’échantillon. Toutefois, si la série a subi des différentiations successives pour éliminer des tendances (comme dans un modèle $ARIMA(p, d, q)$ où $d \geq 1$), la taille $n$ désigne strictement le nombre de données différentiées disponibles pour l’ajustement, soit $n = N – d$, où $N$ est la taille de la série brute initiale.

Le paramètre $\hat{\rho}_k$ représente le coefficient d’autocorrélation empirique au décalage $k$, estimé à partir des résidus centrés ${e_t}_{t=1}^n$ du modèle, conformément à la formule standard de Box-Jenkins :

$$\hat{\rho}_k = \frac{\sum_{t=k+1}^{n} (e_t – \bar{e})(e_{t-k} – \bar{e})}{\sum_{t=1}^{n} (e_t – \bar{e})^2}$$

Où $\bar{e}$ désigne la moyenne arithmétique empirique des résidus. Dans la très grande majorité des modèles de séries temporelles comportant une constante d’interception correctement spécifiée, la moyenne des résidus est rigoureusement nulle ($\bar{e} = 0$), simplifiant ainsi le calcul des sommes de produits croisés.

L’indice de sommation $k$ s’égrène de 1 jusqu’à la borne supérieure $h$, désignée comme l’horizon de retards maximal. Ce paramètre délimite la profondeur temporelle sur laquelle l’investigateur statistique souhaite interroger la structure d’indépendance de son modèle. Sous l’hypothèse nulle et lorsque la taille de l’échantillon tend vers l’infini ($n to \infty$), le terme pondérateur $\frac{n(n+2)}{n-k}$ converge vers la quantité asymptotique $n$, garantissant que la statistique de Ljung-Box possède rigoureusement la même limite asymptotique que celle originellement conjecturée par Box et Pierce, tout en bénéficiant de propriétés d’approximation d’une supériorité éclatante pour tout $n$ fini.

4.3 Comparaison structurelle avec la statistique de Box-Pierce

Pour mesurer pleinement la valeur ajoutée apportée par la correction de Ljung-Box, il est indispensable de confronter sa structure à celle de la statistique originale de Box-Pierce, traditionnellement notée $Q_{BP}$ :

$$Q_{BP} = n \sum_{k=1}^{h} \hat{\rho}_k^2$$

Dans l’architecture de Box-Pierce, chaque carré du coefficient d’autocorrélation empirique est invariablement multiplié par la seule taille totale de l’échantillon $n$. Cette formulation repose sur l’hypothèse hautement simplificatrice formulée par Bartlett, selon laquelle pour un bruit blanc gaussien :

$$\mathrm{Var}(\hat{\rho}_k) \approx \frac{1}{n} \quad \forall , k$$

Cependant, comme l’ont formellement démontré Ljung et Box à l’aide de développements asymptotiques d’Edgeworth, cette approximation n’est valide qu’à la limite $n to \infty$ pour des retards fixes. Pour un échantillon de taille modérée ou même moyenne (par exemple $n = 50$ ou $n = 100$) et pour des décalages temporels croissants ($k = 10, 15, 20$), la variance exacte est notablement sous-évaluée par $1/n$ :

$$\mathrm{Var}(\hat{\rho}_k) \approx \frac{n – k}{n(n + 2)} < \frac{1}{n}$$

En négligeant le terme correctif $(n-k)^{-1}$, la formule de Box-Pierce produit une statistique empirique $Q_{BP}$ dont l’espérance mathématique empirique sous l’hypothèse nulle est substantiellement inférieure à son espérance théorique sous la loi du Chi-deux ($E[X] = h$). Il en résulte une statistique trop faible et, corrélativement, une p-valeur systématiquement surévaluée.

Critère d’évaluation	Statistique de Box-Pierce ($Q_{BP}$)	Statistique de Ljung-Box ($Q_{LB}$)
Formule algébrique	$n \sum_{k=1}^h \hat{\rho}_k^2$	$n(n+2) \sum_{k=1}^h \frac{\hat{\rho}_k^2}{n-k}$
Pondération selon le retard $k$	Uniforme pour tout $k$	Croissante avec $k$ (terme $1/(n-k)$)
Performance sur petits échantillons	Déficiente (sous-estimation de la statistique)	Optimale (moments ajustés au Chi-deux)
Taux réel d’erreur de type I ($\alpha = 0{,}05$)	Sous-dimensionné ($\approx 0{,}01$ à $0{,}02$)	Proche de la valeur nominale ($\approx 0{,}048$ à $0{,}052$)
Recommandation d’usage contemporain	Obsolète, usage déconseillé	Standard de référence académique et industriel

Les études intensives de Monte Carlo réalisées au fil des décennies — notamment par Davies, Triggs et Newbold (1977) puis par Ljung (1986) — ont sans exception mis en exergue la supériorité éclatante de la correction de Ljung-Box. La statistique de Box-Pierce fait preuve d’un conservatisme pernicieux, échouant fréquemment à détecter une réelle corrélation résiduelle en raison d’une statistique artificiellement rabotée. Le test de Ljung-Box restaure fidèlement la puissance du test statistique, garantissant la préservation du taux nominal d’erreur $\alpha$ quel que soit l’échantillon considéré.

5. Distribution asymptotique et détermination de la région de rejet

5.1 La loi du Chi-deux et ses degrés de liberté

L’assise inférentielle du test de Ljung-Box s’appuie sur la convergence de la statistique d’échantillonnage vers une loi de probabilité continue canonique : la distribution du Chi-deux ($\chi^2$). Sous l’hypothèse nulle selon laquelle la série observée découle d’un processus de bruit blanc stationnaire linéaire, la statistique $Q$ converge en loi, lorsque la taille d’échantillon $n$ croît vers l’infini, vers une variable aléatoire suivant une loi du Chi-deux à $h$ degrés de liberté :

$$Q x\rightarrow{\mathcal{D}} \chi^2(h) \quad \text{(pour une série brute)}$$

Cette propriété asymptotique dérive directement de la théorie centrale limite multivariée. Sous l’hypothèse d’indépendance, les coefficients d’autocorrélation empiriques individuels convenablement mis à l’échelle, $\sqrt{n}\hat{\rho}_k$, sont mutuellement indépendants et suivent chacun asymptotiquement une loi normale centrée réduite $\mathcal{N}(0, 1)$. En vertu de la définition de la loi du Chi-deux — qui représente la somme des carrés de variables aléatoires normales standard indépendantes —, la somme normalisée des carrés d’autocorrélations converge naturellement vers la distribution $\chi^2$ dont le nombre de degrés de liberté est rigoureusement équivalent au nombre de composantes orthogonales sommées, soit l’horizon $h$.

La distribution du Chi-deux se caractérise par un support strictement positif ($[0, +\infty[$) et une asymétrie positive marquée, particulièrement prononcée lorsque le nombre de degrés de liberté est modéré. À mesure que les degrés de liberté augmentent, sa densité s’élargit et gagne en symétrie sous l’effet du théorème central limite. Cependant, il convient de souligner que si l’approximation de Ljung-Box améliore considérablement les deux premiers moments de la distribution sur des échantillons finis, des distorsions résiduelles sur les queues de distribution peuvent persister si $n$ est particulièrement réduit comparativement à un horizon $h$ inconsidérément grand.

5.2 Ajustement obligatoire des degrés de liberté pour les résidus de modèles ARMA/ARIMA

L’une des méconnaissances méthodologiques les plus destructrices et fréquemment constatées dans la littérature scientifique réside dans l’application naïve des degrés de liberté sans tenir compte du statut de la série évaluée. La distribution asymptotique $Q \sim \chi^2(h)$ n’est rigoureusement exacte que si le test est appliqué à une série temporelle brute, directement observée et n’ayant subi aucun ajustement paramétrique préalable.

Lorsque le test de Ljung-Box est mobilisé — conformément à sa vocation principale — comme un diagnostic d’adéquation appliqué sur les résidus d’un modèle autorégressif et moyenne mobile ajusté de type $ARMA(p, q)$ ou $ARIMA(p, d, q)$, une correction drastique des degrés de liberté s’impose mathématiquement. En estimant les $p$ paramètres autorégressifs ($\phi_1, dots, \phi_p$) et les $q$ paramètres de moyenne mobile ($\theta_1, dots, \theta_q$) par le maximum de vraisemblance ou les moindres carrés non linéaires, le chercheur impose de facto des contraintes linéaires internes aux résidus. Ces contraintes privent les résidus de leur pleine indépendance stochastique, absorbant une fraction de leur variabilité sérielle.

Dans leur dérivation mathématique historique, Box et Pierce (1970) ont formellement démontré que la distribution asymptotique de la statistique de test calculée sur les résidus d’un processus ARMA n’est plus un $\chi^2(h)$, mais un $\chi^2$ dont le nombre de degrés de liberté est amputé du nombre total de paramètres structurels estimés :

$$df = h – p – q$$

Où $p$ est l’ordre autorégressif et $q$ l’ordre de la composante moyenne mobile (les paramètres de différentiation $d$ ou la constante ne sont généralement pas déduits dans cette formule standard). Cette correction analytique sous-tend deux impératifs méthodologiques absolus :

• Interdiction des horizons de test inférieurs ou égaux au nombre de paramètres : Il est strictement impossible d’évaluer la statistique de Ljung-Box pour un horizon de retards $h \leq p + q$. Une telle opération mènerait à des degrés de liberté nuls ou négatifs, dénués de toute existence mathématique au sein de la famille du Chi-deux.
• Distorsion majeure en cas d’omission du paramètre de correction : Plusieurs logiciels ou scripts statistiques rudimentaires évaluent par défaut la p-valeur en retenant $df = h$, ignorant l’ajustement aux paramètres du modèle. Cette négligence entraîne une surévaluation critique des degrés de liberté, qui déplace artificiellement le seuil critique vers la droite et conduit à gonfler indûment la p-valeur, validant faussement des modèles porteurs d’autocorrélation résiduelle.

5.3 Définition du seuil critique et interprétation de la p-valeur

L’inférence statistique formelle découle de la confrontation de la statistique empirique calculée $Q_{obs}$ à la région critique définie sur la distribution de référence. Puisque toute dépendance sérielle — qu’elle se manifeste sous forme de corrélations positives ou négatives — élève systématiquement la valeur des coefficients au carré ($\hat{\rho}_k^2 > 0$), le test de Ljung-Box est par essence un test unilatéral à droite (test à queue supérieure).

Pour un seuil de significativité prédéterminé $\alpha$ (conventionnellement fixé à $0{,}05$), la valeur critique $\chi^2_{crit}(df, \alpha)$ correspond au quantile d’ordre $1 – \alpha$ de la loi du Chi-deux à $df = h – p – q$ degrés de liberté, vérifiant la condition probabiliste :

$$P\left(X > \chi^2_{crit}(df, \alpha)\right) = \alpha$$

La règle de décision binaire s’énonce comme suit :

• Si $Q_{obs} > \chi^2_{crit}(df, \alpha)$, la statistique se situe dans la région de rejet : l’hypothèse nulle $H_0$ est rejetée au seuil de risque $\alpha$. On conclut à l’existence d’une dépendance sérielle significative au sein des résidus.
• Si $Q_{obs} \leq \chi^2_{crit}(df, \alpha)$, la statistique réside dans la région d’acceptation : l’expérimentateur échoue à rejeter l’hypothèse nulle $H_0$. L’adéquation du modèle est provisoirement validée.

De façon équivalente et plus informative, la $p$-valeur empirique représente l’intégrale de la fonction de densité du Chi-deux calculée depuis la statistique observée $Q_{obs}$ jusqu’à l’infini :

$$p\text{-valeur} = P\left(\chi^2(df) \geq Q_{obs}\right) = \int_{Q_{obs}}^{+\infty} f_{\chi^2(df)}(u) , du$$

Une attention clinique et méthodologique particulière s’impose lorsque la $p$-valeur oscille dans une zone de vulnérabilité marginale, classiquement comprise entre $0{,}04$ et $0{,}09$. Dans un tel scénario de frontière, l’analyste rigoureux ne saurait s’abriter derrière la dichotomie arbitraire du seuil de 5 %. Une valeur de $p = 0{,}06$, bien que formellement « non significative » au seuil conventionnel, constitue un signal d’alerte sérieux dénonçant une structure d’autocorrélation latente. Dans de telles circonstances, une révision de l’ordre du modèle, l’adjonction de variables exogènes ou l’exploration de termes non linéaires s’avèrent hautement recommandées.

6. Critères méthodologiques pour la sélection du nombre de retards (h)

6.1 Règles heuristiques et recommandations académiques

La détermination de l’horizon temporel de retards $h$ constitue sans conteste la décision paramétrique la plus sensible et la plus délicate dans l’application du test de Ljung-Box. Le test ne fournit aucune directive endogène quant à la sélection optimale de cette valeur, plaçant la responsabilité de cet arbitrage méthodologique entre les mains de l’investigateur. Diverses règles empiriques et heuristiques académiques ont émergé pour guider ce choix en fonction des spécificités du signal.

Dans leur manuel canonique, George Box et Gwilym Jenkins ont historiquement suggéré d’utiliser une règle heuristique générale fixant $h$ aux alentours de 20 pour des séries temporelles non saisonnières de longueur intermédiaire ($n \geq 100$). Cette proposition repose sur l’intuition que la quasi-totalité de la mémoire stochastique d’un processus stationnaire standard s’estompe largement avant le vingtième pas temporel.

Toutefois, pour les séries plus courtes ou présentant des dimensions spécifiques, des formulations plus dynamiques ont été théorisées. Ruey S. Tsay (2010), spécialiste éminent de l’économétrie financière, a formalisé une règle logarithmique hautement pertinente pour calibrer $h$ sur des échantillons de taille modérée :

$$h \approx \ln(n)$$

Cette formulation permet à $h$ de croître avec la taille de l’échantillon tout en évitant une surconsommation de degrés de liberté lorsque $n$ est petit.

Pour les séries présentant des périodicités saisonnières ou des oscillations régulières marquées, Rob J. Hyndman et George Athanasopoulos (2021) préconisent un schéma d’ajustement rigoureux dépendant de la fréquence de saisonnalité $m$ (par exemple, $m=12$ pour des séries mensuelles ou $m=4$ pour des données trimestrielles) :

$$h = \min(2m, , \lfloor n/5 \rfloor) \quad \text{(pour séries saisonnières)}$$

$$h = \min(10, , \lfloor n/5 \rfloor) \quad \text{(pour séries non saisonnières)}$$

Ces recommandations soulignent l’importance impérieuse de ne jamais choisir $h$ de manière totalement découplée de la taille d’échantillon effective $n$. En règle générale, retenir un horizon $h$ excédant le quart ou le tiers de la taille de l’échantillon ($h > n/4$) fragilise drastiquement la validité de l’approximation distributionnelle du Chi-deux.

6.2 Le compromis entre puissance statistique et dilution de l’information

Le choix de l’horizon $h$ confronte l’analyste à un dilemme méthodologique fondamental : l’arbitrage tensionnel entre la sensibilité de détection locale et la dilution stochastique de l’information.

D’un côté, la sélection d’un horizon $h$ excessivement restreint engendre un risque aigu de sous-détection :

• Si un chercheur sélectionne $h = 2$ pour évaluer un modèle ajusté sur des données recueillies au quotidien, le test sera intrinsèquement aveugle à l’existence d’une dépendance hebdomadaire récurrente (au retard $k=7$).
• De même, des architectures autorégressives d’ordres élevés ou des dynamiques à mémoire longue demeureront totalement indétectées si l’horizon d’évaluation n’englobe pas les pas temporels où la dépendance se manifeste effectivement.

D’un autre côté, la tentation intuitive consistant à gonfler inconsidérément $h$ afin de « balayer le plus large spectre possible » induit un coût statistique dévastateur désigné sous le terme de dilution du signal dans le bruit. Chaque retard additionnel $k$ intégré dans la somme ajoute une variable aléatoire $\frac{\hat{\rho}_k^2}{n-k}$ qui, sous l’hypothèse nulle, contribue en moyenne pour 1 degré de liberté supplémentaire à la distribution théorique. Si la véritable autocorrélation résiduelle est concentrée sur les deux premiers retards ($k=1$ et $k=2$), l’incorporation des retards $k=3$ jusqu’à $h=40$ n’apporte que du bruit d’échantillonnage aléatoire pur. La valeur empirique $Q$ n’augmentera que marginalement, tandis que le seuil critique du Chi-deux $\chi^2(40 – p – q)$ s’élèvera considérablement. En conséquence, la $p$-valeur sera artificiellement tirée vers le haut, transformant un signal d’autocorrélation réel en un résultat statistiquement non significatif par simple noyade informationnelle.

La stratégie optimale pour neutraliser ce biais consiste à ne jamais fonder son jugement diagnostique sur une valeur isolée et arbitraire de $h$. Les méthodologistes préconisent d’évaluer la stabilité de la statistique de Ljung-Box le long d’une grille de retards cohérente — par exemple pour $h in {5, 10, 15, 20}$ — et de reporter simultanément ces résultats. Si le modèle est véritablement adéquat, le non-rejet de l’hypothèse nulle doit faire preuve d’invariance à travers cette trajectoire de test.

6.3 Spécificités liées aux données de psychologie et sciences sociales

L’application du test de Ljung-Box aux données psychologiques, comportementales et de santé numérique requiert une calibration contextualisée de $h$, subordonnée aux protocoles expérimentaux d’acquisition de données. Dans les études utilisant l’Évaluation Écologique Momentanée (ESM), la fréquence d’échantillonnage temporelle conditionne directement la signification physique et clinique des retards sériels.

Dans un protocole ESM standard administrant par exemple 5 à 10 notifications semi-aléatoires par jour sur ordiphone (échantillonnage par bips) :

• Le retard $k=1$ correspond généralement à la transmission émotionnelle immédiate d’un bip au suivant au sein de la même journée (intervalle d’environ 90 à 120 minutes).
• Un horizon de $h = 5$ à $h = 10$ couvre l’intégralité du cycle circadien d’éveil d’une journée type.
• Pour capter des dynamiques d’inertie subsistant par-delà la césure du sommeil nocturne, l’analyste doit impérativement calibrer $h$ pour englober les bips de la matinée subséquente, tout en tenant compte de la rupture structurelle potentiellement induite par la nuit.

Par ailleurs, les sciences sociales sont fréquemment confrontées à des séries chronologiques courtes, où le nombre total d’observations n’excède guère $n = 30$ à $n = 50$ (par exemple, le suivi hebdomadaire de l’alliance thérapeutique ou de l’adhésion médicamenteuse chez un patient au cours d’un protocole clinique). Dans un tel contexte de restriction d’échantillon, la tentation de fixer classiquement $h = 20$ serait désastreuse, car $h$ représenterait alors 40 à 60 % de la taille totale de l’échantillon. La statistique de Ljung-Box verrait sa puissance s’effondrer et ses approximations distributionnelles s’altérer dramatiquement. Dans ce cadre d’échantillons courts, l’horizon doit être délibérément contenu — par exemple $h in {3, 5}$ —, et son interprétation doit être prudemment croisée avec des méthodes de rééchantillonnage par bootstrap non paramétrique afin de certifier la robustesse empirique des inférences.

7. Conditions préalables, hypothèses distributionnelles et robustesse

7.1 L’exigence fondamentale de stationnarité

L’édifice mathématique sur lequel repose le test de Ljung-Box est tributaire d’une condition préalable fondamentale : la série chronologique analysée doit être stationnaire au sens faible (ou stationnaire au second ordre). La stationnarité au sens faible impose trois contraintes fondamentales et invariantes dans le temps :

• Une espérance mathématique constante à travers le temps : $\mathbb{E}[e_t] = \mu \quad \forall , t$
• Une variance finie et invariable : $mathrm{Var}(e_t) = sigma^2 < infty quad forall , t$
• Une structure d’autocovariance dépendant exclusivement du décalage temporel séparant deux observations, et non de leur positionnement calendaire absolu : $\mathrm{Cov}(e_t, e_{t-k}) = \gamma_k \quad \forall , t, k$

Si cette exigence de stationnarité n’est pas satisfaite — par exemple si la série sous-jacente présente une dérive tendancielle déterministe ou un comportement de marche aléatoire non stationnaire intégrée d’ordre 1, $I(1)$ —, le test de Ljung-Box devient radicalement non valide. En présence d’une non-stationnarité de moyenne, les coefficients d’autocorrélation empiriques $\hat{\rho}_k$ ne décroissent pas vers zéro lorsque $k$ augmente, mais demeurent artificiellement proches de l’unité sur des horizons de temps considérables. Cette persistance non stationnaire provoque une explosion inflationniste de la statistique $Q$, conduisant inévitablement à un rejet systématique et trompeur de l’hypothèse nulle d’indépendance.

Dès lors, l’application du test de Ljung-Box ne doit intervenir qu’en phase terminale d’une séquence méthodologique rigoureuse. L’analyste doit impérativement certifier au préalable la stationnarité du signal, en déployant des tests formels de racine unitaire et de stationnarité — tels que le test augmenté de Dickey-Fuller (ADF) ou le test KPSS (Kwiatkowski-Phillips-Schmidt-Shin). Ce n’est qu’après avoir stabilisé la moyenne par différenciation successive ($d \geq 1$) ou par extraction de tendance, et stabilisé la dispersion par transformation logarithmique ou de Box-Cox si nécessaire, que les résidus peuvent être valablement soumis au test portemanteau.

7.2 Impact de l’hétéroscédasticité conditionnelle

L’une des vulnérabilités contemporaines les plus documentées du test de Ljung-Box réside dans son extrême sensibilité à la violation de l’hypothèse de linéarité et d’homoscédasticité conditionnelle. Si le test excelle à détecter les dépendances sérielles linéaires, il se montre particulièrement faillible face aux dynamiques de volatilité conditionnelle, telles que modélisées par les processus autorégressifs conditionnellement hétéroscédastiques (ARCH) ou GARCH.

Dans un processus présentant des effets ARCH, la série peut être totalement exempte d’autocorrélation linéaire brute : les observations $e_t$ et $e_{t-k}$ sont rigoureusement non corrélées, c’est-à-dire que $\mathbb{E}[e_t e_{t-k}] = 0$ pour tout $k \neq 0$. Néanmoins, ces variables ne sont absolument pas indépendantes : il existe une dépendance non linéaire manifeste dans les moments d’ordre supérieur, se traduisant par des phénomènes de regroupement de volatilité (volatility clustering), où des périodes d’intenses perturbations alternent avec des phases de relative accalmie. Sous de telles configurations, la variance asymptotique des coefficients d’autocorrélation empiriques n’est plus égale à $(n-k)^{-1}$, mais se trouve massivement amplifiée par le quatrième moment de la distribution (l’aplatissement ou kurtosis).

En conséquence de cette amplification de variance, l’évaluation de la statistique classique de Ljung-Box sur une série présentant de l’hétéroscédasticité conditionnelle produit un nombre spectaculaire de faux rejets de l’hypothèse d’indépendance linéaire. Le test prend à tort la concentration temporelle de la variance pour une autocorrélation des réalisations directes. Ce phénomène est particulièrement prégnant en psychophysiologie et en modélisation affective : la réactivité émotionnelle d’individus instables alterne souvent entre des périodes de calme plat et des tempêtes affectives à haute variance sans qu’il y ait nécessairement d’inertie linéaire.

Pour neutraliser ce biais, Francis X. Diebold et Mariano, ainsi que Lobato (2001), ont développé des variantes du test portemanteau robustes à l’hétéroscédasticité conditionnelle, intégrant des corrections asymptotiques basées sur des matrices de variance-covariance de Newey-West ou adaptées aux moments d’ordre 4. Lorsque de l’hétéroscédasticité est suspectée, il est impératif d’évaluer conjointement le test de Ljung-Box sur les résidus bruts et sur les résidus élevés au carré ($e_t^2$), ou d’adopter d’emblée une version asymptotiquement corrigée.

7.3 Comportement face aux données manquantes et valeurs atypiques

L’application du test de Ljung-Box dans les conditions empiriques réelles — singulièrement au sein des jeux de données comportementales, cliniques ou écologiques — est fréquemment parasitée par deux perturbations d’échantillonnage ubiquitaires : les observations aberrantes (outliers) et les interruptions d’enregistrement (données manquantes).

Le coefficient d’autocorrélation empirique $\hat{\rho}_k$ étant calculé à partir de moyennes de moments d’ordre deux (produits croisés), il est intrinsèquement non robuste face aux valeurs aberrantes. Une seule observation extrême isolée au sein d’une série temporelle — provoquée par exemple par une erreur de saisie, un artefact physiologique transitoire ou une décompensation clinique aiguë — peut déformer artificiellement l’intégralité de la fonction d’autocorrélation :

• Un point aberrant isolé tend à gonfler massivement le dénominateur de variance totale ($\sum e_t^2$), exerçant ainsi un effet de masque qui écrase vers zéro les autocorrélations réelles et conduit à un échec erroné du rejet de $H_0$ (défaut de puissance).
• À l’inverse, deux points atypiques consécutifs peuvent créer une illusion d’autocorrélation d’ordre 1 particulièrement vive mais totalement fallacieuse.

La problématique des données manquantes est tout aussi épineuse. Les formules standard de Box-Jenkins supposent un enregistrement chronologique rigoureusement continu et équidistant dans le temps ($\Delta t = \text{constante}$). Dans les protocoles ESM, le taux de non-réponse aux questionnaires sur ordiphone atteint classiquement 15 % à 25 %. Supprimer simplement les lignes de données manquantes pour « coller » artificiellement les observations subséquentes altère irréversiblement l’écart temporel réel : l’observation du matin succède alors directement à celle de la veille sans trace de l’intervalle manquant, faussant radicalement l’estimation de $\rho_k$.

Face à ces défis de terrain, le traitement préalable des séries temporelles s’avère indispensable. Pour les valeurs extrêmes, l’utilisation d’estimateurs de corrélation robustes basés sur la médiane, ou l’inspection de l’influence par des métriques de distance de Cook adaptées aux séries, est recommandée. Concernant les données manquantes, les chercheurs doivent privilégier l’imputation par modèles à espace d’état (filtre de Kalman) ou recourir à des extensions algorithmiques spécifiques du test portemanteau adaptées aux grilles temporelles irrégulières, sous peine de rendre le diagnostic de Ljung-Box totalement inopérant.

8. Exemple empirique détaillé et calcul pas à pas

8.1 Présentation du cas d’étude : série temporelle de variabilité émotionnelle

Afin de dissiper toute abstraction théorique et de conférer une transparence opérationnelle totale aux formulations mathématiques exposées, nous déployons à présent une illustration empirique intégrale, résolue arithmétiquement pas à pas. Considérons un protocole de psychologie clinique computationnelle dans lequel nous étudions l’évolution dynamique de l’affect négatif chez un patient diagnostiqué avec un trouble dépressif caractérisé. L’affect négatif a été quantifié sur une échelle continue standardisée (allant de 0 à 100) à travers $N = 101$ points de mesure longitudinaux consécutifs.

Dans le but d’extraire l’inertie émotionnelle fondamentale de l’individu, un modèle autorégressif d’ordre 1 standard, noté $AR(1)$, a été ajusté sur cette série temporelle après avoir vérifié sa stationnarité au sens faible. L’équation de modélisation estimée s’écrit formellement :

$$Y_t = c + \phi_1 Y_{t-1} + e_t$$

L’estimation des paramètres par le maximum de vraisemblance a fourni un coefficient autorégressif $\hat{\phi}_1 = 0{,}62$ ($p < 0{,}001$), attestant d'une persistance affective notable d'une mesure à la suivante. Après estimation, le vecteur des résidus standardisés du modèle est extrait :

$$e_t = Y_t – (\hat{c} + \hat{\phi}_1 Y_{t-1}) \quad \text{pour } t = 2, 3, dots, 101$$

La série des résidus résultante comporte donc une taille d’échantillon effective de $n = 100$ observations. La moyenne arithmétique de ces résidus est nulle ($\bar{e} = 0$). Notre objectif méthodologique consiste à déterminer si ce modèle $AR(1)$ est suffisant pour rendre compte de l’intégralité de la dépendance temporelle du phénomène affectif, ou s’il subsiste une autocorrélation sérielle latente nécessitant l’enrichissement du modèle. Nous fixons notre diagnostic sur un horizon de retards de $h = 4$, et retenons le seuil de risque nominal classique de $\alpha = 0{,}05$.

8.2 Calcul arithmétique manuel des coefficients et de la statistique Q

L’estimation préalable des autocovariances et de la variance sur le vecteur des résidus standardisés a permis d’obtenir les coefficients d’autocorrélation empiriques suivants pour les décalages sériels $k = 1$ à $k = 4$ :

• Au retard $k = 1$ : $\hat{\rho}_1 = -0{,}042$
• Au retard $k = 2$ : $\hat{\rho}_2 = 0{,}165$
• Au retard $k = 3$ : $\hat{\rho}_3 = 0{,}118$
• Au retard $k = 4$ : $\hat{\rho}_4 = -0{,}028$

Procédons à présent à la décomposition arithmétique pas à pas de l’équation formelle de Ljung-Box :

$$Q = n(n + 2) \sum_{k=1}^{h} \frac{\hat{\rho}_k^2}{n – k}$$

Avec $n = 100$ et $h = 4$, le facteur multiplicateur commun externe prend la valeur exacte suivante :

$$\text{Facteur externe} = n(n + 2) = 100 \times (100 + 2) = 100 \times 102 = 10,200$$

Calculons individuellement chacun des termes de la sommation pour chaque retard $k$ :

1. Pour le retard $k = 1$ :

Le dénominateur de pondération est : $n – k = 100 – 1 = 99$.
Le carré du coefficient de corrélation s’élève à : $\hat{\rho}_1^2 = (-0{,}042)^2 = 0{,}001764$.
Le ratio pondéré vaut donc :

$$\frac{\hat{\rho}_1^2}{n – 1} = \frac{0{,}001764}{99} \approx 0{,}000017818$$

2. Pour le retard $k = 2$ :

Le dénominateur de pondération est : $n – k = 100 – 2 = 98$.
Le carré du coefficient de corrélation s’élève à : $\hat{\rho}_2^2 = (0{,}165)^2 = 0{,}027225$.
Le ratio pondéré vaut donc :

$$\frac{\hat{\rho}_2^2}{n – 2} = \frac{0{,}027225}{98} \approx 0{,}000277806$$

3. Pour le retard $k = 3$ :

Le dénominateur de pondération est : $n – k = 100 – 3 = 97$.
Le carré du coefficient de corrélation s’élève à : $\hat{\rho}_3^2 = (0{,}118)^2 = 0{,}013924$.
Le ratio pondéré vaut donc :

$$\frac{\hat{\rho}_3^2}{n – 3} = \frac{0{,}013924}{97} \approx 0{,}000143546$$

4. Pour le retard $k = 4$ :

Le dénominateur de pondération est : $n – k = 100 – 4 = 96$.
Le carré du coefficient de corrélation s’élève à : $\hat{\rho}_4^2 = (-0{,}028)^2 = 0{,}000784$.
Le ratio pondéré vaut donc :

$$\frac{\hat{\rho}_4^2}{n – 4} = \frac{0{,}000784}{96} \approx 0{,}000008167$$

Opérons la sommation rigoureuse de ces quatre composantes pondérées :

$$\sum_{k=1}^{4} \frac{\hat{\rho}_k^2}{100 – k} = 0{,}000017818 + 0{,}000277806 + 0{,}000143546 + 0{,}000008167 = 0{,}000447337$$

Il ne reste plus qu’à multiplier cette somme par le facteur externe $n(n+2) = 10,200$ :

$$Q = 10,200 \times 0{,}000447337 \approx 4{,}5628$$

La statistique observée du test de Ljung-Box pour notre modèle sur les 4 premiers retards s’établit donc avec une précision absolue à $Q_{obs} = 4{,}563$.

8.3 Décision statistique et conclusion méthodologique

L’obtention de la valeur numérique $Q_{obs} = 4{,}563$ n’est que la première étape ; il convient d’exécuter l’arbitrage décisionnel probabiliste. La première démarche analytique consiste à fixer le nombre exact de degrés de liberté applicables.

Conformément aux théorèmes établis à la section 5.2, la série examinée n’est pas une série brute, mais le vecteur des résidus issu de l’ajustement d’un modèle autorégressif $AR(1)$. Le nombre de paramètres autorégressifs estimés s’élève à $p = 1$, tandis qu’aucun terme de moyenne mobile n’est présent ($q = 0$). Les degrés de liberté ($df$) de la distribution de référence du Chi-deux s’obtiennent impérativement par la formule de correction :

$$df = h – p – q = 4 – 1 – 0 = 3$$

Consultons la table statistique de la loi de distribution du Chi-deux pour $df = 3$ degrés de liberté au seuil de significativité conventionnel $\alpha = 0{,}05$. La valeur critique exacte délimitant la queue supérieure de rejet est :

$$\chi^2_{crit}(3; , 0{,}05) = 7{,}815$$

Comparons la statistique empirique calculée au seuil critique :

$$Q_{obs} = 4{,}563 < 7{,}815$$

La statistique observée $Q$ est strictement inférieure à la valeur critique théorique. Elle réside donc sans équivoque dans la région de non-rejet de l’hypothèse nulle. Déterminons à présent la $p$-valeur exacte associée à cette statistique en intégrant la fonction de densité du Chi-deux à 3 degrés de liberté au-delà de la valeur 4,563 :

$$p\text{-valeur} = P\left(\chi^2(3) \geq 4{,}563\right) \approx 0{,}2067$$

La $p$-valeur obtenue ($p \approx 0{,}207$) est substantiellement supérieure au seuil critique de $\alpha = 0{,}05$. En application stricte des principes de l’inférence statistique, nous échouons à rejeter l’hypothèse nulle $H_0$.

Sur le plan de l’interprétation théorique et clinique, cette conclusion diagnostique est hautement signifiante. Elle démontre que l’ensemble des corrélations résiduelles sur les quatre premiers pas temporels ne s’écarte pas de façon statistiquement significative de ce que l’on attendrait d’un bruit blanc purement aléatoire. Par conséquent, le modèle autorégressif $AR(1)$ initialement spécifié s’avère parfaitement adéquat pour capturer l’ensemble de la dynamique de dépendance sérielle de l’affect négatif chez ce patient. Le coefficient d’inertie $\hat{\phi}_1 = 0{,}62$ peut ainsi être interprété avec une haute confiance méthodologique, sans craindre que cette estimation ne soit biaisée ou artificiellement polluée par des structures d’autocorrélation résiduelles ignorées.

9. Implémentation computationnelle dans les logiciels statistiques

9.1 Mise en œuvre rigoureuse sous le langage R

L’environnement statistique de programmation R constitue la plateforme historique prédominante pour l’ingénierie et l’analyse des séries temporelles. Bien que la fonction générique Box.test() soit nativement intégrée au package standard stats, son exécution par défaut comporte un piège fondamental qui illustre parfaitement les écueils théoriques décrits précédemment.

Examinons la syntaxe standard de la fonction intégrée :

# Exécution basique sous R
Box.test(residus, lag = 4, type = "Ljung-Box")

Par défaut, l’argument fitdf de cette fonction est fixé à zéro (fitdf = 0). Par conséquent, si un chercheur applique cette ligne de code directement sur les résidus d’un modèle ARMA, la fonction calculera la $p$-valeur en utilisant $df = h$, omettant totalement la correction due aux paramètres estimés. Pour rétablir l’exactitude mathématique, l’utilisateur doit impérativement paramétrer le décompte des degrés de liberté :

# Exécution rigoureuse sur les résidus d'un AR(1) avec h = 4
Box.test(residus, lag = 4, type = "Ljung-Box", fitdf = 1)

Pour s’affranchir de ces configurations manuelles sujettes à des erreurs humaines récurrentes, l’écosystème contemporain développé par Rob Hyndman au sein du package forecast propose la fonction hautement recommandée checkresiduals(). Cette procédure computationnelle standardise l’évaluation diagnostique en automatisant l’extraction de l’ordre du modèle, l’ajustement structurel des degrés de liberté et la génération d’un tableau synthétique exhaustif accompagné d’une planche graphique tripartite (tracé chronologique des résidus, corrélogramme ACF et histogramme de distribution superposé à une courbe normale théorique) :

library(forecast)

# Ajustement du modèle AR(1)
modele_ar1 <- Arima(serie_affect, order = c(1, 0, 0))

# Diagnostic automatisé complet et robuste
checkresiduals(modele_ar1, lag = 4)

Cette commande exécute le test de Ljung-Box en calculant exactement les degrés de liberté corrigés ($df = 4 - 1 = 3$), fournissant une sortie textuelle propre et préservant le chercheur des faux diagnostics induits par des fonctions mal paramétrées.

9.2 Application sous Python avec l'écosystème Statsmodels

Au sein de l'écosystème computationnel Python, la bibliothèque scientifique Statsmodels s'impose comme l'architecture de référence pour la modélisation statistique avancée et l'analyse économétrique. Le module de diagnostic des séries temporelles offre une fonction dédiée particulièrement flexible et complète : acorr_ljungbox, localisée au sein de statsmodels.stats.diagnostic.

À l'instar des fonctionnalités sous R, l'utilisation de cette routine impose une rigueur absolue dans la déclaration des degrés de liberté absorbés par l'estimation. L'implémentation standardisée s'articule comme suit :

import numpy as np
import pandas as pd
from statsmodels.tsa.arima.model import ARIMA
from statsmodels.stats.diagnostic import acorr_ljungbox

# Ajustement préalable du modèle ARIMA(1, 0, 0)
modele = ARIMA(serie_affect, order=(1, 0, 0)).fit()

# Extraction du vecteur des résidus standardisés
residus = modele.resid

# Exécution du test de Ljung-Box sur une grille de retards
# L'argument model_df spécifie le nombre de paramètres (p + q = 1)
resultats_lb = acorr_ljungbox(
    residus, 
    lags=[4, 8, 12], 
    model_df=1, 
    return_df=True
)

print(resultats_lb)

L'argument model_df=1 indique explicitement à la fonction que le modèle d'origine a consommé 1 degré de liberté. En retour, la fonction produit une structure de données tabulaire (DataFrame) détaillant pour chacun des horizons spécifiés dans la liste lags :

• La statistique de test calculée $Q_{LB}$ pour chaque niveau de retard cumulé
• La $p$-valeur exacte associée, calculée sur $df = \text{lag} - \text{model_df}$

Cette restitution structurée autorise une automatisation fluide de la vérification diagnostique au sein de pipelines de science des données ou d'apprentissage automatique, tout en garantissant une traçabilité mathématique irréprochable des inférences.

9.3 Bonnes pratiques de rapportage académique selon les normes APA

La publication de résultats scientifiques dans des revues évaluées par les pairs — particulièrement au sein des périodiques régis par l'American Psychological Association (APA 7e édition) ou des revues biomédicales majeures — impose une transparence formelle stricte lors du rapportage des tests diagnostiques de séries temporelles.

Il est scientifiquement proscrit de se contenter d'une mention évasive telle que « les résidus ne manifestaient pas d'autocorrélation (p > 0,05) ». Le standard d'excellence méthodologique requiert l'énonciation explicite de la statistique de test, des degrés de liberté corrigés, de la valeur de p exacte, ainsi que de l'horizon de retards $h$ retenu et de sa justification théorique ou empirique.

Le gabarit rédactionnel normé selon le style APA prend la forme canonique suivante :

« L'adéquation dynamique du modèle autorégressif AR(1) a été rigoureusement confirmée par l'évaluation diagnostique de ses résidus. Le test portemanteau de Ljung-Box, évalué sur un horizon temporel de quatre décalages conformément aux cycles de mesure journaliers, indique que les résidus ne s'écartent pas de manière statistiquement significative des propriétés d'un bruit blanc pur, $Q(3) = 4{,}56$, $p = 0{,}207$. L'hypothèse nulle d'indépendance résiduelle conjointe ne peut être rejetée, attestant que le terme autorégressif capture adéquatement la totalité de l'inertie sérielle de la trajectoire affective. »

Dans le cas où une grille de retards multiples a été investiguée afin de garantir l'invariance diagnostique préconisée à la section 6.2, il est hautement vertueux de présenter l'intégralité des résultats sous la forme d'un court tableau inséré dans le corps de l'article ou dans les annexes méthodologiques en ligne, attestant que pour chaque palier temporel ($h = 4, 8, 12$), la $p$-valeur demeure substantiellement supérieure au seuil d'exclusion.

10. Comparaison critique avec les autres tests de diagnostic d'indépendance

10.1 Ljung-Box versus test de Durbin-Watson

Au sein de l'enseignement classique des statistiques et des logiciels d'économétrie élémentaires, le test de Durbin-Watson (1950, 1951) occupe historiquement une position centrale. Cependant, lorsqu'il s'agit d'évaluer des modèles de séries temporelles contemporains, la comparaison entre Durbin-Watson et Ljung-Box tourne très nettement à l'avantage de ce dernier.

Le test de Durbin-Watson présente en effet deux limitations méthodologiques intrinsèques majeures :

• Restriction stricte à l'ordre un ($k = 1$) : La statistique de Durbin-Watson $d \approx 2(1 - \hat{\rho}_1)$ évalue exclusivement la corrélation sérielle existant entre les résidus immédiatement adjacents ($e_t$ et $e_{t-1}$). Elle est par construction totalement incapable de détecter une autocorrélation d'ordre supérieur (par exemple une corrélation au retard 2, 4 ou 7). Un modèle affecté d'une profonde dépendance saisonnière résiduelle affichera une statistique de Durbin-Watson parfaitement idéale proche de 2 dès lors que $\hat{\rho}_1 = 0$, conférant une fausse certification de validité.
• Invalidité mathématique en présence de variables dépendantes retardées : C'est sans doute le point le plus critique : la dérivation théorique de la statistique de Durbin-Watson suppose que la matrice des régresseurs est strictement exogène et fixe dans les échantillons répétés. Dès lors qu'un modèle intègre la variable dépendante retardée parmi ses prédicteurs — ce qui constitue l'essence même de tout modèle autorégressif $AR(p)$ —, le test de Durbin-Watson est frappé d'un biais asymptotique sévère le poussant irrésistiblement vers la valeur 2. Il échoue systématiquement à rejeter l'hypothèse nulle, même face à une autocorrélation résiduelle massive.

Le test de Ljung-Box est exempt de ces défaillances. Il s'applique avec une égale validité aux régressions statiques avec régresseurs exogènes et aux architectures purement autorégressives, tout en étendant son examen à une profondeur stochastique arbitraire fixée par l'horizon $h$. De nos jours, l'usage de Durbin-Watson doit être strictement cantonné aux modèles de régression linéaire classique dénués de toute dynamique autorégressive interne.

10.2 Ljung-Box versus test du multiplicateur de Lagrange de Breusch-Godfrey

L'alternative économétrique la plus sophistiquée au test de Ljung-Box réside dans le test du multiplicateur de Lagrange (LM) développé par Trevor Breusch (1978) et Leslie Godfrey (1978). Contrairement au test de Ljung-Box — qui opère directement sur les coefficients de corrélation empiriques estimés sans faire référence explicite au modèle de régression sous-jacent —, le test de Breusch-Godfrey s'enracine dans la théorie des scores et des modèles de régression auxiliaire.

Le test de Breusch-Godfrey s'exécute en régressant la variable des résidus $\hat{e}_t$ sur l'ensemble complet des variables explicatives initiales du modèle, complété par les retards successifs des résidus $(\hat{e}_{t-1}, dots, \hat{e}_{t-p})$ jusqu'à l'ordre souhaité. La significativité conjointe des coefficients associés aux résidus retardés est ensuite évaluée au moyen d'un test de Wald ou par le produit $n R^2$, convergeant asymptotiquement vers un $\chi^2(p)$.

Cette divergence architecturale dicte leurs contextes d'excellence respectifs :

• Avantage de Breusch-Godfrey en présence de régresseurs exogènes stochastiques : Dans les modèles de régression dynamique complexe incorporant de multiples covariables exogènes retardées, le test de Breusch-Godfrey surpasse souvent Ljung-Box. En effet, sa régression auxiliaire conditionne formellement sur l'ensemble de l'espace vectoriel des prédicteurs, neutralisant ainsi les distorsions qui pourraient émerger si un résidu était corrélé avec l'histoire passée d'une variable indépendante.
• Avantage de Ljung-Box dans le cadre univarié pur et les petits échantillons : Dans le périmètre des modèles ARIMA univariés standards, le test de Ljung-Box est infiniment plus direct, parcimonieux et élégant. Les études de Monte Carlo ont largement démontré que la correction $n(n+2)/(n-k)$ confère à la statistique de Ljung-Box une stabilité d'échantillonnage supérieure à celle de la statistique asymptotique $n R^2$ de Breusch-Godfrey lorsque la taille d'échantillon $n$ est restreinte.

Pour les analyses critiques en modélisation mixte ou en présence de modèles de panel complexes, les méthodologistes préconisent fréquemment une stratégie de validation croisée, confirmant la convergence diagnostique des tests de Ljung-Box et de Breusch-Godfrey.

10.3 Interaction avec l'analyse graphique du corrélogramme

L'évaluation diagnostique moderne des résidus ne saurait concevoir une étanchéité artificielle entre les tests d'hypothèse formels et l'inspection sémiologique des visualisations graphiques. Le test de Ljung-Box et le tracé de la fonction d'autocorrélation simple (l'ACF des résidus) opèrent dans une relation de synergie analytique indispensable.

L'inspection du graphique du corrélogramme fournit une granularité visuelle irremplaçable :

• Il permet d'identifier instantanément la localisation exacte d'un éventuel problème structurel. Un dépassement massif des bandes de Bartlett localisé précisément au retard $k = 7$ oriente immédiatement le clinicien vers une dépendance hebdomadaire négligée par le modèle.
• Il met en garde l'analyste contre les artefacts de compensation : une alternance de coefficients d'autocorrélation positifs et négatifs peut traduire des dynamiques d'oscillation haute fréquence que la somme globale de Ljung-Box intégrera, mais dont la nature ne devient intelligible qu'à la lumière du tracé graphique.

Réciproquement, la statistique de Ljung-Box constitue l'arbitre objectif impérieux qui prémunit l'investigateur contre les biais cognitifs d'interprétation visuelle :

• Il n'est pas rare d'observer sur un corrélogramme explorant 20 retards un ou deux pics franchissant marginalement la ligne critique à 5 % de Bartlett. Par simple fluctuation d'échantillonnage aléatoire, 1 coefficient sur 20 est théoriquement attendu comme dépassant ce seuil sous l'hypothèse nulle pure. Le test de Ljung-Box intègre cette variance globale et évite de s'alarmer à tort face à ce qui ne constitue qu'une oscillation stochastique bénigne.
• Inversement, une série de 6 ou 7 coefficients successifs tous situés à l'intérieur des bandes de confiance, mais affichant systématiquement une valeur positive persistante ($\hat{\rho}_k \approx 0{,}15$), paraîtra inoffensive au regard non exercé. Le test de Ljung-Box détectera sans faillir cette accumulation systématique d'énergie sérielle en affichant un rejet catégorique de l'indépendance ($p < 0{,}01$).

11. Applications empiriques avancées en psychologie et neurosciences

11.1 Modélisation des séries temporelles en protocoles expérimentaux à cas unique (N-of-1)

L'essor de la médecine de précision et de la psychothérapie individualisée a propulsé les protocoles expérimentaux à cas unique (Single-Case Experimental Designs ou SCED / N-of-1) au premier plan de l'innovation clinique. Dans ces architectures de recherche, un participant unique fait l'objet de mesures intensives répétées à travers différentes phases temporelles alternées (par exemple, un protocole de type baseline $A$ — intervention thérapeutique $B$ — retrait $A$ — réintroduction $B$). La méthode d'analyse privilégiée pour évaluer l'impact causal de l'intervention repose sur l'ajustement de modèles $ARIMA$ segmentés ou de régressions avec erreurs autorégressives.

Dans ce paradigme, le test de Ljung-Box joue le rôle de garde-fou épistémologique absolu. La majorité des trajectoires comportementales humaines avant intervention (phase $A$) affichent une autocorrélation sérielle spontanée prononcée : l'intensité des symptômes d'un jour $t$ est structurellement corrélée à celle du jour $t-1$. Si le chercheur tente d'estimer le différentiel de niveau moyen entre les phases $A$ et $B$ par une analyse de variance ou une régression MCO naïve, l'autocorrélation induira une variance d'estimation erronée et gonflera artificiellement la significativité de l'effet thérapeutique.

L'application du test de Ljung-Box sur les résidus du modèle autorégressif permet de certifier formellement que l'inertie propre du patient a été totalement absorbée par la composante stochastique du modèle. Ce n'est qu'une fois la statistique de Ljung-Box stabilisée ($p > 0{,}05$) que le clinicien peut affirmer avec certitude que la transition de niveau observée entre les phases $A$ et $B$ découle d'un impact direct de la psychothérapie, et non d'une fluctuation autorégressive naturelle de la maladie. De surcroît, la persistance obstinée d'un rejet au test de Ljung-Box après ajustement d'un ordre 1 standard peut revêtir une valeur clinique intrinsèque : elle dénonce souvent une rigidité psychologique sous-jacente ou des mécanismes de compensation d'ordres élevés caractéristiques des troubles anxio-dépressifs chroniques.

11.2 Traitement des séries physiologiques et de neuro-imagerie fonctionnelle

L'investigation neuroscientifique moderne manipule par essence des signaux biophysiques continus digitalisés caractérisés par des fréquences d'échantillonnage denses : électroencéphalographie (EEG), magnétoencéphalographie (MEG), variabilité de la fréquence cardiaque (VRC) et imagerie par résonance magnétique fonctionnelle (IRMf). Dans ces domaines de pointe, le test de Ljung-Box est mobilisé en tant qu'instrument d'assurance qualité et de validation du pré-traitement du signal.

Dans le cadre de l'IRMf au repos (resting-state fMRI), les chercheurs extraient les séries chronologiques du signal dépendant du niveau d'oxygénation sanguine (BOLD) à travers des milliers de voxels cérébraux. Ces séries temporelles brutes sont massivement polluées par des autocorréloïdes biophysiques non neuronales : pulsations vasculaires cardiaques, dérives mécaniques respiratoires, micromouvements de la tête du participant et cinétique lente de la réponse hémodynamique standard. Pour nettoyer ces signaux, des modèles autorégressifs d'ordres élevés — ou des algorithmes de blanchiment (pre-whitening) — sont massivement appliqués à chaque série voxelique.

Le test de Ljung-Box est alors déployé de façon automatisée à l'échelle du cerveau entier pour valider le blanchiment :

• Chaque voxel dont la série temporelle résiduelle échoue au test de Ljung-Box (indiquant le rejet de l'hypothèse de bruit blanc) est signalé comme porteur d'artefacts persistants non modélisés.
• Cette validation est fondamentale pour les analyses de connectivité fonctionnelle. L'estimation d'une connectivité fonctionnelle entre deux aires cérébrales repose sur la corrélation temporelle croisée de leurs signaux BOLD. Or, deux séries temporelles indépendantes mais présentant chacune une forte autocorrélation interne afficheront mathématiquement des corrélations croisées fallacieuses et significatives (le fameux biais de régression fallacieuse de Yule-Granger). Le filtrage validé par le test de Ljung-Box garantit que seules les synchronisations neuronales authentiques sont identifiées.

11.3 Dynamique affective et modèles VAR (Vecteurs Autorégressifs)

La psychologie quantitative contemporaine a vu l'émergence d'une révolution conceptuelle désignée sous le nom d'approche en réseaux psychologiques (psychological networks). Dans ce cadre théorique, les troubles mentaux ne sont plus conçus comme les conséquences passives d'une variable latente sous-jacente invisible, mais comme des systèmes dynamiques complexes où des symptômes observables interagissent et s'auto-maintiennent par des boucles de rétroaction causales. L'outil statistique privilégié pour estimer ces réseaux temporels à partir de données longitudinales intensives (ESM) est le modèle Vectoriel Autorégressif d'ordre $p$, noté $VAR(p)$.

Dans un modèle $VAR(1)$ multivarié comportant $m$ variables cibles (par exemple tristesse, anhédonie, fatigue, rumination et anxiété) :

$$\mathbf{Y}_t = \mathbf{c} + \mathbf{\Phi} \mathbf{Y}_{t-1} + \mathbf{e}_t$$

La matrice de connectivité dynamique $\mathbf{\Phi}$ de dimension $m \times m$ encode l'ensemble des relations autorégressives directes (sur la diagonale) et croisées (hors diagonale) reliant chaque symptôme au temps $t-1$ à l'ensemble des symptômes au temps $t$. Les coefficients estimés de cette matrice servent directement à cartographier le réseau et à calculer des indices de centralité (tels que la force d'un nœud ou sa centralité d'intermédiarité) censés identifier les symptômes déclencheurs à cibler prioritairement en clinique.

Cependant, l'estimation des paramètres par équations simultanées repose sur l'hypothèse canonique selon laquelle le vecteur multivarié des résidus $\mathbf{e}_t$ constitue un bruit blanc vectoriel multivarié, dénué d'autocorrélation interne et de corrélation sérielle croisée. Pour vérifier cette condition impérieuse, les chercheurs déploient l'extension multivariée du test de Ljung-Box, formalisée par J.R.M. Hosking (1980) et basée sur les matrices de covariances sérielles croisées :

$$\mathbf{Q}_{multivarié} = n^2 \sum_{k=1}^{h} \frac{1}{n - k} \mathrm{Tr}\left(\mathbf{C}_k^T \mathbf{C}_0^{-1} \mathbf{C}_k \mathbf{C}_0^{-1}\right)$$

Où $\mathbf{C}_k$ représente la matrice empirique de covariance d'ordre $k$ des résidus vectoriels. Cette statistique converge asymptotiquement vers une loi du Chi-deux dont les degrés de liberté sont fonction du nombre de variables et de l'ordre du modèle, $df = m^2(h - p)$. La validation de cette statistique portemanteau multivariée est le prérequis non négociable sans lequel l'intégralité de l'architecture du réseau de symptômes s'effondre : tout rejet de l'hypothèse d'indépendance résiduelle signale des dépendances croisées décalées d'ordres supérieurs omises, rendant caducs les calculs de centralité et risquant d'orienter les cliniciens vers de mauvaises cibles thérapeutiques.

12. Limites méthodologiques, pièges fréquents et arbre décisionnel

12.1 Erreurs courantes d'interprétation et biais de pratique

L'application routinière du test de Ljung-Box dans les laboratoires de recherche est fréquemment entachée de plusieurs biais de pratique tenaces qui dégradent la robustesse des conclusions scientifiques. Une analyse critique de la littérature permet d'identifier quatre erreurs récurrentes :

1. La confusion ontologique entre l'adéquation locale et l'optimalité globale : Nombre de praticiens commettent l'erreur d'ériger le non-rejet de l'hypothèse nulle ($p > 0{,}05$) en preuve suprême que leur modèle est « le bon ». Le test de Ljung-Box ne valide qu'un seul critère : l'absence d'autocorrélation linéaire jusqu'au retard $h$. Un modèle gravement surparamétré, comportant une multiplicité de coefficients non significatifs et incapable de toute généralisation prédictive hors échantillon, affichera d'excellents scores au test de Ljung-Box. Ce dernier ne doit jamais se substituer aux métriques de parcimonie telles que l'AIC (Akaike Information Criterion) ou le BIC (Bayesian Information Criterion).
2. L'oubli récurrent de la correction des degrés de liberté : Comme dénoncé à la section 5.2, l'omission de déduire les ordres $p$ et $q$ lors de l'interrogation de la distribution du Chi-deux est la source de milliers d'interprétations trompeusement rassurantes. L'usage aveugle de sorties logicielles brutes non configurées induit un laxisme méthodologique en validant des modèles sous-spécifiés.
3. L'arbitrage opportuniste de l'horizon de retards (le p-hacking du retard $h$) : Face à une valeur de p défavorable oscillant à $p = 0{,}03$ pour un horizon $h = 10$, certains chercheurs succombent à la tentation de modifier arbitrairement $h$ (par exemple en choisissant $h = 6$ ou $h = 18$) jusqu'à extraire une p-valeur supérieure à 0,05. Cette pratique de manipulation sélective détruit totalement le contrôle du taux nominal de fausses découvertes.
4. La négation du déficit de puissance en petits échantillons : Interpréter avec triomphalisme une valeur de $p = 0{,}35$ obtenue sur un échantillon de 25 observations temporelles relève d'une illusion méthodologique totale. Pour des tailles aussi réduites, la puissance du test de Ljung-Box est tellement anémiée que même des autocorrélations résiduelles réelles de $\rho = 0{,}40$ échoueront à être détectées dans plus de 60 % des cas.

12.2 Cas pathologiques : non-linéarité, ruptures structurelles et non-stationnarité masquée

Il existe des configurations stochastiques complexes dans lesquelles le test canonique de Ljung-Box devient structurellement inopérant ou profondément trompeur :

1. L'invisibilité des dynamiques non linéaires et du chaos déterministe :
Le test de Ljung-Box repose exclusivement sur le produit des moments centrés d'ordre 2 ; il ne quantifie que l'association linéaire. Des processus générés par des équations déterministes non linéaires — telles que l'application logistique chaotique ($x_t = 4 x_{t-1}(1 - x_{t-1})$) — produisent des séries dont l'autocorrélation linéaire théorique est rigoureusement nulle ($\rho_k = 0$ pour tout $k \neq 0$). Le test de Ljung-Box conclura avec ferveur à la présence d'un bruit blanc parfait, alors même que le signal est généré par un mécanisme strictement prédictible dénué de tout aléa. Pour déceler de telles architectures, des instruments diagnostiques non linéaires avancés, tels que le célèbre test BDS (Brock, Dechert et Scheinkman), s'avèrent indispensables.

2. Les ruptures structurelles et changements de régime :
Si une série temporelle subit une cassure nette de sa moyenne à un instant charnière $T_0$ de son histoire (provoquée par exemple par l'introduction brutale d'un confinement sanitaire ou l'occurrence d'un traumatisme psychologique majeur), ajuster un modèle linéaire global stationnaire générera des résidus qui apparaîtront massifs d'un côté de la coupure et inversés de l'autre. Cette persistance artificielle induit une autocorrélation résiduelle fallacieuse très forte. Le test de Ljung-Box rejettera catégoriquement le modèle, non pas en raison d'une mémoire stochastique mal modélisée, mais en raison d'un défaut d'intégration de la rupture structurelle (qui nécessiterait des modèles à changement de régime markovien ou des modèles d'intervention).

3. Les transitions de phase psychologiques :
Dans les dynamiques cliniques, les patients oscillent fréquemment entre des états d'attracteurs multiples (par exemple, des bascules brusques entre des phases maniaques et dépressives dans le trouble bipolaire). Un modèle linéaire traditionnel échouera continuellement au diagnostic de Ljung-Box tant que ces sauts d'états qualitatifs ne seront pas capturés par des architectures appropriées (telles que les équations différentielles stochastiques ou les modèles à seuil TAR/SETAR).

12.3 Arbre décisionnel pour la validation post-estimation des modèles temporels

Pour operationaliser rigoureusement l'intégralité des préceptes théoriques, méthodologiques et computationnels exposés tout au long de cet article, nous proposons ci-après un arbre décisionnel séquentiel en quatre étapes destiné à guider les chercheurs dans leur démarche de validation post-estimation :

Étape 1 : Inspection visuelle préliminaire et corrélogrammes

• Inspectez le tracé chronologique des résidus : manifestent-ils une variance stable ? Y a-t-il des regroupements d'instabilité ou des outliers massifs ?
• Générez l'ACF et la PACF des résidus avec les bandes de Bartlett à $\pm 1{,}96/\sqrt{n}$. Repérez d'éventuels dépassements localisés (retards courts ou saisonniers).
• Bifurcation : En présence d'hétéroscédasticité manifeste, prévoyez une correction de type ARCH ou un test robuste de Diebold-Mariano.

Étape 2 : Configuration rigoureuse et calcul du test de Ljung-Box

• Sélectionnez une grille raisonnée de retards $h$ basée sur la dynamique du signal (ex. $h \approx \ln(n)$, ou $h = min(2m, n/5)$).
• Configurez impérativement la déduction des degrés de liberté absorbés par l'ajustement structurel : $df = h - p - q$.
• Exécutez le calcul de la statistique $Q$ et extrayez la $p$-valeur exacte associée.

Étape 3 : Interprétation de la p-valeur et prise de décision diagnostique

• Scénario A : $p > 0{,}10$ — Validation confirmée. L'hypothèse nulle de bruit blanc ne peut être rejetée. Le modèle capture adéquatement la dynamique linéaire. Passez à l'étape 4.
• Scénario B : $0{,}05 \leq p \leq 0{,}10$ — Zone de vulnérabilité marginale. Réexaminez attentivement l'ACF. Testez l'adjonction d'un paramètre autorégressif ou moyenne mobile supplémentaire. Évaluez si le critère BIC s'améliore. Ne validez pas sans analyse de sensibilité.
• Scénario C : $p < 0{,}05$ — Rejet de l'adéquation. Dépendance sérielle résiduelle significative. Le modèle actuel est sous-spécifié. Procédez à la révision structurelle :
  • Si les retards initiaux ($k=1, 2$) sont significatifs sur l'ACF : enrichissez l'ordre autorégressif $p$ ou moyenne mobile $q$.
  • Si un retard lointain régulier émerge (ex. $k=7$ ou $12$) : intégrez des termes SARMA saisonniers.
  • Si l'autocorrélation persiste malgré de multiples extensions linéaires : investiguez des modèles non linéaires, des ruptures structurelles ou des tests ARCH sur les résidus au carré.

Étape 4 : Documentation transparente et reproductibilité

• Rapportez formellement les résultats textuels selon le standard académique APA : $Q(df) = \text{valeur}$, $p = \text{valeur}$, en mentionnant la taille $n$ et l'horizon $h$.
• Fournissez dans les dépôts de données ouvertes (ex. OSF, GitHub) les scripts de diagnostic complets (R ou Python) garantissant la reproductibilité computationnelle intégrale de vos analyses temporelles.

Références

• Box, G. E. P., & Jenkins, G. M. (1970). Time series analysis: Forecasting and control. Holden-Day.
• Box, G. E. P., & Pierce, D. A. (1970). Distribution of residual autocorrelations in autoregressive-integrated moving average time series models. Journal of the American Statistical Association, 65(332), 1509–1526. https://doi.org/10.1080/01621459.1970.10481180
• Breusch, T. S. (1978). Testing for autocorrelation in dynamic linear models. Australian Economic Papers, 17(31), 334–355. https://doi.org/10.1111/j.1467-8454.1978.tb00635.x
• Davies, N., Triggs, C. M., & Newbold, P. (1977). Significance levels of the Box-Pierce portmanteau statistic in finite samples. Biometrika, 64(3), 517–522. https://doi.org/10.1093/biomet/64.3.517
• Diebold, F. X., & Mariano, R. S. (1995). Comparing predictive accuracy. Journal of Business & Economic Statistics, 13(3), 253–263. https://doi.org/10.1080/07350015.1995.10524599
• Durbin, J., & Watson, G. S. (1950). Testing for serial correlation in least squares regression: I. Biometrika, 37(3/4), 409–428. https://doi.org/10.1093/biomet/37.3-4.409
• Godfrey, L. G. (1978). Testing against general autoregressive and moving average error models when the regressors include lagged dependent variables. Econometrica, 46(6), 1293–1301. https://doi.org/10.2307/1913829
• Hosking, J. R. M. (1980). The multivariate portmanteau statistic. Journal of the American Statistical Association, 75(371), 602–608. https://doi.org/10.2307/2335688
• Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and practice (3e éd.). OTexts. https://otexts.com/fpp3/
• Ljung, G. M. (1986). Diagnostic checking of univariate time series models. Journal of Time Series Analysis, 7(4), 283–296. https://doi.org/10.1111/j.1467-9892.1986.tb00502.x
• Ljung, G. M., & Box, G. E. P. (1978). On a measure of lack of fit in time series models. Biometrika, 65(2), 297–303. https://doi.org/10.1093/biomet/65.2.297
• Lobato, I. N. (2001). Testing that a dependent process is uncorrelated. Journal of the American Statistical Association, 96(455), 1066–1076. https://doi.org/10.1198/016214501753208717
• Tsay, R. S. (2010). Analysis of financial time series (3e éd.). John Wiley & Sons. https://doi.org/10.1002/9780470644560