Variables indépendantes vs variables dépendantes : quelle est la différence ?

La recherche scientifique, dans sa quête perpétuelle de modélisation et de compréhension des phénomènes naturels et humains, repose sur un socle méthodologique rigoureux où la notion de causalité occupe une place prépondérante. Au cœur de cette démarche expérimentale se trouve l’art de décomposer la réalité en entités observables, mesurables et comparables : les variables. Qu’il s’agisse de mesurer l’efficacité d’une nouvelle approche thérapeutique en psychologie clinique, de déterminer l’impact de la charge cognitive sur le rappel mnésique en neurosciences ou d’évaluer les effets d’un programme pédagogique innovant, la distinction entre ce que le chercheur manipule et ce qu’il observe constitue la pierre angulaire de toute démonstration empirique valide.

Pourtant, la distinction conceptuelle et pratique entre la variable indépendante et la variable dépendante représente fréquemment un écueil pour les étudiants, les jeunes chercheurs et les praticiens de la recherche en sciences humaines et comportementales. Cette difficulté ne provient pas nécessairement d’une obscurité intrinsèque des concepts, mais plutôt de la complexité inhérente aux dynamiques expérimentales modernes, caractérisées par des protocoles multivariés, des variables médiatrices et modératrices, ainsi que des interactions statistiques sophistiquées. Comprendre la relation asymétrique et directionnelle qui unit ces deux piliers méthodologiques est indispensable pour concevoir des études robustes, interpréter fidèlement des analyses statistiques et éviter les pièges de l’inférence causale illégitime.

Ce guide exhaustif a pour vocation d’analyser en profondeur les mécanismes théoriques, épistémologiques et statistiques régissant les variables indépendantes et dépendantes. En parcourant les étapes de l’opérationnalisation des concepts abstraits, la typologie des plans expérimentaux, les techniques de contrôle des facteurs confondants et les subtilités de l’interprétation des données psychométriques, cet article propose une vue d’ensemble complète et rigoureuse. Que vous soyez engagé dans la rédaction d’un protocole de recherche, dans l’analyse de données expérimentales ou dans la lecture critique de publications scientifiques, vous trouverez ici les clés fondamentales pour maîtriser l’architecture de la méthode expérimentale contemporaine.

1. Introduction fondamentale à la méthodologie expérimentale et aux variables

L’édification du savoir scientifique en psychologie et en sciences du comportement repose sur le passage de la simple spéculation philosophique à une approche empirique structurée. L’expérimentation constitue le moyen privilégié par lequel les chercheurs mettent à l’épreuve des hypothèses théoriques en instaurant des conditions de vérification contrôlées et reproductibles.

1.1 Le rôle des variables dans la méthode scientifique

Dans le vocabulaire épistémologique contemporain, une variable se définit formellement comme toute caractéristique, propriété, attribut ou entité empirique susceptible d’adopter au moins deux valeurs distinctes, qu’elles soient de nature qualitative ou quantitative. Contrairement à une constante, qui demeure invariante au cours d’une observation donnée, la variable incarne la fluctuation du réel. La méthode scientifique exige une délimitation rigoureuse de ces variations afin d’extraire des lois générales à partir du flux désordonné des phénomènes observables.

L’isolation systématique des paramètres constitue le fondement même de la démarche empirique. Dans un environnement naturel, une multitude de stimuli interagissent simultanément, rendant impossible l’attribution d’un effet précis à une cause déterminée. La méthode expérimentale résout ce défi en isolant des facteurs cibles, en neutralisant les bruits de fond environnementaux et en observant les modifications qui en découlent. Cette approche analytique a permis l’émancipation historique de la psychologie, qui est passée de l’observation clinique purement descriptive et narrative au XIXe siècle aux protocoles standardisés des laboratoires de psychophysique et de psychologie cognitive contemporains.

La standardisation rigoureuse des conditions de mesure constitue le garant ultime de la réplicabilité des résultats. Pour qu’une découverte soit intégrée au corpus du savoir scientifique, un protocole doit pouvoir être répété à l’identique par des équipes indépendantes, dans des contextes géographiques et temporels différents. Cette exigence impose une description non ambiguë des variables mobilisées, de leur calibrage et de leurs modalités d’enregistrement au sein de la communauté scientifique internationale.

1.2 Le paradigme cause-effet en psychologie cognitive et comportementale

La psychologie scientifique adopte un postulat déterministe modéré : les états mentaux, les processus cognitifs et les comportements humains ne surviennent pas de manière aléatoire, mais résultent de causes antécédentes identifiables. L’exploration de ces liens de causalité constitue l’objectif principal de la recherche expérimentale. Il convient toutefois de distinguer scrupuleusement la relation causale de la simple corrélation statistique.

Deux phénomènes peuvent présenter une covariation statistique étroite sans qu’aucun lien de cause à effet direct ne les unisse, souvent en raison de l’action sous-jacente d’une troisième variable non contrôlée, qualifiée de variable confondante. Pour affirmer l’existence d’un lien causal authentique, trois conditions cumulatives énoncées par la méthodologie classique doivent être satisfaites :

• La contiguïté et la précédence temporelle : la cause présumée doit impérativement précéder l’effet dans le temps.
• La covariation empirique : une modification de la cause doit s’accompagner systématiquement d’une modification correspondante de l’effet.
• La non-虚spuriousness (absence d’explications alternatives) : l’effet observé ne doit pas pouvoir être imputé à d’autres facteurs externes ou parasites.

Dans ce cadre, la formulation des hypothèses guide toute l’architecture de la recherche. Une hypothèse directionnelle postule non seulement l’existence d’une relation causale mais précise également le sens de la variation attendue (par exemple, « l’augmentation de la charge mnésique entraîne un allongement du temps de réaction »). À l’inverse, une hypothèse non directionnelle affirme la présence d’une influence sans préjuger de sa trajectoire positive ou négative, traduisant souvent un stade exploratoire de la recherche théorique.

1.3 Aperçu de la relation dynamique entre variable indépendante et dépendante

La structure élémentaire de toute expérience repose sur le couplage fonctionnel entre deux entités aux rôles asymétriques : la variable indépendante (VI) et la variable dépendante (VD). La variable indépendante incarne le facteur déclencheur, la condition antécédente ou l’intrant méthodologique directement manipulé, sélectionné ou contrôlé par le chercheur. Elle représente la cause présumée au sein du modèle explicatif.

En miroir, la variable dépendante représente la réponse comportementale, cognitive, physiologique ou affective observée et mesurée chez le participant. Elle constitue la conséquence ou l’extrant du système expérimental. Son qualificatif de « dépendante » traduit précisément le fait que ses fluctuations sont supposées dépendre des variations introduites sur la variable indépendante.

Le flux logique au sein d’un protocole expérimental standard peut être schématisé par une trajectoire unidirectionnelle fondamentale :

[Manipulation de la VI par l’expérimentateur] → [Traitement cognitif / biologique interne] → [Mesure de la variation de la VD]

Cette relation dynamique forme la syntaxe universelle à partir de laquelle s’élaborent les designs expérimentaux les plus élaborés, des plans univariés simples aux architectures multivariées hautement complexes.

2. Définition conceptuelle et opérationnelle de la variable indépendante (VI)

Pour qu’un concept théorique devienne exploitable dans une démarche scientifique, il doit faire l’objet d’une formalisation rigoureuse. La variable indépendante constitue le vecteur par lequel l’expérimentateur introduit une variation contrôlée au sein du système étudié afin d’en scruter les répercussions.

2.1 Nature et propriétés fondamentales de la variable indépendante

La variable indépendante (VI) se caractérise par son autonomie théorique vis-à-vis des réactions directes du sujet d’expérience au moment de l’expérimentation. Elle est déterminée a priori par l’expérimentateur, en amont du recueil des données comportementales. L’adjectif « indépendant » signifie explicitement que les valeurs que prend cette variable sont fixées par le plan expérimental lui-même et ne résultent pas des performances ou des réponses fournies par les participants.

L’objectif fondamental de la VI est de provoquer une rupture d’homogénéité délibérée au sein de l’échantillon d’étude. En scindant les conditions d’observation en plusieurs états distincts, le chercheur crée un cadre comparatif indispensable pour tester la validité d’une hypothèse déductive. Sans cette variation contrôlée de la VI, il est formellement impossible de déterminer si les modifications observées chez les sujets résultent du traitement expérimental ou d’une simple dérive spontanée liée au temps ou à la maturation.

2.2 Opérationnalisation des concepts psychologiques en variables indépendantes

L’opérationnalisation représente l’étape méthodologique cruciale consistant à convertir un construit théorique abstrait (tel que l’anxiété, la mémoire, l’attention ou la motivation) en opérations concrètes, observables et reproductibles. Cette étape requiert la définition précise des modalités ou niveaux de la variable indépendante. Les modalités correspondent aux différents états, catégories ou intensités que prend la VI au cours de l’expérimentation.

Par exemple, pour étudier le construit théorique du « stress aigu », un chercheur peut l’opérationnaliser sous la forme d’une variable indépendante comportant trois modalités distinctes :

• Modalité 1 (Contrôle) : Lecture silencieuse d’un texte neutre pendant 10 minutes.
• Modalité 2 (Stress modéré) : Résolution d’un problème arithmétique complexe avec chronomètre visible.
• Modalité 3 (Stress intense) : Passation du test du stress social de Trier (Trier Social Stress Test), combinant prise de parole improvisée devant un jury neutre et calcul mental à rebours sous pression temporelle.

D’autres exemples classiques incluent le dosage pharmacologique d’une molécule active (0 mg, 50 mg, 100 mg) ou le niveau de privation de sommeil (nuit complète de 8 heures, privation partielle de 4 heures, privation totale de 24 heures). La rigueur de cette opérationnalisation conditionne directement la validité de construit de l’étude, garantissant que la manipulation expérimentale active précisément le mécanisme psychologique ciblé et non un artefact connexe.

2.3 Distinction entre variables indépendantes provoquées et invoquées

Toutes les variables indépendantes ne partagent pas le même statut épistémologique quant à la possibilité pour le chercheur de les manipuler physiquement. La littérature méthodologique distingue traditionnellement les variables provoquées des variables invoquées (ou attributives) :

• Variables indépendantes provoquées : Il s’agit des facteurs directement manipulés par l’expérimentateur, qui assigne activement les participants à telle ou telle condition expérimentale de manière aléatoire (par exemple, l’administration d’un placebo versus une molécule active, la présentation d’une consigne d’apprentissage implicite versus explicite). Ce type de variable autorise une inférence causale stricte et directe.
• Variables indépendantes invoquées (ou assignées/attributives) : Ce sont des caractéristiques intrinsèques, préexistantes chez les participants, que le chercheur ne peut pas manipuler directement pour des raisons matérielles, biologiques ou éthiques, mais qu’il sélectionne pour constituer des groupes de comparaison. Les exemples incluent l’âge biologique, le genre, les traits de personnalité (extraversion vs introversion), le niveau d’expertise professionnelle ou la présence d’un diagnostic clinique (sujets neurotypiques vs sujets atteints de troubles du spectre de l’autisme).

Cette distinction est fondamentale pour l’interprétation des résultats. Une recherche mobilisant une variable indépendante invoquée relève du plan quasi-expérimental ou corrélationnel avancé. Elle ne permet pas d’établir une causalité pure avec le même degré de certitude qu’un plan factoriel à variables provoquées, car l’impossibilité d’assigner aléatoirement les participants aux modalités de la VI expose l’étude à des facteurs confondants systématiques liés aux caractéristiques individuelles.

3. Définition conceptuelle et opérationnelle de la variable dépendante (VD)

Si la variable indépendante incarne le levier de l’expérimentation, la variable dépendante représente le capteur sensible permettant d’enregistrer la réaction du système psychologique étudié. Elle constitue la matière première à partir de laquelle s’effectuent les traitements statistiques.

3.1 Nature et rôle de la variable dépendante dans l’expérimentation

La variable dépendante (VD) est définie comme la mesure quantitative ou qualitative de l’effet produit par la variable indépendante. Son statut est structurellement passif dans le protocole : elle ne fait l’objet d’aucune manipulation directe par le chercheur, mais subit l’influence des conditions expérimentales instaurées. Son observation minutieuse et son enregistrement fidèle constituent le but ultime de la phase de recueil des données.

Sur le plan décisionnel, la variable dépendante joue un rôle central dans le processus d’inférence statistique. C’est à partir de la distribution de ses scores, de la comparaison de ses moyennes et du calcul de ses variances entre les différents groupes expérimentaux que le chercheur prend la décision statistique de rejeter ou de conserver l’hypothèse nulle ($H_0$). L’hypothèse nulle postule traditionnellement l’absence de différence statistiquement significative entre les modalités de la VI sur la VD considérée.

3.2 Critères psychométriques de la variable dépendante

Pour qu’une variable dépendante fournisse des données exploitables et scientifiquement irréprochables, l’instrument ou l’indicateur sélectionné pour la mesurer doit satisfaire à quatre critères psychométriques fondamentaux :

• La sensibilité (ou pouvoir discriminant) : L’instrument doit posséder une finesse de graduation suffisante pour détecter des variations subtiles mais réelles de la réponse comportementale ou cognitive entre les différentes conditions expérimentales. Une échelle trop grossière risque de masquer des effets réels (erreur de type II).
• La fidélité (fiabilité) : La mesure doit faire preuve d’une excellente consistance interne et d’une reproductibilité temporelle (fidélité test-retest). En l’absence de modification de la VI, la VD doit produire des résultats identiques lors de mesures répétées.
• La validité de mesure : L’outil de mesure doit quantifier précisément le construit théorique qu’il prétend mesurer et non une variable collatérale (validité de contenu et validité convergente).
• L’évitement des effets de borne :
  • L’effet de plafond (ceiling effect) : Se produit lorsque la tâche est excessivement facile ou la mesure insuffisamment calibrée vers le haut, conduisant tous les participants à obtenir le score maximal, ce qui masque d’éventuelles différences inter-groupes.
  • L’effet de plancher (floor effect) : Se manifeste à l’inverse lorsque la tâche est d’une difficulté extrême, poussant l’ensemble des scores vers le zéro méthodologique et neutralisant la détection des effets de la VI.

3.3 Modalités d’enregistrement et types de réponses mesurées

Dans le domaine des sciences comportementales contemporaines, les variables dépendantes se déclinent en trois grands registres méthodologiques complémentaires :

• Les indicateurs comportementaux manifestes : Ils regroupent les mesures chronométriques (temps de réaction mesuré à la milliseconde près, temps d’inspection visuelle), les indices d’exactitude (taux d’erreurs, pourcentage de détection correcte, nombre d’omissions) et les paramètres kinématiques ou d’occurrence (fréquence d’un comportement pro-social, durée de persistance face à une tâche insoluble).
• Les indicateurs psychophysiologiques et neurobiologiques : Ces mesures captent l’activité somatique et neurale sous-jacente aux processus cognitifs. Elles englobent la conductance cutanée (réponse électrodermale traduisant l’activation du système nerveux sympathique), la variabilité de la fréquence cardiaque (VFC), le diamètre pupillaire (pupillométrie mesurant l’effort cognitif), les potentiels évoqués cognitifs (EEG, tels que l’onde P300 ou la N400) et le signal BOLD en imagerie par résonance magnétique fonctionnelle (IRMf).
• Les auto-évaluations subjectives et inventaires standardisés : Ce registre repose sur les verbalisations et jugements portés par les participants sur leur propre état interne à l’aide d’échelles de Likert graduées, d’échelles visuelles analogiques (EVA), ou de questionnaires psychométriques validés (ex. l’inventaire de dépression de Beck, le questionnaire d’anxiété état-trait de Spielberger STAI).

4. Les distinctions fondamentales entre variable indépendante et variable dépendante

Pour appréhender sans équivoque la structure d’une recherche, il est nécessaire d’opposer point par point les caractéristiques structurelles, chronologiques et fonctionnelles de ces deux types de variables.

4.1 Tableau comparatif des attributs structurels

Le tableau ci-dessous synthétise les contrastes fondamentaux existant entre la variable indépendante et la variable dépendante à chaque étape du processus expérimental :

Critère méthodologique	Variable Indépendante (VI)	Variable Dépendante (VD)
Origine du contrôle	Décision délibérée de l’expérimentateur (conditions fixées a priori)	Réaction spontanée ou comportement émis par le participant
Rôle causal présumé	Cause, déclencheur, antécédent, facteur prédictif	Effet, conséquence, résultat, critère d’évaluation
Chronologie d’apparition	Antérieure dans la séquence temporelle de l’épreuve	Postérieure à l’administration ou à l’exposition à la VI
Statut dans l’analyse	Facteur de groupement, prédicteur, variable explicative (X)	Variable réponse, variable à prédire, critère d’observation (Y)
Possibilité de manipulation	Directement manipulable (si provoquée) ou sélectionnée (si invoquée)	Non manipulable directement ; uniquement mesurable et enregistrable

4.2 Directionnalité et asymétrie de l’influence

La distinction entre VI et VD repose sur le principe épistémologique de non-réciprocité unilatérale propre aux modèles univariés classiques de laboratoire. Dans le cadre d’un protocole d’évaluation fermé, on postule formellement que la variable indépendante exerce une influence unidirectionnelle sur la variable dépendante, sans que cette dernière ne vienne rétroagir instantanément sur la définition opérationnelle de la première au cours de l’essai.

Cette asymétrie sépare strictement ce qui est imposé au sujet (le contexte de la tâche, les paramètres acoustiques, la dose de médicament) de ce qui est récolté auprès de lui (la latence motrice, la production verbale, le niveau d’activation cérébrale). Confondre le sens de cette flèche causale équivaudrait à commettre une faute logique majeure qui invaliderait l’ensemble de la chaîne inférentielle du chercheur.

4.3 Interdépendance fonctionnelle dans le protocole

En dépit de leur opposition structurelle, la VI et la VD forment un couple indissociable au sein de la démarche scientifique. L’existence conceptuelle de l’une n’a aucun sens méthodologique sans la présence de l’autre :

• Une variable indépendante introduite sans variable dépendante associée correspond à une manipulation stérile dans le vide : le chercheur crée des conditions distinctes sans se doter d’aucun instrument pour observer si cette distinction produit une quelconque conséquence mesurable sur le système étudié.
• Une variable dépendante enregistrée en l’absence totale de variable indépendante se résume à une accumulation brute de données descriptives : sans plan de comparaison, sans groupe témoin et sans variation contrôlée, il devient impossible d’interpréter si le niveau de performance relevé découle d’un facteur particulier ou de la variabilité naturelle du vivant.

C’est précisément la confrontation dynamique entre les modalités de la VI et les métriques de la VD qui permet de construire le raisonnement scientifique, d’isoler la variance inter-groupes de la variance intra-groupe (erreur résiduelle) et d’alimenter les algorithmes de la statistique inférentielle.

5. Applications et exemples concrets en psychologie expérimentale

L’assimilation pratique de ces concepts s’enrichit considérablement de l’analyse d’exemples canoniques issus des différents sous-domaines des sciences psychologiques contemporaines.

5.1 Exemples en psychologie cognitive et neuropsychologie

En psychologie cognitive, les chercheurs s’efforcent d’isoler l’architecture des modules de traitement de l’information par des tâches de laboratoire standardisées :

• Étude de la mémoire de travail :
  • Variable Indépendante : La charge cognitive mnésique, manipulée à travers le nombre d’items à mémoriser (3 modalités : 3 mots, 6 mots, 9 mots).
  • Variable Dépendante : Le pourcentage de rappel sériel correct lors d’une restitution différée de 30 secondes.
• Recherche sur l’attention sélective visuelle (Paradigme de recherche visuelle) :
  • Variable Indépendante : La présence de distracteurs visuels saillants autour de la cible (2 modalités : condition sans distracteur vs condition avec 12 distracteurs chromatiques).
  • Variable Dépendante : Le temps de réaction manuel requis pour détecter l’orientation d’une cible géométrique, quantifié en millisecondes.
• Neuropsychologie et vigilance psychomotrice :
  • Variable Indépendante : Le niveau de privation de sommeil (3 modalités : groupe contrôle avec 8h de sommeil régulier, groupe privation partielle avec 3h de sommeil, groupe privation aiguë totale avec 24h d’éveil continu).
  • Variable Dépendante : Le nombre de lapsus d’attention (défini par tout temps de réaction supérieur à 500 ms) lors d’un test de vigilance psychomotrice (Psychomotor Vigilance Task).

5.2 Exemples en psychologie sociale et clinique

La psychologie sociale et la recherche clinique s’intéressent aux déterminants environnementaux, relationnels et psychopathologiques :

• Conformisme social (Paradigme d’Asch adapté) :
  • Variable Indépendante : La taille du groupe de complices unanimes émettant un jugement erroné avant le sujet naïf (4 modalités : 1 seul complice, 3 complices, 6 complices, 9 complices).
  • Variable Dépendante : Le pourcentage de réponses erronées émises par le participant alignées sur l’avis de la majorité factice.
• Évaluation des psychothérapies en psychopathologie :
  • Variable Indépendante : Le type d’intervention thérapeutique administrée sur 12 semaines (3 modalités : Thérapie Cognitive et Comportementale standardisée, Thérapie Interpersonnelle, Groupe témoin sur liste d’attente sans traitement actif).
  • Variable Dépendante : La réduction absolue du score sur l’échelle de dépression de Montgomery-Åsberg (MADRS) entre le pré-test et le post-test.
• L’effet du témoin (Bystander Effect – Latané et Darley) :
  • Variable Indépendante : Le nombre perçu de témoins présents lors d’une urgence simulée (3 modalités : sujet seul, sujet en présence de 2 autres personnes, sujet en présence de 5 autres personnes).
  • Variable Dépendante : Le délai chronométré en secondes avant que le participant ne sorte de la pièce pour alerter les secours.

5.3 Exemples en psychologie du développement et de l’éducation

L’observation des trajectoires d’apprentissage et de maturation socio-émotionnelle offre d’autres illustrations fondamentales :

• Efficacité des méthodes pédagogiques :
  • Variable Indépendante : La méthode d’apprentissage d’un concept scientifique (2 modalités : enseignement magistral passif vs apprentissage actif basé sur la manipulation et la résolution de problèmes).
  • Variable Dépendante : La performance obtenue à une épreuve standardisée de transfert des connaissances administrée un mois après l’intervention.
• Impact de l’environnement numérique chez le jeune enfant :
  • Variable Indépendante : La durée quotidienne moyenne d’exposition aux écrans récréatifs non interactifs (3 modalités invoquées : moins de 30 min/jour, entre 1h et 2h/jour, plus de 3h/jour).
  • Variable Dépendante : Le score d’autorégulation émotionnelle et de tolérance à la frustration mesuré via la tâche standardisée du cadeau différé (Marshmallow Test adapté).
• Climat familial et développement psychologique :
  • Variable Indépendante : Le style parental perçu par l’adolescent selon la typologie de Baumrind (4 modalités invoquées : autoritaire, démocratique/favorable, permissif, négligent).
  • Variable Dépendante : Le niveau global d’estime de soi quantifié par l’échelle de Rosenberg.

6. Méthodes mnémoniques et heuristiques pour différencier la VI et la VD

Afin d’éviter toute inversion conceptuelle lors de la lecture d’un article ou de la conception d’un mémoire de recherche, plusieurs heuristiques cognitives simples et infaillibles peuvent être appliquées de manière systématique.

6.1 La structure syntaxique standard de vérification

L’exercice le plus efficace consiste à insérer mentalement les variables étudiées dans une phrase-modèle rigide. Si la phrase conserve son sens logique et théorique, les variables ont été correctement positionnées :

« L’effet de [VARIABLE INDÉPENDANTE] sur [VARIABLE DÉPENDANTE] »

Si l’on inverse les termes, la phrase devient absurde dans le cadre du raisonnement expérimental. Par exemple, il est logique d’analyser « L’effet de la dose de caféine (VI) sur le temps de réaction (VD) ». En revanche, l’affirmation « L’effet du temps de réaction sur la dose de caféine » n’a aucun sens expérimental, puisque l’action du participant ne peut pas modifier rétrospectivement la quantité de caféine ingérée dans l’éprouvette.

Une autre formulation logique équivalente repose sur le test conditionnel « Si… alors » :

• « Si l’expérimentateur modifie la [Variable Indépendante], alors on observera un changement sur la [Variable Dépendante]. »

6.2 Règles mnémotechniques fondées sur l’étymologie

Les associations lexicales directes fournissent des repères mnémotechniques puissants :

• La lettre « I » pour la Variable Indépendante :
  • I comme Initiative : Elle relève de l’initiative du chercheur.
  • I comme Intervention : Elle représente ce dans quoi l’expérimentateur intervient.
  • I comme Intrant (Input) : C’est ce qui est injecté à l’entrée du protocole expérimental.
• La lettre « D » pour la Variable Dépendante :
  • D comme Donnée : Elle constitue la donnée chiffrée collectée sur le terrain.
  • D comme Découlant : Elle représente le comportement qui découle directement des conditions de test.
  • D comme Départ (ou Destination/Output) : Elle est la mesure finale enregistrée à la sortie du système.

6.3 Exercices d’identification rapide et mise en situation

Face à la lecture rapide du résumé (abstract) d’un article scientifique complexe, l’utilisation d’une grille d’auto-évaluation en trois questions permet d’isoler instantanément les variables sans se laisser piéger par les tournures passives :

1. Question 1 : Qu’est-ce que les chercheurs ont manipulé, administré ou utilisé pour séparer les participants en plusieurs groupes ou conditions de test ? → C’est la Variable Indépendante (VI).
2. Question 2 : Qu’est-ce qui a été physiquement chronométré, compté, scoré ou enregistré chez chaque sujet à la fin de la tâche ? → C’est la Variable Dépendante (VD).
3. Question 3 : Quelle mesure figure généralement sur l’axe vertical des graphiques de résultats ? → C’est la Variable Dépendante (VD).

Prenons un extrait scientifique typique : « Une étude a évalué l’impact de trois niveaux de luminosité ambiante (obscurité, lumière tamisée, plein jour) sur la précision du pointage manuel chez des pilotes. »

• La manipulation / condition → Luminosité ambiante (3 niveaux) = VI.
• La mesure enregistrée → Précision du pointage = VD.

7. Typologie et structuration des variables indépendantes dans la recherche

La structuration adéquate des variables indépendantes détermine l’ensemble du dispositif expérimental et commande la sélection des modèles statistiques inférentiels appropriés.

7.1 Niveaux de mesure de la variable indépendante

Selon la nature mathématique du facteur manipulé, la variable indépendante peut être qualifiée à travers plusieurs niveaux d’échelle :

• Variables qualitatives nominales : Les modalités représentent des catégories qualitatives discrètes sans hiérarchie ni ordre intrinsèque. Exemples : le type d’approche psychothérapeutique (TCC vs Psychanalyse vs Gestalt), la présence versus l’absence d’un stimulus d’amorce (priming), ou le type de musique de fond (classique vs rock vs silence).
• Variables ordinales : Les modalités traduisent des états ordonnés selon une échelle de gradation relative, sans que l’intervalle mathématique entre chaque échelon ne soit rigoureusement identique. Exemples : intensité subjective perçue d’un choc électrique (faible, moyenne, forte) ou niveau d’expertise sportive (novice, intermédiaire, élite).
• Variables quantitatives d’intervalle ou de rapport : Les modalités correspondent à des valeurs numériques continues ou discrètes précises dotées d’une unité de mesure standardisée. Exemples : durée exacte d’exposition au stimulus (100 ms, 250 ms, 500 ms), concentration sanguine d’un psychostimulant en mg/L, ou température ambiante régulée en degrés Celsius.

7.2 Variables intra-sujets versus inter-sujets

L’une des décisions architecturales majeures lors de la conception d’un protocole concerne le mode d’exposition des participants aux modalités de la VI :

• Le plan à groupes indépendants (Plan inter-sujets ou Between-Subjects Design) : Chaque participant n’est exposé qu’à une seule et unique modalité de la variable indépendante. Si la VI compte trois modalités (A, B et C), l’échantillon total est subdivisé en trois sous-groupes mutuellement exclusifs.
  • Avantages : Absence totale d’effets de contamination, d’apprentissage ou de fatigue d’une modalité à l’autre.
  • Inconvénients : Nécessite un effectif global important et présente une sensibilité statistique réduite en raison de la variance interindividuelle résiduelle.
• Le plan à mesures répétées (Plan intra-sujets ou Within-Subjects Design) : Chaque participant traverse successivement l’ensemble des modalités de la variable indépendante. Le chercheur mesure la variable dépendante à plusieurs reprises chez le même individu, sous chaque condition expérimentale.
  • Avantages : Réduction drastique de la variance d’erreur interindividuelle (chaque sujet servant de son propre contrôle statistique) et économie importante du nombre total de sujets à recruter.
  • Inconvénients : Vulnérabilité majeure aux effets d’ordre et de report séquentiel.

7.3 Contrôle des biais liés aux variables indépendantes

L’administration de la variable indépendante doit être protégée contre les biais méthodologiques susceptibles de menacer la validité interne de la recherche :

• La randomisation (assignation aléatoire) : Dans les plans inter-sujets, la répartition des participants au sein des différents groupes expérimentaux doit s’effectuer de manière strictement probabiliste. Cela garantit que les caractéristiques individuelles non contrôlées (QI, traits de personnalité, anxiété de base) se distribuent équitablement entre les groupes.
• Le contrebalancement et le carré latin : Dans les plans intra-sujets, afin d’éliminer les effets d’ordre (amélioration des scores due à l’entraînement ou dégradation due à la lassitude) et les effets de report (persistance de l’effet d’une condition A sur la condition B suivante), l’expérimentateur fait varier systématiquement l’ordre de présentation des conditions auprès de sous-groupes de sujets équilibrés.
• La standardisation stricte des consignes : Pour éviter l’effet Rosenthal (ou biais d’attente de l’expérimentateur), les consignes orales ou écrites guidant la manipulation de la VI doivent être informatisées ou lues de façon rigoureusement identique par des expérimentateurs formés.

8. Mesure, sensibilité et échelles de la variable dépendante

La qualité de l’enregistrement de la variable dépendante conditionne directement la finesse des conclusions scientifiques tirées de l’expérimentation.

8.1 Échelles de mesure appliquées aux variables dépendantes

Selon la classification classique de Stanley Smith Stevens (1946), la variable dépendante peut être quantifiée selon quatre niveaux d’échelles de mesure qui imposent des contraintes mathématiques spécifiques sur les opérations permises :

• Échelle nominale : Enregistrement de réponses sous forme de catégories exhaustives et mutuellement exclusives sans notion d’ordre. Exemples : nature de l’erreur commise (persévération vs omission), choix d’orientation dans un labyrinthe (gauche vs droite). Statistiques descriptives permises : mode, fréquences et pourcentages.
• Échelle ordinale : Les réponses sont classées selon un ordre hiérarchique ou un rang. Exemples : rang d’arrivée à une tâche de résolution collective, classement de préférences esthétiques de 1 à 10. Statistiques permises : médiane, quartiles, corrélations de rang (Spearman).
• Échelle d’intervalles : Les écarts numériques entre les graduations ont une signification quantitative constante et égale, mais le zéro est arbitraire et conventionnel (il ne signifie pas une absence totale du phénomène). Exemple canonique : le score à une échelle de quotient intellectuel standardisée (QI) ou la température en degrés Celsius. Statistiques permises : moyenne, écart-type, analyse de variance (ANOVA).
• Échelle de rapports (ratio) : Possède toutes les propriétés de l’échelle d’intervalles avec, en sus, un zéro absolu naturel signifiant l’absence totale de la propriété mesurée. Exemples : le temps de réaction en millisecondes (0 ms = absence de délai), la force d’écrasement sur une poignée dynamométrique en Newtons, le taux de cortisol salivaire en nmol/L. Toutes les opérations mathématiques, incluant les ratios et proportions, y sont autorisées.

8.2 Gestion des artefacts et erreurs d’évaluation de la VD

Lors de la collecte de la variable dépendante, plusieurs biais de mesure peuvent polluer les données brutes :

• Le biais de désirabilité sociale et les caractéristiques de la demande : Dans les questionnaires auto-rapportés, les participants ont tendance à modifier spontanément leurs réponses pour se conformer aux normes sociales perçues ou aux attentes supposées de l’expérimentateur (effet Hawthorne). La neutralisation de ce biais exige l’anonymisation rigoureuse des passations et l’utilisation d’échelles de mensonge (lie scales).
• Le biais de l’observateur (Observer-Expectancy Effect) : Lorsqu’un évaluateur humain côte manuellement des comportements (par exemple le niveau d’agressivité d’un enfant lors d’un jeu vidéo), sa connaissance préalable du groupe expérimental auquel appartient le sujet risque d’orienter inconsciemment son évaluation. Ce problème est résolu par la mise en œuvre de protocoles en aveugle simple ou en double aveugle, où ni le sujet ni l’évaluateur ne connaissent l’assignation de condition.
• Le manque de sensibilité métrique : L’utilisation d’un instrument de mesure inadapté génère du bruit expérimental qui gonfle la variance résiduelle et réduit considérablement la puissance statistique du test d’hypothèse.

8.3 Combinaison et convergence de multiples variables dépendantes

Dans l’étude des processus psychologiques complexes, l’utilisation d’une variable dépendante isolée s’avère souvent insuffisante pour capturer toutes les nuances du phénomène. Les chercheurs recourent alors à des stratégies multivariées :

• La triangulation méthodologique : Consiste à enregistrer simultanément plusieurs VD appartenant à des registres différents (par exemple, confronter le niveau d’anxiété auto-rapporté sur une échelle de Likert avec la conductance cutanée et l’activité de l’amygdale en neuro-imagerie). La convergence des résultats renforce la validité nomologique du construit théorique.
• Les scores composites et réduction de dimension : Lorsque de multiples indicateurs comportementaux corrélés sont recueillis, le chercheur peut agréger ces scores unitaires en un score composite unique (via l’analyse en composantes principales – ACP ou l’analyse factorielle confirmatoire), augmentant ainsi la fidélité globale de la mesure dépendante.

9. La relation causale et l’impact des variables parasites ou confondantes

Dans un cadre expérimental idéal, la variable indépendante est la cause exclusive des fluctuations constatées sur la variable dépendante. Toutefois, dans la pratique empirique, d’autres sources de variation viennent perturber cette relation unilatérale.

9.1 Définition des variables confondantes et modératrices

Toute recherche doit faire face à l’interférence de variables non désirées :

• Variables parasites aléatoires (Bruit de fond) : Facteurs non contrôlés qui varient de façon imprévisible d’un sujet à l’autre sans favoriser un groupe particulier (ex. légères variations de température dans la pièce, fatigue ponctuelle d’un sujet). Elles augmentent l’erreur de mesure sans fausser systématiquement la direction de l’effet.
• Variables confondantes systématiques (Confounding Variables) : Facteurs externes qui covarient simultanément avec la variable indépendante et la variable dépendante. Une variable confondante détruit la validité interne de l’expérience, car il devient impossible de déterminer si l’effet constaté sur la VD résulte de la manipulation de la VI ou de la présence cachée de ce facteur parasite.
• Variables modératrices : Une variable modératrice (Z) est une variable qualitative ou quantitative qui altère la direction ou la force de la relation directe unissant la variable indépendante (X) et la variable dépendante (Y). Elle répond à la question fondamentale « Quand ou Pour qui cet effet se manifeste-t-il ? » (par exemple, l’effet d’un traitement pharmacologique sur l’humeur peut être fort chez les adultes mais nul chez les adolescents, le groupe d’âge agissant ici comme variable modératrice).

9.2 Variables médiatrices : expliquer le mécanisme sous-jacent

Alors que la modération précise les conditions limites d’un phénomène, la variable médiatrice (M) dévoile le mécanisme explicatif interne reliant la VI à la VD. Elle répond à la question : « Pourquoi ou Par quel processus la variable indépendante influence-t-elle la variable dépendante ? »

Dans une chaîne causale de médiation, la variable indépendante déclenche une modification de la variable médiatrice, qui à son tour engendre la réponse observée sur la variable dépendante ($X \rightarrow M \rightarrow Y$).

Selon l’approche séminale de Baron et Kenny (1986), confirmée par les méthodes modernes d’inférence par ré-échantillonnage (bootstrapping), la démonstration formelle d’une médiation statistique exige de vérifier :

1. Que la VI prédit significativement la VD (trajectoire directe initiale).
2. Que la VI prédit significativement la variable médiatrice présumée.
3. Que la variable médiatrice prédit significativement la VD lorsque la VI est contrôlée dans l’équation de régression.
4. Que l’effet direct de la VI sur la VD diminue significativement (médiation partielle) ou s’annule totalement (médiation complète) lors de l’intégration du médiateur dans le modèle statistique.

9.3 Techniques de neutralisation des variables parasites

Pour préserver la pureté de la relation causale entre la VI et la VD, la méthodologie expérimentale déploie trois lignes de défense fondamentales :

• Le maintien à niveau constant (Standardisation environnementale) : L’ensemble des facteurs de l’environnement physique susceptibles d’influencer la VD (bruit acoustique, niveau d’éclairage en lux, heure de la passation, distance par rapport à l’écran) sont maintenus rigoureusement identiques pour tous les sujets et dans toutes les conditions.
• L’appariement (Matching) : Consiste à s’assurer que les sous-groupes expérimentaux présentent une équivalence stricte sur une variable confondante potentielle identifiée a priori (par exemple, en veillant à ce que le groupe contrôle et le groupe expérimental présentent un âge moyen et un niveau socio-éducatif strictement identiques).
• Le contrôle statistique a posteriori : Lorsque certaines variables parasites n’ont pas pu être neutralisées lors du recueil, le chercheur les intègre comme covariables dans des modèles statistiques avancés, tels que l’analyse de covariance (ANCOVA) ou la régression multiple hiérarchique, permettant d’isoler l’effet net de la VI en soustrayant mathématiquement la variance imputable à la covariable.

10. Plans expérimentaux complexes : multiples variables indépendantes et dépendantes

Si les protocoles univariés simples à une seule VI et une seule VD fournissent des bases solides, la compréhension des comportements réels exige le déploiement d’architectures de recherche factorielles et multivariées.

10.1 Plans factoriels et étude des effets d’interaction

Un plan factoriel se caractérise par la manipulation simultanée d’au moins deux variables indépendantes au sein de la même expérience. Il est formalisé par une notation matricielle décrivant le nombre de facteurs et leurs modalités respectives (par exemple, un plan $2 \times 2$ comporte deux variables indépendantes à deux modalités chacune, générant 4 conditions expérimentales ; un plan $3 \times 2 \times 2$ comporte trois VI totalisant 12 conditions).

Les plans factoriels permettent de calculer deux types d’effets statistiques distincts :

• Les effets principaux : Représentent l’effet direct et isolé d’une variable indépendante sur la variable dépendante, calculé en moyennant les résultats sur l’ensemble des modalités des autres variables indépendantes.
• Les effets d’interaction ($VI_1 \times VI_2$) : Un effet d’interaction se produit lorsque l’impact d’une variable indépendante sur la variable dépendante change de magnitude ou de direction selon le niveau d’une seconde variable indépendante. L’analyse des interactions constitue la richesse majeure des plans factoriels.

Sur le plan graphique, la présence d’une interaction significative se signale immédiatement par le non-parallélisme des lignes ou des pentes de régression reliant les moyennes des conditions. Si les droites sont strictement parallèles, les effets des deux VI sont purement additifs sans interaction. Si les droites divergent, convergent ou se croisent (interaction croisée ou « crossover interaction »), l’effet d’un facteur dépend intimement du contexte fixé par l’autre facteur.

10.2 Plans multivariés à plusieurs variables dépendantes (MANOVA)

Lorsqu’une recherche intègre simultanément plusieurs variables dépendantes conceptuellement liées (par exemple le rappel libre, le rappel indicé et la vitesse de reconnaissance), l’application naïve d’une série d’analyses de variance (ANOVA) univariées indépendantes sur chaque VD constitue une erreur méthodologique majeure : cela gonfle exponentiellement le risque global d’erreur de première espèce ($\alpha$), conduisant à rejeter l’hypothèse nulle à tort.

L’Analyse de Variance Multivariée (MANOVA) surmonte cet écueil en traitant simultanément l’ensemble des variables dépendantes sous la forme d’un vecteur de moyennes multidimensionnel (centroïde) et en prenant en considération la matrice de variance-covariance inter-variables. Cette approche multivariée permet de tester si la variable indépendante altère la configuration spatiale globale des réponses sans fragmenter l’analyse statistique.

10.3 Modélisation en équations structurelles et systèmes de variables

Dans les designs longitudinaux et les études de terrain complexes, la frontière stricte entre variable indépendante et variable dépendante s’estompe au profit des concepts de variables exogènes et de variables endogènes :

• Variables exogènes : Facteurs dont la variabilité est entièrement déterminée en dehors du modèle théorique (équivalent généralisé des variables indépendantes pures).
• Variables endogènes : Variables dont les fluctuations sont expliquées par d’autres variables intégrées au modèle mathématique. Une variable endogène peut jouer successivement le rôle de variable dépendante par rapport à un facteur en amont, puis de variable indépendante prédictive vis-à-vis d’une variable en aval au sein de la même chaîne causale.

La modélisation par équations structurelles (SEM – Structural Equation Modeling) permet d’estimer simultanément ces réseaux complexes d’interdépendance causale, combinant analyse factorielle confirmatoire pour les construits latents non mesurables directement et analyse de trajectoires (path analysis) pour les liens directionnels.

11. Représentation graphique, analyse statistique et interprétation

La transmission claire des résultats expérimentaux et la rigueur de leur interprétation reposent sur l’application de conventions graphiques et statistiques universellement admises au sein de la communauté scientifique.

11.1 Conventions graphiques standardisées

Dans l’ensemble de la littérature scientifique en sciences exactes et humaines, la disposition des variables sur un système d’axes cartésiens répond à une règle de présentation non négociable :

• L’axe horizontal des abscisses (Axe X) : Accueille systématiquement la Variable Indépendante (VI). Ses différentes modalités, catégories ou graduations continues y sont disposées de gauche à droite.
• L’axe vertical des ordonnées (Axe Y) : Reçoit obligatoirement la Variable Dépendante (VD). L’échelle de valeur de la mesure s’y déploie de bas en haut.

Le choix du format graphique dépend de la nature d’échelle de la variable indépendante :

• Si la VI est nominale ou ordinale discrète : on utilisera des diagrammes en bâtons ou histogrammes, en prenant soin d’adjoindre au sommet de chaque barre des barres d’erreur matérialisant l’erreur-type de la moyenne ($SEM$) ou l’intervalle de confiance à 95% ($IC_{95%}$).
• Si la VI est quantitative continue : on privilégiera un diagramme de dispersion (scatterplot) avec une droite ou une courbe d’ajustement de régression modélisant la fonction mathématique reliant les deux entités.

11.2 Choix des tests statistiques d’hypothèse selon les variables

La sélection du test statistique d’inférence dépend directement du croisement entre la nature de l’échelle de la VI (qualitative discrète vs quantitative continue), le plan d’assignation (inter vs intra-sujets) et la distribution métrique de la VD :

Structure de la VI	Distribution de la VD	Test Paramétrique Standard	Équivalent Non-Paramétrique
1 VI à 2 modalités (Inter-sujets)	Continue / Distribution Normale	Test t de Student pour échantillons indépendants	Test U de Mann-Whitney / Wilcoxon rank-sum
1 VI à 2 modalités (Intra-sujets)	Continue / Distribution Normale	Test t de Student pour échantillons appariés	Test des rangs signés de Wilcoxon
1 VI à 3 modalités ou plus (Inter)	Continue / Homoscédasticité	ANOVA à un facteur inter-sujets (One-Way ANOVA)	Test de Kruskal-Wallis
1 VI à 3 modalités ou plus (Intra)	Continue / Sphéricité vérifiée	ANOVA à mesures répétées	Test de Friedman
2 VI ou plus (Plans factoriels)	Continue / Distribution Normale	ANOVA factorielle croisée ($N \times M$)	Modèles linéaires généralisés non-paramétriques
1 ou plusieurs VI continues	Continue	Régression linéaire simple ou multiple	Régression de rangs / Régression quantile

11.3 Interprétation de la taille de l’effet et significativité clinique

Une erreur fréquente consiste à limiter l’interprétation des résultats à la seule valeur de probabilité $p$ ($p$-value). Si la valeur de $p$ indique si la différence observée entre les modalités de la VI sur la VD est statistiquement imputable au hasard (généralement au seuil critique de $\alpha = .05$), elle ne renseigne en rien sur la magnitude réelle ou l’importance pratique de l’effet découvert.

L’estimation rigoureuse de la relation VI-VD requiert impérativement le calcul des indices standardisés de taille d’effet :

• Le $d$ de Cohen : Utilisé lors de la comparaison de deux moyennes. Un $d = 0.20$ reflète un effet de faible ampleur, $d = 0.50$ un effet moyen, et $d ge 0.80$ un effet de forte amplitude.
• L’êta-carré partiel ($\eta_p^2$) : Utilisé dans le cadre des analyses de variance factorielles. Il quantifie la proportion de la variance totale de la variable dépendante expliquée spécifiquement par la variable indépendante, après avoir extrait la variance des autres facteurs du plan.

Cette quantification de la taille d’effet permet de distinguer la significativité purement statistique de la significativité clinique ou pratique, guidant la prise de décision thérapeutique ou sociétale.

12. Erreurs méthodologiques courantes et bonnes pratiques de recherche

La maîtrise de la distinction entre variable indépendante et variable dépendante se traduit par la capacité à identifier et à contourner les pièges classiques lors de la conception des protocoles expérimentaux.

12.1 Confusions conceptuelles fréquentes chez les chercheurs

Parmi les maladresses les plus régulièrement recensées dans les mémoires de recherche et les manuscrits scientifiques soumis aux revues à comité de lecture, trois erreurs prédominent :

• L’inversion accidentelle de la causalité rédactionnelle : Consiste à décrire la variable dépendante comme le facteur ayant guidé le regroupement des participants, ou à formuler des phrases ambiguës inversant le rôle de l’intrant et de l’extrant lors de la discussion des résultats.
• La confusion entre variable invoquée et causalité stricte : Présenter les résultats issus d’une variable indépendante invoquée (ex. le genre ou le groupe clinique) comme apportant la preuve formelle d’une relation de cause à effet directe, en omettant de mentionner les multiples facteurs de confusion historiques, sociaux ou biologiques indissociables de ces groupes préexistants.
• La requalification erronée d’un plan quasi-expérimental : Traiter méthodologiquement une étude corrélationnelle transversale comme s’il s’agissait d’une expérimentation contrôlée de laboratoire, accordant aux corrélations linéaires le statut de liens causaux certains.

12.2 Défis éthiques et contraintes de manipulation des variables

La liberté du chercheur de manipuler toute variable indépendante à des fins de vérification scientifique est strictement bornée par les principes universels de la bioéthique et de la déontologie de la recherche humaine (Déclaration d’Helsinki, code de conduite de l’APA) :

• Impossibilité éthique de manipulation nocive : Il est strictement interdit d’assigner aléatoirement des participants à des modalités de variables indépendantes susceptibles de porter atteinte à leur intégrité physique, psychique ou morale (par exemple, induire un traumatisme sévère, forcer la consommation prolongée de substances toxiques ou administrer des punitions physiques invalidantes).
• Recours aux plans ex-post-facto et quasi-expérimentaux : Face à ces impératifs éthiques, le chercheur étudie ces phénomènes en sélectionnant des sujets ayant déjà subi spontanément ces situations dans leur milieu de vie (VI invoquées), ou développe des modèles animaux contrôlés dans le respect des comités d’éthique animale.
• Le consentement éclairé et le débriefing obligatoire : Lorsqu’une manipulation de la VI nécessite une induction temporaire de stress modéré ou le recours à la tromperie (deception) pour éviter les biais de demande, un protocole strict de débriefing post-expérimental immédiat doit être mis en place pour restaurer l’état émotionnel initial du participant et lui expliquer les finalités réelles de l’étude.

12.3 Guide étape par étape pour concevoir un protocole rigoureux

Pour garantir la validité interne et externe d’un projet de recherche, l’agencement méthodique des variables doit respecter une séquence d’actions rigoureuse :

1. Formulation de la question théorique : Définir clairement le modèle conceptuel sous-jacent et les relations présumées entre les construits abstraits.
2. Opérationnalisation de la Variable Indépendante : Déterminer la nature de la manipulation (provoquée vs invoquée), fixer le nombre exact de modalités, calibrer les niveaux de stimulation et sélectionner le type de plan expérimental (inter-sujets, intra-sujets ou mixte).
3. Opérationnalisation de la Variable Dépendante : Sélectionner un indicateur psychométrique ou comportemental valide, sensible, fidèle et exempt d’effets de plancher ou de plafond, capable de refléter avec précision les modifications du système.
4. Identification et neutralisation des variables parasites : Dresser l’inventaire systématique des variables confondantes potentielles, standardiser l’environnement matériel, prévoir les procédures de randomisation et de contrebalancement séquentiel.
5. Pré-enregistrement du protocole (Preregistration) : Déposer formellement l’hypothèse opérationnelle, le plan de recherche et le pipeline d’analyses statistiques sur une plateforme publique d’Open Science (telle que l’Open Science Framework) avant tout recueil de données, prévenant ainsi les biais rétrospectifs (HARKing et p-hacking).
6. Recueil standardisé, analyse statistique et diffusion transparente : Mener la collecte dans le respect scrupuleux des conditions définies, appliquer les tests inférentiels paramétriques ou non-paramétriques prévus, et rapporter systématiquement les tailles d’effet ainsi que les limites méthodologiques de l’étude.

Références

• American Psychological Association. (2020). Publication Manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Baron, R. M., & Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182. https://doi.org/10.1037/0022-3514.51.6.1173
• Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates.
• Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). SAGE Publications.
• Goodwin, K. A., & Goodwin, C. J. (2016). Research In Psychology: Methods and Design (8th ed.). John Wiley & Sons.
• Kline, R. B. (2015). Principles and Practice of Structural Equation Modeling (4th ed.). Guilford Press.
• Rosenthal, R., & Rosnow, R. L. (2008). Essentials of Behavioral Research: Methods and Data Analysis (3rd ed.). McGraw-Hill.
• Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and Quasi-Experimental Designs for Generalized Causal Inference. Houghton Mifflin.
• Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103(2684), 677–680. https://doi.org/10.1126/science.103.2684.677
• Tabachnick, B. G., & Fidell, L. S. (2019). Using Multivariate Statistics (7th ed.). Pearson.