- \n
- L’essentiel en 30 secondes<\/a><\/li>\n
- Des erreurs qui se r\u00e9pondent<\/a><\/li>\n
- Deux terrains o\u00f9 elle appara\u00eet<\/a><\/li>\n
- Pourquoi la confiance devient illusoire<\/a><\/li>\n
- Un diagnostic parmi six<\/a><\/li>\n
- Deux malentendus \u00e0 \u00e9carter<\/a><\/li>\n<\/ul>\n
L’essentiel en 30 secondes<\/h2>\n
- \n
- La corr\u00e9lation des erreurs viole une hypoth\u00e8se centrale<\/strong> du mod\u00e8le lin\u00e9aire : celle qui veut que les erreurs ne se r\u00e9pondent pas.<\/li>\n
- Elle appara\u00eet typiquement dans les s\u00e9ries temporelles<\/strong> et entre observations qui partagent un contexte commun.<\/li>\n
- Les erreurs types calcul\u00e9es sous-estiment l’incertitude r\u00e9elle<\/strong>, de fa\u00e7on syst\u00e9matique.<\/li>\n
- R\u00e9sultat : intervalles trop \u00e9troits, p-valeurs trop faibles<\/strong>, c’est-\u00e0-dire une confiance illusoire.<\/li>\n
- C’est l’un des six diagnostics syst\u00e9matiques<\/strong> \u00e0 passer apr\u00e8s un ajustement lin\u00e9aire.<\/li>\n<\/ul>\n
Des erreurs qui se r\u00e9pondent<\/h2>\n
Un mod\u00e8le de r\u00e9gression pose que la r\u00e9ponse se compose de deux parties :<\/p>\n
<\/span> <\/span>
![\"\[](\"https:\/\/www.ranksignal.fr\/wp-content\/ql-cache\/quicklatex.com-18aa7c1f1a2341107fcccf2d4f3711f7_l3.png\" "\\"Rendered")
<\/p><\/p>\nIci
![\"f\"](\"https:\/\/www.ranksignal.fr\/wp-content\/ql-cache\/quicklatex.com-9c09a708375fde2676da319bcdfe8b24_l3.png\" "\\"Rendered")
est la part syst\u00e9matique, fixe mais inconnue, qui relie les pr\u00e9dicteurs ![\"X = (X_1, \dots, X_p)\"](\"https:\/\/www.ranksignal.fr\/wp-content\/ql-cache\/quicklatex.com-88b87db0530fe655bff3b22ae18362be_l3.png\" "\\"Rendered")
\u00e0 la r\u00e9ponse. Quant \u00e0 ![\"\epsilon\"](\"https:\/\/www.ranksignal.fr\/wp-content\/ql-cache\/quicklatex.com-729568734d87ffb0f88cf42b1bc6828a_l3.png\" "\\"Rendered")
, c’est l’al\u00e9a qui absorbe tout le reste : sa moyenne est nulle et il ne d\u00e9pend pas de ![\"X\"](\"https:\/\/www.ranksignal.fr\/wp-content\/ql-cache\/quicklatex.com-d4ee28752517d6062a3ca0314890342d_l3.png\" "\\"Rendered")
. Chaque observation arrive avec sa part de ce reste.<\/p>\nDes erreurs corr\u00e9l\u00e9es<\/strong> sont des erreurs li\u00e9es entre elles : conna\u00eetre celle d’une observation te renseigne sur celle d’une autre. Le mod\u00e8le lin\u00e9aire standard suppose qu’il n’en est rien, et c’est ce qu’on appelle une hypoth\u00e8se centrale : si elle tombe, les conclusions qui en d\u00e9pendent tombent avec elle.<\/p>\n
\n
\ud83d\udca1 Intuition<\/strong> Ne confonds pas deux corr\u00e9lations. La colin\u00e9arit\u00e9 concerne des pr\u00e9dicteurs fortement corr\u00e9l\u00e9s entre eux ; ici, il s’agit des erreurs, de ce qui reste une fois que
a fait son travail.<\/p>\n<\/blockquote>\nDeux terrains o\u00f9 elle appara\u00eet<\/h2>\n
Deux situations reviennent typiquement : les s\u00e9ries temporelles<\/strong>, o\u00f9 les observations se suivent dans le temps, et les observations qui partagent un contexte commun, regroup\u00e9es par ce qu’elles ont en commun.<\/p>\n
Dans les deux cas, tes lignes de donn\u00e9es ne sont pas des tirages sans lien : elles sont rang\u00e9es dans le temps, ou group\u00e9es par un contexte. Avant de lancer l’ajustement, pose donc deux questions \u00e0 ton jeu de donn\u00e9es : mes observations sont-elles ordonn\u00e9es dans le temps ? Partagent-elles un m\u00eame contexte ? Si l’une des r\u00e9ponses est oui, l’hypoth\u00e8se m\u00e9rite d’\u00eatre test\u00e9e<\/strong> plut\u00f4t que tenue pour acquise.<\/p>\n
Pourquoi la confiance devient illusoire<\/h2>\n
Un intervalle de confiance encadre un param\u00e8tre inconnu autour de son estimation ponctuelle, avec une marge d’erreur qui d\u00e9pend du niveau de confiance, de la variance des donn\u00e9es et de la taille de l’\u00e9chantillon. Pour un coefficient de r\u00e9gression
![\"a_i\"](\"https:\/\/www.ranksignal.fr\/wp-content\/ql-cache\/quicklatex.com-f91083f3035e5168a6f0b3e6335d6858_l3.png\" "\\"Rendered")
(on le trouve aussi not\u00e9 ![\"\beta_i\"](\"https:\/\/www.ranksignal.fr\/wp-content\/ql-cache\/quicklatex.com-d9f196703cd90dc77bb023d4d0dc36f1_l3.png\" "\\"Rendered")
), il s’\u00e9crit :<\/p>\n<\/span> <\/span>
![\"\[](\"https:\/\/www.ranksignal.fr\/wp-content\/ql-cache\/quicklatex.com-3ebd992659a0275d33ad1ed677ae0244_l3.png\" "\\"Rendered")
<\/p><\/p>\navec
![\"t_c\"](\"https:\/\/www.ranksignal.fr\/wp-content\/ql-cache\/quicklatex.com-eef9ec9fe136b30deb1a9bdb85c835ac_l3.png\" "\\"Rendered")
, la valeur critique tir\u00e9e de la loi de Student, ![\"\tilde{\sigma}^2\"](\"https:\/\/www.ranksignal.fr\/wp-content\/ql-cache\/quicklatex.com-45b79f941dae0407d03727e2114b3c96_l3.png\" "\\"Rendered")
, la variance r\u00e9siduelle estim\u00e9e, et ![\"m_{ii}\"](\"https:\/\/www.ranksignal.fr\/wp-content\/ql-cache\/quicklatex.com-82e470e0a4e7b4e35de132513aac48d7_l3.png\" "\\"Rendered")
, l’\u00e9l\u00e9ment diagonal correspondant de la matrice ![\"(X^TX)^{-1}\"](\"https:\/\/www.ranksignal.fr\/wp-content\/ql-cache\/quicklatex.com-5d49763067d4d281ca8f7a5d7be5810b_l3.png\" "\\"Rendered")
. La racine, elle, joue le r\u00f4le d’erreur type<\/strong> : le nom donn\u00e9 \u00e0 l’\u00e9cart-type d’une distribution d’\u00e9chantillonnage.<\/p>\nTout repose donc sur cette erreur type. Or, si les erreurs sont corr\u00e9l\u00e9es, les erreurs types calcul\u00e9es sous-estiment syst\u00e9matiquement<\/strong> la v\u00e9ritable incertitude. Tu le lis \u00e0 deux endroits de tes r\u00e9sultats : la marge autour de chaque coefficient se resserre \u00e0 tort, et la p-valeur descend plus bas qu’elle ne devrait.<\/p>\n
\n
\u26a0\ufe0f Pi\u00e8ge<\/strong> Rien dans ces chiffres ne ressemble \u00e0 une erreur : un intervalle \u00e9troit et une p-valeur minuscule ont l’allure d’un bon r\u00e9sultat. C’est ce qui rend la confiance \u00ab illusoire \u00bb.<\/p>\n<\/blockquote>\n
Un diagnostic parmi six<\/h2>\n
La corr\u00e9lation des erreurs n’est pas seule \u00e0 surveiller : elle s’ajoute \u00e0 la non-lin\u00e9arit\u00e9, \u00e0 l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9<\/a>, aux points aberrants, aux points \u00e0 fort levier et \u00e0 la colin\u00e9arit\u00e9 pour former une batterie de six probl\u00e8mes<\/strong> que tout mod\u00e8le lin\u00e9aire doit passer au crible. Sa signature \u00e0 elle : une erreur type sous-estim\u00e9e.<\/p>\n
Pour ausculter un mod\u00e8le, le geste de base est de tracer ses r\u00e9sidus<\/strong>. Si l’on y devine une tendance, droite ou courbe, c’est que le mod\u00e8le a laiss\u00e9 de c\u00f4t\u00e9 une structure des donn\u00e9es.<\/p>\n\n\n
![\"Deux](\"https:\/\/www.ranksignal.fr\/wp-content\/uploads\/2026\/10\/b1_ch02_diagnostics_residus_non_linearite-scaled.png\")
- Elle appara\u00eet typiquement dans les s\u00e9ries temporelles<\/strong> et entre observations qui partagent un contexte commun.<\/li>\n
- Des erreurs qui se r\u00e9pondent<\/a><\/li>\n