Modern statistics for the social and

behavioral sciences : a practical

introduction Second Edition. Edition
Wilcox
Visit to download the full and correct content document:
https://textbookfull.com/product/modern-statistics-for-the-social-and-behavioral-scienc
es-a-practical-introduction-second-edition-edition-wilcox/
More products digital (pdf, epub, mobi) instant
download maybe you interests ...

Statistics for the behavioral sciences Gravetter

https://textbookfull.com/product/statistics-for-the-behavioral-
sciences-gravetter/

Statistics for the Behavioral Sciences 4th Edition

Susan A. Nolan

https://textbookfull.com/product/statistics-for-the-behavioral-
sciences-4th-edition-susan-a-nolan/

Statistics for international social work and other

behavioral sciences First Edition Serge Lee

https://textbookfull.com/product/statistics-for-international-
social-work-and-other-behavioral-sciences-first-edition-serge-
lee/

Statistics for the Behavioral and Social Sciences: A

Brief Course, Books a la Carte 6th Edition Arthur Aron

https://textbookfull.com/product/statistics-for-the-behavioral-
and-social-sciences-a-brief-course-books-a-la-carte-6th-edition-
arthur-aron/
Statistics for the Behavioral Sciences Frederick J.
Gravetter

https://textbookfull.com/product/statistics-for-the-behavioral-
sciences-frederick-j-gravetter/

Essential Statistics for the Behavioral Sciences

Gregory J. Privitera

https://textbookfull.com/product/essential-statistics-for-the-
behavioral-sciences-gregory-j-privitera/

Cengage Advantage Books Statistics for the Behavioral

Sciences 9th Edition Gravetter

https://textbookfull.com/product/cengage-advantage-books-
statistics-for-the-behavioral-sciences-9th-edition-gravetter/

Essentials of Statistics for the Behavioral Sciences

Frederick J. Gravetter

https://textbookfull.com/product/essentials-of-statistics-for-
the-behavioral-sciences-frederick-j-gravetter/

Essentials of Statistics for the Behavioral Sciences,

9th Frederick J. Gravetter

https://textbookfull.com/product/essentials-of-statistics-for-
the-behavioral-sciences-9th-frederick-j-gravetter/
 Modern Statistics
for the Social and
Behavioral Sciences
A Practical Introduction
SECOND EDITION
 Modern Statistics
for the Social and
Behavioral Sciences
A Practical Introduction
SECOND EDITION

Rand Wilcox
University of Southern California
Los Angeles, USA
CRC Press
Taylor & Francis Group
6000 Broken Sound Parkway NW, Suite 300
Boca Raton, FL 33487-2742

© 2017 by Taylor & Francis Group, LLC

CRC Press is an imprint of Taylor & Francis Group, an Informa business

No claim to original U.S. Government works

Printed on acid-free paper

International Standard Book Number-13: 978-1-4987-9678-1 (Hardback)

This book contains information obtained from authentic and highly regarded sources. Reasonable efforts have been made to
publish reliable data and information, but the author and publisher cannot assume responsibility for the validity of all
materials or the consequences of their use. The authors and publishers have attempted to trace the copyright holders of all
material reproduced in this publication and apologize to copyright holders if permission to publish in this form has not been
obtained. If any copyright material has not been acknowledged please write and let us know so we may rectify in any future
reprint.

Except as permitted under U.S. Copyright Law, no part of this book may be reprinted, reproduced, transmitted, or utilized in
any form by any electronic, mechanical, or other means, now known or hereafter invented, including photocopying,
microfilming, and recording, or in any information storage or retrieval system, without written permission from the
publishers.

For permission to photocopy or use material electronically from this work, please access www.copyright.com
(http://www.copyright.com/) or contact the Copyright Clearance Center, Inc. (CCC), 222 Rosewood Drive, Danvers, MA
01923, 978-750-8400. CCC is a not-for-profit organization that provides licenses and registration for a variety of users. For
organizations that have been granted a photocopy license by the CCC, a separate system of payment has been arranged.

Trademark Notice: Product or corporate names may be trademarks or registered trademarks, and are used only for
identification and explanation without intent to infringe.

Visit the Taylor & Francis Web site at

http://www.taylorandfrancis.com

and the CRC Press Web site at

http://www.crcpress.com
CONTENTS

Chapter 1  INTRODUCTION 1

1.1 SAMPLES VERSUS POPULATIONS 2

1.2 SOFTWARE 2
1.3 R BASICS 3
1.3.1 Entering Data 3
1.3.2 R Functions and Packages 8
1.3.3 Data Sets 10
1.3.4 Arithmetic Operations 11

Chapter 2  NUMERICAL AND GRAPHICAL SUMMARIES OF DATA 15

2.1 BASIC SUMMATION NOTATION 16

2.2 MEASURES OF LOCATION 17
2.2.1 The Sample Mean 18
2.2.2 R Function Mean 19
2.2.3 The Sample Median 20
2.2.4 R Function for the Median 22
2.3 A CRITICISM OF THE MEDIAN: IT MIGHT TRIM TOO MANY VALUES 22
2.3.1 R Function for the Trimmed Mean 23
2.3.2 A Winsorized Mean 23
2.3.3 R Function winmean 24
2.3.4 What is a Measure of Location? 25
2.4 MEASURES OF VARIATION OR SCALE 25
2.4.1 Sample Variance and Standard Deviation 25
2.4.2 R Functions var and sd 26
2.4.3 The Interquartile Range 27
2.4.4 R Functions idealf and ideafIQR 28
2.4.5 Winsorized Variance 28
2.4.6 R Function winvar 28
2.4.7 Median Absolute Deviation 28
2.4.8 R Function mad 29
2.4.9 Average Absolute Distance from the Median 29

v
vi  CONTENTS

2.4.10 Other Robust Measures of Variation 29

2.4.11 R Functions bivar, pbvar, tauvar, and tbs 30
2.5 DETECTING OUTLIERS 32
2.5.1 A Method Based on the Mean and Variance 32
2.5.2 A Better Outlier Detection Rule: The MAD-Median Rule 33
2.5.3 R Function out 33
2.5.4 The Boxplot 34
2.5.5 R Function boxplot 35
2.5.6 Modifications of the Boxplot Rule for Detecting Outliers 36
2.5.7 R Function outbox 36
2.5.8 Other Measures of Location 37
2.5.9 R Functions mom and onestep 39
2.6 HISTOGRAMS 39
2.6.1 R Functions hist and splot 42
2.7 KERNEL DENSITY ESTIMATORS 43
2.7.1 R Functions kdplot and akerd 45
2.8 STEM-AND-LEAF DISPLAYS 46
2.8.1 R Function stem 48
2.9 SKEWNESS 49
2.9.1 Transforming Data 49
2.10 CHOOSING A MEASURE OF LOCATION 49
2.11 EXERCISES 51

Chapter 3  PROBABILITY AND RELATED CONCEPTS 55

3.1 BASIC PROBABILITY 56

3.2 EXPECTED VALUES 57
3.3 CONDITIONAL PROBABILITY AND INDEPENDENCE 58
3.4 POPULATION VARIANCE 63
3.5 THE BINOMIAL PROBABILITY FUNCTION 65
3.5.1 R Functions dbinom and pbinom 69
3.6 CONTINUOUS VARIABLES AND THE NORMAL CURVE 69
3.6.1 Computing Probabilities Associated with Normal Curves 71
3.6.2 R Function pnorm 71
3.6.3 R Function qnorm 77
3.7 UNDERSTANDING THE EFFECTS OF NONNORMALITY 77
3.7.1 Skewness 80
3.8 PEARSON’S CORRELATION AND THE POPULATION COVARIANCE (OP-
TIONAL) 82
3.8.1 Computing the Population Covariance and Pearson’s Correlation 84
 CONTENTS  vii

3.9 SOME RULES ABOUT EXPECTED VALUES 85

3.10 CHI-SQUARED DISTRIBUTIONS 86
3.11 EXERCISES 86

Chapter 4  SAMPLING DISTRIBUTIONS AND CONFIDENCE INTERVALS 91

4.1 RANDOM SAMPLING 92

4.2 SAMPLING DISTRIBUTIONS 92
4.2.1 Sampling Distribution of the Sample Mean 93
4.2.2 Computing Probabilities Associated with the Sample Mean 96
4.3 A CONFIDENCE INTERVAL FOR THE POPULATION MEAN 99
4.3.1 Known Variance 100
4.3.2 Confidence Intervals When σ Is Not Known 103
4.3.3 R Functions pt and qt 104
4.3.4 Confidence Interval for the Population Mean Using Student’s T 105
4.3.5 R Function t.test 105
4.4 JUDGING LOCATION ESTIMATORS BASED ON THEIR SAMPLING DISTRI-
BUTION 106
4.4.1 Trimming and Accuracy: Another Perspective 109
4.5 AN APPROACH TO NONNORMALITY: THE CENTRAL LIMIT THEOREM 110
4.6 STUDENT’S T AND NONNORMALITY 111
4.7 CONFIDENCE INTERVALS FOR THE TRIMMED MEAN 118
4.7.1 Estimating the Standard Error of a Trimmed Mean 119
4.7.2 R Function trimse 124
4.7.3 A Confidence Interval for the Population Trimmed Mean 124
4.7.4 R Function trimci 126
4.8 TRANSFORMING DATA 128
4.9 CONFIDENCE INTERVAL FOR THE POPULATION MEDIAN 129
4.9.1 R Function sint 130
4.9.2 Estimating the Standard Error of the Sample Median 130
4.9.3 R Function msmedse 131
4.9.4 More Concerns About Tied Values 131
4.10 A REMARK ABOUT MOM AND M-ESTIMATORS 131
4.11 CONFIDENCE INTERVALS FOR THE PROBABILITY OF SUCCESS 132
4.11.1 R Functions binomci, acbinomci and and binomLCO 134
4.12 BAYESIAN METHODS 135
4.13 EXERCISES 136

Chapter 5  HYPOTHESIS TESTING 141

5.1 THE BASICS OF HYPOTHESIS TESTING 142

viii  CONTENTS

5.1.1 p-Value or Significance Level 147

5.1.2 Criticisms of Two-Sided Hypothesis Testing and p-Values 149
5.1.3 Summary and Generalization 150
5.2 POWER AND TYPE II ERRORS 151
5.2.1 Understanding How n, α, and σ Are Related to Power 154
5.3 TESTING HYPOTHESES ABOUT THE MEAN WHEN σ IS NOT KNOWN 157
5.3.1 R Function t.test 158
5.4 CONTROLLING POWER AND DETERMINING THE SAMPLE SIZE 159
5.4.1 Choosing n Prior to Collecting Data 159
5.4.2 R Function power.t.test 159
5.4.3 Stein’s Method: Judging the Sample Size When Data Are Available 160
5.4.4 R Functions stein1 and stein2 162
5.5 PRACTICAL PROBLEMS WITH STUDENT’S T TEST 162
5.6 HYPOTHESIS TESTING BASED ON A TRIMMED MEAN 166
5.6.1 R Function trimci 167
5.6.2 R Functions stein1.tr and stein2.tr 168
5.7 TESTING HYPOTHESES ABOUT THE POPULATION MEDIAN 169
5.7.1 R Function sintv2 169
5.8 MAKING DECISIONS ABOUT WHICH MEASURE OF LOCATION TO USE 169
5.9 BOOTSTRAP METHODS 170
5.10 BOOTSTRAP-T METHOD 170
5.10.1 Symmetric Confidence Intervals 175
5.10.2 Exact Nonparametric Confidence Intervals for Means Are Impossible 176
5.11 THE PERCENTILE BOOTSTRAP METHOD 176
5.12 INFERENCES ABOUT ROBUST MEASURES OF LOCATION 179
5.12.1 Using the Percentile Method 179
5.12.2 R Functions onesampb, momci, and trimpb 180
5.12.3 The Bootstrap-t Method Based on Trimmed Means 181
5.12.4 R Function trimcibt 182
5.13 ESTIMATING POWER WHEN TESTING HYPOTHESES ABOUT A TRIMMED
MEAN 183
5.13.1 R Functions powt1est and powt1an 184
5.14 A BOOTSTRAP ESTIMATE OF STANDARD ERRORS 185
5.14.1 R Function bootse 185
5.15 EXERCISES 185

Chapter 6  REGRESSION AND CORRELATION 189

6.1 THE LEAST SQUARES PRINCIPLE 190

6.2 CONFIDENCE INTERVALS AND HYPOTHESIS TESTING 192
 CONTENTS  ix

6.2.1 Classic Inferential Techniques 196

6.2.2 Multiple Regression 198
6.2.3 R Functions ols and lm 199
6.3 STANDARDIZED REGRESSION 201
6.4 PRACTICAL CONCERNS ABOUT LEAST SQUARES REGRESSION AND
HOW THEY MIGHT BE ADDRESSED 203
6.4.1 The Effect of Outliers on Least Squares Regression 204
6.4.2 Beware of Bad Leverage Points 205
6.4.3 Beware of Discarding Outliers Among the Y Values 208
6.4.4 Do Not Assume Homoscedasticity or that the Regression Line is
Straight 209
6.4.5 Violating Assumptions When Testing Hypotheses 211
6.4.6 Dealing with Heteroscedasticity: The HC4 Method 211
6.4.7 R Functions olshc4 and hc4test 212
6.4.8 Interval Estimation of the Mean Response 213
6.4.9 R Function olshc4band 213
6.5 PEARSON’S CORRELATION AND THE COEFFICIENT OF DETERMINA-
TION 214
6.5.1 A Closer Look at Interpreting r 216
6.6 TESTING H0 : ρ = 0 220
6.6.1 R Function cor.test 220
6.6.2 R Function pwr.r.test 222
6.6.3 Testing H0 : ρ = 0 When There is Heteroscedasticity 223
6.6.4 R Function pcorhc4 223
6.6.5 When Is It Safe to Conclude that Two Variables Are Independent? 224
6.7 A REGRESSION METHOD FOR ESTIMATING THE MEDIAN OF Y AND
OTHER QUANTILES 224
6.7.1 R Function rqfit 225
6.8 DETECTING HETEROSCEDASTICITY 226
6.8.1 R Function khomreg 227
6.9 INFERENCES ABOUT PEARSON’S CORRELATION: DEALING WITH HET-
EROSCEDASTICITY 227
6.9.1 R Function pcorb 229
6.10 BOOTSTRAP METHODS FOR LEAST SQUARES REGRESSION 229
6.10.1 R Functions hc4wtest, olswbtest, and lsfitci 231
6.11 DETECTING ASSOCIATIONS EVEN WHEN THERE IS CURVATURE 232
6.11.1 R Functions indt and medind 232
6.12 QUANTILE REGRESSION 233
6.12.1 R Functions qregci and rqtest 234
6.12.2 A Test for Homoscedasticity Using a Quantile Regression Approach 235
6.12.3 R Function qhomt 236
x  CONTENTS

6.13 REGRESSION: WHICH PREDICTORS ARE BEST? 236

6.13.1 The 0.632 Bootstrap Method 238
6.13.2 R function regpre 238
6.13.3 Least Angle Regression 240
6.13.4 R Function larsR 240
6.14 COMPARING CORRELATIONS 241
6.14.1 R Functions TWOpov and TWOpNOV 242
6.15 CONCLUDING REMARKS 243
6.16 EXERCISES 243

Chapter 7  COMPARING TWO INDEPENDENT GROUPS 249

7.1 STUDENT’S T TEST 251

7.1.1 Choosing the Sample Sizes 252
7.1.2 R Function power.t.test 252
7.2 RELATIVE MERITS OF STUDENT’S T 254
7.3 WELCH’S HETEROSCEDASTIC METHOD FOR MEANS 257
7.3.1 R function t.test 259
7.3.2 Tukey’s Three-Decision Rule 260
7.3.3 Nonnormality and Welch’s Method 261
7.3.4 Three Modern Insights Regarding Methods for Comparing Means 262
7.4 METHODS FOR COMPARING MEDIANS AND TRIMMED MEANS 262
7.4.1 Yuen’s Method for Trimmed Means 262
7.4.2 R Functions yuen and fac2list 263
7.4.3 Comparing Medians 264
7.4.4 R Function msmed 265
7.5 PERCENTILE BOOTSTRAP METHODS FOR COMPARING MEASURES OF
LOCATION 265
7.5.1 Using Other Measures of Location 267
7.5.2 Comparing Medians 267
7.5.3 R Function medpb2 268
7.5.4 Some Guidelines on When to Use the Percentile Bootstrap Method 268
7.5.5 R Functions trimpb2, med2g, and pb2gen 268
7.6 BOOTSTRAP-T METHODS FOR COMPARING MEASURES OF LOCATION 270
7.6.1 Comparing Means 270
7.6.2 Bootstrap-t Method When Comparing Trimmed Means 271
7.6.3 R Functions yuenbt and yhbt 272
7.6.4 Estimating Power and Judging the Sample Sizes 274
7.6.5 R Functions powest and pow2an 275
7.7 PERMUTATION TESTS 275
 CONTENTS  xi

7.8 RANK-BASED AND NONPARAMETRIC METHODS 276

7.8.1 Wilcoxon–Mann–Whitney Test 277
7.8.2 R Functions wmw and wilcox.test 279
7.8.3 Handling Tied Values and Heteroscedasticity 279
7.8.4 Cliff’s Method 279
7.8.5 R Functions cid and cidv2 281
7.8.6 The Brunner–Munzel Method 281
7.8.7 R Functions bmp and loc2dif.ci 284
7.8.8 The Kolmogorov–Smirnov Test 284
7.8.9 R Function ks 285
7.8.10 Comparing All Quantiles Simultaneously: An Extension of the
Kolmogorov–Smirnov Test 285
7.8.11 R Function sband 286
7.9 GRAPHICAL METHODS FOR COMPARING GROUPS 287
7.9.1 Error Bars 288
7.9.2 R Functions ebarplot and ebarplot.med 290
7.9.3 Plotting the Shift Function 291
7.9.4 Plotting the Distributions 293
7.9.5 R Function sumplot2g 294
7.9.6 Other Approaches 294
7.10 COMPARING MEASURES OF VARIATION 295
7.10.1 R Function comvar2 296
7.10.2 Brown–Forsythe Method 297
7.10.3 Comparing Robust Measures of Variation 298
7.11 MEASURING EFFECT SIZE 299
7.11.1 R Functions yuenv2 and akp.effect 304
7.12 COMPARING CORRELATIONS AND REGRESSION SLOPES 305
7.12.1 R Functions twopcor, twolsreg, and tworegwb 306
7.13 COMPARING TWO BINOMIALS 307
7.13.1 Storer–Kim Method 307
7.13.2 Beal’s Method 308
7.13.3 R Functions twobinom, twobici, bi2KMSv2, and power.prop.test 308
7.13.4 Comparing Two Discrete Distributions 309
7.13.5 R Function disc2com 310
7.14 MAKING DECISIONS ABOUT WHICH METHOD TO USE 310
7.15 EXERCISES 311

Chapter 8  COMPARING TWO DEPENDENT GROUPS 317

8.1 THE PAIRED T TEST 319

xii  CONTENTS

8.1.1 When Does the Paired T Test Perform Well? 320

8.1.2 R Function t.test 321
8.2 COMPARING ROBUST MEASURES OF LOCATION 322
8.2.1 R Functions yuend, ydbt, and dmedpb 323
8.2.2 Comparing Marginal M-Estimators 327
8.2.3 R Function rmmest 328
8.2.4 Measuring Effect Size 328
8.2.5 R Function D.akp.effect 328
8.3 HANDLING MISSING VALUES 329
8.3.1 R Functions rm2miss and rmmismcp 330
8.4 A DIFFERENT PERSPECTIVE WHEN USING ROBUST MEASURES OF LO-
CATION 331
8.4.1 R Functions loc2dif and l2drmci 331
8.5 THE SIGN TEST 332
8.5.1 R Function signt 332
8.6 WILCOXON SIGNED RANK TEST 333
8.6.1 R Function wilcox.test 334
8.7 COMPARING VARIANCES 335
8.7.1 R Function comdvar 335
8.8 COMPARING ROBUST MEASURES OF SCALE 336
8.8.1 R Function rmrvar 336
8.9 COMPARING ALL QUANTILES 336
8.9.1 R Functions lband 337
8.10 PLOTS FOR DEPENDENT GROUPS 337
8.10.1 R Function g2plotdifxy 338
8.11 EXERCISES 338

Chapter 9  ONE-WAY ANOVA 341

9.1 ANALYSIS OF VARIANCE FOR INDEPENDENT GROUPS 343

9.1.1 A Conceptual Overview 343
9.1.2 ANOVA via Least Squares Regression and Dummy Coding 348
9.1.3 R Functions anova, anova1, aov, and fac2list 348
9.1.4 Controlling Power and Choosing the Sample Sizes 352
9.1.5 R Functions power.anova.test and anova.power 352
9.2 DEALING WITH UNEQUAL VARIANCES 353
9.2.1 Welch’s Test 354
9.3 JUDGING SAMPLE SIZES AND CONTROLLING POWER WHEN DATA ARE
AVAILABLE 357
9.3.1 R Functions bdanova1 and bdanova2 360
9.4 TRIMMED MEANS 361
 CONTENTS  xiii

9.4.1 R Functions t1way, t1wayv2, t1wayF, and g5plot 362

9.4.2 Comparing Groups Based on Medians 364
9.4.3 R Function med1way 365
9.5 BOOTSTRAP METHODS 365
9.5.1 A Bootstrap-t Method 365
9.5.2 R Functions t1waybt and BFBANOVA 366
9.5.3 Two Percentile Bootstrap Methods 367
9.5.4 R Functions b1way, pbadepth, and Qanova 370
9.5.5 Choosing a Method 370
9.6 RANDOM EFFECTS MODEL 371
9.6.1 A Measure of Effect Size 373
9.6.2 A Heteroscedastic Method 376
9.6.3 A Method Based on Trimmed Means 377
9.6.4 R Function rananova 378
9.7 RANK-BASED METHODS 379
9.7.1 The Kruskall–Wallis Test 379
9.7.2 R Function kruskal.test 380
9.7.3 Method BDM 381
9.7.4 R Functions bdm and bdmP 382
9.8 EXERCISES 383

Chapter 10  TWO-WAY AND THREE-WAY DESIGNS 387

10.1 BASICS OF A TWO-WAY ANOVA DESIGN 387

10.1.1 Interactions 391
10.1.2 R Functions interaction.plot and interplot 395
10.1.3 Interactions When There Are More Than Two Levels 396
10.2 TESTING HYPOTHESES ABOUT MAIN EFFECTS AND INTERACTIONS 398
10.2.1 R function anova 401
10.2.2 Inferences About Disordinal Interactions 402
10.2.3 The Two-Way ANOVA Model 403
10.3 HETEROSCEDASTIC METHODS FOR TRIMMED MEANS, INCLUDING
MEANS 404
10.3.1 R Function t2way 405
10.4 BOOTSTRAP METHODS 408
10.4.1 R Functions pbad2way and t2waybt 410
10.5 TESTING HYPOTHESES BASED ON MEDIANS 412
10.5.1 R Function m2way 413
10.6 A RANK-BASED METHOD FOR A TWO-WAY DESIGN 413
10.6.1 R Function bdm2way 414
xiv  CONTENTS

10.6.2 The Patel–Hoel Approach to Interactions 414

10.7 THREE-WAY ANOVA 415
10.7.1 R Functions anova and t3way 417
10.8 EXERCISES 418

Chapter 11  COMPARING MORE THAN TWO DEPENDENT GROUPS 421

11.1 COMPARING MEANS IN A ONE-WAY DESIGN 422

11.1.1 R Function aov 424
11.2 COMPARING TRIMMED MEANS WHEN DEALING WITH A ONE-WAY DE-
SIGN 425
11.2.1 R Functions rmanova and rmdat2mat 426
11.2.2 A Bootstrap-t Method for Trimmed Means 428
11.2.3 R Function rmanovab 429
11.3 PERCENTILE BOOTSTRAP METHODS FOR A ONE-WAY DESIGN 429
11.3.1 Method Based on Marginal Measures of Location 430
11.3.2 R Function bd1way 430
11.3.3 Inferences Based on Difference Scores 431
11.3.4 R Function rmdzero 432
11.4 RANK-BASED METHODS FOR A ONE-WAY DESIGN 432
11.4.1 Friedman’s Test 432
11.4.2 R Function friedman.test 434
11.4.3 Method BPRM 434
11.4.4 R Function bprm 435
11.5 COMMENTS ON WHICH METHOD TO USE 436
11.6 BETWEEN-BY-WITHIN DESIGNS 436
11.6.1 Method for Trimmed Means 437
11.6.2 R Function bwtrim and bw2list 439
11.6.3 A Bootstrap-t Method 441
11.6.4 R Function tsplitbt 441
11.6.5 Inferences Based on M-estimators and Other Robust Measures of
Location 442
11.6.6 R Functions sppba, sppbb, and sppbi 443
11.6.7 A Rank-Based Test 444
11.6.8 R Function bwrank 448
11.7 WITHIN-BY-WITHIN DESIGN 449
11.7.1 R Function wwtrim 449
11.8 THREE-WAY DESIGNS 449
11.8.1 R Functions bbwtrim, bwwtrim, and wwwtrim 449
11.8.2 Data Management: R Functions bw2list and bbw2list 450
11.9 EXERCISES 451
 CONTENTS  xv

Chapter 12  MULTIPLE COMPARISONS 453

12.1 ONE-WAY ANOVA AND RELATED SITUATIONS, INDEPENDENT GROUPS 455

12.1.1 Fisher’s Least Significant Difference Method 455
12.1.2 The Tukey–Kramer Method 457
12.1.3 R Function TukeyHSD 458
12.1.4 Tukey–Kramer and the ANOVA F Test 459
12.1.5 Step-Down Methods 459
12.1.6 Dunnett’s T3 462
12.1.7 Games–Howell Method 464
12.1.8 Comparing Trimmed Means 464
12.1.9 R Functions lincon, stepmcp and twoKlin 464
12.1.10 Alternative Methods for Controlling FWE 465
12.1.11 Percentile Bootstrap Methods for Comparing Trimmed Means, Me-
dians, and M-estimators 468
12.1.12 R Functions medpb, linconpb, pbmcp, and p.adjust 469
12.1.13 A Bootstrap-t Method 470
12.1.14 R Function linconbt 470
12.1.15 Rank-Based Methods 471
12.1.16 R Functions cidmul, cidmulv2, and bmpmul 471
12.1.17 Comparing the Individual Probabilities of Two Discrete Distributions 471
12.1.18 R Functions binband, splotg2, cumrelf, and cumrelfT 472
12.1.19 Comparing the Quantliles of Two Independent Groups 473
12.1.20 R Functions qcomhd and qcomhdMC 474
12.1.21 Multiple Comparisons for Binomial and Categorical Data 475
12.1.22 R Functions skmcp and discmcp 475
12.2 TWO-WAY, BETWEEN-BY-BETWEEN DESIGN 475
12.2.1 Scheffé’s Homoscedastic Method 477
12.2.2 Heteroscedastic Methods 479
12.2.3 Extension of Welch–S̆idák and Kaiser–Bowden Methods to Trimmed
Means 481
12.2.4 R Function kbcon 482
12.2.5 R Functions con2way and conCON 482
12.2.6 Linear Contrasts Based on Medians 485
12.2.7 R Functions msmed and mcp2med 485
12.2.8 Bootstrap Methods 486
12.2.9 R Functions mcp2a, bbmcppb, bbmcp 487
12.2.10 The Patel–Hoel Rank-Based Interaction Method 487
12.2.11 R Function rimul 487
12.3 JUDGING SAMPLE SIZES 487
xvi  CONTENTS

12.3.1 Tamhane’s Procedure 488

12.3.2 R Function tamhane 489
12.3.3 Hochberg’s Procedure 489
12.3.4 R Function hochberg 491
12.4 METHODS FOR DEPENDENT GROUPS 491
12.4.1 Linear Contrasts Based on Trimmed Means 492
12.4.2 R Function rmmcp 493
12.4.3 Comparing M-estimators 493
12.4.4 R Functions rmmcppb, dmedpb, dtrimpb, and boxdif 494
12.4.5 Bootstrap-t Method 494
12.4.6 R Function bptd 495
12.4.7 Comparing the Quantiles of the Marginal Distributions 495
12.4.8 R Function Dqcomhd 495
12.5 BETWEEN-BY-WITHIN DESIGNS 495
12.5.1 R Functions bwmcp, bwamcp, bwbmcp, bwimcp, spmcpa, spmcpb,
spmcpi, and bwmcppb 497
12.6 WITHIN-BY-WITHIN DESIGNS 499
12.6.1 Three-Way Designs 500
12.6.2 R Functions con3way, mcp3atm, and rm3mcp 500
12.6.3 Bootstrap Methods for Three-Way Designs 502
12.6.4 R Functions bbwmcp, bwwmcp, bwwmcppb, bbbmcppb, bbwmcppb,
bwwmcppb, and wwwmcppb 502
12.7 EXERCISES 503

Chapter 13  SOME MULTIVARIATE METHODS 507

13.1 LOCATION, SCATTER, AND DETECTING OUTLIERS 508

13.1.1 Detecting Outliers Via Robust Measures of Location and Scatter 511
13.1.2 R Functions cov.mve and cov.mcd 512
13.1.3 More Measures of Location and Covariance 513
13.1.4 R Functions rmba, tbs, and ogk 514
13.1.5 R Function out 514
13.1.6 A Projection-Type Outlier Detection Method 514
13.1.7 R Functions outpro, outproMC, outproad, outproadMC, and out3d 516
13.1.8 Skipped Estimators of Location 517
13.1.9 R Function smean 517
13.2 ONE-SAMPLE HYPOTHESIS TESTING 518
13.2.1 Comparing Dependent Groups 521
13.2.2 R Functions smeancrv2, hotel1, and rmdzeroOP 522
13.3 TWO-SAMPLE CASE 523
13.3.1 R Functions smean2, mat2grp, matsplit, and mat2list 524
 CONTENTS  xvii

13.3.2 R functions matsplit, mat2grp, and mat2list 524

13.4 MANOVA 525
13.4.1 R Function manova 526
13.4.2 Robust MANOVA Based on Trimmed Means 527
13.4.3 R Functions MULtr.anova and MULAOVp 528
13.5 A MULTIVARIATE EXTENSION OF THE WILCOXON–MANN–WHITNEY
TEST 529
13.5.1 Explanatory Measure of Effect Size: A Projection-Type Generalization 530
13.5.2 R Function mulwmwv2 531
13.6 RANK-BASED MULTIVARIATE METHODS 531
13.6.1 The Munzel–Brunner Method 532
13.6.2 R Function mulrank 533
13.6.3 The Choi–Marden Multivariate Rank Test 534
13.6.4 R Function cmanova 536
13.7 MULTIVARIATE REGRESSION 536
13.7.1 Multivariate Regression Using R 537
13.7.2 Robust Multivariate Regression 538
13.7.3 R Function mlrreg and mopreg 539
13.8 PRINCIPAL COMPONENTS 539
13.8.1 R Functions prcomp and regpca 541
13.8.2 Robust Principal Components 544
13.8.3 R Functions outpca, robpca, robpcaS, Ppca, and Ppca.summary 544
13.9 EXERCISES 547

Chapter 14  ROBUST REGRESSION AND MEASURES OF ASSOCIATION 549

14.1 ROBUST REGRESSION ESTIMATORS 550

14.1.1 The Theil–Sen Estimator 551
14.1.2 R Functions tsreg, tshdreg, and regplot 552
14.1.3 Least Median of Squares 553
14.1.4 Least Trimmed Squares and Least Trimmed Absolute Value Estima-
tors 553
14.1.5 R Functions lmsreg, ltsreg, and ltareg 554
14.1.6 M-estimators 554
14.1.7 R Function chreg 554
14.1.8 Deepest Regression Line 555
14.1.9 R Function mdepreg 555
14.1.10 Skipped Estimators 555
14.1.11 R Functions opreg and opregMC 555
14.1.12 S-estimators and an E-type Estimator 555
14.1.13 R Function tstsreg 556
xviii  CONTENTS

14.2 COMMENTS ON CHOOSING A REGRESSION ESTIMATOR 556

14.3 INFERENCES BASED ON ROBUST REGRESSION ESTIMATORS 557
14.3.1 Testing Hypotheses About the Slopes 558
14.3.2 Inferences About the Typical Value of Y Given X 558
14.3.3 R Functions regtest, regtestMC, regci, regciMC, regYci, and regYband 559
14.3.4 Comparing Measures of Location via Dummy Coding 563
14.4 DEALING WITH CURVATURE: SMOOTHERS 563
14.4.1 Cleveland’s Smoother 564
14.4.2 R Functions lowess, lplot, lplot.pred, and lplotCI 565
14.4.3 Smoothers Based on Robust Measures of Location 566
14.4.4 R Functions rplot, rplotCIS, rplotCI, rplotCIv2, rplotCIM, rplot.pred,
qhdsm, and qhdsm.pred 568
14.4.5 Prediction When X Is Discrete: The R Function rundis 570
14.4.6 Seeing Curvature with More Than Two Predictors 571
14.4.7 R Function prplot 571
14.4.8 Some Alternative Methods 571
14.4.9 Detecting Heteroscedasticity Using a Smoother 573
14.4.10 R Function rhom 573
14.5 SOME ROBUST CORRELATIONS AND TESTS OF INDEPENDENCE 573
14.5.1 Kendall’s tau 573
14.5.2 Spearman’s rho 574
14.5.3 Winsorized Correlation 575
14.5.4 R Function wincor 575
14.5.5 OP or Skipped Correlation 575
14.5.6 R Function scor 576
14.5.7 Inferences about Robust Correlations: Dealing with Heteroscedasticity 577
14.5.8 R Functions corb and scorci 577
14.6 MEASURING THE STRENGTH OF AN ASSOCIATION BASED ON A RO-
BUST FIT 577
14.7 COMPARING THE SLOPES OF TWO INDEPENDENT GROUPS 578
14.7.1 R Function reg2ci 579
14.8 TESTS FOR LINEARITY 579
14.8.1 R Functions lintest, lintestMC, and linchk 581
14.9 IDENTIFYING THE BEST PREDICTORS 582
14.9.1 Inferences Based on Independent Variables Taken in Isolation 582
14.9.2 R Functions regpord, ts2str, and sm2strv7 584
14.9.3 Inferences When Independent Variables Are Taken Together 585
14.9.4 R Function regIVcom 587
14.10 INTERACTIONS AND MODERATOR ANALYSES 588
 CONTENTS  xix

14.10.1 R Functions olshc4.inter, ols.plot.inter, regci.inter, reg.plot.inter and

adtest 590
14.10.2 Graphical Methods for Assessing Interactions 591
14.10.3 R Functions kercon, runsm2g, regi 592
14.11 ANCOVA 593
14.11.1 Classic ANCOVA 594
14.11.2 Robust ANCOVA Methods Based on a Parametric Regression Model 596
14.11.3 R Functions ancJN, ancJNmp, anclin, reg2plot, and reg2g.p2plot 597
14.11.4 ANCOVA Based on the Running-interval Smoother 599
14.11.5 R Functions ancsm, Qancsm, ancova, ancovaWMW, ancpb, ancov-
aUB, ancboot, ancdet, runmean2g, qhdsm2g, and l2plot 600
14.11.6 R Functions Dancts, Dancols, Dancova, Dancovapb, DancovaUB,
and Dancdet 604
14.12 EXERCISES 605

Chapter 15  BASIC METHODS FOR ANALYZING CATEGORICAL DATA 609

15.1 GOODNESS OF FIT 610

15.1.1 R Functions chisq.test and pwr.chisq.test 611
15.2 A TEST OF INDEPENDENCE 612
15.2.1 R Function chi.test.ind 614
15.3 DETECTING DIFFERENCES IN THE MARGINAL PROBABILITIES 615
15.3.1 R Functions contab and mcnemar.test 617
15.4 MEASURES OF ASSOCIATION 618
15.4.1 The Proportion of Agreement 620
15.4.2 Kappa 621
15.4.3 Weighted Kappa 622
15.4.4 R Function Ckappa 622
15.5 LOGISTIC REGRESSION 623
15.5.1 R Functions glm and logreg 623
15.5.2 A Confidence Interval for the Odds Ratio 625
15.5.3 R Function ODDSR.CI 626
15.5.4 Smoothers for Logistic Regression 626
15.5.5 R Functions logrsm, rplot.bin, and logSM 627
15.6 EXERCISES 627

Appendix A  ANSWERS TO SELECTED EXERCISES 631

Appendix B  TABLES 635

xx  CONTENTS

Appendix C  BASIC MATRIX ALGEBRA 663

Index 697
PREFACE to the SECOND
EDITION

This second edition contains major changes and additions. All of the chapters have been
updated; for some there are only minor changes, but for others there are major changes.
Many new R functions have been added that reflect recent advances. Briefly, they deal with
new methods for comparing groups and studying associations. For example, it is now possible
to compare a collection of quantiles in a manner that controls the probability of one or more
Type I errors, even when there are tied values. This new approach can provide a deeper
understanding of how groups compare in contrast to methods that focus on a single measure
of location. Some new multiple comparison procedures are covered as well as some new
techniques related to testing global hypotheses. New methods for comparing regression lines
are covered and several new and improved methods for dealing with ANCOVA are described.
There is even a new method for determining which independent variables are most important
in a regression model. There are many ways of estimating which variables are most important.
What is new here is the ability to determine the strength of the empirical evidence that the
most important variables are correctly identified.
Details about basic bootstrap methods now appear when sampling distributions are intro-
duced. This is in contrast to the first edition where bootstrap methods were introduced in a
separate chapter. Introducing bootstrap methods in conjunction with sampling distributions
seems to help some students understand sampling distributions.
A solution manual, which contains a detailed solution to all of the exercises, is now
available on the author’s web site:
Dornsife.usc.edu/cf/labs/wilcox/wilcox-faculty-display.cfm.
Perhaps an easier way of reaching the author’s web page is to search for Software Rand
Wilcox. Clicking on this link will take you to the author’s web page. Go to the section
labeled books. The file CRC answers.pdf the contains solution manual. Most of the data
used in this book are available on the author’s web page and are stored in the section labeled
datasets.

xxi
PREFACE

There are two general goals in this book. Assuming the reader has had no prior training
in statistics, the first is to provide a graduate-level introduction to basic, routinely used
statistical techniques relevant to the social and behavioral sciences. As can be seen from the
table of contents, a wide range of topics is covered. Included is a nontechnical description
of three major insights regarding when routinely used methods perform well and when they
are highly unsatisfactory. One of these insights has to do with situations where data are
sampled from what is called a heavy-tailed distribution. Such distributions are routinely
encountered. During the last half century, hundreds of published papers describe practical
concerns and how they might be addressed. The second general insight has to do with the
effects of skewness. A deeper understanding of how to deal with skewed distributions and
why skewed distributions can wreak havoc on any inferential method based in part on a least
squares estimator, have been developed. The third insight has to with heteroscedasticity. In
practical terms, routinely taught and used methods can result in relatively low power and
highly misleading results, contrary to what was once believed. Explanations are provided
about why it was once thought that classic methods are robust to violations of assumptions
and why it is now known that under general conditions, this is not the case.
The second general goal is to describe and illustrate methods developed during the last
half century that deal with known problems associated with classic techniques. There is in-
creasing awareness among nonstatisticians that these newer methods can make a considerable
difference in the conclusions reached when analyzing data. And numerous illustrations are
provided that support this view. An important point is that no single method is always best.
So what is needed is a general understanding of the relative merits of various techniques so
that the choice of method can be made in an informed manner.
As for software, this book focuses on R, which is introduced in Chapter 1. In terms
of taking advantage of modern statistical techniques, R clearly dominates. When analyzing
data, it is undoubtedly the most important software development during the last quarter of a
century. And it is free. Although classic methods have fundamental flaws, it is not suggested
that they be completely abandoned. And it is important to know how to apply and interpret
these methods simply because they are still routinely used. Consequently, illustrations are
provided on how to apply standard methods with R. Of particular importance here is that
a vast array of modern methods can be applied via an R package that contains over 1300 R
functions, many of which are illustrated in this book.

Rand R. Wilcox
Los Angeles, CA

xxiii
 CHAPTER 1

INTRODUCTION
CONTENTS
1.1 Samples versus Populations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 R Basics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.1 Entering Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.2 R Functions and Packages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.3 Data Sets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.4 Arithmetic Operations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

Statistical methods that are used by a wide range of disciplines consist of at least three basic
components:

• Experimental design, meaning the planning and carrying out of a study.

• Summarizing data, using what are called descriptive statistics.

• Inferential techniques, which roughly are methods aimed at making predictions or gen-
eralizations about a population of individuals or things when not all individuals or
things can be measured.

The fundamental goal in this book is to summarize the basic statistical techniques associated
with these three components, with an emphasis on the latter two components, in a manner
that makes them accessible to students not majoring in statistics. Of particular importance
is fostering the ability of the reader to think critically about how data are summarized and
analyzed.
The mathematical foundation of the statistical tools routinely used today was developed
about two centuries ago by Pierre-Simon Laplace and Carl Friedrich Gauss in a series of
remarkable advances. About a century ago, important refinements and extensions were made
by Karl Pearson, Jerzy Neyman, Egon Pearson, William Gosset, and Sir Ronald Fisher. The
strategies and methods that they developed are routinely used today.
During the last half century, however, literally hundreds of journal articles have made
it abundantly clear that there are three basic concerns associated with these routinely used
techniques that are of fundamental importance. This is not to say that they should be
abandoned, but it is important to understand their limitations as well as how these limitations
might be addressed with methods developed during the last half century. It is evident that
any routinely used statistical method that addresses basic issues needs to be covered in
any introductory statistics book aimed at students and researchers trying to understand
their data. Simultaneously, it seems equally evident that when relevant insights are made
regarding the proper use and interpretation of these methods, they should be included in
an introductory book as well. Omission of some modern insights might be acceptable if
the results were at some level controversial among statisticians familiar with the underlying

1
2  ROBUST ESTIMATION AND HYPOTHESIS TESTING

principles. But when there are hundreds of papers acknowledging a problem with a routinely
used method, with no counterarguments being offered in a reputable statistics journal, surely
it is important to discuss the practical implications of the insight in a book aimed at non-
statisticians. This is the point of view adopted here.

1.1 SAMPLES VERSUS POPULATIONS

Assuming the reader has no prior training in statistics, we begin by making a distinction
between a population of individuals of interest and a sample of individuals. A population
of participants or objects consists of all those participants or objects that are relevant in a
particular study.

Definition: A sample is any subset of the population of individuals or things under

study.

EXAMPLE

Imagine a study dealing with the quality of education among high-school students. One
aspect of this issue might be the number of hours students spend on homework. Imagine that
100 students are interviewed at a particular school and 40 say they spend less than 1 hour
on homework. The 100 students represent a sample; they are a subset of the population of
interest, which is all high-school students.

EXAMPLE

Imagine a developmental psychologist studying the ways children interact. One aspect
of interest might be the difference between males and females in terms of how they handle
certain situations. For example, are boys more aggressive than girls in certain play situations?
Imagine that the psychologist videotapes 4-year-old children playing, and then raters rate
each child on a 10-point scale in terms of the amount of aggressive behavior they display.
Further imagine that 30 boys get an average rating of 5, while 25 girls get an average rating
of 4. The 30 boys represent a sample from the entire population of 4-year-old boys and the
25 girls represent a sample from the population of all 4-year-old girls.
Inferential methods are broadly aimed at assessing the implications of a sample regarding
the characteristics of a population. In the last example, the 30 boys have a higher average
rating than the 25 girls. Based on this result, is it reasonable to conclude that if all 4-year-old
boys could be measured, as well as all 4-year-old girls, it would again be the case that the
average rating for boys would be higher than the average rating for girls? This is one of the
many issues addressed in this book.
Notice that in this last example, an average was used with the goal of characterizing the
typical boy and girl. Are there other ways of summarizing the data that have practical im-
portance? The answer is an unequivocal yes, as will be made evident in subsequent chapters.
Indeed, one of the major advances during the last half century is a better understanding of
the relative merits associated with various ways of summarizing data.

1.2 SOFTWARE
There are a number of software packages aimed at providing easy access to routinely used
statistical techniques. The focus in this book is on the free (open source) software package
R, which within statistics is arguably the most important software development during the
 INTRODUCTION  3

last quarter of a century. It is powerful, flexible, and it provides a relatively simple way
of applying cutting-edge techniques. R packages are routinely written by statisticians for
applying recently developed methods, which are easily installed by anyone using R. This
is extremely important because relying on commercial software has proven to be highly
unsatisfactory when it comes to applying the many important methods developed during the
last half century. R can be installed by going to the website

www.R-project.org.

S-plus is very similar to R with one important difference: it can be expensive. All of the
methods in this book can be applied with R, but this is not the case when using S-plus.
SPSS is popular among academics, but gaining access to modern methods is difficult
and typically impossible. Generally, using SPSS requires ignoring the three major problems
associated with classic methods that are described in this book. Moreover, compared to R,
SPSS is highly inflexible when it comes to applying the many new and improved methods
that have appeared during the last half century. Because SPSS does not update its software
in an adequate manner, it was excluded from consideration when choosing software for this
book.
SAS is another well-known software package that offers high power and a fair degree of
flexibility. SAS software could be written for applying the modern methods mentioned in this
book, but for many of the techniques to be described, this has not been done.
Another well-known software package is EXCEL. It was excluded from consideration
based on reviews by McCullough and Wilson (2005) as well as Heiser (2006), which conclude
that this package is not maintained in an adequate manner. Indeed, even certain basic features
have fundamental flaws.

1.3 R BASICS
As previously noted, R can be downloaded from www.R-project.org. A free and very useful
interface for R is R Studio (www.rstudio.com). Many books are available that are focused on
the basics of R (e.g., Crawley, 2007; Venables and Smith, 2002; Verzani, 2004; Zuur et al.,
2009). The book by Verzani (2004) is available on the web at

http://cran.r-project.org/doc/contrib/Verzani-SimpleR.pdf.

R comes with a vast array of methods for handling and analyzing data. Explaining all of
its features and built-in functions is impossible here and to a large extent not necessary for
present purposes. Here, the focus is on the more basic features needed to apply standard
statistical methods, as well as the more modern methods covered in this book.
Once you start R you will see this prompt:
>
This prompt is not typed, it merely means that R is waiting for a command. To quit R, use
the command
> q()

1.3.1 Entering Data

To begin with the simplest case, imagine you want to store the value 5 in an R variable called
dat. This can be done with the command

dat=5.
4  ROBUST ESTIMATION AND HYPOTHESIS TESTING

Typing dat and hitting Enter will produce the value 5 on the computer screen.
To store the values 2, 4, 6, 8, 12 in the R variable dat, use the c command which stands
for “combine.” That is, the command

dat=c(2,4,6,8,12))

will store these values in the R variable dat.

To read data stored in a file into an R variable, use the scan command or the read.table
command. Both of these commands assume the data are stored in the directory where R
expects to find the file. A simple way of finding a particular file is with the the file.choose,
which will be illustrated. The scan command is convenient when working with a single
variable; read.table is convenient when working with two or more variables. In the simplest
case, it is assumed that values are separated by one or more spaces. Missing values are
assumed to be recorded as NA for “not available.” For example, imagine that a file called
ice.dat contains
6 3 12 8 9
Then the command

dat=scan(file=”ice.dat”)

will read these values from the file and store them in the R variable dat having what is
called a vector mode. Roughly, a vector is just a collection of values associated with a single
variable. When using the scan command, the file name must be in quotes.
If instead a file called dis.data that contains

12 6 4
7 NA 8
1 18 2
then the command

dat2=scan(file=”dis.data”)

will store the data in the R variable dat2. Typing dat2 and hitting Enter returns

12 6 4 7 NA 8 1 18 2

When you quit R with the command q(), R will ask whether you want to save the
workspace. If you enter y, values stored in R variables stay there until they are removed. So
in this last example, if you turn off your computer, and then turn it back on, typing dat2 will
again return the values just displayed. To remove data, use the rm command. For example,

rm(dat)

would remove the R variable dat.

R variables are case sensitive. So, for example, the command

Dat2=5

would store the value 5 in Dat2, but the R variable dat2 would still contain the nine values
listed previously, unless, of course, they had been removed.
The R command read.table is another commonly used method for reading data into an
R. It is convenient when dealing with two or more variables, with the values for each variable
stored in columns. It has the general form
Another random document with
no related content on Scribd:
 Elle avait bien compris quel homme était le comte Paul, et elle se
maintenait, en conséquence, dans son rôle de modestie sans
affectation. Elle jugeait bien la situation. Pour plaire à Paul et à sa
mère, elle n’avait vraiment que ce moyen : les tromper du tout au
tout sur sa personne morale.
 V

Le docteur voyait juste : c’était une âme intéressante que celle du

comte Paul. Il n’était point compliqué, mais nettement double, aussi
prompt à douter qu’il était enclin à croire — aussi emporté dans sa
conception quasi-mystique du bien, que passionné au sens matériel
du mot.
Une anecdote de son enfance, que sa mère aimait à conter,
montre combien, tout petit, il avait déjà une conscience en éveil et
forte, en même temps que des gourmandises puissantes :
Un jour — il avait sept ans — sa grand’maman, qui habitait avec
eux le château d’Aiguebelle, n’était pas descendue se mettre à table.
On lui avait monté son déjeuner dans sa chambre. Elle fit
redemander d’une certaine confiture dont elle était friande.
— Tiens, petit Paul, c’est toi qui vas porter à bonne maman, qui
est dans sa chambre, cette assiette de confiture. Ça lui fera plaisir, si
c’est toi. Et dis-lui qu’on t’attend. Reviens tout de suite.
L’enfant se leva et s’en fut, bien attentif à ne pas renverser
l’assiette qu’il tenait à deux mains. Il y avait à table son précepteur,
l’abbé Tardieu, et deux dames du voisinage.
L’enfant parti, on continua de causer. Quelques instants
s’écoulèrent, et l’on s’étonnait de ne pas le voir revenir, lorsque tout
à coup, dans le vide sonore du vaste escalier, on entendit des cris
déchirants et des pleurs.
Tout le monde courut, croyant qu’il était tombé, blessé peut-
être… On le trouva debout à mi-étage, son assiette entre ses deux
mains un peu tremblantes, et versant de grosses larmes en pleine
confiture, tout haletant et suffoqué.
 — Qu’as-tu, enfin ? Qu’as-tu, mon mignon ? Qu’est-il arrivé ?
Pourquoi pleures-tu ?
Il fit cette réponse étonnante, coupée de sanglots :
— … C’est que… jamais… je n’arriverai jusqu’en haut… Non,
maman, jamais ! jamais je ne pourrai la porter si loin… sans l’avoir
mangée !
— Ah ! dit l’abbé enchanté, c’est une conscience du bon Dieu !
Cela nous fera un de ces hommes rares qui savent résister aux pires
tentations, et qui seraient capables de mourir du seul désespoir
d’avoir commis une faute !
Paul aimait sa mère plus que tout au monde. Il aimait Albert de
Barjols autant que sa sœur Annette, et il était en outre attaché à cet
ami d’enfance par les mille liens subtils des pensées les plus
profondes, continuellement échangées.
Aucun des deux amis n’avait eu l’occasion de recevoir de l’autre
quelqu’un de ces importants services qui sont un point de départ
nécessaire aux amitiés romanesques. Ils s’étaient connus tout petits.
Ils s’aimaient dans leurs qualités heureuses ; ils se conseillaient l’un
l’autre ; ils s’excusaient ou se blâmaient utilement ; chacun d’eux
était pour l’autre une aide d’âme, un secours moral, un écho attendu,
une réponse appelée. Quand les longues absences du marin les
séparaient, il leur arrivait de passer des mois sans s’écrire, mais
comme ils étaient certains tous deux de se retrouver aussi aimants,
aussi prêts à tous les dons, à tous les dévouements, — la pensée de
leur amitié sans exigence leur suffisait, parce qu’elle les empêchait
de sentir l’esseulement dans le vide, — qui est l’unique vrai malheur
de la vie.
C’est Albert le positiviste qui avait trouvé cette formule,
approuvée par Paul : Ce qu’il y a d’estimable dans l’amour, c’est la
quantité d’amitié qu’on y retrouve à l’analyse.
Albert, d’esprit aussi littéraire, mais plus scientifique que Paul,
lisait beaucoup, pendant les longs loisirs que lui laissait son service
à bord ; et il se piquait d’éclairer, avec des idées précises, le
sentiment plus intuitif de Paul sur toutes choses.
 Aucun d’eux ne croyait. Tous deux le cachaient à leur mère.
Albert professait un athéisme raisonné que Paul trouvait teinté
d’absurde. Il lui disait : « Moi, je ne crois plus, mais j’espère encore,
vaguement. Que savons-nous ? L’homme est si bête !… Je compte
beaucoup sur la bêtise de l’homme ! »
Tous deux, en renonçant à la foi de leur enfance, avaient gardé,
profondément gravée dans leur cœur, la morale que leur avait
enseignée la religion… « Il n’y a pas mieux, pour qui veut être un
honnête homme et un homme bon », disait Paul.
Le sens moral, disait-il, c’est l’instinct de conservation de
l’homme social ; il est inné aussi bien que celui de l’homme
physique. Or l’homme est, de par la nature, un être destiné à vivre
en société, comme l’abeille. Il y a une base commune à toutes les
morales, et les commandements de Dieu les résument toutes assez
bien. Ainsi disait Paul. — C’est une erreur accréditée d’assurer que
les penseurs de profession, ceux qui écrivent pour le public, sont les
seuls à penser, ou même les seuls à écrire. — Paul prétendait que
l’homme étant bien décidément privé de tout secours providentiel,
doit, s’il entend ses vrais intérêts, conclure à la nécessité d’être
meilleur pour soi-même c’est-à-dire pour son semblable. Dieu
n’étant plus là pour nous aimer, nous devons nous aimer davantage.
Plus l’homme se croit en droit de nier la Providence, plus il doit
s’efforcer de devenir lui-même une providence pour les autres
hommes, ses frères et ses fils. Si l’athée ne se résigne pas à
s’imposer les sacrifices qui font les héros, — il retombe à n’être que
l’animal le plus dangereux de la terre ; — c’est le chercheur de proie,
sans autre loi que son caprice et sa force, le monstre enragé, qu’il
faut étouffer bien vite, au nom de ses propres principes, — sous
peine de lui laisser détruire l’antique héritage de l’humanité qui
pense, qui sent et qui aime !
Nous errons sur un bateau perdu, au milieu des océans mornes,
sous le ciel noir de la science. Soyons-nous à nous-mêmes des
dieux plus bienfaisants que ceux des religions. Ceux-là, les
philosophes les ont détruits, sans doute par amour de la justice,
mais peut-être inconsidérément, — car, disait souvent Paul à Albert,
si Dieu était la forme la plus concrète, la plus vivante, la plus facile à
populariser, à faire aimer, — de l’idéal et de la morale nécessaires.
Les deux amis croyaient qu’on peut baser une morale divinement
humaine sur la seule charité. Seulement Paul était persuadé que
cette morale, toute abstraite, sans incarnation ni sanction, ne serait
jamais qu’une conception d’esprits cultivés, intransmissible à l’âme
élémentaire des masses. Bref, il regrettait Dieu, — tandis qu’Albert,
plein de quiétude, trouvait que de bonnes lois suffisent à régir un
peuple civilisé, et que les éclairs du Sinaï n’ajoutent rien à l’autorité
de la justice.
Si surprenant que cela puisse paraître à bien des gens, ces
sortes d’idées n’étaient pas pour eux de simples motifs à
bavardages. Leur vie, à toute heure, était influencée par leurs
convictions, et il ne se passait guère de jour où ils ne fissent quelque
effort pour être meilleurs, plus équitables. Il y a, comme cela, dans
des coins de France et du monde, sur des bateaux errants en mer,
dans des châteaux et dans des masures, quelques êtres attardés
qui réalisent par leurs actes, de personnelles, d’idéales conceptions
de bonté, de justice…
Est-ce à dire que les deux amis fussent des saints ? Loin de là,
puisqu’on semble exiger de ceux à qui on décerne les honneurs de
la sainteté, de surhumaines vertus, et que, pour les catholiques,
l’idée de pureté est presque liée à celle d’ascétisme.
Non, ils vivaient de la vie commune. Ils n’étaient pas sans
passions, ni certes, sans péchés. Ils étaient faibles, étant des
hommes. Ils étaient égoïstes souvent, jaloux à l’occasion ; ils
éprouvaient parfois des mouvements de rage ou d’envie, de sourdes
révoltes de la bête brute, car c’est dans un animal que s’élaborent
tous les nobles désirs de l’esprit, — dont la moindre conquête exige
un rude effort.
Mais tout le chaos des mauvais sentiments fatals était dominé en
eux par la possibilité toujours présente de se dépasser eux-mêmes,
dans un moment donné, — d’être meilleurs qu’eux-mêmes durant
cette minute qui suffit à faire un héros, qui est le temps de créer, la
minute infinie de l’amour.
Ainsi, ils avaient, malgré leurs nobles pensées, malgré leurs
aspirations hautes et leur ferme conception de l’idéal, quelques
erreurs à regretter : leur idéal en était-il moins respectable ? Non,
certes ! Rien n’est absurde, rien n’est malfaisant comme de refuser à
un coupable le droit d’affirmer la beauté du bien ! Celui-là au
contraire qui connaît l’âpreté des chemins du mal, n’est-il pas le
mieux venu à recommander le choix des autres, surtout si,
franchement, il avoue ses raisons ?
Les deux amis avaient donc à leur passif plus d’une faute et ne
conseillaient à personne de les imiter ; fautes d’amour, bien entendu.
Non pas tant Albert, qui n’avait guère connu pour maîtresses que de
petites sauvages en lointains pays… Mais Paul, en pays civilisé,
n’avait eu le choix, n’étant point marié, qu’entre de précaires amours
qui, toutes également, avaient blessé sa délicatesse affinée, son
sentiment du juste et du beau. Et ses meilleurs souvenirs n’allaient
pas sans quelques remords.
Il avait, en résumé, contre la femme qui n’est pas la Mère ou
l’Épouse, non seulement les répugnances persistantes d’un
catholique émancipé tardivement — et qui a gardé, au fond, sa
manière religieuse de juger le péché ; non seulement les
répugnances d’un simple honnête homme pour tout ce qui n’est pas
avouable et avoué, mais encore une sorte de haine particulière et
violente… N’était-ce pas cette race mystérieusement maligne,
sataniquement trompeuse, qui avait fait la honte de son père, et le
malheur de sa mère adorée ?
A être demeuré longtemps dans une solitude presque complète
auprès de cette mère en deuil d’un mari vivant, à toute minute
soucieuse de préserver son fils des moindres dangers du dehors,
Paul était resté longtemps enfant, et il avait gardé les expressions
passionnées d’une tendresse qui veut être consolante. Mais aussi,
— précocement réfléchi, — avec le désir douloureux de ne jamais
ressembler à celui qui aurait dû être son modèle vénéré, il avait
conçu de la femme l’opinion que la Bible légitime en ces termes :
« La femme est amère comme la mort ; ses cheveux sont des liens
et ses mains sont des chaînes. »
La femme, c’était le serpent. Il l’évita, et il songeait, le cas
échéant, à lui écraser la tête. Il la connut tard, bien après avoir
perdu, par la lecture des philosophes, la foi de son enfance. Le jour
où il se vit trompé par l’une d’elles, il ne fut pas surpris, ni trop
malheureux : il se réjouit d’être délivré, plus qu’il ne s’affligea d’être
trahi.
Albert, lui, parlait plus rondement de tout ce qui a trait à l’éternel
sujet. Il appelait le remords une perte de temps et affirmait qu’on a
plus tôt fait d’agir mieux que de regretter d’avoir mal agi. Il prétendait
que si on a conduit une femme à l’oubli de ses devoirs on n’a plus le
droit de la condamner, tandis que, tout en se blâmant lui-même,
Paul, en pareille occasion, n’accordait à la femme que son mépris,
attristé mais entier. Albert d’ailleurs avait une tendance naturelle à
prendre toutes choses du bon côté, à interpréter avec bienveillance
les actes douteux. Il n’était pas facilement soupçonneux, nullement
méfiant. Il n’avait été pris dans aucune aventure compliquée, dans
aucune intrigue, et s’étonnait ingénument de celles que lui contait
son ami. Au fond il avait la naïveté des savants pour qui tout est
théorie et que la vie n’a pas instruits à leurs dépens.
Paul au contraire, malgré ses résistances théoriques, s’était
trouvé à plusieurs reprises enlacé par de dangereuses coquettes.
Mais, armé de méfiance comme il l’était par le souvenir du malheur
de son père, il avait voulu et su les voir toutes à visage découvert.
Une d’elles avait été si agréablement surprise d’être démasquée,
elle en avait conçu une si vive admiration pour l’esprit de Paul,
qu’elle lui avait livré gaîment tous les secrets de sa vie. Il avait tiré
de là le plus clair de son expérience. Il avait reconnu, avec cette
Ariane, les moindres petits chemins contournés où un esprit de
femme rusée s’amuse à perdre un mari et un ou plusieurs amants…
Le danger de posséder cette sorte d’expérience apprise, méditée et
approfondie, c’est qu’on se sent porté à appliquer à toute la race des
femmes la mesure qui doit, en bonne justice, ne s’appliquer qu’à une
seule catégorie. C’était du moins l’avis d’Albert, qui, à tout instant
criait à Paul : Casse-cou !
D’ailleurs, Paul ne tombait généralement pas dans cette erreur
d’étendre sur toutes, sans examen, le scepticisme qui lui avait été
inspiré par ses propres mésaventures ni la méfiance qui lui était
conseillée par le souvenir toujours présent des mésaventures
paternelles. Il croyait qu’il y a, bien distinctes, deux sortes de
femmes : celle des Épouses, des Mères, des Sœurs — et la race
des Autres. C’était, en effet, pour lui comme deux races, si
essentiellement différentes qu’elles ne peuvent se mêler entre elles.
Il admettait des valeurs personnelles diverses dans un camp comme
dans l’autre, — mais c’était bien deux camps séparés par un
infranchissable fossé.
Sur ce point encore, il ne raisonnait pas. Il croyait cela
passionnément, comme autrefois il avait cru aux choses que lui
affirmait l’abbé, — et Albert avait fort à faire pour combattre ses
entêtements là-dessus.
Paul concluait toujours ainsi : « Laisse-moi mes idées : elles me
sauvent… Je ne veux pas faire courir à ma mère le risque d’avoir
pour belle-fille une de ces femmes qui sont faites pour rester parmi
les autres !… »
Paul, une fois, avait cru rencontrer la Fiancée, Son cœur avait
battu vite. Il s’était trouvé malheureusement que celle-là aimait
ailleurs…
Depuis, il ne cherchait plus, se disant que sa mère, vieillissante
et malade, avait besoin de lui, de la tendresse sûre de ses enfants,
et que se marier, c’était faire courir à cette mère chérie une trop
grande chance de malheur…
Or, depuis quelque temps, gagné de plus en plus à la cause de
l’indulgence et de la pitié quand même, il s’était mis à blâmer
sévèrement son habituelle tendance à douter de la plupart des
femmes. Il se méfiait de ses méfiances. Dans son honnêteté
philosophique, avide de progrès, il craignait de former des
jugements téméraires, de tourner au pessimiste aigri, et enfin, par-
dessus le marché, de passer sottement à côté du bonheur. Il
s’inquiétait donc de son scepticisme invétéré à l’endroit des femmes,
et, réagissant avec énergie, il accordait parfois d’aveugles
confiances à celles-là mêmes dont il avait pensé le plus de mal. En
ceci encore, il était compliqué, mais avec simplicité : nettement
double.
Mademoiselle Déperrier n’éveilla pas chez lui une ombre
d’inquiétude. Il la vit, et elle le charma. Il tendit son cœur vers elle,
naturellement, comme le voyageur du désert, altéré, court vers l’eau
qui semble pure sous un reflet de ciel…
Il la vit et il l’aima.
 VI

Toutes les belles et bonnes raisons qu’il avait d’aimer avec

passion la jeune fille, Paul deux mois après, les expliquait
brusquement à son ami, — au moment précis où Albert allait lui dire,
pour son compte, — les mêmes choses.
Ce n’était donc pas Albert qui pouvait lui inspirer contre
Mademoiselle Déperrier le moindre doute. Le pauvre lieutenant de
vaisseau reçut cette confidence — amour et projet de mariage, —
comme un coup de couteau dont on meurt en silence.
Ils se promenaient sous les platanes d’Aiguebelle, à mi-coteau,
avec la mer à l’horizon, — et, par-dessus l’échiquier blanc et bleu
des salins, ils voyaient les grands bateaux en ce moment mouillés
là.
— Eh bien, qu’en dis-tu, Albert ?
Albert réfléchissait.
L’aveu de son amour à Paul, lui devenait impossible juste dans le
moment où il allait le faire. Parler franchement, c’était désespérer
son ami… Au profit de qui ? De lui-même ? Mais pourquoi serait-ce
lui le choisi de cette jeune fille ? Il y avait bien plus d’apparence
qu’elle aimerait un homme comme Paul… Les marins partent trop
souvent. Leurs femmes sont des demi-veuves…
A ces considérations, il en ajouta une décisive : il fallait qu’un des
deux amis se sacrifiât. Paul avait confessé son amour. Albert n’avait
encore rien dit. Le sacrifice le plus complet, le plus utile, le seul
heureux, c’était donc le sien, puisqu’il resterait ignoré. Paul en
pourrait jouir sans une ombre de regret.
Le brave garçon prit rapidement son parti.
 — Mon cher frère, dit-il (ils s’appelaient quelquefois ainsi), je
crois, à en juger par toutes les apparences, que tu as bien placé ton
cœur. Tu seras heureux… comme tu le mérites. Mais moi, si tu te
maries bientôt…, je ne serai pas là.
— Comment donc ?
— J’ai sollicité avant-hier le commandement d’une canonnière au
Tonkin. Je suis chaudement appuyé par l’amiral Drevet : je me crois
sûr d’obtenir ce que je désire.
— Ah ! quel malheur ! dit simplement Paul, — habitué à ces
brusques départs du marin.
Ils continuèrent à parler de ce mariage.
Le soir même, le lieutenant de vaisseau écrivait à son ami :
« Je suis forcé de partir pour Paris, appelé par dépêche. Mon
affaire réussira. Sois heureux… sois heureux… »
Il y avait, dans la répétition de ces deux mots, une douleur que
Paul ne pouvait pas voir.
Albert ne se doutait pas qu’il allait laisser derrière lui sa sœur
Pauline désespérée du mariage de Paul. Elle avait, pour l’ami de
son frère, depuis qu’elle était née à la vie du cœur, un noble, un
profond amour, ignoré même de sa mère.
Il obtint son commandement, et partit, au grand chagrin
d’Annette, la petite sœur de Paul. Annette avait pour lui —
symétriquement ! — un amour de pensionnaire dont il était bien loin
de se douter, — et qui l’eût consolé peut-être…
Et, peu de temps après la conversation des deux amis et le
départ d’Albert, le comte Paul avait ouvert son cœur à sa mère…
Elle avait souri tristement… — et c’est alors qu’elle avait écrit à
l’abbé.
Quand elle eut reçu la réponse du vieux précepteur de Paul, il fut
convenu qu’on irait passer à Paris tout ce printemps. Elle voulait voir
et juger Mademoiselle Déperrier. De plus, le départ d’Albert laissait
bien seules Madame de Barjols et sa fille. On partit donc. La
présentation des dames Déperrier chez la comtesse d’Aiguebelle, à
Paris, se fit un soir où il y avait quelques personnes. Marie se tint sur
une réserve extrême… Et il n’y eut rien que l’observation en attente,
de part et d’autre.
Deux mois plus tard, en avril, Paul demandait à sa mère, pour la
centième fois : « Eh bien, que pensez-vous d’elle, ma mère ? »
— Donne-moi le temps de me reconnaître.
Mademoiselle Déperrier n’était pas sympathique à la comtesse.
Le cœur des mères voit profond. Mais la mère de Paul ne trouvait
rien à dire pour justifier son antipathie. Elle ne l’avouait donc pas, et
se contentait d’ajourner le prononcé de son jugement. Désolée
d’avoir à faire souffrir Paul, elle avait cependant ce courage.
— Tu ne peux vraiment pas, lui disait-elle en souriant, me forcer
à être aussi emportée que toi… Il y a dans ton opinion sur elle,
d’après tes propres théories, un élément d’erreur : l’amour même.
Moi, je n’ai qu’à l’aimer d’une amitié forte, qui naîtra uniquement de
mon jugement moral… Donne-moi le temps !
Il attendait avec confiance, — puisqu’il aimait.
 VII

Ce n’était pas peu de chose — elle le comprenait bien, — que

d’apparaître à son provincial une femme « comme il faut », telle qu’il
devait l’entendre.
Dans ses tentatives variées d’ambitieuse inquiète, elle avait
naturellement pensé au théâtre. C’est le tremplin de beaucoup de
coquettes, un moyen de parvenir comme un autre, aujourd’hui ;
seulement, il y faut du talent, et c’est à quoi pensent le moins toutes
ces pauvrettes qui vont au feu de la rampe comme des papillons
affolés.
Un des jeunes acteurs, espérant, selon sa propre expression,
qu’il arriverait bien vite à « faire ses frais », avait donné des leçons
gratis, pendant une année ; puis, irrité tout à coup de voir qu’il n’avait
rien à espérer, il avait offert de se faire remplacer par un vieux
« cabot » de sa connaissance, pauvre et laid, qui, pour un déjeuner,
affirmait-il, donnerait des leçons de maintien et de diction, d’après
les plus solides principes.
Dès qu’il eut présenté le vieux, le jeune émule de Talma, qui avait
une affaire urgente dans les coulisses du Conservatoire, espaça ses
précieuses visites. On ne le voyait plus que deux fois par an.
En revanche, le vieux cabotin arrivait deux fois par semaine.
C’était un ancien élève de Samson. Il le disait et c’était vrai. Il avait
des cartes à un franc le cent sur lesquelles on lisait en lettres
grasses :

PINCHARD,
de la Comédie française.
 Il y avait débuté en effet vers 1845. Il n’avait plus d’âge. C’était
un doux souffreteux, très honnête, très bon, mais doué à un degré
plaisant de tous les défauts particuliers à ceux de sa profession.
L’inaltérable gaîté qu’il gardait malgré l’excès de sa misère, lui faisait
tout pardonner.
Le malheureux avait même imaginé, un jour où il avait trop faim,
d’aller réciter des vers, dans les cours des maisons. C’était une
chose attendrissante que de lui voir rejouer, pour payer à table sa
place de parasite, son rôle de mendiant des rues.
— Le jour où je pris cette résolution, disait-il, j’entrai d’abord dans
une cour de la rue des Saints-Pères. J’avais appris avec beaucoup
de soin la Conscience de Victor Hugo, — mais la honte me
suffoquant, au moment de commencer, j’attaquai, sans le vouloir, le
récit de Théramène que je savais depuis mon enfance ! Ma douleur
était si vive, que je me sentis pathétique. Ah ! si un public
connaisseur, un vrai public, mon public de la Comédie française,
avait pu me voir ce jour-là !… On s’était mis aux fenêtres, et les sous
commencèrent à pleuvoir avec les quolibets.
Alors, il se mettait à mimer la scène, laissant tomber un sou à
terre, de temps à autre, et interrompant d’un « merci bien ! » du plus
piquant effet, l’illustre tirade, à la manière des joueurs d’orgue de
Barbarie.
— « A la fin, terminait-il, saisi par le désespoir de ma situation
personnelle, je tombai sur un genou, la tête dans mes mains, en
criant malgré moi : « Non ! non ! c’est trop souffrir ! » On attribua ma
douleur à Théramène ; on crut que je pleurais ce pauvre Hippolyte,
et, à toutes les fenêtres, éclatèrent des applaudissements, dont,
malgré mon désespoir, je me sentis encouragé, et même charmé !
« Cela parut si comique à une bande d’étudiants groupés à une
fenêtre du cinquième, qu’ils m’envoyèrent chercher, et de ce
moment, j’entrevis des jours meilleurs. J’allais, répétant
quotidiennement, dans les cours des maisons où logent des
étudiants, le récit de Théramène.
 « Profitant de l’indication que m’avaient donnée « la nature » et le
hasard, je coupais le fameux récit de réflexions de mon cru sur ma
misère et le malheur des temps… Et cela m’a permis de vivre. Tout
le quartier me connaît sous le nom de Théramène… Appelez-moi
comme ça. Ça me fera plaisir, ça me rappelle mon plus gros
succès ! »
C’était un professeur économique qu’on avait pris en affection, ce
vieux. On lui mettait quelquefois un balai entre les mains ;
quelquefois, sous le pied, une brosse à cirer le parquet ; et il cirait, et
il balayait, disant : « L’art se rend utile : Utile dulci ! » Et, vraiment, il
lui était doux, à cet ingénu, de se rendre utile à qui l’aidait.
De fait, il était intéressant, et on l’aimait sans y prendre garde,
comme on aime un animal familier. C’était même, peut-être, le
meilleur des sentiments que Mademoiselle Déperrier eût au cœur,
celui que ce vieil innocent lui inspirait… Ah ! si elle n’avait pas eu de
connaissances pires ! Mais l’honnête Théramène eût certainement
méprisé bien des beaux messieurs qui venaient chez elle,
admirablement vêtus et correctement gantés, s’il eût pu voir leur
dedans.
Tout de même, c’était un spectacle inouï que d’assister à la leçon
du père Théramène chez les Déperrier, le mardi.
Léon Terral y venait souvent. Il y amenait deux ou trois amis. On
y voyait aussi le bas-bleu qui faisait les modes, deux ou trois
reporters qui pouvaient être utiles un jour, et autant de futurs auteurs
dramatiques, de ceux qui collaborent uniquement pour avoir leurs
entrées dans les coulisses des petits théâtres.
Peut-être, ce jour-là, eût-on malaisément reconnu la belle
Mademoiselle Déperrier, celle qui dans les salons plus ou moins
selects, mais enfin de ceux où l’on rencontre parfois du vrai monde,
se tenait droite, fière, en grande tenue de patricienne, s’imposant au
regard par la noblesse du maintien, la beauté de ses lignes fermes
et ondulées, et la pureté de son regard, un peu hautain.
Ces jours-là, chez elle, c’était la fête bohème. Sa mère ne s’y
amusait guère, parce qu’elle ne pouvait retenir mille objurgations
que Marie ne manquait jamais de relever. La mère était partagée
entre un désir déterminé de tirer parti de sa fille en la mariant à
quelque prince — et une jalousie féroce, qui enrageait de ne pouvoir
se dissimuler. De là une sourde querelle qui régnait éternellement
entre elles.
Madame Déperrier avait fini, les mardis, par rester confinée dans
sa chambre, d’où elle sortait de demi-heure en demi-heure pour faire
quelque admonestation à propos d’une parole plus mal sonnante
que les autres, surprise à travers la cloison.
Peu à peu, dans la chaleur des leçons, le vieux Théramène
s’était habitué à tutoyer couramment sa petite Marie. A l’indignation
de sa mère, Marie avait répondu, non sans quelque bonté :
— Quel mal ça peut-il faire ?… Pauvre homme ! il est si vieux…
Pourquoi l’humilier ? Veux-tu qu’il ne revienne plus ? Je serais bien
avancée ! Car, tu ne sais pas, au fond, il est très fort. Et il me
lâcherait, un peu raide. Et puis, ça m’amuse. C’est comme ça qu’on
fait au théâtre ; on se tutoie entre camarades, hommes et femmes.
Elle pensait encore : « Pourquoi empêcher cet homme de se
payer comme ça ? » Par de semblables raisonnements, trop
fréquents chez elle, elle acceptait, sans s’en douter, de se vendre en
détail. Elle ne s’appartenait plus. Elle appartenait à mille menues
dettes. C’est le destin des filles… Que de gens avaient ainsi main-
mise sur elle !
Il la tutoyait donc, Théramène ; elle en riait d’abord ; bientôt elle
se blasa, et c’était d’autant plus étrange, depuis qu’elle paraissait ne
plus voir ce qu’il y avait là de choquant.
— Voyons, ma petite Marie, le mot ne sort pas ; tu bafouilles.
Tiens-toi droite. Les mains comme ça… Marche donc avec tout le
corps. Tu as l’air de glisser dans une rainure…
Il redressait son dos voûté, et la vieillesse décrépite et laide
donnait sa leçon d’attitude et de noblesse à la beauté jeune.
Si l’on riait, mes bons ! Rien n’était plus divertissant.
 C’était drôle surtout quand il répétait la théorie « telle que je l’ai
recueillie de la propre bouche de mon maître Samson ».
Il y avait toujours quelqu’un pour lui crier : « Le bourreau ? »
— Non, messieurs, répondait Théramène ; je parle de l’illustre
comédien.
Et il commençait :
— Quand vous rentrez chez vous, le soir, qu’est-ce que vous
faites ?
— Je prends mon bougeoir chez mon concierge, répondait
invariablement un des jeunes gens.
— Bon. Après ?
— Je monte mon escalier.
— Je veux bien ; mais, pour monter votre escalier, qu’est-ce que
vous faites ?
— Je lève le pied.
— Comme un caissier… C’est là que je vous attendais… Eh
bien ! messieurs, dans une tirade, le premier vers c’est la première
marche, et comme on lève le pied de marche en marche, vous
élevez la voix, de vers en vers — jusqu’où ?
— Jusque chez moi, au cinquième.
— Mais non ! Jusqu’au premier palier. Les paliers sont là pour
nous permettre de souffler — et de prendre des temps. Vous prenez
donc un temps… Et puis ?
— J’attaque le second étage…
— Jusqu’au palier suivant. Et puis ?
— Et puis, je rentre chez moi.
— Mais non, malheureux ! vous ne rentrez pas chez vous… Et
c’est bien là que je vous attendais, car aucune science ne
s’improvise ! Les secrets de l’art, monsieur, sont le trésor de
l’humanité. Ce sont des fruits, lentement mûris, que la tradition
conserve et transmet — lampada tradunt — et qui permettent à
Pinchard de donner la main à Molière, par une chaîne non
interrompue d’hommes de talent, j’oserai dire de génie.
Cette phrase était acclamée.
— Prenez un temps, Pinchard. Vous voilà au cinquième.
— A la fin de la tirade, poursuivait Pinchard imperturbable, vous
ne rentrez pas chez vous… Loin de là !… Vous vous précipitez
brusquement, la tête la première, dans la cage de l’escalier… c’est-
à-dire que vous laissez retomber tout à coup votre voix dans les
notes basses, en la prenant dans le creux, et vous faites un grand
effet sur le public !
De Marie, Théramène avait fait Rita…, Mariquita, Marita, Rita…
Si bien que toute la bande des littéraires se mit à l’appeler ainsi,
dans l’intimité, et Léon Terral tout le premier.
Elle se montrait à eux dans des demi-négligés un peu suspects.
Il fallait garder ce qu’elle avait de mieux pour la parade de la rue ou
des grandes soirées. Ici, à ces gens qu’elle comptait bien licencier
un jour, elle se laissait voir en déshabillé, avec une robe fatiguée,
fripée un peu, je ne sais quoi d’abandonné, de lâche, de médiocre
en elle. Ce n’était pas par respect pour sa personne, ni par goût du
joli, qu’elle aimait la propreté, mais seulement parce qu’elle la croyait
indispensable dans l’art de plaire. Or, qu’avait-elle besoin de plaire à
ces gens-là ! Il aurait fallu s’imposer un effort qu’ils ne méritaient pas.
C’est par paresse, et aussi par économie, qu’elle se relâchait ainsi
de son habituelle coquetterie… Ah ! si elle avait eu une femme de
chambre !… Mais, dès qu’elle serait riche, tout changerait… Et elle
rêvait quelquefois d’une salle de bain étonnante, où la baignoire
serait en argent massif, les robinets en or, et où elle prendrait des
bains de lait.
— En attendant, je suis bien assez belle pour eux, telle que je
suis. Mazette ! on leur en fournira, des filles comme moi, à regarder
pour rien, tant qu’ils veulent !
Lorsqu’elle revint d’Hyères, elle fit entendre à tout ce monde
inférieur que les réunions du soir n’auraient pas lieu cette année.
 Elle ne voulait pas se faire surprendre, une belle après-midi, au
milieu de tout ce monde, par le comte Paul, qui ne pouvait tarder à
venir chez elle.
Le pauvre Théramène accourut désespéré.
— Mon petit Théramène, c’est fini, je n’ai plus besoin de vous ;
j’ai des raisons graves. Jusqu’ici ça pouvait aller, vos visites ; ça ne
peut plus. C’est un parti à prendre. Je comprends que ça vous
embête ; moi aussi d’ailleurs. Vous m’amusiez tant !
Le vieux bouffon avait des larmes plein ses yeux. Sa main
tremblait.
— C’est, que j’ai pris l’habitude de te voir, ma petite Rita. Je me
suis attaché à toi comme une vieille bête de toutou… Et puis, c’était
au moins un déjeuner par semaine, un vrai, avec des œufs dans les
omelettes.
— Qu’est-ce que vous voulez ? C’est comme ça !
— Je dirai à tout le monde que je suis le frotteur, fit-il tout à coup
avec une humilité sincère et tendre, qu’il accentua théâtralement en
pliant l’échine d’une façon burlesque.
Elle réfléchit :
— Comme ça, oui, si tu veux, père Théramène.
— Elle m’a tutoyé, l’enfant !
— Ça n’est pas la première fois.
— Et dis-moi, Rita, je déjeunerai encore, hein ?
— Oui, à la cuisine.
 VIII

Elle avait ainsi fait la toilette de sa maison. Elle avait balayé les
bohèmes : le seul qui restât balayait la poussière de leurs souliers.
Et certains coins de l’appartement des Déperrier en avaient, ma foi,
besoin. Bien que le salon fût la pièce soignée, d’apparence presque
élégante, il ne fallait pas chercher longtemps pour voir que rien n’y
était de vrai luxe, mais le faux y avait quelque simplicité. On eût dit
qu’il n’était point question de tricher. C’est qu’elle avait du goût, et
savait donner aux étoffes les moins précieuses une élégance de bon
aloi par la manière dont elle les posait et les drapait, autour des
glaces et sur les meubles. Cela dissimulait bien des délabrements ;
l’art est le grand cache-misère. Le comte Paul, n’ayant jamais vu le
petit salon des dames Déperrier, n’avait été frappé que du goût de
l’arrangement, de l’heureux choix des pauvres bibelots. Il tournait
tout à l’éloge de la ravissante fille. Comme il n’arrivait jamais à
l’improviste, elle le recevait sous les armes. Alors, elle avait ses
chaussures les plus soignées, ses bas des grands jours, une robe
simple, le tout sortant des meilleures maisons, où elle obtenait des
rabais inouïs par l’entremise du bas-bleu chroniqueur de modes. Elle
n’était pas de ces lanceuses qui portent des toilettes de prix pour
rendre service aux couturiers… qui, en échange, les leur donnent.
Elle ne les payait qu’en partie, mais elle payait… « Comme ça,
personne n’avait rien à dire ! »
Quant à la comtesse d’Aiguebelle, malgré les craintes de Marie, il
lui était impossible d’être renseignée à fond sur elle, car du mauvais
monde, et même du bon, que fréquentaient les dames Déperrier,
personne ne pénétrait chez le comte Paul. Une chose encore les
préservait, c’est que certaines gens répugnent à certains moyens
d’information.