Analyse de Correlation

Ricco Rakotomalala
Analyse de corrlation
tude des dpendances - Variables quantitatives

Version 1.1
Universit Lumire Lyon 2

Page: 1
job: Analyse_de_Correlation
macro: svmono.cls
date/time: 8-Mar-2015/7:21
Page: 2
macro: svmono.cls
Avant-propos
Ce support dcrit les mthodes statistiques destines quantier et tester la liaison entre
variables
quantitatives : on parle d'analyse de corrlation dans la littrature.

Il correspond une partie des enseignements d'conomtrie (je prfre l'appellation
naire Multiple )
Rgression Li-
en L3-IDS de la Facult de Sciences Economiques de l'Universit Lyon 2 (http:
//dis.univ-lyon2.fr/).
Il se veut avant tout oprationnel. Nous nous concentrons sur les principales
formules et leur mise en oeuvre pratique avec un tableur. Autant que possible nous ferons le parallle
avec les rsultats fournis par les logiciels de statistique libres et/ou commerciaux. Le bien-fond des tests,
la pertinence des hypothses opposer sont peu ou prou discutes. Nous invitons le lecteur dsireux
d'approfondir les bases thoriques consulter les ouvrages numrs dans la bibliographie.
Un document ne vient jamais du nant. Pour laborer mes supports, je m'appuie sur direntes
rfrences, des ouvrages disais-je plus tt, mais aussi des ressources en ligne qui sont de plus en plus
prsents aujourd'hui dans la diusion de la connaissance. Les seuls bmols par rapport ces documents
sont le doute que l'on pourrait mettre sur l'exactitude des informations prodigues, mais la plupart
de leurs auteurs sont des enseignants-chercheurs qui font srieusement leur travail (de toute manire je
multiple les vrications avant d'y faire rfrence) ; une disponibilit plus ou moins alatoire, au gr des
migrations des serveurs et de la volont de leurs auteurs, auquel il est trs dicile de remdier (dsol s'il
y a des liens qui ne fonctionnent plus) ; les informations sont disparates, avec une absence d'organisation,
la dirence des ouvrages qui suivent une ligne pdagogique trs structurante.
Nanmoins, ces ressources en ligne renouvellent profondment le panorama des documents disponibles
pour les enseignements. Il y a la gratuit bien sr. C'est un aspect important. Mais il y a aussi l'accs
des fonctionnalits qui sont moins videntes avec les supports classiques. Par exemple, dans la grande
majorit des cas, les donnes qui illustrent les documents sont accessibles sur le site web de diusion.
C'est un atout fort. Pour notre cas, le lecteur pourra (j'espre) reproduire aisment les calculs prsents
l'aide du chier EXCEL qui accompagne ce document.
Concernant ce support, rendons Csar ce qui lui appartient. Parmi les direntes rfrences utilises,
j'ai beaucoup t inuenc par
excellents ouvrages : celui de Chen et Popovitch [2], il fait partie de la
non moins excellente srie "Quantitative Applications in the Social Sciences" de Sage University Paper ;
Page: 3
macro: svmono.cls
Avant-propos
celui de Avazian [1], qui fait partie des rfrences, introuvables aujourd'hui, que je bichonne dans ma
bibliothque.
Ce support est totalement gratuit. Vous pouvez en reprendre des parties dans vos propres productions
ou dans vos enseignements, tant qu'elles sont elles-mmes diuses titre non commercial. Une citation
de la source originale serait apprcie.
Bien entendu, selon la formule consacre, ce document n'engage que son auteur. Toutes suggestions
ou commentaires qui peuvent en amliorer le contenu sont le bienvenu.
Page: 4
macro: svmono.cls
Table des matires
Partie I Analyse de Corrlation

1
Liaison entre 2 variables quantitatives
............................................
1.1
Objectif : analyser la liaison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Analyse graphique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3
Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Coecient de corrlation
.........................................................
2.1
Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2
Coecient de corrlation de Pearson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.3
Coecient de corrlation empirique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
2.4
Test de signicativit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
2.5
Test de conformit et intervalle de conance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
2.6
Problmes et cas pathologiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
Tests de comparaison de corrlations
.............................................
25
coecients de corrlation (chantillons indpendants) . . . . . . . . . . . . . . .
25
3.1
Comparaison de
3.2
Comparaison de
K (K 2)
3.3
Comparaison de
3.4
Comparaison de
coecients (chantillons indpendants) . . . . . . . . . . . . . . . . . . .
27
coecients de corrlation (mme chantillon) - Cas 1 . . . . . . . . . . . . . . .
29
coecients de corrlation (mme chantillon) - Cas 2 . . . . . . . . . . . . . . .
30
3.5
Test de nullit des corrlations croises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
3.6
Comparaison de
matrices des corrlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
3.7
Commentaires sur la comparaison des coecients de corrlations . . . . . . . . . . . . . . . . . . . . .
38
Variations autour de la corrlation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
4.1
Corrlation bisriale ponctuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
4.2
Corrlation mutuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
4.3
Le coecient
.................................................................
47
4.4
de Spearman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
4.5
de Kendall . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
56
Page: 5
macro: svmono.cls
Table des matires

4.6
Rapport de corrlation
.........................................................
62
Partie II Corrlations partielles et semi-partielles

5
Corrlation partielle paramtrique et non paramtrique
..........................
69
5.1
Principe de la corrlation partielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
5.2
Corrlation partielle d'ordre
5.3
Corrlation partielle d'ordre
p (p > 1)
5.4
Corrlation partielle sur les rangs -
bas sur le
de Pearson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
de Pearson . . . . . . . . . . . . . . . . . . . . . . .
74
de Spearman partiel . . . . . . . . . . . . . . . . . . . . . . . . . . .
78
Corrlation semi-partielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
83
6.1
Principe de la corrlation semi-partielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
83
6.2
Calcul et infrence statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
83
6.3
Corrlation semi-partielle d'ordre
bas sur le
71
...............................................
85
A Gestion des versions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
89
B Fichier de donnes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
91
C L'analyse de corrlation avec Tanagra
............................................
93
D L'analyse de corrlation avec R - Package 'psych' . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
95
Littrature
99
Page: 6
...........................................................................
macro: svmono.cls
Partie I
Analyse de Corrlation
Page: 1
macro: svmono.cls
Page: 2
macro: svmono.cls
1
tudier la liaison entre deux variables quantitatives
1.1 Objectif : analyser la liaison

Soient
et
deux grandeurs statistiques quantitatives observes. On souhaite :
1. Dterminer s'il existe une relation entre
et
Y.
2. Caractriser la forme de la liaison (la relation) entre
et
(positive ou ngative, linaire ou non
linaire, monotone ou non monotone).

3. Tester si la liaison est statistiquement signicative.
4. Quantier l'intensit de la liaison.
5. Valider la liaison identie. Est-ce qu'elle n'est pas le fruit d'un simple artefact ou le produit d'autres
informations sous-jacentes dans les donnes ?
Attention, la position des variables est symtrique dans ce cadre. On ne veut pas valuer l'inuence
d'une des variables sur l'autre, la dirence de la rgression.
1.2 Analyse graphique

L'analyse graphique est une bonne manire de comprendre les direntes caractristiques numres
ci-dessus. Le graphique "nuage de points" est l'outil privilgi . Nous plaons en abscisse la variable
en ordonne la variable
Y,
X,
chaque observation est positionne dans le repre ainsi constitu. L'intrt est
multiple : nous pouvons situer les proximits entre les individus ; tudier la forme globale des points, voir
notamment s'il existe une forme de liaison ou de rgularit ; dtecter visuellement les points qui s'cartent
des autres, les observations atypiques ; vrier s'il n'y a pas de regroupement suspects, laissant entendre
qu'il y a en ralit une troisime variable qui inuence le positionnement des individus...
Dans la gure 1.1, nous illustrons quelques types de liaisons qui peuvent exister entre
variables
continues :

Liaison linaire positive. X

augmentation de
Y,
et
voluent dans le mme sens, une augmentation de
du mme ordre quelle que soit la valeur de
entrane une
X.
1. http://www.ebsi.umontreal.ca/jetrouve/illustre/nuage.htm
Page: 3
macro: svmono.cls
1 Liaison entre 2 variables quantitatives
Fig. 1.1.
Liaison linaire ngative. X

la valeur de
voluent en sens inverse. La pente est inchange quelle que soit
Liaison monotone positive non-linaire. X
et
voluent dans le mme sens, mais la pente est
X.
Liaison non-linaire non-monotone. Il y a une relation fonctionnelle (de type sinusodale ici) entre
X
et
X.
dirente selon le niveau de

Quelques types de liaisons entre 2 variables
et
Y.
Mais la relation n'est pas monotone,
Absence de liaison. La valeur de X

situation caractristique est que
peut augmenter ou diminuer selon la valeur de
ne donne indication sur la valeur de
(ou
Y)
Y,
X.
et inversement. L'autre
est constant quelle que soit la valeur de la seconde
variable.
Page: 4
macro: svmono.cls
1.3 Notations
1.3 Notations
Nous utiliserons les conventions suivantes dans ce support :
variable est note en majuscules (X est une variable).

xi correspond la valeur prise par l'observation numro i pour la variable X .
Une

La population parente est note

L'chantillon est not
pop .
l'eectif de l'chantillon est
nous travaillons sur un chantillon de
n = card().
observations, constitues de couples
{(xi , yi ), i = 1, . . . , n}.
La moyenne empirique calcule sur l'chantillon est
L'cart type empirique est
Page: 5
sx =

n
1
n
Dans le cadre de la corrlation,
i=1 (xi
x
=
1
n
n
i=1
(xi , yi )
c.--d.
xi
x
)2
macro: svmono.cls
Page: 6
macro: svmono.cls
2
Coecient de corrlation de Bravais-Pearson
2.1 Covariance
L'objectif de la covariance est de quantier la liaison entre deux variables
en vidence le
sens
de la liaison et son
et
Y , de manire mettre
intensit.
2.1.1 Dnition
La covariance est gale l'esprance du produit des variables centres.
COV (X, Y ) = E{[X E(X)][Y E(Y )]}
(2.1)
On peut aussi l'crire comme l'esprance du produit des variables, moins le produit des esprances.
COV (X, Y ) = E[XY ] E[X]E[Y ]
(2.2)
Signication. La covariance mesure la tendance des deux variables tre simultanment au dessus
ou en dessous de leurs esprances respectives. Elle modlise une liaison monotone.
Quelques remarques :
1. La rfrence est donc l'esprance mathmatique, on veut savoir si : lorsque
esprance,
est suprieur a son
a tendance tre suprieur (ou infrieur) son esprance.
2. On peut maintenant quantier le

COV (X, Y ) > 0
sens
de la liaison
: la relation est positive c.--d. lorsque
est plus grand que son esprance,
est plus grand que son esprance,
tendance l'tre galement ;

COV (X, Y ) = 0
: absence de relation monotone ;
COV (X, Y ) < 0
: la liaison est ngative c.--d. lorsque
tendance tre plus petit que sa propre esprance.

3. La covariance d'une variable avec elle-mme est la variance, la relation est toujours positive. En eet,
Page: 7
macro: svmono.cls
2 Coecient de corrlation
COV (X, X) = E{[X E(X)][X E(X)]}
= E{[X E(X)]2 }
= V (X)
>0
2.1.2 Proprits
Voici les principales proprits de la covariance (Note : essayez d'eectuer les dmonstrations partir
de la dnition et des proprits de l'esprance mathmatique).
1.
Symtrie. COV (X, Y ) = COV (Y, X)
2.
Distributivit. COV (X, Y
+ Z) = COV (X, Y ) + COV (X, Z)
(... ne pas oublier que
E[X + Y ] =
E[X] + E[Y ])
3.
Covariance avec une constante. COV (X, a) = 0
4.
Covariance avec une variable transforme.(Transformation ane) COV (X, a + b Y ) = b

COV (X, Y )
5.
Variance de la somme de deux variables alatoires. V (X +Y ) = V (X)+V (Y )+2COV (X, Y )
6.
Covariance de 2 variables indpendantes.

X, Y independants COV (X, Y ) = 0
Attention, la rciproque est gnralement fausse. Ce n'est pas parce que la covariance est nulle que
les variables sont forcment indpendantes.
(Remarque : Pour dmontrer cette proprit, il ne faut pas oublier que lorsque
dants,
et
sont indpen-
E[X Y ] = E[X] E[Y ]).
2.1.3 Domaine de dnition

La covariance est dnie dans l'ensemble des rels c.--d.
< COV (.) < +.
Il permet de se
rendre compte du sens de la liaison. Plus sa valeur est leve (en valeur absolue), plus la liaison est
forte. Mais nous ne savons pas quelle est la limite. Nous ne pouvons pas non plus comparer la covariance
d'une variable
avec deux autres variables
et
Z.
Dans la pratique, nous prfrerons donc une mesure
normalise : le coecient de corrlation rpond ces spcications (section 2.2).
2.1.4 Estimation
Sur un chantillon de taille
n,
la covariance empirique est dnie de la manire suivante :
n
Sxy =
i=1 (xi
x
)(yi y)
n
On montre que c'est un estimateur biais de la covariance, en eet
Page: 8
macro: svmono.cls
(2.3)
E[Sxy ] =
n1
n COV
(X, Y ).
2.1 Covariance
L'estimateur sans biais de la covariance
1 s'crit par consquent :
x
)(yi y)
=
n1
i=1 (xi
(X, Y ) =
COV
n
i=1
xi yi n
xy
n1
(2.4)
Dtails des calculs sur un exemple. Pour prciser les ides, dtaillons les calculs dans le tableur
EXCEL. Nous cherchons calculer la covariance entre la cylindre et la puissance de
28 vhicules (Figure
2.1) :
Fig. 2.1.
Dtails des calculs - Estimation de la covariance
Au bas de la feuille de calcul, en colonne C et D nous avons la moyenne de chaque variable.

Dans la colonne E, nous calculons le produit
(xi yi ),
dont la somme est
4451219.
Nous pouvons alors former la covariance empirique (formule 2.3), elle est gale
L'estimateur sans biais (formule 2.4) tant lui gal
s'amenuise mesure que l'eectif
19062.2063.
18381.4133.
L'cart entre les deux valeurs
augmente.
Notons que la fonction "COVARIANCE(...)" du tableur EXCEL fournit la covariance empirique.
Comparaison de covariances.
Illustrons maintenant l'impossibilit de comparer des covariances
lorsque les variables sont exprimes dans des units direntes. Nous souhaitons travailler sur un chier
de
28
vhicules dcrites l'aide de la cylindre, la puissance, le poids et la consommation (Figure 2.2 ; ce
chier reviendra plusieurs fois dans ce support).
1. Faire le parallle avec l'estimateur sans biais de la variance

Page: 9
macro: svmono.cls
10
Fig. 2.2.
Fichier "consommation des automobiles"
La covariance empirique de la variable "consommation" avec les autres variables nous donne respectivement : cylindre =
1197.6 ;
puissance =
61.7 ;
poids =
616.3.
Manifestement, les valeurs ne se situent
pas sur la mme chelle, toute comparaison n'a aucun sens.
2.2 Coecient de corrlation de Pearson

2.2.1 Dnition
Le coecient de corrlation linaire simple, dit de
Bravais-Pearson
(ou de
Pearson ), est une norma-
lisation de la covariance par le produit des carts-type des variables.
COV (X, Y )
rxy =
V (X) V (Y )
COV (X, Y )
=
x y
(2.5)
(2.6)
Remarque 1 (Prcisions sur la notation). Dans ce qui suit, s'il n'y a pas d'ambiguts, nous omettrons les
indices
et
Y.
2.2.2 Proprits
1. Il est de mme signe que la covariance, avec les mmes interprtations.
Page: 10
macro: svmono.cls
2.3 Coecient de corrlation empirique

2.
et
sont indpendants, alors
11
r = 0. La rciproque est fausse, sauf cas particulier que nous prcisons
maintenant.
3. Lorsque le couple de variables
avons l'quivalence
(X, Y )
r = 0 X
et
suit une loi normale bi-varie, et uniquement dans ce cas, nous
sont indpendants. Dans ce cas, le coecient de corrlation
caractrise parfaitement la liaison entre
et
Y.
Dans les autres cas, le coecient de corrlation
constitue une mesure parmi les autres de l'intensit de la corrlation.
intensit de liaison linaire entre 2 variables.
4. Le coecient de corrlation constitue une mesure de l'
Il peut tre gal zro alors qu'il existe une liaison fonctionnelle entre les variables. C'est le cas lorsque
la liaison est non monotone.
5. La corrlation d'une variable avec elle mme est
rxx = 1.
2.2.3 Domaine de dnition

Le coecient de corrlation est indpendant des units de mesure des variables, ce qui autorise les
comparaisons. La mesure est normalise, elle est dnie entre
1 r +1
(2.7)
Lorsque :

r = +1,
la liaison entre
fournit la valeur de

r = 1,
et
est linaire, positive et parfaite c.--d. la connaissance de
nous
(et inversement).
la liaison est linaire et ngative.
2.2.4 Quelques exemples graphiques

Reprenons les exemples graphiques prsents ci-dessus (section 1.2, gure 1.1), achons maintenant
le coecient de corrlation (Figure 2.3). Si la liaison est non monotone,
liaison est monotone mais non linaire,
n'est d'aucune utilit. Si la
caractrise mal l'intensit de la liaison.

2.3.1 Dnition
n, nous estimons le coecient de corrlation l'aide de la formule suivante
(quation 2.8) :
2. Pour raliser la dmonstration, il faut s'appuyer sur deux pistes

Y
X
+
) 0 r 1
x
y
X
Y
V(
) 0 r +1
x
y
V(
Page: 11
macro: svmono.cls
12
Fig. 2.3.
Coecients de corrlation pour dirents types de liaison
)(yi y)
i=1 (xi x
n
2
)
i=1 (xi x
i=1 (yi
r = n
On parle de
coecient de corrlation empirique
y)2
(2.8)
dans la littrature. Aprs quelques simplications,
nous pouvons galement utiliser la formulation suivante :
r =
xi yi n
xy
yi2 n
y2
x2i n
x2
(2.9)
Nous pouvons calculer le coecient de corrlation sans disposer du dtail des observations, les quantits pr-calcules
Page: 12
x
, y,
xi yi ,
x2i
et
yi2
susent.
macro: svmono.cls
13
2.3.2 Interprtation
Le coecient de corrlation sert avant tout caractriser une relation linaire positive ou ngative.
Il s'agit d'une mesure symtrique. Plus il est proche de
r=0
(en valeur absolue), plus la relation est forte.
indique l'absence de corrlation, il quivaut un test d'indpendance si et seulement si le couple
(X, Y )
suit une loi normale bivarie.
La valeur de
r n'a
pas de signication intrinsque. En revanche, son carr c.--d.
r2 ,
que l'on appelle
coecient de dtermination, s'interprte comme la proportion de variance de Y (resp. X ) linairement explique par X (resp. Y ). On peut faire le rapprochement avec les rsultats produits avec la
3
rgression linaire .
Ainsi,
avec
r = 0.9,
r = 0.81,
on voit que la liaison est forte, puisqu'elle se rapproche de
on peut dire que
81%
de la variance de
est explique par
1.
C'est tout. En revanche,

(et inversement)(voir [3],
page 90).
Il existe par ailleurs d'autres interprtations du coecient de corrlation de Pearson. Parmi les plus
intressants gure l'interprtation gomtrique qui assimile
de
observations
et
au cosinus de l'angle entre les deux vecteurs
4.
2.3.3 Product-moment correlation

Dans la littrature anglo-saxonne, on parle souvent de "product-moment correlation" propos du
coecient de corrlation de Pearson. Cela s'explique par le fait qu'il peut s'exprimer comme la moyenne
du produit des variables centres rduites. Si l'on dsigne par
cr
(resp.
cr
y)
les valeurs de
(resp.
Y)
centres et rduites c.--d.
cr
xi =
xi x
sx
Le coecient de corrlation empirique peut s'crire
1 cr cr
xi yi
n i=1
n
r =
(2.10)
En particulier, lorsque les donnes sont centres et rduites, covariance et corrlation empiriques sont
quivalents.
2.3.4 Biais et Coecient de corrlation ajust

Le coecient de corrlation empirique est un estimateur biais. Fort heureusement, le biais devient
ngligeable lorsque l'eectif augmente. L'esprance de l'estimateur s'crit ([1], page 107) :
E[
r] = r
r(1 r2 )
2n
3. Voir http://fr.wikipedia.org/wiki/Rgression_linaire_multiple
4. Voir http://en.wikipedia.org/wiki/Correlation_coefficient
Page: 13
macro: svmono.cls
14
Pour cette raison, certains logiciels proposent un coecient de corrlation ajust
raj =
5 ([6], page 274)
n1
(1 r2 )
n2
(2.11)
Bien entendu, l'ajustement est d'autant plus sensible que l'eectif est faible. Lorsque
raj
est lev,
r et
se confondent.
2.3.5 Exemples numriques

Dtails des calculs sur un exemple.
Reprenons les variables cylindre (X) et puissance (Y) de
notre chier "voitures". Nous dtaillons les calculs dans la feuille EXCEL (Figure 2.4) :
Fig. 2.4.
Dtails des calculs - Estimation de la corrlation
Au bout des colonnes C et D, nous disposons toujours des moyennes empiriques.

Nous formons les quantits
102138444
et
(xi yi ), x2i
et
yi2 .
Nous calculons leurs sommes respectives :
4451219,
197200.
5. Voir le parallle avec le coecient de dtermination ajust en rgression linaire multiple http://fr.
wikipedia.org/wiki/Rgression_linaire_multiple
Page: 14
macro: svmono.cls

A partir de la formule 2.9, nous obtenons le numrateur =
514679.571
15
et le dnominateur =
543169.291.
Reste former le rapport, la corrlation entre la cylindre et la puissance est
r = 0.9475.
La fonction "COEFFICIENT.CORRELATION(...)" du tableur EXCEL propose la mme valeur.
Nuage de points. Il y a une forte liaison linaire entre "cylindre" et "puissance", ce que conrme
le graphique nuage de points (Figure 2.5). On notera aussi, et le coecient de corrlation ne sait pas
traduire ces informations, que
points semblent s'carter des autres, mais pas de la mme manire :
Fig. 2.5.
Nuage de points "Cylindre vs. Puissance"
La "Lancia K 3.0 LS" est une grosse cylindre, trs puissante. Elle s'carte du nuage certes, mais
elle est dans la ligne de la liaison entre les deux variables.
La "Hyundai Sonata 3000" est aussi une grosse cylindre, mais elle est relativement anmique. Le
point est un peu l'cart des autres, tout comme la Lancia, mais elle ne respecte pas, apparemment,
l'apparente liaison (visuelle et numrique) entre cylindre et puissance. Si on retire cette observation,
la corrlation est renforce, elle passe
0.9635.
Comparaison de coecients de corrlation. Maintenant, nous pouvons comparer les coecients

de corrlation calculs sur direntes variables. Reprenons notre exemple des voitures, calculons le coecient de corrlation de consommation avec les autres variables, nous obtenons respectivement : cylindre
=
0.892,
puissance =
0.888
et poids =
0.926.
La variable "consommation" est singulirement corrle avec l'ensemble des variables. Le lien avec
Mais sans l'arsenal de l'infrence statistique, nous ne

pouvons pas armer s'il est signicativement plus lev que les autres.
poids semble plus lev que le lien avec puissance.
Page: 15
macro: svmono.cls
16
2.4 Test de signicativit

2.4.1 Spcications du test
Le premier test qui vient l'esprit est la signicativit de la corrlation c.--d. le coecient de
corrlation est-il signicativement dirent de
0?
Le test s'crit :
H0 : r = 0
H1 : r = 0
Remarque 2 (Autres hypothses alternatives). On peut vouloir dnir une hypothse alternative dirente
(H1
:r<0
ou
H1 : r > 0).
Les caractristiques des distributions restent les mmes. Pour un risque
donn, seul est modi le seuil de rejet de
H0
puisque le test est unilatral dans ce cas.
Test exact. Le test tudi dans cette section est paramtrique. On suppose a priori
(X, Y )
6
suit une loi normale bivarie . Dans ce cas : la distribution sous
H0
que le couple
de la statistique du test que
nous prsenterons plus bas est exacte ; le test de signicativit quivaut un test d'indpendance.
Test asymptotique. Cette restriction est moins contraignante lorsque n est susamment grand 7 . A
partir de
25
observations, l'approximation est bonne, mme si nous nous cartons (un peu) de la distri-
bution normale conjointe ([12], page 308). La distribution est asymptotiquement valable sous l'hypothse
r = 0.
Mais le test de signicativit revient simplement tester l'absence ou la prsence de corrlation.
Statistique du test. Sous H0 , la statistique :

t=
suit une loi de Student
(n 2)
(2.12)
1
r2
n2
degrs de libert.
Rgion critique. La rgion critique (rejet de l'hypothse nulle) du test au risque s'crit :
R.C. : |t| > t1 2 (n 2)
o
t1 2 (n 2)
est le quantile d'ordre
2 de la loi de Student
(n 2)
degrs de libert. Il s'agit
d'un test bilatral.
Probabilit critique (p-value). Plutt que de comparer la statistique calcule avec la seuil thorique
p-value ) que l'on doit
fournie par la loi de Student, les logiciels proposent souvent la probabilit critique (
comparer au risque
que l'on s'est x. Si la p-value est plus petite, alors nous rejetons l'hypothse nulle.
6. Si (X, Y ) suit une loi normale bivarie, alors X et Y suivent individuellement une loi normale. En revanche,
ce n'est pas parce que X et Y sont individuellement gaussiens que le couple (X, Y ) l'est forcment. Enn, si X
ou Y n'est pas gaussien, le couple (X, Y ) ne l'est pas non plus.
7. Voir http://faculty.vassar.edu/lowry/ch4pt1.html et http://www2.chass.ncsu.edu/garson/PA765/
correl.htm#assume
Page: 16
macro: svmono.cls
2.5 Test de conformit et intervalle de conance
17
2.4.2 Un exemple numrique

Reprenons le calcul de la corrlation entre la cylindre et la puissance (Figure 2.4). Nous souhaitons
tester sa signicativit au risque
= 0.05.
n = 28,
Nous avions
et
r = 0.9475.
Nous devons calculer les lments suivants :

La statistique du test
t=
0.9475
10.94752
282
= 15.1171
= 0.05
Le seuil thorique au risque
est
t0.975 (28 2) = 2.0555
Nous concluons donc au rejet de l'hypothse nulle c.--d. les rsultats que nous obtenons partir
des donnes ne sont pas compatibles avec une absence de corrlation. On s'en serait dout avec une
valeur aussi leve. A la dirence que maintenant, nous pouvons associer un risque la prise de
dcision.
2.4.3 Test asymptotique (bis)

De manire gnrale,
r tend
lentement vers la loi normale. Quand
n +, t
degrs de libert inni, donc vers la loi normale.

Sous l'hypothse
H0 : r = 0,
la convergence est plus rapide. Lorsque
approxime l'aide de la loi normale
N (0;
n > 100,
la loi de
peut tre
1 ). Le test de signicativit peut s'appuyer sur cette

n1
distribution.
2.5 Test de conformit et intervalle de conance

Pour calculer un intervalle de conance ou tester la conformit de
avec une autre valeur que
0,
il
faudrait connatre la distribution de la statistique de manire gnrique c.--d. quelle que soit la vraie
valeur de
dans la population.
Or, on se rend compte que dans un voisinage autre que

plus lente et, pour les petits eectifs, la distribution de
r = 0,
la convergence vers la loi normale est
tend tre dissymtrique gauche ([2], page
15).
Pour remdier cela, il est conseill de passer par une transformation dite de Fisher.
2.5.1 Transformation de Fisher

La transformation de Fisher s'crit
z =
1 1 + r
ln
2 1 r
Elle est distribue asymptotiquement selon une
loi normale de paramtres 8
8. Il existe une approximation ([1], page 108) plus prcise de l'esprance E[z ]
lger biais, mais il devient trs vite ngligeable ds que n augmente.
Page: 17
(2.13)
macro: svmono.cls
1
2
ln
1+r
1r
r
2(n1)
. Il y a un
18
1 1+r
ln
2 1r
1
V [
z]
n3
E[
z]
L'approximation est bonne ds les (relativement) petites valeurs de
(ds
n > 10
en pratique).
Nous pouvons nous appuyer sur cette statistique pour raliser le test de signicativit ci-dessus. Mais,
plus intressant encore, la transformation nous ore d'autres possibilits.
2.5.2 Intervalle de conance

Nous pouvons calculer un intervalle de conance pour
peut obtenir
partir de
z en
r.
Il faut pour cela garder l'esprit que l'on
utilisant la relation
r =
e2z 1
e2z + 1
(2.14)
Voici la dmarche adopter pour obtenir l'intervalle de conance au niveau de conance

Calculer
partir de
r (Equation
(1 )
2.13)
Calculer les bornes de l'intervalle de conance de
avec
z1,2 = z u
1
2
1
n3
En dduire alors les bornes de l'intervalle de conance de
(2.15)
(Equation 2.14)
Exemple numrique. Nous souhaitons calculer l'intervalle de conance de la corrlation entre cylindre et puissance pour un niveau de conance de
95%.
Rappelons que
Le quantile de la loi normale centre rduite d'ordre

La transformation de Fisher nous donne
L'cart type de
z est
gal
1
283
z =
1
2
est
u0.975 = 1.96
1+0.9475
ln 10.9475
= 1.8072
= 0.2
La borne basse de l'intervalle de conance s'crit

procd, la borne haute
0.975
r = 0.9475.
z1 = 1.8072 1.96 0.2 = 1.4152 ;
selon le mme
z2 = 2.1992
Nous en dduisons les bornes de l'intervalle de conance du coecient de corrlation :
e21.4152 1
= 0.8886
e21.4152 + 1
e22.1992 1
r2 = 22.1992
= 0.9757
e
+1
r1 =
L'intervalle de conance au niveau
95%
de la corrlation entre la cylindre et la puissance est
[0.8886 ; 0.9757]
Page: 18
macro: svmono.cls
2.6 Problmes et cas pathologiques
19
2.5.3 Comparaison un standard (autre que 0)

La transformation nous permet d'aller plus loin que le simple test de signicativit, nous avons la
possibilit de comparer la valeur du coecient de corrlation avec une valeur de rfrence
associe
est valable quelle que soit la valeur de
r0 .
La loi
dans la population parente.
Nous passons par la transformation de Fisher, avec
z0 =
1
2
1+r0
ln 1r
,
0
l'hypothse nulle du test s'crit
H0 : z = z0
La statistique du test
est
z z0
U=
= (
z z0 ) n 3
(2.16)
1
n3
Elle suit une loi normale centre rduite.
Exemple : Corrlation cylindre - puissance. Nous souhaitons eectuer le test unilatral suivant
au risque
5%
H0 : r = 0.9
H1 : r > 0.9
Les tapes du calcul sont les suivantes
Nous calculons la valeur de rfrence transforme
Rappelons que
r = 0.9475
La statistique du test est
z = 1.8072
et
U = (
z z0 )
z0 =
Au risque
1+0.9
ln 10.9
= 1.4722
n 3 = (1.8072 1.4722)
Que nous devons comparer avec le quantile d'ordre

rduite c.--d.
1
2
28 3 = 1.6750
1 = 1 0.05 = 0.95 de la loi normale centre
u0.95 = 1.6449
= 5%,
l'hypothse nulle n'est pas compatible avec nos donnes, nous acceptons
H1

"Corrlation n'est pas causalit". C'est une phrase maintes fois rpte dans tous les ouvrages.
En eet, le coecient de corrlation est un indicateur statistique, avec ses forces et ses faiblesses. Il ne
faut surtout pas en faire une rfrence absolue. Il importe de dlimiter clairement son champ d'action
et identier les cas o ses indications sont sujettes caution. La qualit des interprtations conscutives
aux calculs en dpend (voir aussi [3], pages 93-94, concernant les "petites corrlations").
2.6.1 Corrlation fortuite

La corrlation peut parfois tre totalement fortuite. Johnston ([4], page 10) rapporte par exemple que
sur les donnes annuelles de
1897
1985,
des tudes ont montr une corrlation de
0.91
entre le revenu
national amricain et le nombre de tches solaires (les zones sombres du soleil, ce sont des zones moins
chaudes). Personne ne peut dcemment soutenir qu'il y a une relation quelconque entre ces
Page: 19
macro: svmono.cls
grandeurs.
20
2.6.2 Facteur confondant

La corrlation peut aussi cacher l'inuence d'un autre facteur. On montre par exemple qu'il existe une
relation ngative entre la taille des personnes et la longueur de leur chevelure. On pourra toujours avancer
des arguments plus ou moins psychologiques, mais avant de s'avancer outre mesure, on ferait mieux de
revenir sur les conditions du recueil des donnes et vrier qu'il n'y a pas d'informations caches derrire
tout cela.
Dans cet exemple, on se rend compte que les hommes et les femmes sont mlangs dans le chier de
donnes. Or,
en moyenne,
les hommes sont plus grands que les femmes, et inversement, les femmes ont
une chevelure plus longue que les hommes. Le sexe de la personne joue alors le rle de facteur confondant.
L'apparente liaison est un artefact li l'existence d'un facteur non matris.
Dans le cas o le facteur confondant est qualitatif, on dtecte facilement le problme en construisant
un nuage de points en distinguant les sous-groupes. tudions plus en dtail notre exemple "taille vs.
longueur de cheveux" chez les hommes et chez les femmes. Lorsque nous construisons le nuage de points,
nous constatons que le nuage des hommes se distingue du nuage des femmes (Figure 2.6). Globalement,
une liaison compltement factice apparat. La corrlation est
chez les femmes, il passe
Fig. 2.6.
r = 0.602
r1 = 0.074
chez les hommes,
r2 = 0.141
sur la totalit des individus.
Nuage de points "taille vs. longueur des cheveux" - Hommes et femmes confondus
Lorsque le facteur est quantitatif, c'est un peu plus compliqu (exemple : vente de lunettes de soleil et
de crmes glaces, il n'y a pas de lien direct, c'est l'ensoleillement ou la temprature qui les font varier de
Page: 20
macro: svmono.cls
21
manire concomitante). Nous tudierons plus en dtail le calcul de la corrlation en contrlant les eets
d'une ou plusieurs tierces variables dans la partie consacre la corrlation partielle.
2.6.3 Points aberrants (atypiques)

Dans certains cas,
1 ou 2 points peuvent totalement fausser les
rsultats. Ces points s'cartent signi-
cativement des autres, on parle de points "aberrants" ou "atypiques", dans le sens o ils n'appartiennent
(vraisemblablement) pas la population parente.
Les raisons de l'apparition de ce type d'observations sont multiples : erreur lors du recueil des donnes
(exemple : une personne de
4 ans souscrit une assurance-vie, en ralit elle a 40 ans) ; un comportement
rellement dirent (exemple : un sportif tellement dop qu'il porte les records du monde des sommets
jamais atteints) ; etc.
Le positionnement de ces points par rapport au nuage global laisse croire (ou masque) l'existence
d'une liaison manifeste entre les variables. Il existe certes des techniques statistiques destines identier
automatiquement les donnes atypiques, mais force est de constater que des graphiques simples telles que
les nuages de points permettent souvent de dtecter rapidement les anomalies.
Fig. 2.7.
Inuence du point numro 7 sur le coecient de corrlation
Dans un premier exemple (Figure 2.7), on note le positionnement totalement atypique de l'individu
numro
7. Si on l'utilise dans les calculs, le coecient empirique est 0.9976, trs proche de liaison linaire
parfaite. Si on le retire c.--d. on calcule le coecient sur les
0.0185.
Le point numro
points restants, la corrlation passe
fausse compltement le calcul.
Parfois, le point aberrant est particulirement sournois. Il est conforme au domaine de dnition de
et
Y . Mais sur la conjonction (X, Y ), il s'carte du nuage principal (Figure 2.8). Dans cet exemple, le point
atypique (entour de rouge) masque en partie la forte liaison entre
et
Y . Les techniques statistiques de
9
dtection univarie des points atypiques sont totalement inoprantes ici. Il faut se tourner vers d'autres
procdures. Certaines sont lies la mthode statistique mise en oeuvre pour analyser les donnes
10 .
9. Voir http://tutoriels-data-mining.blogspot.com/2008/05/dtection-univarie-des-points-aberrants.
html
10. Pour la rgression multiple, il existe toute une panoplie d'indicateurs assez ecaces - Voir http://
tutoriels-data-mining.blogspot.com/2008/04/points-aberrants-et-influents-dans-la.html
Page: 21
macro: svmono.cls
22
Fig. 2.8.
Point aberrant "multivari"
2.6.4 Liaison non linaire

Le coecient de corrlation sert avant tout caractriser une liaison linaire. Lorsqu'elle ne l'est pas,
r peut
nous induire en erreur sur l'existence et l'intensit de la relation entre les variables.
Liaison monotone. Lorsque la liaison est non linaire mais monotone, le coecient de corrlation
est certes peu adapt mais n'est pas compltement hors de propos : il donne des indications quant
l'existence de la liaison, mais il traduit mal son intensit.
Fig. 2.9.
Liaison non linaire monotone
Dans la gure 2.9, nous constatons visuellement l'existence d'une liaison fonctionnelle quasi parfaite
entre
et
Y,
c'est patent lorsqu'on relie les points. Pourtant le coecient de corrlation nous annonce
r = 0.7804, indiquant clairement qu'il y a une liaison certes, mais ne rendant pas compte de son intensit.
Nous verrons plus loin avec les indicateurs bass sur les rangs comment palier ce problme sans avoir
faire des manipulations compliques.
Liaison non monotone. Lorsque la liaison est non monotone, c'est la catastrophe : le coecient de
corrlation ne rend compte ni de l'intensit de la liaison, ni mme de son existence.
Dans la gure 2.10 (A), on constate immdiatement la forme parabolique de la relation. Pourtant le
coecient de corrlation nous indique
bien une liaison entre
Page: 22
et
Y,
rxy = 0.0118.
Eectivement, elle n'est pas linaire, mais il y a
le coecient de Pearson est totalement inadapt ici.
macro: svmono.cls
Fig. 2.10.
23
Liaison non linaire et non monotone
Linarisation par transformation de variables. Une solution vidente, surtout si l'on considre
l'exemple prcdent, est de proposer une transformation de variables de manire mettre en exergue
une relation linaire. Dans la gure 2.10 (B), si nous proposons une nouvelle variable
rlation mesure en est grandement modie
rzy = 0.990.
Z = X 2,
la cor-
Il y a bien un lien entre les variables, elle est
particulirement forte.
Malheureusement, cette dmarche est dicile reproduire : la fonction de transformation adquate
n'est pas toujours vidente produire ; dans le traitement de gros chiers o nous avons manipuler
plusieurs dizaines de variables, le nombre de congurations expertiser est dissuasif.
Page: 23
macro: svmono.cls
Page: 24
macro: svmono.cls
3
Tests de comparaison de corrlations
Dans cette section sont runis quelques tests de comparaison de corrlations que l'on retrouve peu
souvent dans la littrature francophone et qui, pourtant, rpondent des problmatiques trs concrtes.
3.1 Comparaison de 2 coecients de corrlation (chantillons indpendants)

Autre possibilit qu'introduit la transformation de Fisher : la comparaison les corrlations dans deux
populations direntes. Mettons que nous souhaitons comparer la corrlation entre le poids et la taille
chez les hommes et chez les femmes. Est-ce qu'elle est identique dans les deux populations ?
Nous travaillons sur
chantillons indpendants, extraits au hasard dans chaque sous population.
La corrlation thorique est
r1
(resp.
r2 )
chez les femmes (resp. chez les hommes). Le test d'hypothses
s'crit :
H0 : r1 = r2
H1 : r1 = r2
Nous disposons de
chantillons de taille
n1
et
n2 .
Nous introduisons la statistique
D = z1 z2
Sous
H0 ,
puisque les estimateurs
tillons indpendants), la statique
r (et
par consquent
(3.1)
z)
sont indpendants (estims sur des chan-
suit asymptotiquement une loi normale de paramtres
E[D] = 0
V [D] =
Au risque
1
1
+
n1 3 n2 3
la rgion critique du test bilatral s'crit :
R.C. : U =
Page: 25
|
z1 z2 |
1
n1 3
1
n2 3
u1 2
macro: svmono.cls
26
3 Tests de comparaison de corrlations
Exemple numrique : comparer la corrlation taille - poids chez les hommes et chez
les femmes. Nous disposons d'un chantillon de n1 = 15 femmes, et n2 = 20 hommes (Figure 3.1).
Nous souhaitons tester l'galit du coecient de corrlation entre le poids et la taille dans les deux
sous-populations au risque de
Fig. 3.1.
5%.
Les tapes du calcul sont numres ci-dessous.
Comparaison de 2 coecients de corrlation - chantillons indpendants
Nous calculons les coecients de corrlation, nous obtenons

Nous appliquons la transformation de Fisher,
Nous calculons la statistique
Nous en dduisons alors
U=
D = z1 z2 = 0.1045,
|0.1045|
0.1422
0.3652
0.3770
Que nous comparons au quantile d'ordre

Conclusion : au risque de
z1 = 0.6417
et
r1 = 0.5661
et
r2 = 0.4909
z2 = 0.5372
puis sa variance
V (D) =
1
153
1
203
= 0.1422
= 0.2771
0.975
de la loi normale centre rduite, soit
u0.975 = 1.96
5%, les donnes sont compatibles avec l'hypothse nulle c.--d. le coecient
de corrlation entre le poids et taille n'est pas signicativement dirent chez les hommes et les
femmes.
Page: 26
macro: svmono.cls
3.2 Comparaison de K (K 2) coecients (chantillons indpendants)
3.2 Comparaison de K
(K 2)
27
coecients (chantillons indpendants)
Il est possible de gnraliser ce test pour comparer
coecients de corrlation dans
populations. La statistique du test s'crit diremment, elle suit une loi du
sous-
dans ce cas (voir [2], page
22). Il s'agit bien souvent de comparer le mme coecient de corrlation sur plusieurs sous-populations.
Remarque 3 (C'est une vraie gnralisation).
Lorsque
K = 2,
nous devrions retrouver le test prcdent,
nous vrierons cela sur le mme exemple que prcdemment (section 3.1).
L'hypothse nulle du test est
H0 : r1 = r2 = = rK
L'hypothse alternative est "un des coecients au moins s'carte des autres".
La statistique du test s'crit :
(nk
k=1
o
nk
Fisher de
Sous
3)
zk2
K
[ k=1 (nk 3)
zk ]2
K
k=1 (nk 3)
est l'eectif de l'chantillon ayant servi mesurer la corrlation
rk
c.--d.
zk =
1
2
(3.2)
rk ; zk
est la transformation de
1+
rk
ln 1
rk .
H0 , la statistique du test suit une loi du 2 (K 1) K 1 degrs de libert. On rejette l'hypothse
nulle lorsqu'elle est suprieure au quantile
21 (K 1)
de la loi thorique pour un risque
Exemple numrique 1 : comparaison de la corrlation poids vs. consommation des vhicules de direntes origines. Nous souhaitons vrier, au risque de 5%, que la corrlation entre
le poids et la consommation des vhicules est la mme pour des vhicules en provenance de l'Europe
(France, Allemagne, etc.), du Japon, et des USA. Le chier est disponible sur le site DASL (Data and
Story Library) . Du chier original, nous avons supprim l'observation atypique (la fameuse Buick Estate
Wagon). Nous disposons pour chaque catgorie de vhicule de
n1 = 9 , n2 = 7
et
n3 = 21
observations.
Tous les calculs ont t mens dans une feuille EXCEL (Figure 3.2), en voici les dtails :
Pour chaque origine des vhicules, nous disposons des deux colonnes de donnes (Poids et Consommation).
Nous obtenons les coecients de corrlation empiriques
r1 = 0.9716, r2 = 0.9540, r3 = 0.9647 ;
en
z1 = 2.1198, z2 = 1.8741, z3 = 2.0092.
zk = 3178.7259 ; B = k (nk 3) = 28 ; C = k (nk 3)

zk2 =
k (nk 3)
appliquant la transformation de Fisher, nous avons :

Nous formons alors
A=
113.6718.
La statistique du test est
Le quantile d'ordre
2 = C
A
B
= 0.1459.
1 = 95% de la loi du 2
(K 1) = 2 degrs de libert est 20.95 (2) = 5.9915.
Nos donnes sont compatibles avec l'hypothse nulle : les corrlations sont les mmes quelle que
soit l'origine des vhicules.
1. http://lib.stat.cmu.edu/DASL/Stories/FuelEfficientBuickWagon.html
Page: 27
macro: svmono.cls
28
Fig. 3.2.
Comparaison de K = 3 coecients de corrlation - chantillons indpendants
De la mme manire, nous aurions pu calculer la probabilit critique du test (la p-value), elle est
gale
0.9297,
largement suprieure au risque
5%.
La conclusion est bien videmment la mme.
Exemple numrique 2 : Comparaison de la corrlation taille - poids chez les hommes

et chez les femmes. Le test est une gnralisation de la comparaison de 2 coecients. Vrions que
les rsultats sont en accord avec notre exemple de la section 3.1. Dtaillons de nouveaux les calculs en
reprenant les notations de l'exemple prcdent

A = [(15 3) 0.6417 + (20 3) 0.5372]2 = 283.3678
B = (15 3) + (20 3) = 29
C = (15 3) 0.64172 + (20 3) 0.53722 = 9.8481
Ainsi, la statistique du test est
2 = C
A
B
= 0.0768,
Conformment au test prcdent, on conclut, au risque
que l'on comparera
5%,
20.95 (1) = 3.8415.
que les donnes sont compatibles avec
l'hypothse d'galit des coecients de corrlation.

En regardant de plus prs les rsultats, nous constatons que
0.0768 = 0.2771.
On retrouve exac-
tement la valeur de la statistique du test bas sur la loi normale. Ce n'est gure tonnant, en eet
Page: 28
macro: svmono.cls
3.3 Comparaison de 2 coecients de corrlation (mme chantillon) - Cas 1

n'oublions pas qu'il y a une relation entre la loi normale et la loi du
[N (0; 1)] (1).

2
29
degr de libert c.--d.
Les deux tests sont totalement quivalents.

Autre analyse intressante dans la pratique, nous souhaitons comparer les corrlations respectives de
deux variables
et
avec la variable
Y.
La situation est un peu plus complexe car les corrlations sont
calcules sur un seul et mme chantillon.

L'hypothse nulle du test est naturellement
H0 : ryx = ryz
On peut vouloir construire un test unilatral (ryx
Dans ce cadre, le test
> ryz
ou
ryx < ryz )
ou bilatral (ryx
= ryz ).
t de Williams est conseill ds lors que n est assez grand (n 20). La statistique
s'crit ([2], page 24)
t = (
ryx ryz )
o
(n 1)(1 + rxz )
+ r2 (1 rxz )3
(3.3)
2 n1
n3 |R|
2
2
2
r = (
ryx + ryz )/2 ; |R| = 1 ryx
ryz
rxz
+ 2
ryx ryz rxz
est le dterminant de la matrice
(3 3)
des corrlations entre les variables.
(n 3)
degrs de libert.
Remarque 4 (X et Z sont orthogonaux). Nous remarquons que le degr du lien entre les variables X
inue sur les rsultats. Si
des corrlations
ryx
et
et
sont orthogonaux (c.--d.
rxz = 0),
et
la statistique dpend uniquement
ryz .
Exemple numrique : comparaison de la corrlation "consommation - puissance et

consommation - cylindre. Reprenons notre chier des voitures (Figure 2.2). Nous souhaitons savoir
si,
5%,
la corrlation de la consommation (Y) avec la cylindre (la taille du moteur, X) est comparable
sa corrlation avec la puissance (Z). Nous sommes sur un test bilatral, on veut vrier si l'cart observ
est statistiquement signicatif.
Conformment la formule 3.3, nous construisons la feuille EXCEL (Figure 3.3) :
Notre eectif est
n = 28.
Nous calculons les corrlations comparer
ryx = 0.8919
et
ryz = 0.8878.
Nous voulons savoir si
l'cart observ est signicatif c.--d. transposable dans la population (H1 ) ou uniquement du aux
uctuations d'chantillonnage (H0 ).
Nous calculons la corrlation
rxz = 0.9475.
Nous constatons qu'elles sont trs lies. Peut tre
d'ailleurs qu'elles amnent le mme type d'information vis vis de
Y , nous vrierons cette assertion
dans la partie de ce support consacre aux corrlation partielles.
Page: 29
macro: svmono.cls
30
Fig. 3.3.
Nous calculons l'cart
Comparaison de 2 corrlations du mme chantillon - Cas 1
A = (
ryx ryz ) = 0.0041
B = (n 1)(1 + rxz = 52.5838
2
2
2
|R| = 1 ryx
ryz
rxz
+ 2
ryx ryz rxz = 0.0191
r = (
ryx + ryz )/2 = 0.8898
C = (1 rxz )3 = 0.0001
Nous obtenons la statistique du test
t=A
Que nous comparons au seuil critique

Au risque
B
2 27
25 0.0191+0.88980.0001
= 0.1448
T0.975 (25) = 2.0595.
5%, nos donnes sont compatibles avec l'hypothse nulle, la consommation est identique-
ment corrle la cylindre et la puissance.

La p-value du test gal
0.8861
conduit bien videmment la mme conclusion.

Toujours partir sur un mme chantillon, ce second test consiste opposer
H0 : rxy = rzw
H1 : rxy = rzw
Le test peut tre unilatral (c.--d.
H1 : rxy < rzw
ou
rxy > rzw ).
De prime abord, ce test parat assez trange. Est-ce que comparer des corrlations calcules sur des
concepts dirents a rellement un sens ? Prenons l'exemple des voitures, opposer la corrlation entre
Page: 30
macro: svmono.cls
31
la puissance et la consommation, d'une part, et la corrlation entre le poids et le prix, d'autre part, ne
parat pas trs pertinent.
On comprend mieux le sens de ce test la lumire de l'exemple propos par une des rares rfrences
qui le dcrit (voir [2], page 24). Pour un ensemble d'lecteurs, on calcule la corrlation entre les donations
et les intentions de votes, une anne donne, puis
ans plus tard. L'objectif est de vrier si le lien entre
ces deux variables a t modi entre temps.
appariement. Nous voulons comparer l'intensit
De cet exemple, nous retiendrons avant tout l'ide d'
d'un lien avant et aprs l'occurrence d'un vnement, qui peut tre simplement un certain dlai, mais qui
peut tre aussi une action particulire. Mais la notion d'appariement est plus large. Il y a eectivement
la situation "avant - aprs". Mais nous pouvons la dnir surtout comme des mesures eectues sur une
unit statistique : dans un mnage, mesurer et comparer une caractristique chez l'homme et la femme ;
comparer la mme variable chez des jumeaux ; etc. .

Le test de Clark et Dunn est conseille pour cette conguration. Il suit asymptotiquement une loi
normale centre rduite, il est valable ds lors que
variables
X = 1, Y = 2, Z = 3
et
W = 4.
n 20.
Par commodits, nous numroterons les
Nous crirons par exemple
r12
pour
rxy ,
ou
r34
pour
rzw ,
etc.
La statistique du test s'crit
U = (
z12 z34 )
n3
2 2
s
(3.4)
avec
1+
r
ln 1
r,
z =
1
2
s =
r =
(1
r 2 )2 ;
r12 +
r34
;
2
= 0.5{[(
r13 r23 r)(
r24 r23 r)] + [(
r14 r13 r)(
r23 r13 r)] + [(
r13 r14 r)(
r24 r14 r)] + [(
r14
la transformation de Fisher ;
r24 r)(
r23 r24 r)]}
Une autre formulation est possible. Elle s'appuie sur l'ide que nous pouvons simplier l'expression
sous l'hypothse nulle d'galit des corrlations (voir [7], page 97).
Exemple : les donations au parti. Reprenons directement l'exemple dcrit dans l'ouvrage de Chen
et Popovich ([2], page 25). Il s'agit de tester, pour
n = 203
votants, si le lien entre les donations au parti
et les intentions de vote a volu dans un laps de temps de
r12 = 0.3
et
annes. Les corrlations comparer sont
r34 = 0.4.
Nous disposons des corrlations croises :
r13 = 0.6, r14 = 0.2, r23 = 0.3, r24 = 0.7.
A partir des quations ci-dessus, nous obtenons

La statistique du test est gal
|U | = 1.48
U = 1.48.
r = 0.35, = 0.3125
Au risque
avec le quantile de la loi normale centre rduite
avec l'hypothse nulle,
5%,
et
s = 0.4059.
pour un test bilatral, nous comparons
u0.975 = 1.96.
Les donnes sont compatibles
annes plus tard, le lien entre les intentions de vote et les donations n'a pas
volu signicativement.
2. Voir http://www.tufts.edu/~gdallal/paired.htm
Page: 31
macro: svmono.cls
32
3.5 Test de nullit des corrlations croises

3.5.1 Test de Bartlett
On calcule la matrice des corrlations lorsque l'on souhaite apprhender plusieurs variables simultanment. Elle retranscrit les corrlations entre les variables prises deux deux. Elle est symtrique, et la
diagonale - la corrlation d'une variable avec elle-mme - est gale 1.
Le test de nullit des corrlations croises vise tablir l'orthogonalit deux deux des variables de
l'ensemble de donnes. En d'autres termes, il s'agit de savoir si la matrice des corrlations est assimilable
la matrice identit (hypothse nulle) ou non.
Le test de sphricit de Bartlett est parfois associ l'analyse en composantes principales (ACP) dans
les logiciels. L'objectif est d'identier s'il existe une certaine redondance dans les donnes que l'on pourra
exploiter pour produire des axes factoriels porteurs d'informations pertinentes. Si l'hypothse nulle est
compatible avec les donnes, essayer d'obtenir un rsum de l'information via une ACP serait vain .
Pour mesurer le lien entre les variables, le dterminant de la matrice des corrlations
Sous l'hypothse d'orthogonalit des variables,
|R| = 1
|R|
est calcul.
puisque tous les coecients hors diagonale prin-
cipale sont nuls. Le principe du test consiste valuer dans quelle mesure l'on s'carte de cette situation
de rfrence
|R| = 1.
La statistique du test s'crit :
)
(
2p+5
ln(|R|)
= n1
6
2
Sous
est le nombre de variables,
H0 ,
(3.5)
est le nombre d'observations.
la statistique suit une loi du
p(p1)
degrs de libert.
2
Remarque : Il faut utiliser avec beaucoup de prudence ce test. Il aboutit quasi-systmatiquement

au rejet de l'hypothse nulle lorsque la taille de l'chantillon
de ne l'utiliser que lorsque le ratio
augmente. On recommande gnralement
n
p (nombre d'observations / nombre de variables) est infrieur
5.
Exemple : Traitement du chier "Consommation des automobiles" (Figure 2.2). Nous souhaitons tester la nullit des corrlations croises entre les
p=4
variables qui composent la base. Tous les
calculs ont t retranscrits dans une feuille Excel (Figure 3.4) :

La matrice des corrlations
|R|
est calcule tout d'abord. Elle est symtrique. La corrlation d'une
variable avec elle-mme est gale
1,
ce sont les valeurs que nous observons sur la diagonale
principale. Nous constatons que les variables sont trs fortement lies entre elles (les valeurs sont
proches de
en valeur absolue).
Le dterminant est gal
|R| = 0.0025826,
proche de
0.
Ce qui conrme les fortes corrlations
observes dans la matrice.

Reste calculer la statistique de test,
3. cf. Tutoriel Tanagra,
ACP sous R - Indice KMO et test de Bartlett,
mai 2012, http://
tutoriels-data-mining.blogspot.fr/2012/05/acp-sous-r-indice-kmo-et-test-de.html
Page: 32
macro: svmono.cls
3.5 Test de nullit des corrlations croises
Fig. 3.4.
33
Test de sphricit de Bartlett - Fichier "Consommation des automobiles"

)
(
24+5
2 = 28 1
ln(0.0025826) = 147.9813
6
Elle est distribue selon une loi du
43
2
=6
degrs de libert. La probabilit critique est gale
2.067 1029 .
L'hypothse de sphricit - orthogonalit deux deux des variables - est trs largement incompatible
avec les donnes. On s'en doutait un peu rien qu'en regardant la matrice des corrlations ceci tant.
Remarque : Cas de p = 2. Lorsque p = 2, le test de Bartlett correspond un test usuel de nullit

du coecient c.--d. un test de signicativit. On se rend compte pourtant qu'en introduisant
p = 2 dans
la statistique, nous tombons sur une expression qui est dirente du test de Student (section 2.4) ou du
test bas sur la statistique de Fisher (section 2.5). En eet, si
r est
la corrlation entre les
variables :
)
(
2p+5
ln(|R|)
2 = n 1
6
(
)
22+5
= n1
ln(|R|)
6
1
= (2 n 5) ln(1 r2 )
2
Reprenons notre exemple de la section 2.4.2, nous avions
n = 28
et
r = 0.9475
entre la cylindre et
la puissance (Fichier "Consommation des automobiles", gure 2.2). En appliquant la formule simplie
ci-dessus, nous obtenons :
1
2 = (2 n 5) ln(1 r2 )
2
1
= (2 28 5) ln(1 0.94752 )
2
= 58.1733
Page: 33
macro: svmono.cls
34

Sous
H0 ,
elle suit une loi du
(p-value) est gale
2.4 10
14
p(p1)
2
2(21)
2
= 1
degr de libert. La probabilit critique
. Tout comme pour le test de Student, nous rejetons l'hypothse de nullit
de la corrlation, mais avec une statistique dirente.
3.5.2 Test de Steiger : une statistique simplie

Une statistique alternative attribue Steiger (1980) est dcrite dans l'ouvrage de Revelle ([7], page
1
n3 . On
2
sait de plus qu'elle est distribue selon la loi normale. Son carr suit par consquent une loi du (1).
95). Elle passe par la transformation de Fisher
z.
La variance de
est connue, elle est gale
Nous pouvons ds lors former la somme
2s = (n 3)
zjk
2
zjk
(3.6)
k>j
est la transformation de Fisher de la corrlation estime entre les variables
H0 , la statistique 2s suit une loi du
Xj
et
Xk .
Sous
p(p1)
degrs de libert.
2
La procdure est indubitablement plus simple. Il nous vite de calculer le dterminant de la matrice
des corrlations, exercice toujours prilleux sur les ordinateurs.
Fig. 3.5.
Test de sphricit de Steiger - Fichier "Consommation des automobiles"
Exemple : Reprenons notre exemple numrique du chier "Consommation des automobiles". Nous
calculons la matrice des corrlations transformes par la formule de Fisher (section 2.5). Puis nous formons
la statistique de test
2s
(Figure 3.5) :
2s = (n 3)
2
zjk
k>j
= (28 3) (1.08722 + 1.29942 + + 1.63192 )

= 329.4190
La conclusion est la mme, les corrlations croises sont signicatives avec une p-value de
4.031068 .
On notera nanmoins que la valeur de la statistique de test est particulirement leve. Plus encore que
pour le test de Bartlett, nous devons tre trs prudent avec cet outil qui conclut quasi-systmatiquement
Page: 34
macro: svmono.cls
3.6 Comparaison de 2 matrices des corrlations

au rejet de l'hypothse nulle ds que les eectifs
package 'psych', [8] - procdure
35
augmentent un tant soit peu (cf. documentation du
cortest.normal).

3.6.1 Test de Steiger
Ce test consiste confronter deux matrices des corrlations calcules sur deux sous-populations distinctes. Il s'agit donc d'un test de comparaison de plusieurs corrlations - considres simultanment sur chantillons indpendants.
Par exemple, pour reprendre notre chier "Consommation des automobiles"(Figure 2.2), l'ide serait
de vrier s'il y a une dirence dans la structure des relations entre les variables selon que l'on a aaire
aux vhicules asiatiques (japonaises, sud-corennes) ou europennes.
Nous prsentons la procdure
cortest.normal
du package 'psych' ([8], pages 59 61) dans cette
section. La mthode est attribue Steiger (1980). Elle s'appuie sur le carr de l'cart entre les transformations de Fisher des corrlations calcules sur les
Soit
zm,jk
sous-populations.
est la transformation de Fisher de la corrlation estime
dans la sous-population
rm,jk
entre les variables
Xj
et
m (m {1, 2}). La statistique de test s'crit :

(
)
n1 n2
2
2
(
z1,jk z2,jk )
s =
n1 + n2
j
Xk
(3.7)
k>j
n1
Sous
et
H0 ,
n2
sont les eectifs dans les sous-chantillons.
les corrlations sont globalement identiques dans les deux sous-populations, la statistique
suit une loi du
p(p1)
degrs de libert.
2
Exemple numrique : Nous souhaitons comparer les structures de corrlations entre les vhicules
asiatiques et europennes dans le chier "Consommation des automobiles" (Figure 2.2). Nous devons tout
d'abord scinder en 2 parties les donnes puis calculer les matrices des corrlations croises
les
R1
et
R2
dans
sous-populations (Figure 3.6).
Nous distinguons
n1 = 10
automobiles asiatiques et
n2 = 18
europennes. A premire vue, les corr-
lations semblent trs similaires globalement. Voyons si les calculs conrment cela :
Les matrices
Z1
et
Z2
sont formes partir des transformations de Fisher des corrlations. Par
exemple, pour le croisement entre la cylindre et la puissance chez les vhicules asiatiques, nous
avons (Figure 3.7) :
1 1 + 0.9422
ln
= 1.7571
2 1 0.9422
carr entre les z c.--d. pour
z1,12 =
La matrice
D2
correspond l'cart au
les mmes variables
d212 = (
z1,12 z2,12 )2 = (1.7571 2.3846)2 = 0.3938
Nous sommons la partie triangulaire suprieure de la matrice :
S = 0.3938 + 0.0133 + 0.0030 + + 0.0218 = 0.4421

Page: 35
macro: svmono.cls
36
Fig. 3.6.
Matrices des corrlations dans les sous-populations - Fichier "Consommation des automobiles"
Nous calculons le terme de pondration
c=
n1 n2
n1 +n2
= 6.4286
Et nous obtenons nalement la statistique de test
2 = 6.4286 0.4421 = 1.5159

Sous l'hypothse nulle, cette statistique suit une loi du
La probabilit critique est gale
0.9584.
Au risque
5%,
p(p1)
2
43
2
= 6
degrs de libert.
l'hypothse d'galit des corrlations n'est pas
contredite par les donnes.
3.6.2 Test de Jennrich

Revelle ([7], page 98) dcrit un second test pour la mme nalit. Le test de Jennrich (1970) s'appuie sur une formulation autrement plus complexe. Le texte n'est pas vraiment prcis. Il est heureusement possible de retracer les formules en explorant le code source du package 'psych' ([8], procdure
cortest.jennrich 4 ).
La statistique de test s'crit :
4. On peut trs facilement obtenir le code source d'une fonction en introduisant son nom dans la ligne de
commande R. Une autre piste est de charger le code source du package sur le serveur CRAN et de le dzipper http://cran.r-project.org/web/packages/psych/index.html
Page: 36
macro: svmono.cls
37
Comparaison de 2 matrices des corrlations - Test de Steiger - Fichier "Consommation des automobiles"
Fig. 3.7.
2 =
1
tr(Z Z T ) diag(Z)T S 1 diag(Z)
2
(3.8)
O :

S = R2
est la moyenne pondre des
c=
matrices des corrlations c.--d.
c.--d. chaque coecient de la matrice
est pass au carr ;
est telle que :
diag(Z)
H0 ,
c R1 (R1 R2 )
est la diagonale principale de la matrice
moins) comme un vecteur de taille

Sous
n1 R1 +n2 R2
;
n1 +n2
n1 n2
n1 +n2 ;
Z=

R=
qui se prsente (dans notre formulation tout du
(p 1).
la statistique suit une loi du
p(p1)
degrs de libert.
2
Nous retranscrivons tous les calculs dans une feuille Excel pour le chier "Consommation des automobiles" (Figure 3.8). Sans rentrer dans les dtails, nous obtenons la sortie
de
0.6066
pour un
nulle au risque
Page: 37
2 = 4.5202
avec une p-value
degrs de libert. Ici galement, les donnes sont compatibles avec l'hypothse
5%.
macro: svmono.cls
38
Fig. 3.8.
Test de Jennrich - Fichier "Consommation des automobiles"
Remarque : L'ide qu'il faut retenir de cette section est que nous disposons de deux tests qui reposent
sur la dirence entre les matrices des corrlations, soit sous leur forme native (R1
R2 )
(Jennrich), soit
via la transformation de Fisher (Z1 Z2 ) (Steiger). Ce qui, somme toute, est tout fait logique s'agissant
de la comparaison de corrlations.
3.7 Commentaires sur la comparaison des coecients de corrlations

Comme le notent Chen et Popovich dans leur ouvrage ([2], page 25), les tests de comparaison de
coecients de corrlations sont peu dcrits, peu rpandus, et de ce fait rarement disponibles dans les
logiciels ( moins que ce ne soit l'inverse, c'est parce qu'ils sont peu programms qu'ils sont peu utiliss).
C'est regrettable car les applications pratiques sont nombreuses, elles ouvrent d'autres pistes pour l'exploration des donnes. De plus, argument important qui milite en faveur de leur diusion, le dispositif est
Page: 38
macro: svmono.cls
3.7 Commentaires sur la comparaison des coecients de corrlations
39
trs souple : les tests restent valables pour les mesures de corrlation drives du coecient de Pearson,
mesures que nous dcrirons dans le chapitre 4 de ce support.
Page: 39
macro: svmono.cls
Page: 40
macro: svmono.cls
4
Variations autour de la corrlation
Dans certaines situations, relatives au type des variables, ou conscutives une transformation des
variables, le coecient de corrlation est simpli. Son interprtation peut tre modie et/ou enrichie.
Dans cette partie, nous numrons quelques unes de ces variantes, les formules et les tests associes.
Puis nous montrons leur utilisation et leur interprtation sur un jeu de donnes.
Quelques rfrences pour cette partie, donnant un positionnement clair des direntes techniques,
sont les sites de Garson -
http://www2.chass.ncsu.edu/garson/PA765/correl.htm, toujours aussi ex-
cellents, et de Calkins, de l'Universit d'Andrews (USA) -
http://www.andrews.edu/~calkins/math/
edrm611/edrm13.htm
4.1 Corrlation bisriale ponctuelle

4.1.1 Formulation
Point biserial correlation coecient
Le coecient de corrlation bisriale ponctuelle (
en anglais ) est
utilis pour mesurer la liaison entre une variable dichotomique (X pour xer les ides) et une variable
continue. La variable binaire peut l'tre naturellement (ex. sexe = H ou F) ou suite un dcoupage en
intervalles (ex. revenu, dcoup en
intervalles). Bien que dans ce second cas, son utilisation ne soit pas
2
trs recommande , on prfrera des indicateurs plus puissants (voir chapitre 4.2).
L'objectif est de mesurer l'association entre
cod
0/1,
et
X.
En calculant le coecient de Pearson,
tant
nous obtenons exactement le coecient bisriale ponctuelle. En y regardant de plus prs, on
se rend compte rapidement qu'il s'agit en ralit de la statistique de la comparaison de moyenne entre
chantillons indpendants. On cherche savoir si dans les sous-groupes dnis par
X, Y
est dirent en
moyenne.
La corrlation bisriale ponctuelle est dnie comme suit pour chantillon de taille
du premier groupe, et
n0
individus du second groupe (n
n, avec n1
individus
= n1 + n0 )
1. Voir http://ec.europa.eu/comm/eurostat/research/index.htm?http://www.europa.eu.int/en/comm/
eurostat/research/isi/index_fr.htm&1 pour la traduction des termes statistiques
2. Voir http://en.wikipedia.org/wiki/Point-biserial_correlation_coefficient
Page: 41
macro: svmono.cls
42
4 Variations autour de la corrlation
rpb =
avec
y1
2
c.--d. sn1
et
y0
y1 y0
sn1
les moyennes conditionnelles ;
1
n1
i=1 (yi
y)
sn1
n1 n0
n(n 1)
(4.1)
l'cart type estim sur l'ensemble de l'chantillon
4.1.2 Test de signicativit - 1

En nous basant sur le schma de la corrlation (section 2.4, nous pouvons tester la signicativit du
coecient l'aide du
tr
suivant une loi de Student
tr =
(n1 + n0 2)
degrs de libert
rpb
(4.2)
2
1rpb
n1 +n0 2
4.1.3 Test de signicativit - 2

En nous basant sur le schma du test de comparaison de moyennes
3 pour chantillons indpendants,
nous pouvons vrier si les moyennes sont signicativement direntes dans les sous-groupes. La statistique
tc
(n1 + n0 2)
degrs de libert
tc =
s
y1 y0
s
(4.3)
est l'cart type estim de l'cart entre les moyennes
(n1 1)s21 +(n0 1)s20 1

( n1 + n10 ) ;
n1 +n0 2
nj
1
2
2
avec sj =
i=1 (yi yj ) les variances conditionnelles.
nj 1

s2 =
A priori,
cette formulation est totalement quivalente celle base sur le coecient de corrlation.
Vrierons cela sur un exemple.
4.1.4 Exemple
Nous voulons vrier la liaison entre le genre des personnes et leur taille. En d'autres termes nous
cherchons savoir si les hommes, en moyenne, sont plus grands que les femmes. Nous utilisons les donnes
dj traites dans la section 2.6.2, nous ne conservons que la taille (Figure 4.1). Nous allons travailler
en deux temps, tout d'abord en calculant le coecient de corrlation sur les donnes codes, puis en
mettant en oeuvre le calcul spcique sous forme de comparaison de moyennes. Les rsultats doivent tre
cohrents.
Dans les colonnes B et C du tableur, nous avons les donnes, puis les rsultats des calculs bass sur
le coecient de Pearson. Voici les dtails des calculs :
Les hommes sont cods
1, les femmes 0. En soi a n'a pas d'importance, mais il faudra s'en rappeler
lors de l'interprtation du coecient, le codage dtermine le signe du coecient.
3. http://en.wikipedia.org/wiki/Student's_t-test
Page: 42
macro: svmono.cls
4.1 Corrlation bisriale ponctuelle
Fig. 4.1.
43
Corrlation bisriale ponctuelle : taille selon le genre des individus
Voyons justement le coecient de Pearson empirique, il est gal
r = 0.748034. Le signe est positif,
cela veut dire qu'en moyenne les hommes sont plus grands que les femmes.
Le graphique nuage de points conrme cette ide, le nuage des hommes est visuellement plus lev
que celui des femmes, la dispersion tant peu prs la mme dans les deux groupes.
Pour raliser le test de signicativit, nous calculons
n 2 = 33
Il suit une loi de Student
degrs de libert.
La probabilit critique du test est

Au risque
tr = 6.4749.
5%,
2.4 107 ,
trs petite.
l'hypothse nulle, il n'y aucun lien entre le genre et la taille, n'est pas compatible
avec les donnes.

Dans les colonnes E, F , G et H du tableur, nous avons les calculs relatifs au coecient
Avec le tableau crois dynamique, nous avons conrmation des eectifs :
rpb
n0 = 15 femmes, et n1 = 20
hommes.
Les moyennes et carts type dans les sous-groupes sont respectivement (y
0
(s1
Page: 43
= 1.589, y1 = 1.733)
et
= 0.071, s0 = 0.061).
macro: svmono.cls
44

s2 =
Nous en dduisons
Puis
tc =
1.7331.589
0.0005
190.0712 +140.0612 1
( 20
20+152
= 6.4749.
1
15 )
= 0.0005
Nous retrouvons exactement la valeur de
tr
La distribution et les degrs de libert tant les mmes, la p-value du test et la conclusion associe
sont identiques.
4.2 Corrlation mutuelle

4.2.1 Formulation et tests
La corrlation mutuelle, que l'on dsigne aussi par
biserial correlation
quantitative
corrlation bisriale 4 , est connue sous l'appellation
en anglais . Elle mesure le lien entre une variable dichotomique
et une variable
Y . La principale direnciation avec la corrlation bisriale ponctuelle est qu'ici, la
variable
doit tre issue d'un dcoupage en 2 intervalles d'une variable continue gaussienne (voir [2],
page 36 ; par exemple : poids bas ou lev, tension artrielle suprieure un seuil ou pas, etc.). Attention,
dans ce cas le codage de
n'est plus anodin. La valeur
correspond naturellement la fraction leve
(suprieure au seuil de dcoupage) de la variable sous-jacente.
Remarque 5 (Laquelle privilgier : corrlation bisriale ponctuelle ou corrlation mutuelle ?).
La corrla-
tion mutuelle est plus restrictive, si la condition n'est pas respecte, l'infrence statistique est sujette
caution. En revanche, si la condition est remplie, la corrlation mutuelle est plus puissante c.--d. elle
dtectera mieux l'existence d'une relation entre
et
Y.
Le coecient de corrlation mutuelle s'crit
rb =
o

s2n1 =
n1 /n
1
n1
i (yi
y)2
y1 y0
n1 n0
2
sn1
n n1 /n
(4.4)
est l'estimation de la variance ;
est l'ordonne de la fonction de densit de la loi normale centre rduite la coordonne gale
au quantile d'ordre
n1 /n
(ouf !).
Remarque 6 (Calcul de la quantit n1 /n ).
Manifestement, mal compris, le calcul de
est le principal
frein l'utilisation de cet indicateur, qui est trs peu prsent dans les logiciels. Essayons de dtailler la
dmarche sur un exemple que nous retrouverons dans la section suivante.
Soit
n1 /n = 23/28 = 0.8214.
Nous calculons le quantile d'ordre
0.8214
de la loi normale centre rduite
u0.8214 = 0.9208.
4. Nous viterons cette dnomination pour ne pas la confondre avec la corrlation bisriale ponctuelle (ah ces
linguistes je vous jure, hein..).
5. http://ec.europa.eu/comm/eurostat/research/index.htm?http://www.europa.eu.int/en/comm/
eurostat/research/isi/index_fr.htm&1
Page: 44
macro: svmono.cls
4.2 Corrlation mutuelle
Nous appliquons alors la fonction de densit de la loi normale pour obtenir
45
c.--d.
0.92082
1
= fN (0.9208) = e 2 = 0.2611
2
Remarque 7 (Violation de l'hypothse de normalit sous-jacente).

tion continue sous-jacente de
s'loigne fortement de la loi normale, bimodale ou trs aplatie,
prendre des valeurs suprieures

sous-jacente de
Dans certains cas, lorsque la distribu-
rb
peut
1. Ce sont quand mme des situations extrmes. Lorsque la distribution
est unimodale et raisonnablement symtrique, la procdure est robuste.
Test de signicativit.
Pour tester la signicativit de la corrlation ou calculer les intervalles
de conance, nous pouvons utiliser l'arsenal dvelopp dans les sections 2.4 et 2.5, en substituant la
corrlation mutuelle au coecient de Pearson.
4.2.2 Exemple
Nous cherchons calculer la corrlation entre la cylindre dichotomise (X
> 1200, 0
de
= 1
lorsque cylindre
sinon) et la puissance (Y ). Dans les tudes relles, nous ne disposons que des valeurs binaires
X , nous n'avons pas les valeurs originelles qui ont servi construire X
mme si nous savons par ailleurs
que la variable sous-jacente est continue.

Dtaillons les calculs (Figure 4.2) :
Nous disposons des eectifs
A partir du rapport
n = 28, n1 = 23
n1 /n = 0.8214,
et
n0 = 5
nous obtenons le quantile d'ordre
0.8214,
soit
u0.8214 = 0.9208.
Nous calculons alors l'ordonne de la fonction de densit de la loi normale centre rduite cette
coordonne
fN (0.9208) = 0.2611
Paralllement cela, nous calculons l'estimation (non biaise) de l'cart type

les moyennes conditionnelles
m1 = 87.43
et
sn1 = 32.2569,
puis
m0 = 33.00
Nous disposons maintenant de tous les lments pour former la corrlation mutuelle, nous obtenons
rb = 0.9481
Le
pour le test de signicativit est calcul l'aide de la formule usuelle
t=
rb
1
r2
b
n2
= 15.2016
La corrlation est trs hautement signicatif, la p-value est trs petite. Les donnes ne sont pas
compatibles avec l'hypothse de nullit du coecient.
Remarque 8 (Choix de la borne de dcoupage de la variable continue).

de dcoupage (nous avons choisi la valeur
1200
Attention, le choix de la borne
pour cylindre dans notre exemple) est primordiale. S'il
est malheureux, nous pouvons totalement masquer les informations importantes ou, pire, produire des
valeurs qui posent problme. Un coecient de corrlation suprieur
1 notamment ne manquerait pas de
jeter le discrdit sur les techniques que l'on manipule. Il faut donc avoir de bonnes raisons pour eectuer
le dcoupage. Dans la plupart des cas, ce sont les contraintes du domaine ou les exigences de l'tude
qui le xent arbitrairement. Dans notre exemple, on pourrait avancer qu'au del de la cylindre
1200,
la
scalit est particulirement dsavantageuse.
Page: 45
macro: svmono.cls
46
Fig. 4.2.
Corrlation mutuelle : cylindre vs. puissance
4.2.3 Commentaires sur la puissance de rb par rapport rpb

Par rapport la corrlation bisriale ponctuelle, la corrlation mutuelle tient compte explicitement
du fait que la variable sous-jacente
est continue et gaussienne. Ce surcrot d'information utilis dans
les calculs la rend particulirement puissante lorsque l'assertion est vraie. Dans la pratique, on se rend
compte qu'il y a une formule de passage entre les
rb = rpb
Page: 46
indicateurs ([2], page 37)
n1 n0 (n 1)
2n1 /n n3
macro: svmono.cls
(4.5)
4.3 Le coecient
47
Nous avons eectu plusieurs vrications pour notre exemple prcdent (Figure 4.2). Dtaillons les
rsultats :
En calculant le coecient de Pearson sur les donnes originelles (la variable
nous obtenons
r = 0.9475.
Rappelons que la corrlation mutuelle est
non dichotomise),
rb = 0.9481.
Il est quand
mme remarquable que cette dernire puisse reconstituer avec une telle prcision les rsultats en se
basant sur la variable dichotomise et une hypothse de normalit de la variable sous-jacente.
La corrlation bisriale ponctuelle, base uniquement sur la variable dichotomise, qu'importe qu'elle
soit intrinsquement qualitative ou non, sous-estime fortement l'intensit du lien. En eet, on obtient
rpb = 0.6582. Mme si elle reste signicative, elle est loin de traduire la liaison relle qui existe entre
les variables cylindre et puissance, vidente lorsque l'on construit le graphique nuage de points
associ (Figure 2.5).
En appliquant la formule de passage ci-dessus (quation 4.5), nous retrouvons exactement la valeur
de la corrlation mutuelle [la case
rb (vrication)].
Concernant le passage entre la corrlation mutuelle et la corrlation bisriale ponctuelle, on montre

que
n1 n0 (n 1)
1.25
2n1 /n n3
La corrlation mutuelle est toujours suprieure la corrlation bisriale ponctuelle (r

b
> rpb ).
Elle a
tendance mieux mettre en vidence les carts l'hypothse nulle. Cela n'est pas sans dangers, comme
nous le signalions plus haut, dans certaines situations
4.3 Le coecient
rb
peut prendre des valeurs suprieures
1.
4.3.1 Formulation et tests

Le coecient
est utilis pour mesurer le degr de liaison entre
variables binaires codes
0/1.
Les variables peuvent tre dichotomiques par nature (sexe = H/F) ou dichotomises (dcoupage en
intervalles d'une variable continue). Dans ce dernier cas, il est moins puissant, on prfrera se tourner
vers la corrlation tetrachorique (section 4.3.3).
Calcul bas sur le coecient de Pearson.

coecient
Une premire manire trs simple de calculer le
est de calculer le coecient de Pearson sur les variables codes 0/1. Aucune correction n'est
ncessaire, nous obtenons directement la valeur adquate.
Calcul bas sur le tableau de contingence. Comme les variables sont censes tre dichotomiques
qualitatives c.--d. les modalits ne sont pas ordonnes. Nous pouvons laborer un tableau de contingence
Page: 47
macro: svmono.cls
48
croisant les modalits de
et
Y.
Et calculer l'indicateur
dessus. Nous nous rapprochons en cela des
6
mesures d'association entre variables qualitatives
Partons du tableau de contingence gnrique
Y,
les modalits de
en colonne celles de
22
X.
Y vs. X
1
0
Tableau 4.1.
Le coecient
pour tablir les formules (Tableau 4.1). En ligne
1
a
c
0
b
d
Tableau gnrique 2 2
s'crit :
ad bc
=
(a + b)(c + d)(a + c)(b + d)
Le codage
ou
dtermine le signe de
(4.6)
il n'a pas d'incidence sur la valeur absolue du coecient.
Cela permet de dtecter les attraction ou les rpulsions entre les modalits.
Test de signicativit. Pour tester la signicativit de la corrlation ou calculer les intervalles de

conance, nous pouvons utiliser l'arsenal dvelopp dans les sections 2.4 et 2.5, en substituant le coecient
au coecient de Pearson.
4.3.2 Exemple
Reprenons notre exemple de la puissance et de la cylindre (Figure 2.5). Les deux variables ont t
maintenant dichotomises, nous avons choisi le seuil
Ce faisant nous perdons de l'information car
1800 pour la variable cylindre, 75 pour "puissance".
ne tient pas compte de la nature continue des variables sous-
jacentes. Nous essaierons de voir justement dans quelle mesure la perte d'information est prjudiciable.
Dtaillons notre feuille de calcul (Figure 4.3) :
Dans les colonnes C et D, nous avons les variables originales. En E et F, les variables dichotomises.
Dans la partie droite, sous le tableau de donnes, nous avons classiquement calcul le coecient
de Pearson sur donnes dichotomiques.Nous obtenons
t = 13.0.
r = 0.9309.
Le test de signicativit propose
L'hypothse nulle d'absence de liaison n'est pas compatible avec les donnes.
Voyons maintenant la partie gauche. Nous avons form le tableau de contingence, puis partir de
la formule 4.6, nous avons obtenu
= 0.9309. La valeur concide avec le coecient prcdent. C'est
heureux.
Rappelons que la corrlation sur les variables continues originelles est
page en
rcyl,puiss = 0.9475. Aprs dcou-
intervalles des variables, nous retrouvons quand mme l'intensit de la liaison avec
6. Rakotomalala, R.,
r = 0.9309.
Etude des dpendances - Variables qualitatives, http://eric.univ-lyon2.fr/~ricco/
cours/cours/Dependance_Variables_Qualitatives.pdf. Voir la section 4.1 concernant le coecient et sa
relation avec le coecient de corrlation.

Page: 48
macro: svmono.cls
4.3 Le coecient
Fig. 4.3.
49
Corrlation : cylindre vs. puissance dichotomises
Dans ce cas il y a peu de pertes d'informations. Ce n'est pas tonnant, les seuils ont t judicieusement
choisis, ils se rapprochent, peu prs, du barycentre du nuage de points (Figure 2.5). Si nous avions
choisi des seuils qui ne sont pas en correspondance, par exemple
puissance, nous aurions obtenu
r = 0.3523,
900
pour la cylindre et
100
pour la
laissant croire que le lien est faible. Ce qui est totalement
erron bien sr.
Remarque 9 (Dcouper en intervalles peut mme tre protable).
Encore une fois, la prparation des
donnes, en l'occurrence le choix des bornes lorsque l'on dcoupe les donnes, est donc trs important
pour ce type d'indicateur. Il faut faire trs attention. Mais a contrario, un choix judicieux des bornes
peut tre protable l'analyse. Si la relation est fortement non linaire, le coecient de Pearson sur
les variables originelles est fauss. Le dcoupage en intervalles peut aider mieux mettre en vidence
l'existence de la liaison.
Page: 49
macro: svmono.cls
50
4.3.3 Corrlation tetrachorique

Lorsque les deux variables ont t dichotomises partir d'un couple de variables distribues selon
Tetrachoric
une loi normale bivarie, on privilgiera le coecient tetrachorique qui est plus puissant (
coecient
7
en anglais ).
Ce coecient s'appuie sur l'hypothse de normalit sous jacente pour corriger le coecient
4.6).
Grosso modo,
(quation
le numrateur reste le mme, le dnominateur doit tenir compte en revanche de la
distribution normale en intgrant de nouveau l'ordonne de la loi normale centre et rduite pour les
quantiles des proportions
a+b
a+c
8
n et n . Le calcul est loin d'tre trivial cependant , on peut avoir des
problmes lorsque l'on s'loigne trop de l'hypothse de normalit. Ce coecient est trs peu utilis dans
la pratique.
4.4
de Spearman
Fondamentalement, le coecient de Spearman est aussi un cas particulier du coecient de Pearson,

calcul partir des transformations des variables originelles. Mais il prsente l'avantage d'tre
non para-
mtrique. L'infrence statistique ne repose plus sur la normalit bivarie du couple de variables (X, Y ).
Nous pouvons bien entendu mettre en oeuvre tous les tests mis en avant dans la section 2.5, y compris
ceux relatifs la comparaison de coecients.
4.4.1 Principe
L'ide est de substituer aux valeurs observes leurs rangs. Nous crons donc deux nouvelles colonnes
dans notre tableau :
Ri = Rang(xi ),
correspond au rang
9 de l'observation
xi
dans la colonne des
X;
et
Si = Rang(Yi ).
Le
de Spearman est ni plus ni moins que le coecient de Pearson calcul sur les rangs.
n
i S)
(Ri R)(S
= i=1
2
2
i (Ri R)
i (Si S)
Compte tenu de certaines proprits des rangs (par ex.
=
S = R
(4.7)
n+1
2 ; voir [3], pages 105 108), nous
pouvons dduire une expression simplie
n
12 i=1 Ri Si
3(n + 1)
=
n(n2 1)
n1
(4.8)
7. http://ec.europa.eu/comm/eurostat/research/index.htm?http://www.europa.eu.int/en/comm/
eurostat/research/isi/index_fr.htm&1
8. Voir http://ourworld.compuserve.com/homepages/jsuebersax/tetra.htm concernant les fondements et
les interprtations de la mesure ; voir http://lib.stat.cmu.edu/apstat/116 sur son mode de calcul dans les
logiciels de statistique
9. La plus petite valeur prend le rang 1, la plus grande le rang n
Page: 50
macro: svmono.cls
4.4 de Spearman
Enn, si nous dnissons
Di
telle que
Di = Ri Si
51
est l'cart entre les rangs, nous obtenons une
autre expression quivalente
n
6 i=1 Di2
= 1
n(n2 1)
(4.9)
introduire une correction lorsqu'il y
Attention, pour ces quations simplies, il est ncessaire d'
a des ex-aequo dans les donnes, surtout s'ils sont assez nombreux. Nous reviendrons en dtail sur
les corrections introduire plus loin (section 4.4.5).
Le
de Spearman est une variante du coecient de Pearson, il en reprend les proprits essentielles,
savoir :
1 +1 ;
il prend la valeur
lorsque les variables sont indpendantes.
4.4.2 Un exemple
Fig. 4.4.
Calcul du de Spearman sur une relation "taille - poids"
Nous reprenons notre exemple du lien entre la taille et le poids. Nous avons modi les donnes de
manire viter les ex-aequo :
Nous avons tout d'abord form le nuage de points. Il semble y avoir une liaison entre les
Le coecient de corrlation de Pearson est de
r = 0.58452.
Dans la colonne D et E, nous calculons respectivement les rangs
Page: 51
2 variables.
macro: svmono.cls
Ri
et
Si
52

Nous calculons alors le
avec la formule 4.7 c.--d. en appliquant directement la formule de Pearson
sur les rangs. Nous obtenons
= 0.61786
Dans la colonne F, nous formons le produit

partir de la formule 4.8, nous produisons
nous obtenons la somme
= 0.61786.
Enn, en colonne G, nous calculons l'cart
214.
Ri Si ,
Di
Ri Si = 1133.
La mme valeur que prcdemment.
et nous formons la colonne
En appliquant la formule 4.9, la troisime estimation
= 0.61786
Di2 .
La somme
Di2 =
est totalement cohrente
avec les prcdentes.
4.4.3 Distribution et tests

Nous pouvons utiliser la transformation de Fisher pour calculer les intervalles de conance et raliser
les tests de comparaison.
Concernant le test de signicativit, nous nous appuyons sur le
de
20
de Student lorsque
est de l'ordre
30
t=
12
n2
Ou mme utiliser une approximation normale, plus simple, lorsque
U=
Remarque 10 (Approximation asymptotique).
1
n1
n > 35
n1
Les valeurs de
ci-dessus correspondent avant tout un
ordre d'ide. Les ouvrages divergent ce sujet, Dodge et Rousson rapportent que l'approximation normale
sut ds que
n > 10
(voir [3], page 107) ; Siegel et Castellan, eux, rapportent qu'on peut s'appuyer sur
l'approximation normale lorsque
est autour de
que lorsque les eectifs sont vraiment faibles
20
25
(voir [11], page 243). Ce qui est sr, c'est
(4 n 10),
nous avons intrt utiliser des tables
spciques pour les tests de signicativit (voir la table 24 dans [1] ; la table Q dans [11] ; ou
http:
//www.sussex.ac.uk/Users/grahamh/RM1web/Rhotable.htm).
Exemple numrique.
Nous avons mis en oeuvre les deux approximations dans notre exemple ci-
dessus (Figure 4.4). Nous avons

avec p-value =
0.02079
t = 2.83320 avec une p-value de 0.01410 pour le premier test ; U = 2.31181
pour le second. Les rsultats ne sont gures dirents au nal, ils aboutissent
la mme conclusion, le rejet de l'hypothse de nullit du coecient au risque
5%.
4.4.4 D'autres proprits rjouissantes

Dans la pratique, on se rend compte que le
de Spearman cumule les bonnes qualits. Il devrait tre
privilgi ds que l'on eectue des traitement automatiss. Il vite bien des cueils qui faussent souvent
les valeurs produites par le coecient de Pearson.
Page: 52
macro: svmono.cls
4.4 de Spearman
53
Test non paramtrique. Il est non paramtrique, il n'est donc pas ncessaire de faire des hypothses
sur les distributions sous-jacentes de
et
Y.
Mais lorsque le couple
(X, Y )
est distribu selon une loi
normale bivarie, il est quasiment aussi puissant que le coecient de Pearson. Les deux indicateurs
proposent des valeurs similaires, il est ds lors possible d'interprter le carr du coecient de Spearman
en termes de variance explique.
Traitement des donnes ordinales.

le
Toujours consquence du fait qu'il soit non paramtrique,
de Spearman peut traiter les variables intrinsquement ordinales : un indice de satisfaction, une
apprciation ou une note attribue, etc. L'infrence statistique (tests, intervalles de conance) n'est pas
modie.
Liaison monotone non linaire. Trs intressant dans la pratique, le de Spearman peut caractriser d'une liaison non-linaire monotone, la dirence du coecient de Pearson qui ne retranscrit que
les relations linaires. Cela nous vite d'avoir eectuer le choix douloureux de la fonction de transformation lors de la tentative de linarisation de l'association. La transformation par les rangs est susamment
gnrique pour que l'on puisse rendre compte de l'existence d'une liaison monotone.
De manire gnrale, une forte disparit entre
la relation entre
et
et r devrait
nous alerter quant la non linarit de
Y.
Fig. 4.5.
Avantage du de Spearman sur une relation non linaire monotone
Reprenons l'exemple illustratif de la section 2.6 (Problmes et cas pathologiques). Rappelons nous,
malgr une liaison visuellement vidente, le coecient de Pearson nous annonait une corrlation
0.7804.
r =
Nous avons remplac les valeurs initiales par les rangs, puis nous avons calcul le coecient de
Spearman, la liaison parfaite est maintenant bien dtecte (Figure 4.5). Ceci s'explique en partie par le fait
que
le passage aux rangs symtrise les distributions. En eet, dans notre exemple, la distribution
initiale de la variable en ordonne est trs asymtrique, faussant le coecient de Pearson.
Le
de Spearman a quand mme des limites. Lorsque la liaison est non monotone, il n'est pas oprant.
Il faut se tourner vers une transformation de variable spcique inspire par le graphique nuage de points
ou utiliser un indicateur adapt tel que le rapport de corrlation (section 4.6).
Page: 53
macro: svmono.cls
54
Robustesse face aux points atypiques.

Autre caractristique trs intressante du coecient de Spearman, sa robustesse face aux points
aberrants, mme lorsque l'eectif est faible.
Avantage du de Spearman concernant les points atypiques
Fig. 4.6.
Reprenons l'exemple prsent plus haut (section 2.6, gure 2.7). Nous avions not que le coecient
de Pearson pouvait tre fortement aect par l'existence d'un point extrme. Nous avons transform
les donnes en rangs, ce faisant nous avons liss les carts entre les valeurs. Nous calculons
semble des observations, nous obtenons
signicativement dirent de
0,
avec
= 0.39286,
t = 0.95526
sur l'en-
et nous notons surtout que le coecient n'est pas
et une p-value
= 0.38332.
4.4.5 Traitement des ex aequo

Lorsqu'il y a beaucoup d'ex-aequo dans les donnes, nous aectons les rangs moyens aux observations
portant des valeurs identiques. Il faut alors ajuster le coecient de Spearman lorsque nous voulons utiliser
l'quation 4.9 (voir [11], pages 239 241). La correction est d'autant plus sensible que le nombre de valeurs
identiques est lev pour
et
Y.
Dans ce qui suit, nous explicitons le processus pour la variable

mmes pour la variable
X.
Les calculs sont exactement les
Y.
Rangs moyens. Lors de la transformation des donnes en rangs, nous devons tenir compte maintenant des ex-aequo. Pour un chantillon de taille
Remarquons que si
G = n,
n,
admettons qu'il n'y ait que
valeurs direntes.
cela veut dire qu'il n'y pas d'ex aequo dans nos donnes.
Au dpart nous aectons les rangs aux observations selon la procdure habituelle. Dans un deuxime
temps, nous eectuons un nouveau passage sur les donnes, nous attribuons aux individus portant des
valeurs identiques la moyenne des rangs associs.
Prenons un petit exemple pour dtailler cela (Figure 4.7). Nous avons
la valeur de
X.
12
observations tris selon
Nous attribuons le rang normalement (Rangs bruts) en utilisant la fonction RANG(...)
d'EXCEL. Nous notons que plusieurs observations ont des valeurs identiques (A,B), (D,E,F) et (J,K)
10 .
Nous eectuons un second passage sur les donnes, nous calculons et attribuons la moyenne de leur rangs
10. La procdure est totalement gnrique bien sr, nous pouvons avoir 10 valeurs identiques
Page: 54
macro: svmono.cls
4.4 de Spearman
Fig. 4.7.
55
Calcul des rangs moyens
aux individus portant les mmes valeurs. Ici, A et B ont la mme valeur, ils portent respectivement les
rangs
et
2,
4+5+6
calcul
3
nous leur aectons au nal le rang moyen
5. Et pour J et K, nous calculons 10+11

2
Facteur de correction.
1+2
2
= 1.5.
Pour D, E et F nous eectuons le
= 10.5.
Pour calculer le facteur de correction
Tx ,
nous recensons les
distinctes parmi les rangs moyens, pour chaque valeur nous comptons son nombre d'apparition
produisons alors la quantit
de mme pour
Ty ,
Tx
valeurs
tg .
Nous
qui sera introduite dans la formule du coecient de Spearman (il en sera
facteur de correction pour
Y)
Tx =
(t3g tg )
(4.10)
g=1
Reprenons notre exemple ci-dessus (Figure 4.7). Nous avons
du rang moyen, nous associons le nombre d'occurrence
Tx = 36
tg .
n = 12
et
G = 8.
Pour chaque valeur
Nous appliquons la formule 4.10 pour obtenir
(Figure 4.8).
Fig. 4.8.
Calcul du facteur de correction pour le de Spearman
Coecient de Spearman corrig. Enn, il nous faut introduire le facteur de correction dans le
calcul du
de Spearman (Equation 4.9) (voir [11], page 239, quation 9.7)
n
(n3 n) 6 i=1 d2i (Tx + Ty )/2
=
(n3 n)2 (Tx + Ty )(n3 n) + Tx Ty
Page: 55
macro: svmono.cls
(4.11)
56

Remarquons que s'il n'y a pas d'ex-aequo en
et en
Y,
nous aurons
Tx = Ty = 0,
la formule 4.11
sera totalement quivalente (aprs quelques simplications) la formule 4.9.

Compltons notre exemple avec les valeurs de
aequo sur cette seconde variable, de facto
calculons les carts
Di = R i
=
Fig. 4.9.
Y.
Ty = 0
Pour rendre l'expos plus clair, il n'y a pas d'ex
(Figure 4.8). Nous construisons les rangs
Si ,
nous
Si . Reste produire Di2 que nous introduisons dans l'quation 4.11 :

(123 12) 6 129 (36 + 0)/2
(123 12)2 (36 + 0)(123 12) + 36 0
= 0.5442
Tableau de calcul du de Spearman lorsqu'il y a des ex-aequo
Remarque 11 (Traitement des ex-aequo pour le coecient de Pearson sur les rangs).
signalions plus haut, il est possible d'obtenir le
de Spearman en calculant le
Comme nous le
de Pearson sur les rangs.
Avec cette stratgie, lorsqu'il y a des ex aequo dans les donnes, nous utilisons toujours le principe des
rangs moyens. En revanche il n'est pas ncessaire de corriger le coecient obtenu
11 . Dans notre exemple
ci-dessus (Figure 4.9), si nous appliquons la formule de la corrlation empirique (Equation 2.8) sur les
colonnes des rangs moyens
4.5
et
S,
nous obtenons directement la bonne valeur de
= 0.5442.
de Kendall
Le
de Kendall n'est pas proprement parler une variante du coecient de Pearson. On n'applique
pas la formule sur des donnes recodes. Il repose sur un principe trs dirent, il s'interprte galement
de manire dirente. Nous le prsentons dans ce support car il est trs largement dius, et certains
auteurs s'accordent dire qu'il est meilleur que le
de Spearman
12 . Nous ne rentrerons pas dans cette
polmique. En revanche, nous ne pouvons pas passer ct de cette mesure, d'autant plus qu'elle est
aussi non paramtrique.
11. http://en.wikipedia.org/wiki/Spearman's_rank_correlation_coefficient
12. Voir par exemple http://www.rsscse.org.uk/ts/bts/noether/text.html ; voir aussi [6], page 332
Page: 56
macro: svmono.cls
4.5 de Kendall
57
4.5.1 Principe et interprtation
Le
de Kendall est dni pour mesurer l'association entre variables ordinales, typiquement des clas-
sement (ou rangs) aects par des juges. Son champ d'application couvre donc parfaitement celui du
de Spearman.
Le coecient de Kendall repose sur la notion de paires discordantes et concordantes
1. On dit que les paires observations
ou (xi < xj
alors
yi < yj ).
et
sont concordantes si et seulement si (xi
Nous pouvons simplier l'criture avec
2. On dit que les paires sont discordantes lorsque (xi

d'autres termes
alors
> xj
alors
yi > y j )
(xi xj ) (yi yj ) > 0
yi < yj )
ou (xi < xj
alors
yi > yj ),
en
(xi xj ) (yi yj ) < 0
Pour un chantillon de taille

Le
> xj
13 :
n, soit P
(resp.
Q) le nombre de paires concordantes (resp. discordantes).
de Kendall est dni de la manire suivante
P Q
1)
(4.12)
1
2 n(n
Le dnominateur reprsente le nombre total de paires possibles c.--d.
1
n(n 1) =
2
( )
n
2
Remarque 12 (Donnes continues, donnes ordinales). Notons qu'il est possible de calculer directement
sur des donnes continues (X et
Y ) sans qu'il soit ncessaire de les transformer en rangs. Le
de Kendall
s'applique naturellement aussi lorsqu'une des variables est continue, l'autre ordinale.
Interprtation. Le
(ou
de Kendall s'interprte comme le degr de correspondance entre
notations). Si toutes les paires sont concordantes c.-d. le classement selon
quement avec le classement selon
Y , = 1;
si toutes les paires sont discordantes,
deux classements sont totalement indpendants,
classements
concorde systmati-
= 1 ;
enn, si les
= 0.
Surtout, et c'est sa principale direnciation avec le

probabilit. Il est le fruit de la dirence entre
de Spearman, le
de Kendall se lit comme une
probabilits : celle d'avoir des paires concordantes et
celle d'avoir des paires discordantes. Ainsi, lorsque
= 0,
une paire d'observations a autant de chances
d'tre concordante que d'tre discordante.

Le
de Kendall thorique, calcul sur la population, est dni par (voir [9], 138)
= 2 P [(xi xj ) (yi yj ) > 0] 1
(4.13)
Calcul pratique. La manire la plus simple de calculer est de trier les donnes selon X , puis de
comptabiliser la quantit suivante
13. http://en.wikipedia.org/wiki/Concordant_pairs
Page: 57
macro: svmono.cls
58
S=
n1
ij
i=1 j=i+1
o
+1 , si y < y
i
j
ij =
1 , si yi > yj
(4.14)
et
i =
ij
j=i+1
est l'cart entre le nombre de paires concordantes et discordantes relativement l'observation
i.
S est donc l'cart entre le nombre total de paires concordantes, et le nombre total de paires discordantes
c.--d.
S = P Q.
Nous pouvons ds lors r-crire le coecient de Kendall
S
1
2 n(n
1)
2S
n(n 1)
(4.15)
Un exemple. Dtaillons les calculs sur exemple. Nous limitons les eectifs n = 6 car les calculs
deviennent rapidement inextricables. Nous mettons en relation la taille et le poids des
plus petits
individus du chier (Figure 4.4). Les donnes sont tries selon la taille, nous allons calculer les quantits
ij , i
et
(Figure 4.10).
Fig. 4.10.
Tableau de calcul du de Kendall
Dcrivons le processus de formation de
Nous trions les individus selon leur taille (X ). De fait, puisque nous ne grons pas les ex aequo
ce stade,
j > i xj > xi .
Pour l'individu
no 1
avec (X
= 1.496)
et surtout (y1
= 67.585),
sont concordants (resp.discordants) pour leur attribuer la valeur

colonne qui vient juste aprs "poids (kg)" avec l'en-tte "n
1".
nous regardons les individus qui
1j = +1
1,j ) 1.
C'est la
On observe :
y2 = 58.068 < y1 12 = 1
l'individu
n 2
est discordant, en eet
l'individu
n 3
est discordant, ici aussi
y3 = 55.000 < y1 13 = 1
l'individu
est concordant, en eet
y4 = 71.668 > y1 14 = +1
n 4
(resp.
etc.
Page: 58
macro: svmono.cls
4.5 de Kendall
Pour aboutir la somme
59
1 = (1) + (1) + (+1) + (1) + (1) = 3
Nous faisons de mme pour l'individu
no 2
etc.
Nous pouvons ainsi former la somme
S=
2 = (1) + (+1) + (1) + (+1) = 0
c.--d.
n1
i=1
i = (3) + 0 + (+3) + (2) + (+1) = 1
Le coecient est obtenu l'aide de l'quation 4.15
2 (1)
= 0.0667
6 (6 1)
4.5.2 Test de signicativit

Ds que
n>8
(voir [1], page 115), et plus srement lorsque
nous appuyer sur la normalit asymptotique de
n > 10
([11], page 252), nous pouvons
sous l'hypothse d'indpendance de
et
Y.
Le test de signicativit repose alors sur la statistique
U=
2(2n+5)
9n(n1)
suit une loi normale centre et rduite sous
= 3
H0 .
n(n 1)
2(2n + 5)
(4.16)
La rgion critique du test pour un risque
s'crit
|U | > u1 2
Un exemple. L'approximation est bien videmment mauvaise (n = 6) pour notre exemple ci-dessus
(Figure 4.10). Nous allons quand mme l'utiliser pour illustrer simplement la dmarche. Rappelons que
= 0.0667.
Nous obtenons
avec
U = 3 (0.0667)
En comparant
|U |
avec le seuil critique du test
6(6 1)
= 0.1879
2(2 6 + 5)
u0.975 = 1.96,
compatibles avec l'hypothse d'absence de lien entre
et
nous concluons que les donnes sont
Y.
4.5.3 Relation avec le de Spearman
de Kendall et
de Spearman sont tous les deux des coecients de corrlation de rangs. Ils reposent
sur les mmes hypothses et exploitent les mmes informations, il est logique qu'ils aient une puissance
similaire (la capacit dtecter juste titre l'hypothse
prtation des valeurs proposes par les statistiques :
explique, l'instar du coecient de Pearson,
H1 ).
La dirence se joue surtout sur l'inter-
s'interprte comme une proportion de variance
s'interprte comme une probabilit
14 .
Il y a cependant une relation entre les valeurs estimes, on montre que (voir [11], page 251) que
1 3
2
+1
14. http://www.unesco.org/webworld/idams/advguide/Chapt4_2.htm
Page: 59
macro: svmono.cls
60

Lorsque
est assez grand, et les coecients pas trop proches de
(en valeur absolue), on constate
galement la relation suivante (voir [1], page 114)
Enn, lorsque le (X, Y ) suit une loi normale bivarie, nous avons la relation (voir [9], page 138)
2
arcsin
4.5.4 Traitement des ex-aequo

Lorsque les donnes comportent des ex aequo, la formule 4.15 doit tre corrige.
Calcul de
ij .
Pour le calcul des cart entre paires concordantes et discordantes
ramnager la quantit
ij
en introduisant un nouveau cas :
ij = 0
si
(xi = xj )
ou (yi
S,
= yj ).
Facteur de correction. Dtaillons la procdure de calcul du facteur de correction Ex

dmarche est identique pour
Ey
de
Pour un chantillon de taille
Gx = n,
Y)
n,
nous devons
pour
( la
nous recensons les valeurs distinctes de
X,
elle est gale
Gx .
Si
il n'y a pas d'ex aequo.
Pour chaque valeur
xg
de
Le facteur de correction
X,
Ex
nous comptabilisons le nombre d'occurrences
tg .
s'crit alors
Ex =
Gx
tg (tg 1)
(4.17)
g=1
Remarque 13 (Facteur de correction).

pour le
Attention, le facteur de correction
de Spearman (Tx ). Ici aussi, nous remarquons que
Ex = 0
Ex
est dirent de celui utilis
si les donnes ne comportent pas
d'ex-aequo.
Coecient de Kendall corrig. Il faut maintenant introduire les facteurs de corrections pour les
donnes comportant des ex-aequo
2S
n(n 1) Ey
n(n 1) Ex
(4.18)
Exemple. On demande 2 enseignants de noter de manire indpendante des dissertations de n = 8

tudiants. Le premier est expriment (X ), le second est novice dans la profession (Y ). On chercher
savoir si les notes attribues sont indpendantes, auquel cas il y aurait matire s'inquiter concernant
le degr de subjectivit que peut comporter la notation des copies.
De nouveau nous construisons le tableau de calcul sous EXCEL (Figure 4.11) :

n=8
observations.
Nous trions les donnes selon les valeurs de
Page: 60
X.
macro: svmono.cls
4.5 de Kendall
Fig. 4.11.
Il y a
Gx = 5
1; 14 : 1).
Tableau de calcul du de Kendall en prsence d'ex aequo
valeurs distinctes de
X,
nous comptons les occurrences
A l'aide de la formule 4.17, nous produisons
Nous procdons de la mme manire pour
Y.
Il faut maintenant produire la valeur de
S.
(x1
= 6.5; y1 = 8.5).
Il a
(6.5 : 1; 9 : 2; 12 : 3; 13 :
Ex = 8 .
Gy = 6
valeurs distinctes, nous obtenons
Nous prenons comme rfrence l'individu
Ey = 4.
no 1
avec
Regardons les paires concordantes et discordantes :
n 2
est ex-aequo, en eet
est discordant car
n 3
61
y2 = y1 12 = 0
y2 = 6.5 < y1 13 = 1
Etc.
Pour l'individu
no 1,
nous obtenons ainsi
1 = 4
Prenons maintenant comme rfrence l'individu

n 3
de
est ex-aequo car
n 4
x2 = 9 = x1 23 = 0 ;
no 2
avec (x2
= 9; y2 = 8.5)
il n'est mme pas ncessaire de considrer la valeur
pour cette paire.
est concordant car
x4 = 12 > x2
et
y4 = 11 > y2 24 = +1
Etc.
Pour l'individu
no 2,
nous obtenons
Etc. Pour aboutir au nal
2 = 5
S = 19
Nous utilisons la formule corrige (Equation 4.18)
2 19
=
= 0.76061
8(8 1) 8 8(8 1) 4
Pour tester la signicativit du coecient, nous utilisons l'approximation normale
U = 3 0.76061
La p-value est
0.00842.
Au risque
5%,
8(8 1)
= 2.63483
2(2 8 + 5
on peut conclure l'existence d'un lien positif entre un cor-
recteur expriment et un correcteur novice. Mieux mme, puisque nous pouvons interprter le
Page: 61
macro: svmono.cls
de
62
Kendall comme une probabilit, nous dirions que
correcteurs rangent de la mme manire
76.06%
correspond au surcrot de chances que les deux
copies prises au hasard (ouf !).
4.6 Rapport de corrlation

Lorsque la relation s'carte de la linarit, nous constatons que le coecient de corrlation n'est plus
adapt, particulirement lorsque la relation est non monotone. Dans cette section, nous prsentons un
indicateur, le rapport de corrlation
15 , dont l'interprtation et l'ecacit ne dpend pas de la forme de la
relation tudie. En particulier, il permet de rendre compte de la liaison mme si elle est non monotone.
4.6.1 Principe et interprtation

Le rapport de corrlation
16 est une
mesure asymtrique,
conditionnelle. Nous notons E[Y /X = x] l'esprance de la variable Y

un rsum de
lorsque
prend la valeur
esprance
elle repose sur la notion d'

lorsque
X = x,
elle nous fournit
x. Dans la rgression linaire simple par exemple, nous faisons
l'hypothse que cette esprance est une fonction linaire de
c.--d.
E[Y /X = x] = a X + b.
Dans le cas du rapport de corrlation, nous estimons directement cette quantit partir des observations. Cela suppose, et c'est la principale limite de cette mesure, que l'on dispose de plusieurs observations
de
pour chaque valeur
Le
de
X.
rapport de corrlation thorique Y2 /X
explique par
et la variabilit totale de
est dnie comme le rapport entre la variabilit de
Y.
2
y/x
=
E{(Y /X E[Y ])2 }

E{(Y E[Y ])2 }
(4.19)
2
2
Domaine de dnition. Le rapport de corrlation 17 y/x
est dni sur l'intervalle 0 y/x 1.
Lorsqu'il est gal
La moyenne de
0,
cela veut dire que la connaissance de
est la mme quelle que soit la valeur de
A contrario, lorsqu'il est gal

valeur de
1,
c.--d. chaque valeur
la connaissance de
de
ne donne aucune information sur
Y.
X.
permet de dterminer avec certitude la
correspond une seule valeur de
Y.
Liaison entre une variable qualitative et une variable quantitative.
Le rapport de corr-
lation a une porte plus large que la simple alternative pour mesurer une liaison non linaire entre 2
variables quantitatives. Nous constatons dans la dnition ci-dessus (formule 4.19) qu' aucun moment
nous faisons rfrence au caractre ordonn de
X . De fait,
caractriser l'association entre une variable qualitative
le rapport de corrlation peut tre utilis pour

et une variable quantitative
([9], page 143).
On se rapproche en cela du schma de l'analyse de variance (ANOVA).
15. en anglais, coecient of nonlinear relationship, ou eta coecient, ou encore eta correlation ratio
16. Voir http://biblioxtrn.uqar.qc.ca/stat/Fichesstat/multivariable/quanti/rapport.htm
17. Voir http://nte-serveur.univ-lyon1.fr/nte/immediato/math2002/Mass11/cours/chapitr3d.htm
Page: 62
macro: svmono.cls

Si
prend
valeurs distinctes, calcul sur un chantillon, le
63
rapport de corrlation empirique
est dnie de la manire suivante :
2
y/x
avec
nk
K
yk y)2
k=1 nk (
=
n
)2
i=1 (yi y
le nombre d'observations telles que
X = xk , yk
(4.20)
la moyenne de
lorsque
X = xk .
Nous pouvons aussi crire le rapport de corrlation en faisant intervenir la variance de

par les
non explique
c.--d. la variance rsiduelle.
K
2
y/x
=1
nk
nk i=1
(yi
k=1
n
(y
y)2
i=1 i
La formule n'utilise jamais de manire explicite les valeurs

caractre ordonn de
c.--d.
xk+1 > xk .
xk .
yk )2
(4.21)
De mme, elle ne tient pas compte du
On fait donc l'impasse sur une information qui est pourtant
importante. C'est le prix payer pour ne pas avoir faire d'hypothses sur la forme de la relation.
On voit bien la limite de l'indicateur dans cette nouvelle formulation. Si nous ne disposons que d'une
K = n, nk = 1, k
et
yi = yk . Le rapport de corrlation
sans qu'il n'y ait aucune relation entre
et
seule observation pour chaque valeur de

sera mcaniquement gal
c.--d.
Y.
Nanmoins cette restriction
n'est pas aussi contraignante qu'on pourrait le penser :

1. Dans les sciences exprimentales o les donnes sont le fruit d'une exprimentation raisonne, la
rptition des observations pour une valeur de
est tout fait naturelle. Par exemple, pour valuer
la rduction du nombre de microbes conscutive l'administration d'un mdicament, on rpartit les

cobayes en groupes, dans un groupe on donne une dose identique. Nous disposons de plusieurs valeurs
(rduction des microbes) pour chaque valeur de
(dose du mdicament).
2. Nous avons la possibilit de dcouper les valeurs de
en classes de manire obtenir un certain
de
nombre d'observations dans chaque groupe. Dans ce cas, le choix des bornes des intervalles est dterminant. Si elles sont mal dnies, des informations primordiales peuvent tre masques. A l'extrme,
si on ne prend qu'un seul intervalle qui va du minimum au maximum, on ne pourra rien en tirer.
Relations entre coecient de corrlation et rapport de corrlation.
Ces deux indicateurs
sont censs mesurer le lien entre deux variables, la dirence que le premier fait l'hypothse de la
linarit de la relation. On peut noter alors quelques relations importantes entre
De manire gnrale,
2
2
y/x
rxy
.
On le comprend aisment,
2
rxy
et
2
y/x
introduit une contrainte supplmen-
2
2
taire, l'hypothse de linarit, pour mesurer la liaison. On peut d'ailleurs utiliser l'cart (y/x rxy )
pour valuer le caractre linaire de la relation.

r 2 = 1 2 = 1,
une liaison linaire parfaite signie une liaison parfaite.
= 0 r = 0,
absence totale de liaison implique absence de liaison linaire.
La valeur
xk
n'entre pas en ligne de compte dans le calcul du rapport de corrlation. Si on la
remplace articiellement par la moyenne conditionnelle de
c.--d.
xk = yk ,
alors
2
2
y/x
= rxy
(voir
[9], page 144).
Page: 63
macro: svmono.cls
64
4.6.2 Infrence statistique

Pour tester la signicativit du rapport de corrlation, il faut se rfrer au schma d'analyse de variance
facteur
18 . En eet, le test d'hypothses 19
2
H0 : y/x
=0
2
H1 : y/x
>0
Est quivalent
20
H0 : 1 = = K
H1 : une au moins diere des autres
Sous l'hypothse nulle, et sous condition que les distributions conditionnelles soient gaussiennes et de
homoscdasticit ) 21 , la statistique :
variance identique (hypothse d'
F =
Suit une loi de Fisher
Pour un risque
2
K1
1
2
nK
(K 1, n K)
nK
2
K 1
1 2
(4.22)
degrs de libert.
la rgion critique du test s'crit :
R.C. : F > F1 (K 1, n K)
o
F1 (K 1, n K)
est le quantile d'ordre (1
de la loi de Fisher (K
1, n K)
degrs de
libert.
4.6.3 Un exemple
Nous essayons de vrier, au risque de
10%,
l'inuence de la consommation de cigarettes (en nombre
de paquets par jour) sur le risque d'apparition de la leucmie chez

asymtrique, dans l'autre sens,
A partir de ces
n = 43
43
gros fumeurs. L'analyse est bien
priori, elle n'aurait pas trop d'intrt 22 .
observations, nous menons dans un premier temps une analyse de corrlation
classique en calculant le coecient de Pearson (Figure 4.12, colonnes A et B de la feuille de calcul). Nous
obtenons :
Le coecient de corrlation empirique est
r = 0.01876,
Pour tester la signicativit, nous formons le
18.
19.
20.
21.
22.
son carr
de Student,
r2 = 0.00035
t = 0.12016
http://spiral.univ-lyon1.fr/mathsv/cours/pdf/stat/Chapitre9.pdf
Le rapport de corrlation est toujours positif ou nul, le test est forcment unilatral.
k = E[Y /X = xk ], la moyenne conditionnelle thorique
l'ANOVA est quand mme bien robuste par rapport ces hypothses
Les donnes sont ctives, que le lecteur mdecin ne s'aole pas.
Page: 64
macro: svmono.cls

La p-value du test nous fournit p-value =
Au risque de
10%,
65
0.90493
il semble patent qu'il n'y a aucun lien entre les deux variables. On peut fumer
en paix.
Fig. 4.12.
Rapport de corrlation - Risque de leucmie vs. Consommation de cigarettes
S'arrter ce stade serait une grave erreur, un petit graphique mettant en relation les deux variables
claire la relation sous un autre jour. Calculons maintenant le rapport de corrlation (Figure 4.12, colonnes
D F de la feuille de calcul) :
Dans le graphique, on se rend compte que pour chaque valeur de
X , les nuages de points correspon-
dant sont assez dcals. Impression conrme par les moyennes conditionnelles en rouge que nous
Page: 65
macro: svmono.cls
66

avons relies. S'il y avait eu absence de relation, les moyennes seraient au mme niveau, nous aurions
obtenu un droite horizontale. Il semble que ce ne soit pas le cas ici, vrions cela numriquement.
Pour calculer le rapport de corrlation, nous devons tout d'abord former les moyennes conditionnelles, nous avons ralis cela l'aide de l'outil "tableaux croiss dynamiques" d'EXCEL, nous
avons la fois les eectifs et les moyennes par valeur de
n1 = 6
et
X.
Par exemple, pour
X = 1,
nous avons
y1 = 6.45
L'eectif global est bien
n = 43
et la moyenne
y = 6.87.
Nous calculons le numrateur de la formule 4.20, nous obtenons
B = 2.63695
De la mme manire, nous formons le dnominateur, nous obtenons

Le rapport de corrlation estim est gal
2 =
B
T
T = 13.70647
= 0.19239. A comparer avec r2 = 0.00035 obtenu
prcdemment. Si liaison il y a, elle n'est absolument pas linaire en tous les cas.
Voyons justement ce qu'il en est de la signicativit. Nous formons la statistique F (quation 4.22),
elle est gale
Pour un risque
F = 2.26307.
= 0.1,
nous la comparons
de corrlation est dirent de
0,
F0.9 (4, 38) = 2.09896.
Au risque
rsultat conrm par la p-value gale
= 10%,
le rapport
0.08032.
Il y a donc bien un lien entre la consommation de cigarettes et le risque de leucmie, mais la liaison
est assez complexe. On a des srieux problmes quand on en consomme
2 paquets par jour, au del,
ah bon ? ! ). Mais il ne faut pas se faire d'illusions, mon avis,

c'est parce qu'on va mourir d'autre chose avant de contracter une leucmie.
on dirait que la situation s'amliore (
Page: 66
macro: svmono.cls
Partie II
Corrlations partielles et semi-partielles
Page: 67
macro: svmono.cls
Page: 68
macro: svmono.cls
5
Corrlation partielle paramtrique et non paramtrique
5.1 Principe de la corrlation partielle

Il n'est pas rare qu'une ou plusieurs autres variables viennent fausser la corrlation entre
variables,
laissant penser tort l'existence (ou l'absence) d'une liaison. On parle de facteur confondant (voir
section 2.6,
Problmes et cas pathologiques ).
La littrature statistique regorge d'exemples plus ou moins
loufoques de corrlations numriquement leves, mais qui ne rsistent pas une seconde l'interprtation :
Corrlation entre les ventes de lunettes noires et les ventes de glaces (c'est pour ne pas voir les
calories qu'on engoure...). Il faut surtout y voir l'eet de la chaleur ou de l'ensoleillement.
Corrlation entre le nombre d'admissions l'hpital et les ventes de glaces (a y est, les calories ont
encore frapp...). Encore une fois, la canicule y est pour quelque chose peut tre.
Corrlation entre la longueur des cheveux et la taille des personnes (et oui, on compense comme on
peut...). On a mlang les hommes et les femmes dans les donnes. En moyenne, les hommes sont
plus grands que les femmes avec,
a contrario, des cheveux plus courts (Figure 2.6).
Corrlation entre le prix des voitures et leur consommation (tant qu' payer, autant le faire
vitam
ad
...). Les voitures luxueuses, chres, sont aussi souvent de lourdes grosses cylindres. Toute la
lire automobile vous dit merci.

Corrlation entre la hausse des prix et le budget alimentation des mnages (les soucis donnent faim,
c'est bien connu...). Il faudrait plutt exprimer la consommation alimentaire en volume, autrement
en tous les cas.
Etc.
L'ide de la corrlation partielle est de mesurer la corrlation entre
l'eet d'une troisime variable
calculer
et
en annulant (en contrlant)
Z . Lorsque cette dernire est qualitative, la stratgie est simple, il s'agit de
r dans chaque groupe du point de vue numrique, et de distinguer explicitement les groupes dans
le graphique nuage de points (Figure 2.6 par exemple pour la corrlation taille et longueur de cheveux).
Page: 69
macro: svmono.cls
70
5 Corrlation partielle paramtrique et non paramtrique

L'aaire se complique lorsque la
retrancher de
et
variable de contrle Z est elle aussi numrique 1 . Il faudrait alors
la variance explique par
Z,
puis calculer la corrlation en utilisant l'information
rsiduelle. C'est exactement la dmarche de la corrlation partielle.

Le rle de
Garson ([5],
est complexe. Parfois elle exacerbe la corrlation entre
et
http://www2.chass.ncsu.edu/garson/pa765/partialr.htm)
les direntes interaction qu'il peut y avoir entre
Fig. 5.1.
X, Y
et
Y,
parfois elle la masque.
rsume dans un graphique
(Figure 5.1).
Typologie de l'inuence de Z sur la corrlation rxy
On parle de corrlation brute lorsque l'on souhaite mesurer la relation directe
rxy . On parle de corrla-
tion partielle lorsque l'on souhaite faire intervenir une ou plusieurs variables de contrle : plus prcisment,
corrlation partielle d'ordre
lorsque l'on a
variables de contrle.
1. Dans les sciences exprimentales o nous contrlons la production des donnes, nous pourrions, pour chaque
valeur de Z , rpter l'exprimentation de manire recueillir plusieurs observations (xi , yi ). On retrouve ainsi le
schma de la variable de contrle discrte. Mais dans les sciences sociales, souvent le triplet (xi , yi, zi ) est unique
dans le chier, la seule solution est de passer par la corrlation partielle.
Page: 70
macro: svmono.cls
5.2 Corrlation partielle d'ordre 1 bas sur le r de Pearson
71
Corrlation (mme partielle) n'est toujours pas causalit. Prcisons encore et toujours qu'il s'agit toujours l de procdures numriques destines mesurer l'existence et
l'intensit d'une liaison. La corrlation partielle ne droge pas cette rgle. La mise en
vidence d'une ventuelle causalit ne peut et ne doit reposer que sur les connaissances du
domaine. En revanche, et c'est pour cela qu'elle peut tre trs bnque dans une analyse,
la corrlation partielle peut permettre de clarier la relation qui existe (ou qui n'existe pas)
entre
variables.
Remarque 14 (Quelques lments sur les notations).

priorit
Dans cette partie du support, nous noterons en
le coecient partiel, sauf s'il y a ambigut, auquel cas nous indiquerons les indices adquats.
Concernant la transformation de Fisher, pour viter la confusion avec la (ou les) variable(s) de contrle,
nous la noterons
f.

Dans un premier temps, tudions le coecient de corrlation partielle d'ordre
1 base sur le coecient
de Pearson. Les hypothses relatives l'infrence statistique restent de mise ici, on postule notamment
que la distribution de (X, Y ) conditionnellement
suit une loi normale bivarie (voir [9], page 133).
Fort heureusement, les proprits asymptotiques sont conserves. Il n'en reste pas moins que le coecient
partiel ne caractrise que les relations linaires.
5.2.1 Dnition - Estimation

La consommation partielle
rxy.z
peut tre dnie partir des corrlations brutes
rxy rxz ryz
rxy.z =
2
2
1 rxz
1 ryz
(5.1)
L'ide est assez limpide, on retranche de la relation directe (X, Y ) les relations respectives de
avec
que
Z.
Puis un terme de normalisation (symtrique,
vs.
et
vs.
Z)
et
est introduit de manire ce
1 rxy.z +1
Remarquons plusieurs rsultats intressants. Pour xer les ides, sans que cela ne rduise la porte
du propos, nous dirons que
Lorsque
rxy > 0
est indpendant de
manire dans la relation entre

Lorsque
X
X
et
et
(rxz
= ryz = 0), rxy.z = rxy

X
et
Y,
ryz < 0),
Page: 71
le produit
d'une part,
rxz .ryz < 0,
ne pse en aucune
on peut aboutir au rsultat
il n'y a rien dans la relation (X, Y ) qui ne soit pas dj explique par
est fortement li positivement avec
Lorsque les liaisons entre
c.--d.
et
c.--d.
d'autre part, sont de signe opposs (ex.
on constate que
rxy.z 0
rxz > 0
et
rxy.z > rxy
macro: svmono.cls
72
estimation
L'
de la corrlation partielle passe simplement par l'introduction des estimations des
corrlations brutes dans la formule 5.1 c.--d.
rxy rxz ryz
rxy.z =
2
2
1 rxz
1 ryz
(5.2)
5.2.2 Exemple des voitures

Reprenons notre exemple des voitures (Figure 2.2). Nous souhaitons clarier la liaison entre "puissance" (X ) et "consommation" (Y ) en contrlant le rle de la cylindre (Z ). En eet, une grosse cylindre
a tendance tre puissante, mais elle a tendance aussi consommer plus que de raison : au nal, que
reste-t-il de la liaison (Y, X ) une fois que l'on a retranch l'explication (en termes de variance) fournie
par
Z?
Fig. 5.2.
Calcul de la corrlation partielle d'ordre 1 - Fichier "voitures"
Dtaillons les calculs de la feuille EXCEL (Figure 5.2) :

Nous calculons les corrlations brutes
rxy = 0.88781, rxz = 0.94755
et
dj, nous constatons que la variable de contrle est fortement lie avec
ryz = 0.89187.
X
et
D'ores et
Y.
Appliquons la formule 5.2 sur ces corrlations, nous obtenons
Page: 72
macro: svmono.cls
73
0.88781 0.94755 0.89187

rxy.z =
= 0.29553
(1 0.947552 )(1 0.891872 )
La corrlation partielle est singulirement rduite si l'on se rfre la corrlation brute. Apparemment, "cylindre" joue beaucoup dans la liaison entre "puissance" et "consommation". Nous
essaierons de voir dans la section suivante si, nanmoins, la relation rsiduelle reste signicative.
5.2.3 Test de signicativit et intervalle de conance

Test de signicativit. Si l'hypothse de normalit est vrie, le test de signicativit quivaut
un test d'indpendance c.--d.
est indpendant de
conditionnellement
Z.
Dans le cas contraire,
avec les proprits asymptotiques, le test permet quand mme d'prouver la nullit du coecient.
L'hypothse nulle du test, qui peut tre bilatral ou unilatral, s'crit
H0 : rxy.z = 0
Sous
H0 ,
la statistique du test
t=
suit une loi de Student (n
Pour un risque
3)
(5.3)
1
r2
n3
degrs de libert.
et un test bilatral, nous rejetons l'hypothse nulle si
R.C. : |t| > t1/2 (n 3)

o
t1/2 (n 3)
est le quantile d'ordre
1 /2
de la loi de Student (n
3)
degrs de libert.
Revenons notre exemple numrique (Figure 5.2), Nous calculons :

les degrs de libert
la statistique
n 3 = 28 3 = 25 ;
t = 1.54673 ;
dont la valeur absolue est compare avec le seuil critique

Au risque
= 5%,
t0.975 (25) = 2.38461
nous concluons que la corrlation entre "consommation" et "puissance" condi-
tionnellement "cylindre" n'est pas signicativement dirente de
0.
En d'autres termes, cylin-
dre gale, la consommation ne varie pas avec la puissance.
Intervalle de conance. La distribution du test est uniquement valide dans le voisinage rxy.z = 0.
Pour laborer l'intervalle de conance au niveau (1
),
nous devons passer, comme pour la corrlation
brute, par la transformation de Fisher.

Elle est dnie de la mme manire,
f=
Page: 73
1 1 + rxy.z
ln
2 1 rxy.z
macro: svmono.cls
74

L'estimateur
f est calcule l'aide de
l'estimation de la corrlation partielle, il est asymptotiquement
sans biais, distribu selon une loi normale, et de variance
f2 =
1
1
=
n13
n4
(5.4)
Dans notre exemple (Figure 5.2), nous souhaitons construire l'intervalle de conance
Nous calculons la transformation de Fisher
L'cart type associ est gale

Le quantile d'ordre
975%
est
f =
f=
1
283
1
2
1+0.29553
10.29553
ln
95%
= 0.30461
= 0.20412
u0.975 = 1.95996
La borne basse (resp. haute) pour
est
bbf = 0.30461 1.95996 0.20412 = 0.09546
(resp.
bhf = 0.30461 + 1.95996 0.20412 = 0.70469)

Il ne reste plus qu' appliquer la transformation inverse pour obtenir la borne basse (resp. haute)
du coecient
bbr =
e2(0.09546) 1
e2(0.09546) +1
= 0.09517
(resp.
Nous constatons que l'intervalle englobe la valeur

signicativit de
bhr = 0.60734).
0,
c'est une autre manire de dtecter la non-
r.
5.3 Corrlation partielle d'ordre p
(p > 1)
bas sur le r de Pearson
5.3.1 Dnition
La corrlation partielle d'ordre
est une gnralisation de la corrlation partielle. L'objectif est d'in-
troduire plusieurs variables de contrle. Dans notre exemple des voitures (Figure 2.2), nous savons pertinemment que le "poids" est un aspect important que la consommation. Nous souhaitons galement
annuler son ventuelle action dans la relation "consommation" - "puissance".
Comment estimer la corrlation partielle
rxy.z1 z2 ...zp ?
Calcul rcursif
On montre qu'il est possible de calculer les corrlations partielles d'ordre
partielles d'ordre
p.
p+1 partir des corrlations
On utilise pour cela la formule de passage suivante, qui n'est pas sans rappeler
d'ailleurs le passage des corrlations brutes vers la corrlation partielle d'ordre
rxy.z z ...z rxzp+1 .z1 z2 ...zp ryzp+1 .z1 z2 ...zp
rxy.z1 ...zp zp+1 = 1 2 p

2
2
1 rxz
1 ryz
p+1 .z1 z2 ...zp
p+1 .z1 z2 ...zp
Pour la corrlation partielle d'ordre
(5.5)
que nous mettrons en oeuvre sur un exemple ci-dessous, la
formulation adquate est
2. voir
http://en.wikipedia.org/wiki/Partial_correlation ;
http://www.stat.psu.edu/online/
development/stat505/07_partcor/06_partcor_partial.html
Page: 74
macro: svmono.cls
5.3 Corrlation partielle d'ordre p (p > 1) bas sur le r de Pearson

rxy.z1 rxz2 .z1 ryz2 .z1
rxy.z1 z2 =
2
2
1 rxz
1 ryz
2 .z1
2 .z1
75
(5.6)
Si l'criture est simple, le calcul est assez complexe. En eet, pour obtenir la corrlation partielle
d'ordre
p,
nous devons dans un premier temps calculer les corrlations brutes de toutes les variables
partir des donnes c.--d.
(p+1)
2
corrlations. Puis mettre jour de proche en proche cette matrice de
corrlation en introduisant la premire variable de contrle
z1 ,
puis la seconde
z2 ,
etc. jusqu' ce qu'on
obtienne la profondeur souhaite.
Exemple : Mesurer la relation "puissance (X ) - consommation (Y )" en contrlant "cylindre" (Z1 ) et "poids" (Z2 ) - Approche no 1. Corsons notre aaire de voitures en introduisant 2
variables de contrle. Nous voulons produire le rsultat partir de l'quation 5.6. La squence des calculs
est la suivante (Figure 5.3) :
Fig. 5.3.
Page: 75
Corrlation partielle d'ordre 2 - Approche rcursive - Fichier "voitures"
macro: svmono.cls
76

Tout d'abord nous calculons les corrlations brutes croises :
0.9263,
rxy = 0.8878, rxz1 = 0.8819, rxz2 =
etc. C'est l'objectif de la matrice "Corrlations brutes croises" dans la partie basse de la
feuille EXCEL.
Ensuite, nous devons calculer toutes les corrlations croises d'ordre
de variable de contrle. Nous obtenons
1 o Z1
rxy.z1 = 0.2955, rxz2 .z1 = 0.6878
et
(cylindre) joue le rle
ryz2 .z1 = 0.1663
(cf. la
matrice "Corrlations partielles / Z1")

Enn, dernire tape, partir de la matrice prcdente nous appliquons l'quation 5.6 pour introduire la seconde variable de contrle
rxy.z1 z2 =
Z2
(poids). Nous obtenons
0.2955 0.6878 0.1663
= 0.25309
1 0.68782 1 0.16632
Il n'y a plus qu'un seul chire dans la matrice "Corrlations partielles /Z1,Z2", nous sommes arrivs
au bout du processus rcursif.
Tant que le nombre de variables reste faible, ce processus est intressant, surtout pdagogiquement.
Lorsqu'il devient lev, nous utilisons une autre approche, plus ecace, plus directe, pour obtenir la
valeur de la corrlation partielle d'ordre
p.
Calcul par les rsidus de la rgression

Cette approche s'appuie sur un autre point de vue pour aboutir au mme rsultat. Rappelons que la
corrlation partielle consiste mesurer le lien entre l'information rsiduelle de
et
qui ne soit pas dj
explique par les variables de contrle. En prenant au pied de la lettre cette description, on s'attache
calculer le rsidu
partielle d'ordre
ex
p
(resp.
ey )
de la rgression de
(resp.
Y)
sur (Z1 , Z2 , . . . , Zp ). Estimer la corrlation
revient tout simplement calculer la corrlation brute entre les rsidus
rxy.z1 ...zp = rex ey
(5.7)
Exemple : Mesurer la relation "puissance (X ) - consommation (Y )" en contrlant "cylindre" (Z1 ) et "poids" (Z2 ) - Approche no 2
La feuille de calcul est organise de manire dirente maintenant (Figure 5.4).
= 0.00443Z2 +
X
(colonne G dans
0.00130Z1 + 1.14755. Nous en dduisons la nouvelle colonne de rsidus ex = X X
Tout d'abord, nous devons produire les quations de rgression, nous obtenons
la feuille de calcul)
De la mme manire, nous dduisons le rsidu
0.04434Z2 15.58838
ey = Y Y
aprs la rgression
Y = 0.01093Z2 +
(colonne H dans la feuille EXCEL)
Il ne nous reste plus qu' calculer la corrlation entre les rsidus pour obtenir la corrlation partielle
d'ordre
2,
relativement
Z1
et
Z2 , r = 0.25309.
Exactement la mme valeur qu'avec l'approche rcursive.

Avec les logiciels d'conomtrie usuels, nulle doute que cette seconde approche est quand mme trs
facile mettre en oeuvre, les risques de mauvaises manipulations sont rduits.
Page: 76
macro: svmono.cls
5.3 Corrlation partielle d'ordre p (p > 1) bas sur le r de Pearson
Fig. 5.4.
77
Corrlation partielle d'ordre 2 - Approche rsidus de rgressions - Fichier "voitures"
5.3.2 Test de signicativit et intervalle de conance

Pour tester la signicativit avec le
de Student, et calculer les intervalles de conance travers la
transformation de Fisher, il nous faut gnraliser
p variables de contrle les indicateurs dvelopps dans

3
la section prcdente. La principale modication va porter sur l'valuation des degrs de libert .
Ainsi, la statistique du test de signicativit s'crit maintenant
t=
Elle suit une loi de Student (n
p 2)
(5.8)
1
r2
np2
degrs de libert.
Et la variance de la transformation de Fisher calcule sur la corrlation partielle d'ordre
f2 =
1
np3
devient
(5.9)
3. Voir http://www.stat.psu.edu/online/development/stat505/07_partcor/06_partcor_partial.html
Page: 77
macro: svmono.cls
78
5.3.3 Exemple
2
Finissons notre exemple de corrlation partielle d'ordre
sur le chier voitures (Figure 5.3). Nous
pouvons dtailler maintenant le contenu des H et I de la feuille EXCEL.

Concernant le test de signicativit :
La corrlation partielle est
Nous calculons
r = 0.25309
l'aide de l'quation 5.8,
Le seuil critique au risque
5%
t=
0.25309
10.253092
2822
pour un test bilatral est
= 1.28161
t0.975 (28 2 2) = 2.39095.
Les donnes
sont compatibles avec l'absence de lien entre "puissance" et "consommation", une fois retranche
l'information apporte par "cylindre" et "poids".
Concernant l'intervalle de conance au niveau
95%
Nous appliquons tout d'abord la transformation de Fisher :
L'cart type estim est

Le quantile d'ordre
f =
975%
est
1
2823
f=
1
2
1+0.25309
ln 10.25309
= 0.25871
= 0.20851
u0.975 = 1.95996
La borne basse (resp. haute) pour
est
bbf = 0.25871 1.95996 0.20851 = 0.14997
(resp.
bhf = 0.25871 + 1.95996 0.20851 = 0.66739)

Il ne reste plus qu' appliquer la transformation inverse pour obtenir la borne basse (resp. haute)
du coecient
bbr =
e2(0.14997) 1
e2(0.14997) +1
= 0.14885
(resp.
bhr = 0.58326).
Le rsultat est cohrent avec le test d'hypothses, l'intervalle de conance englobe la valeur
0.
5.4 Corrlation partielle sur les rangs - de Spearman partiel

Lorsque la relation est non linaire, le coecient de Pearson dtecte traduit mal l'intensit de la liaison.
C'est ce qui avait motiv la prsentation du coecient de Spearman ci-dessus, qui est un coecient de
Pearson calcul sur les rangs. Son avantage est d'tre non paramtrique, il permet aussi de mieux rendre
compte de la liaison tant qu'elle est monotone. Est-ce que cette approche reste d'actualit concernant la
corrlation partielle ?
La rponse est oui. Nous pouvons nous appuyer sur les
dispositifs dcrits pour le coecient de
corrlation de Pearson.
5.4.1
partiels via les rsidus de la rgression
Pour calculer le coecient de Spearman partiel d'ordre

il sut d'adopter la dmarche suivante
sur un chantillon de donnes (

xy.z1 ...zp ),
4 :
1. Transformer toutes les variables en rangs. Adopter les rangs moyens en cas d'ex-aequo.
4. Voir la documentation en ligne SAS - http://support.sas.com/documentation/cdl/en/procstat/59629/

HTML/default/procstat_corr_sect017.htm
Page: 78
macro: svmono.cls

2. Calculer le rsidu
(resp.
y )
de la rgression des rangs de
(resp. rangs de
Y)
79
avec les rangs des
variables de contrle.
3. Le
partiel est tout simplement le coecient de corrlation de Pearson appliqu sur ces
rsidus
c.--d.
xy.z1 ...zp = rx y
4. Le dispositif infrentiel reste inchang, on doit tenir compte de
5.4.2
dans le calcul des degrs de libert.
partiels via les formules de rcurrence
De la mme manire que pour le coecient de Pearson, nous pouvons utiliser les formules de rcurrence
(quations 5.1, 5.6 et 5.5) pour calculer les
est plus simple tant que
de Spearman partiels de proche en proche. Cette technique
est faible (de l'ordre de
ou
maximum).
5.4.3 Exemple : corrlation entre 2 types de cancer en contrlant l'eet de la cigarette

H ben non, ce n'est pas un exemple sur les voitures !
On cherche dterminer sur cet exemple s'il
existe une part non explique par la consommation de cigarettes dans la relation entre l'occurrence du
cancer du poumon et celui du cancer de la vessie. Les individus sont des tats des USA, CIG (Z ) est
le nombre de cigarettes par tte fumes, BLAD (X ) est le nombre de personnes mortes du cancer de
la vessie par 100.000 habitants, et LUNG est le nombre de personnes mortes du cancer de la vessie par
100.000 habitants . La corrlation brute entre BLAD et LUNG est de
rxy = 0.6251, assez forte. Essayons
de relativiser cela en contrlant le rle de la cigarette.

Dcrivons l'organisation de la feuille de calcul (Figure 5.5).
Les variables sont transformes en rangs, nous crons les variables
Z.
R, S
et
partir de
X, Y
et
Attention, en cas d'ex-aequo, nous utilisons les rangs moyens.
Nous disposons de
n = 42
La corrlation brute entre
observations.
et
est
xy = 0.6251.
Les corrlations brutes avec la variable de contrle sont
xz = 0.6213
et
yz = 0.7264.
Nous appliquons la formule 5.2 pour obtenir
xy.z =
0.6251 0.6213 0.7264
= 0.32280
1 0.62132 1 0.72642
Le t de Student associ est
t=
Avec la loi de Student (n
Au risque
5%,
1 2 = 39)
0.32280
10.322802
4212
degrs de libert, nous obtenons une p-value de
0.0395
on rejette l'hypothse nulle. Il semble qu'il y ait autre chose non explique par la
cigarette dans la liaison entre les
2 types de cancer (ceci tant 1% la liaison n'est pas signicative,
la liaison partielle est assez tenue).
5. http://lib.stat.cmu.edu/DASL/Stories/cigcancer.html - Nous avons supprim du chier les 2 tats

signals atypiques.
Page: 79
macro: svmono.cls
80
Fig. 5.5.
de Spearman partiel d'ordre 1 - Approche rcursive
A titre de comparaison, voici les commandes et sorties SAS (Figure 5.6). Les rsultats concordent.
C'est prfrable tant donn qu'on a suivi la lettre le descriptif de la documentation en ligne.
Remarque 15 (Corrlation partielle base sur le de Kendall).

Kendall partir des
Il est possible de calculer le
partiel de
bruts en utilisant la formule de passage analogue celle du coecient de Pearson
(quation 5.1) (voir [11], page 254 262 ; ou son rsum en franais sur le site
http://www.cons-dev.
org/elearning/stat/stat7/st7.html). On peut trs bien la mettre en oeuvre lorsque les donnes sont
intrinsquement des classements (des rangs aects). Malheureusement, les avis divergent quant au calcul
de la distribution de la statistique, le test de signicativit est dicile, ce qui est un frein considrable
son utilisation.
Page: 80
macro: svmono.cls
Fig. 5.6.
Page: 81
81
de Spearman partiel d'ordre 1 - Commandes et sorties SAS
macro: svmono.cls
Page: 82
macro: svmono.cls
6
Corrlation semi-partielle
6.1 Principe de la corrlation semi-partielle

A la dirence de la corrlation partielle, la corrlation semi-partielle
1 est rsolument asymtrique,
elle se rapproche de la rgression multiple. On essaie de quantier le pouvoir explicatif additionnel d'une
variable.
Positionnons nous dans un premier temps dans le cadre
dpendante que l'on cherche expliquer,
variables
Y , X,
et
est la variable
est la variable explicative que l'on cherche valuer,
est
2
la variable de contrle. Le carr de la corrlation semi-partielle, note ry(x.z) , quantie la proportion de
variance de
Z.
explique par
X,
sachant que l'on a retranch de cette dernire l'information apporte par
En d'autres termes, quelle est la part de
qu'explique l'information additionnelle de
par rapport
Z.
Notons bien la dirence avec la corrlation partielle. Avec ce dernier, nous retranchons l'information
apporte par
sur la fois
et
X , et nous mesurons la liaison sur les rsidus. Dans le cas de la corrlation
semi-partielle, nous cherchons quantier la liaison de
avec la partie rsiduelle de
par rapport
Z.
On discerne bien le caractre asymtrique de l'approche.

Dans notre exemple des vhicules (Figure 2.2), nous posons la question suivante : si on enlve de la
puissance (X ) l'information porte par la cylindre (Z ), est-ce qu'il reste quelque chose pour expliquer
la consommation (Y ) ? En d'autres termes, on cherche valuer l'apport additionnel de puissance (X ),
par rapport la cylindre (Z ), dans l'explication de la consommation (Y ).
6.2 Calcul et infrence statistique

La corrlation semi-partielle de
avec
conditionnellement
ry(x.z) =
1.
ryx ryz rxz
2
1 rxz
est dnie de la manire suivante
(6.1)
semi-partial correlation ou part correlation en anglais
Page: 83
macro: svmono.cls
84
6 Corrlation semi-partielle
Notons d'ores et dj que
ry(x.z) = ryx
peut tre utilise pour expliquer
Y.
Si
si
et
et
sont parfaitement corrls c.--d.
sont orthogonaux
rxz = 0.
Tout l'information de
rxz = 1,
est indnie, mais on comprend aisment qu'il ne reste plus rien dans le rsidu de
l'quation 6.1
pour expliquer
Y.
En faisant le parallle avec la formule de la corrlation partielle (quation 5.1), on constate de manire
gnrale que
ryx.z ry(x.z)
Estimation.
n,
pour estimer la corrlation semi-partielle, il sut de
remplacer les corrlation thoriques de la formule 6.1 par les corrlations empiriques.
Test de signicativit.
H0 : ry(x.z) = 0
Pour tester la signicativit de la corrlation i.e.
(test
unilatral ou bilatral), nous utilisons le t de Student qui est a la mme expression que celle de la
corrlation partielle, avec la mme distribution et les mmes degrs de libert (n
t=
3),
savoir
(6.2)
1
r2
n3
Exemple : utiliser l'information rsiduelle de la puissance (relativement la cylindre)

pour expliquer la consommation. Reprenons notre fameux chier des voitures, ralisons les calculs
(Figure 6.1) :
Fig. 6.1.
Nous avons
Coecient semi-partiel - Exemple des voitures
n = 28
La corrlation brute entre
et
Les autres corrlations brutes sont
Page: 84
est
ryx = 0.88781,
rxz = 0.94755
et
la liaison semble forte.
ryz = 0.89187
macro: svmono.cls
6.3 Corrlation semi-partielle d'ordre p
85
Nous formons l'quation 6.1
0.88781 0.89187 0.94755
= 0.13367
(1 0.947552
ry(x.z) =
le t de Student pour le test de signicativit est
t=
Au risque
5%,
le seuil critique est
0.13367
10.133672
283
= 0.67439
t0.975 (25) = 2.38461.
Nous acceptons l'hypothse de nullit du
coecient. Manifestement, une fois retranche de "puissance" l'information porte par "cylindre",
il ne reste plus rien pour expliquer la "consommation".

Il est possible de gnraliser la notion de corrlation semi-partielle
de calculer la liaison entre
et
X,
variables de contrle. Il s'agit
une fois retranche de cette dernire l'inuence de
Z1 . . . Zp
variables.
Pour raliser le calcul pratique du coecient, nous utilisons la rgression, a nous permet de comprendre
autrement, de manire plus gnrique, le mcanisme d'valuation de la liaison.
Concernant l'infrence statistique, le
test de signicativit est trs similaire la corrlation partielle,
notamment en ce qui concerne le calcul des degrs de libert. Pour tester la signicativit, nous utiliserons
la statistique
qui, sous l'hypothse de nullit du coecient, suit une loi de Student (n p 2) degrs
de libert
t=
(6.3)
1
r2
np2
6.3.1 Utilisation des rsidus de la rgression

Une bonne manire de construire la corrlation partielle est de prendre au pied la lettre la dnition
en utilisant les rsidus de la rgression. Voici la squence des traitements :
Dans un premier temps, nous calculons la rgression linaire multiple
X = a0 + a1 Z1 + . . . ap Zp +
A partir des coecients estims
a
j ,
nous dduisons les valeurs prdites
Nous construisons alors les rsidus de la rgression qui reprsente la fraction de

que porte
X)
(l'information
qui n'est pas dj explique par les variables de contrle.
ei = xi x
i
La corrlation semi partielle estime est obtenue l'aide de la corrlation empirique entre
rsidu
et le
e
ry(x.z1 zp ) = rye
Page: 85
macro: svmono.cls
(6.4)
86
6 Corrlation semi-partielle
6.3.2 Comparaison de rgressions

Une approche alternative pour calculer la corrlation semi-partielle est de comparer direntes rgressions expliquant
Y.
En eet, on cherche quantier le pouvoir explicatif additionnel de
par rapport
aux variables de contrle. Le carr du coecient s'interprte lui-mme comme une proportion de variance
explique supplmentaire. A partir de ce point de vue, on peut proposer une autre manire d'estimer le
coecient de corrlation semi-partielle. Voici la squence de calculs :
On eectue une premire rgression de
sur les variables de contrle
Z1 , . . . , Zp ,
nous obtenons
2
le coecient de dtermination Ry.z z , il correspond la proportion de variance explique par la
1
p
rgression.
On raliser une seconde rgression intgrant la variable supplmentaire
un nouveau coecient de dtermination
Le surcrot d'information qu'apporte
contrle, est la dirence entre les
2
Ru.xz
1 zp
parmi les explicatives,
est dgag.
Y,
dans l'explication de
par rapport aux variables de
. C'est aussi le carr du coecient de corrlation semi-partielle
2
2
2
ry(x.z
) = Ry.xz
Ry.z
1 zp
1 zp
1 zp
(6.5)
La racine carre de cette quantit est le rsultat souhait.
6.3.3 Exemple d'application

La dmarche est gnrique pour (p
1).
Nanmoins, pour illustrer notre propos, nous reprenons
notre exemple de la section consacre la corrlation semi-partielle d'ordre
(section 6.2). L'intrt est
de pouvoir comparer les coecients obtenus selon les dirents approches. Les calculs sont regroups
dans une nouvelle feuille (gure 6.2).
Dtaillons tout d'abord l'approche base sur la comparaison de rgressions :

La rgression de
sur la variable de contrle
fournit
2
= 0.79543.
Ry.z
Nous avons utilis la
fonction DROITEREG() d'EXCEL.

La rgression de
sur
et
fournit
2
Ry.xz
= 0.81329
Le gain d'explication conscutif l'introduction de
dans la rgression est donc
0.7953 = 0.01787
Et sa racine carre est la corrlation semi-partielle
ry(x.z) =
0.01787 = 0.13367.
= 0.81329
Nous obtenons
exactement la mme valeur qu'avec la mthode directe dcrite dans la section 6.2.
Dtaillons maintenant l'approche base sur les rsidus de la rgression :

Nous ralisons la rgression de
sur la variable de contrle
Z.
calculer la colonne des rsidus qui correspond la fraction de
Nous utilisons les coecients pour
non explique par
ei = xi (0.04901 zi 10.94646)
Nous calculons la corrlation de Pearson entre le rsidu
corrlation semi-partielle
ry(x.z) = rye = 0.13367.
et la variable
Y,
elle correspond la
De nouveau la valeur obtenue est cohrente avec
celles proposes par les approches alternatives.
Page: 86
macro: svmono.cls
Fig. 6.2.
Page: 87
87
Coecient semi-partiel - Approche rgression - Exemple des voitures
macro: svmono.cls
Page: 88
macro: svmono.cls
A
Gestion des versions
Ce document volue au l du temps. Voici les principales versions et leur date de mise en ligne. Des
corrections trs mineures sont parfois eectues. Il faut se rfrer la date de compilation situe au bas
de chaque page pour vous reprer.
Version
1.0
en Mai 2008. Premire version du document. De nombreuses sources ont t utilises.
Les tests de comparaisons des corrlations et les variations autour des corrlations se sont beaucoup
nourris de l'excellent ouvrage de Chen et Popovitch ([2]).
Version
1.1
en Mars 2015. Le document s'est enrichi de la lecture de l'ouvrage de Revelle ([7],
notamment le chapitre 4 "Correlation and Covariance"). Les sections consacres aux tests portant
sur les matrices de corrlations ont t introduites : test de nullit des corrlations croises et test
de comparaison de
matrices des corrlations. Les calculs sur les exemples ont t confronts avec
les sorties des procdures - lorsqu'elles existent - disponibles dans le package 'psych' ([8]) pour R,
un des trs rares outils proposer les dirents tests de comparaison des corrlations.
Page: 89
macro: svmono.cls
Page: 90
macro: svmono.cls
B
Fichier de donnes
Tout au long de ce support, nous illustrons notre propos l'aide d'exemples numriques. Les donnes
et les calculs associs sont disponibles dans un classeur EXCEL accessible en ligne. L'URL du chier est
http://eric.univ-lyon2.fr/~ricco/cours/cours/dataset_analyse_correlation.xls.
A chaque feuille du classeur correspond un thme du support. Pour faire la correspondance, le plus
simple est de se rfrer l'onglet de la feuille (Figure B.1).
Fig. B.1.
Page: 91
Classeur EXCEL - Analyse de corrlation
macro: svmono.cls
Page: 92
macro: svmono.cls
C
L'analyse de corrlation avec Tanagra
Les techniques prsentes dans ce support sont implments dans le logiciel gratuit et
Tanagra
open source
http://eric.univ-lyon2.fr/~ricco/tanagra/.
Leur mise en oeuvre et la lecture des rsultats sont dcrites dans plusieurs didacticiels, en voici
quelques uns :
1. Corrlation semi-partielle
http://tutoriels-data-mining.blogspot.com/2008/06/corrlation-semi-partielle.html
2. Corrlation partielle
http://tutoriels-data-mining.blogspot.com/2008/06/corrlation-partielle.html
3. Corrlations croises
http://tutoriels-data-mining.blogspot.com/2008/04/coefficient-de-corrlation-linaire.
html
4. De manire gnrale, on pourra accder aux didacticiels qui abordent le coecient de corrlation
linaire et ses variantes en eectuant une recherche par mots cls sur le site de tutoriels
http://tutoriels-data-mining.blogspot.com/
Page: 93
macro: svmono.cls
Page: 94
macro: svmono.cls
D
L'analyse de corrlation avec R - Package 'psych'
Le package psych prsente plusieurs procdures ddies l'analyse de corrlation. Dans cette section,
nous en numrons quelques unes en les associant aux thmes abords dans cet ouvrage. Le premier
avantage pour nous est d'identier la commande adquate pour chaque traitement. Pour ma part, j'y ai
vu aussi l'opportunit de valider les calculs eectus sur tableurs publis dans la prcdente version de
ce document (ouf ! touts les rsultats concordent). Enn, les procdures relatives aux tests sur matrices
des corrlations m'ont permis de dvelopper deux nouvelles sections dans la version
1.1.
> #######################
> #chargement des donnes
> #######################
> autos <- read.table(file="autos conso.txt", sep="\t",dec=".",header=T,row.names=1)
> print(summary(autos))
Cylindree
Min.
: 658
Puissance
Min.
: 29.00
Poids
Min.
Conso
: 650.0
Min.
: 5.700
1st Qu.:1375
1st Qu.: 54.75
1st Qu.: 996.2
1st Qu.: 7.025
Median :1984
Median : 79.50
Median :1140.0
Median : 9.100
Mean
Mean
Mean
Mean
:1809
: 77.71
:1197.0
: 9.075
3rd Qu.:2232
3rd Qu.: 98.00
3rd Qu.:1425.0
3rd Qu.:10.925
Max.
Max.
Max.
Max.
:2972
:150.00
:1800.0
:12.800
> #########################################
> #corrlation entre cylindre et puissance
> #########################################
> cor(autos$Cylindree,autos$Puissance)
[1] 0.9475491
> #########################################################
> #test de significativit et intervalle de confiance 95%
> #########################################################
Page: 95
macro: svmono.cls
96
D L'analyse de corrlation avec R - Package 'psych'
> cor.test(autos$Cylindree,autos$Puissance,conf.level=0.95)
Pearson's product-moment correlation
data: autos$Cylindree and autos$Puissance
t = 15.1171, df = 26, p-value = 2.132e-14
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
0.8886000 0.9757056
sample estimates:
cor
0.9475491
> ##############################
> #chargement du package 'psych'
> ##############################
> library(psych)
> ####################################################
> #comparaison (conso,puissance) vs. (conso,cylindre)
> #mme chantillon
> ####################################################
> r.yx <- cor(autos$Conso,autos$Cylindree)
> r.yz <- cor(autos$Conso,autos$Puissance)
> r.xz <- cor(autos$Cylindree,autos$Puissance)
> paired.r(r.yx,r.yz,r.xz,n=nrow(autos))
Call: paired.r(xy = r.yx, xz = r.yz, yz = r.xz, n = nrow(autos))
[1] "test of difference between two correlated correlations"
t = 0.14 With probability = 0.89>
> #####################################################
> #Bartlett - Test de nullit des corrlations croises
> #####################################################
> print(cortest.bartlett(autos))
R was not square, finding R from data
$chisq
[1] 147.9813
$p.value
Page: 96
macro: svmono.cls
D L'analyse de corrlation avec R - Package 'psych'
97
[1] 2.066975e-29
$df
[1] 6
> ####################################################
> #Steiger - Test de nullit des corrlations croises
> ####################################################
> print(cortest.normal(autos))
R1 was not square, finding R from data
Tests of correlation matrices
Call:cortest.normal(R1 = autos)
Chi Square value 329.42 with df = 6
with probability < 4e-68
> ######################################################
> #index pour scinder en deux blocs distincts les donnes
> ######################################################
> asia <- c(1,2,6,7,16,19,21,22,25,27)
> ###################################################
> #Steiger - Comparaison de 2 matrices de corrlation
> ####################################################
> print(cortest.normal(R1=cor(autos[asia,]),R2=cor(autos[-asia,]),n1=10,n2=18,fisher=T))
Tests of correlation matrices
Call:cortest.normal(R1 = cor(autos[asia, ]), R2 = cor(autos[-asia,
]), n1 = 10, n2 = 18, fisher = T)
Chi Square value 1.52 with df = 6
with probability < 0.96
> ####################################################
> #Jennrich - Comparaison de 2 matrices de corrlation
> ####################################################
> print(cortest.jennrich(cor(autos[asia,]),cor(autos[-asia,]),n1=10,n2=18))
$chi2
[1] 4.520237
$prob
[1] 0.6066412
Page: 97
macro: svmono.cls
Page: 98
macro: svmono.cls
Littrature
Ouvrages
1. Avazian, S., Etude
2.
statistique des dpendances, Mir, Moscou, 1978.

Chen, P., Popovich, P., Correlation : Parametric and Nonparametric Measures, Sage University Papers Series
on Quantitative Applications in the Social Sciences, no. 07-139, 2002.
3. Dodge, Y, Rousson, V., Analyse

4.
5.
de rgression applique, Dunod, 2004.

Johnston, J., DiNardo, J., Mthodes Economtriques, Economica, 4 dition, 1999.
Garson, D., Statnotes : Topics in Multivariate Analysis, http://www2.chass.ncsu.edu/garson/pa765/
statnote.htm.
6. Howell, D., Mthodes

7.
statistiques en sciences humaines, De Boeck Universit, 1998.

Revelle, W., An introduction to psychometric theory with applications in R, http://personality-project.
org/r/book/, consult en Mars 2015.
8. Revelle, W.,
Package 'psych' - Procedures for Psychological, Psychometric and Personality,
http://
personality-project.org/r/psych/psych-manual.pdf, January 20, 2015.
9. Saporta, G., Probabilits,

10.
Analyse de Donnes et Statistique, Dunod, 2006.

SAS Institute Inc., SAS 9.1 Documentation, http://support.sas.com/documentation/onlinedoc/91pdf/
index.html
11. Siegel, S., Castellan Jr., J.,

Edition, 1988.
Nonparametric Statistics for the Behavioral Sciences, McGraw-Hill Inc., Second
12. Veysseyre, R., Aide-mmoire
Page: 99
- Statistique et probabilits pour l'ingnieur, Dunod, 2006.
macro: svmono.cls

Analyse de Correlation

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Analyse de Correlation

Încărcat de

Drepturi de autor:

Formate disponibile

Ricco Rakotomalala

tude des dpendances - Variables quantitatives

Universit Lumire Lyon 2

quantitatives : on parle d'analyse de corrlation dans la littrature.

en L3-IDS de la Facult de Sciences Economiques de l'Universit Lyon 2 (http:

excellents ouvrages : celui de Chen et Popovitch [2], il fait partie de la

Table des matires

Partie I Analyse de Corrlation

Liaison entre 2 variables quantitatives

Objectif : analyser la liaison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Coecient de corrlation de Pearson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Coecient de corrlation empirique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Test de conformit et intervalle de conance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Problmes et cas pathologiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Tests de comparaison de corrlations

coecients de corrlation (chantillons indpendants) . . . . . . . . . . . . . . .

coecients (chantillons indpendants) . . . . . . . . . . . . . . . . . . .

coecients de corrlation (mme chantillon) - Cas 1 . . . . . . . . . . . . . . .

coecients de corrlation (mme chantillon) - Cas 2 . . . . . . . . . . . . . . .

Test de nullit des corrlations croises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

matrices des corrlations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Commentaires sur la comparaison des coecients de corrlations . . . . . . . . . . . . . . . . . . . . .

Variations autour de la corrlation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Corrlation bisriale ponctuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Table des matires

Partie II Corrlations partielles et semi-partielles

Corrlation partielle paramtrique et non paramtrique

Principe de la corrlation partielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Corrlation partielle d'ordre

Corrlation partielle d'ordre

Corrlation partielle sur les rangs -

Principe de la corrlation semi-partielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Calcul et infrence statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Corrlation semi-partielle d'ordre

A Gestion des versions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

C L'analyse de corrlation avec Tanagra

D L'analyse de corrlation avec R - Package 'psych' . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1 Objectif : analyser la liaison

deux grandeurs statistiques quantitatives observes. On souhaite :

1. Dterminer s'il existe une relation entre

2. Caractriser la forme de la liaison (la relation) entre

(positive ou ngative, linaire ou non

linaire, monotone ou non monotone).

1.2 Analyse graphique

Liaison linaire positive. X

voluent dans le mme sens, une augmentation de

du mme ordre quelle que soit la valeur de

1 Liaison entre 2 variables quantitatives

Liaison linaire ngative. X

voluent en sens inverse. La pente est inchange quelle que soit

Liaison monotone positive non-linaire. X

voluent dans le mme sens, mais la pente est

dirente selon le niveau de

Quelques types de liaisons entre 2 variables

Mais la relation n'est pas monotone,

Absence de liaison. La valeur de X

peut augmenter ou diminuer selon la valeur de

ne donne indication sur la valeur de

est constant quelle que soit la valeur de la seconde

variable est note en majuscules (X est une variable).

 La population parente est note

l'eectif de l'chantillon est

nous travaillons sur un chantillon de

observations, constitues de couples

Coecient de corrlation de Pearson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Coecient de corrlation empirique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Test de conformit et intervalle de conance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

coecients de corrlation (chantillons indpendants) . . . . . . . . . . . . . . .

coecients (chantillons indpendants) . . . . . . . . . . . . . . . . . . .

coecients de corrlation (mme chantillon) - Cas 1 . . . . . . . . . . . . . . .

coecients de corrlation (mme chantillon) - Cas 2 . . . . . . . . . . . . . . .

Commentaires sur la comparaison des coecients de corrlations . . . . . . . . . . . . . . . . . . . . .

dirente selon le niveau de

La population parente est note

l'eectif de l'chantillon est

2. On peut maintenant quantier le

Covariance avec une variable transforme.(Transformation ane) COV (X, a + b Y ) = b

2.1.3 Domaine de dnition

normalise : le coecient de corrlation rpond ces spcications (section 2.2).

la covariance empirique est dnie de la manire suivante :

On montre que c'est un estimateur biais de la covariance, en eet

Au bas de la feuille de calcul, en colonne C et D nous avons la moyenne de chaque variable.

Notons que la fonction "COVARIANCE(...)" du tableur EXCEL fournit la covariance empirique.

chier reviendra plusieurs fois dans ce support).

2.2 Coecient de corrlation de Pearson

2.3 Coecient de corrlation empirique

sont indpendants. Dans ce cas, le coecient de corrlation

Dans les autres cas, le coecient de corrlation

4. Le coecient de corrlation constitue une mesure de l'

2.2.3 Domaine de dnition

2.3 Coecient de corrlation empirique

n, nous estimons le coecient de corrlation l'aide de la formule suivante

Coecients de corrlation pour dirents types de liaison

coecient de corrlation empirique

dans la littrature. Aprs quelques simplications,