Votre tableau ANOVA est net : F significatif, p < 0,001, le modèle explique 31 % de la variance. Vous descendez au tableau des coefficients, satisfait — et là, plus rien. Aucun prédicteur n’est significatif. Ou pire : l’un d’eux affiche un signe négatif alors que sa corrélation simple avec la variable dépendante était franchement positive.
Vous n’avez pas fait d’erreur de manipulation. Vous regardez la signature la plus reconnaissable d’un problème précis : la multicolinéarité.
C’est la condition d’application de la régression la moins bien comprise en mémoire de master, et celle qui produit les contresens les plus coûteux — parce que, contrairement à la normalité ou à l’homoscédasticité, elle ne se voit sur aucun graphique de résidus. Elle se lit dans une colonne que la plupart des étudiants n’ont jamais demandé à SPSS d’afficher.
Ce que c’est réellement
La multicolinéarité, c’est le fait que deux ou plusieurs de vos variables indépendantes se prédisent largement les unes les autres. Elles ne mesurent pas exactement la même chose, mais elles portent une information si redondante que le modèle n’arrive plus à démêler leurs contributions respectives.
Le point à saisir est là. Une régression multiple estime l’effet de chaque prédicteur à niveau constant des autres. Si votre ancienneté dans l’entreprise et votre âge varient presque toujours ensemble, la question « quel est l’effet de l’ancienneté à âge constant ? » n’a presque plus de données pour être répondue : dans votre échantillon, il n’existe quasiment personne de 25 ans avec 20 ans d’ancienneté. Le modèle répond quand même, mais avec une incertitude énorme.
Cette incertitude a un nom technique : l’inflation de la variance des coefficients. Les estimations restent non biaisées — en moyenne, elles visent juste — mais elles deviennent instables. Leurs erreurs standard gonflent, donc les t chutent, donc les p montent, et vos effets réels deviennent statistiquement invisibles.
Les trois symptômes qui doivent vous alerter
- Un modèle globalement significatif dont aucun coefficient ne l’est. L’ensemble explique bien la variable dépendante, mais on ne peut attribuer le mérite à personne en particulier.
- Un signe inversé. La corrélation simple entre le prédicteur et la variable dépendante est positive, le coefficient de régression est négatif. C’est le symptôme le plus déroutant, et le plus diagnostique.
- Une instabilité extrême. Vous ajoutez ou retirez une variable, et les coefficients des autres changent radicalement de valeur, parfois d’ordre de grandeur.
Le diagnostic : VIF et tolérance
Sous SPSS, ces colonnes n’apparaissent pas par défaut. Dans Analyse → Régression → Linéaire, ouvrez le bouton Statistiques et cochez Diagnostics de colinéarité. Deux colonnes s’ajoutent alors au tableau des coefficients.
La tolérance d’un prédicteur est la part de sa variance que les autres prédicteurs n’expliquent pas. Une tolérance de 0,08 signifie que 92 % de cette variable est déjà contenue dans les autres : il ne reste que 8 % d’information propre pour estimer son effet.
Le VIF (facteur d’inflation de la variance, variance inflation factor) est simplement l’inverse de la tolérance. Il se lit très concrètement : un VIF de 4 signifie que l’erreur standard de ce coefficient est deux fois plus grande — la racine carrée de 4 — qu’elle ne le serait sans colinéarité.
Les seuils conventionnels, à citer tels quels dans un mémoire :
- VIF < 5 (tolérance > 0,20) : situation généralement considérée comme acceptable.
- VIF entre 5 et 10 : zone d’alerte. À mentionner et à commenter, sans nécessairement modifier le modèle.
- VIF > 10 (tolérance < 0,10) : le seuil le plus consensuellement retenu pour parler de multicolinéarité sévère. Une action est attendue.
Ces seuils sont des conventions, pas des lois : ils n’ont pas de fondement distributionnel. Annoncez celui que vous retenez avant de lire vos résultats, et tenez-vous-y.
Un réflexe qui ne suffit pas : la matrice de corrélations
Beaucoup de mémoires se contentent de vérifier que deux prédicteurs ne corrèlent pas au-delà de 0,80 entre eux. C’est utile mais insuffisant, et il faut comprendre pourquoi : la multicolinéarité peut être multivariée. Trois variables peuvent afficher des corrélations deux à deux très modérées — 0,5 ou 0,6 — tout en étant telles que la troisième est presque parfaitement prédite par la combinaison des deux premières. Aucune corrélation bivariée ne le montrera ; le VIF, si. Regardez néanmoins la matrice, elle vous dira quelle paire est en cause. Notre guide sur les corrélations de Pearson et de Spearman sous SPSS détaille sa lecture.
Quand la multicolinéarité ne pose aucun problème
Ce point est presque systématiquement omis, et il peut vous éviter de mutiler un modèle parfaitement valide.
Si votre objectif est la prédiction et non l’explication, la multicolinéarité est sans conséquence. Le R², les valeurs prédites et les résidus ne sont pas affectés du tout. Seule l’interprétation des coefficients individuels l’est. Un modèle destiné à prédire un résultat, sans prétention à attribuer un effet à telle ou telle variable, peut vivre avec des VIF élevés.
Si la variable colinéaire est une simple variable de contrôle, dont vous ne comptez pas interpréter le coefficient, son VIF élevé ne compromet pas l’interprétation de vos variables d’intérêt — à condition que celles-ci aient, elles, des VIF acceptables. C’est le cas très fréquent où l’âge et l’ancienneté sont tous deux contrôlés mais où votre hypothèse porte sur autre chose.
Si la colinéarité vient d’un terme d’interaction ou d’un terme quadratique, elle est purement artificielle : le produit de deux variables corrèle mécaniquement avec chacune d’elles. Le remède est simple et bien établi — centrer les variables (soustraire leur moyenne) avant de calculer le produit. Les VIF retombent souvent d’un ordre de grandeur.
Les quatre issues, de la plus simple à la plus lourde
1. Retirer l’un des deux prédicteurs redondants
La solution la plus courante, et celle qui demande le plus de discipline. La tentation est de supprimer mécaniquement celui dont le VIF est le plus haut ; c’est une erreur, parce que ce peut être précisément le prédicteur central de votre hypothèse. Le critère doit être théorique : lequel des deux votre cadre conceptuel désigne-t-il comme le mécanisme pertinent ? Lequel est mesuré avec le plus de fiabilité ? Lequel est le plus directement actionnable pour la question de recherche ? Écrivez la justification dans le mémoire ; c’est elle qui transforme une suppression en décision méthodologique.
2. Combiner les prédicteurs en un score composite
Si deux variables corrèlent à 0,88, c’est peut-être qu’elles mesurent une même dimension latente. Plutôt que d’en sacrifier une, faites-en la moyenne (après standardisation si les échelles diffèrent) et entrez ce score unique dans le modèle. Vous perdez la possibilité de distinguer leurs effets — mais cette distinction était de toute façon impossible, c’est exactement ce que le VIF vous disait. Vous gagnez une variable plus fiable et un modèle interprétable.
3. Passer par une réduction de dimensions
Avec un grand nombre de prédicteurs fortement intercorrélés, une analyse en composantes principales permet d’extraire quelques composantes orthogonales — donc, par construction, sans aucune colinéarité — et de les utiliser comme prédicteurs. Le coût est réel : les composantes sont des combinaisons abstraites, plus difficiles à nommer et à commenter qu’une variable observée. À réserver aux cas où la redondance est massive.
4. Assumer et documenter
Parfaitement légitime lorsque les VIF sont dans la zone 5-10 et que retirer une variable amputerait votre modèle théorique. Vous conservez le modèle, vous rapportez les VIF, vous signalez que les coefficients concernés doivent être interprétés avec prudence, et vous montrez idéalement un modèle alternatif sans la variable en cause pour prouver la robustesse de vos conclusions. Un jury accueille très bien cette transparence.
Une cinquième voie mérite d’être connue même si elle dépasse le cadre du master : lorsque la redondance est structurelle et théoriquement assumée, les modèles d’équations structurelles traitent explicitement les variables latentes mesurées par plusieurs indicateurs corrélés, et le problème disparaît par construction.
Ce que vous écrivez dans le mémoire
Cas favorable : « Les diagnostics de colinéarité ne révèlent aucun problème : les facteurs d’inflation de la variance s’échelonnent de 1,08 à 2,34, très en deçà du seuil de 10 conventionnellement retenu, et les tolérances sont toutes supérieures à 0,42. »
Cas d’une correction : « L’examen initial des diagnostics de colinéarité a révélé un VIF de 11,7 pour l’ancienneté et de 10,9 pour l’âge (r = 0,91), signalant une multicolinéarité sévère. L’ancienneté ayant été retenue comme le mécanisme pertinent au regard du cadre théorique mobilisé, l’âge a été retiré du modèle. Après cette modification, l’ensemble des VIF est inférieur à 2,1 et le coefficient de l’ancienneté devient significatif. »
Cas assumé : « Deux prédicteurs présentent des VIF compris entre 6 et 8, en zone d’alerte sans atteindre le seuil de multicolinéarité sévère. Ces deux variables étant centrales dans le modèle théorique, elles ont été conservées. Leurs coefficients doivent néanmoins être interprétés avec prudence, leurs erreurs standard étant mécaniquement majorées. Un modèle alternatif excluant le second prédicteur, présenté en annexe, conduit aux mêmes conclusions. »
Rédiger cette justification sans y perdre une semaine
Le calcul prend une case à cocher. C’est la mise en mots qui coûte : expliquer le diagnostic, argumenter le choix, articuler la décision avec votre cadre théorique — et tenir la même terminologie du chapitre méthodologie au chapitre résultats.
Tesify vous aide précisément là : structurer ces passages, garder une cohérence de vocabulaire d’un chapitre à l’autre, et rédiger les justifications à partir de vos propres décisions d’analyse. Vos données et vos arbitrages restent les vôtres ; le texte est écrit à 100 % par vous.
Rédiger votre chapitre méthodologie avec Tesify
Questions fréquentes
À partir de quelle valeur de VIF faut-il s’inquiéter ?
Le seuil le plus consensuel est VIF > 10 (tolérance < 0,10), qui signale une multicolinéarité sévère appelant une action. Beaucoup d’auteurs alertent dès VIF > 5, et c’est un seuil plus prudent à retenir pour un mémoire. Aucun des deux n’a de fondement distributionnel : ce sont des conventions. L’essentiel est d’annoncer le vôtre avant de lire vos résultats.
La multicolinéarité fausse-t-elle mon R² ?
Non, et c’est l’idée la plus utile de tout cet article. Le R², le test F global, les valeurs prédites et les résidus ne sont pas affectés. Seules les erreurs standard des coefficients individuels gonflent, donc leurs tests t, leurs p-values et leurs intervalles de confiance. Un modèle colinéaire prédit toujours aussi bien ; il explique moins bien.
Puis-je simplement supprimer la variable au VIF le plus élevé ?
Techniquement oui, méthodologiquement c’est risqué. Le VIF le plus haut peut appartenir à votre variable explicative centrale, et la retirer viderait votre question de recherche de son objet. Le choix doit être théorique et écrit. Notez aussi que les VIF s’effondrent en cascade : retirer une seule variable fait souvent redescendre tous les autres d’un coup, car ils se gonflaient mutuellement.
La multicolinéarité concerne-t-elle aussi la régression logistique ?
Oui, le mécanisme est exactement le même. SPSS n’affiche cependant pas les VIF dans la procédure de régression logistique binaire. L’astuce pratique et parfaitement admise : lancez une régression linéaire fictive sur exactement les mêmes prédicteurs, uniquement pour lire les diagnostics de colinéarité. Les VIF ne dépendent que des relations entre variables indépendantes, pas de la variable dépendante — la lecture est donc valide.
Faut-il tester la multicolinéarité avant ou après avoir lancé le modèle ?
Les deux se font en une seule opération, puisque la case à cocher produit les VIF dans le même tableau que les coefficients. Mais interprétez-les avant de commenter le moindre coefficient : un tableau lu dans le mauvais ordre conduit à s’étonner d’un résultat dont l’explication se trouvait deux colonnes plus loin. Sur l’organisation générale de cette étape, voyez notre guide complet de l’analyse de données pour un mémoire.