Download Ordered regression models parallel partial and non parallel alternatives 1st Edition Andrew S. Fullerton ebook All Chapters PDF

Download the full version of the ebook at
https://ebookgate.com
Ordered regression models parallel partial

and non parallel alternatives 1st Edition
Andrew S. Fullerton
https://ebookgate.com/product/ordered-regression-
models-parallel-partial-and-non-parallel-
alternatives-1st-edition-andrew-s-fullerton/
Explore and download more ebook at https://ebookgate.com

Recommended digital products (PDF, EPUB, MOBI) that
you can download immediately if you are interested.
Parallel Computing for Bioinformatics and Computational

Biology Models Enabling Technologies and Case Studies
Wiley Series on Parallel and Distributed Computing 1st
Edition Albert Y. Zomaya
https://ebookgate.com/product/parallel-computing-for-bioinformatics-
and-computational-biology-models-enabling-technologies-and-case-
studies-wiley-series-on-parallel-and-distributed-computing-1st-
edition-albert-y-zomaya/
ebookgate.com
Plutarch s Parallel Lives 1st Edition Chrysanthos S.

Chrysanthou
https://ebookgate.com/product/plutarch-s-parallel-lives-1st-edition-
chrysanthos-s-chrysanthou/
ebookgate.com
Parallel Combinatorial Optimization Wiley Series on

Parallel and Distributed Computing 1st Edition El-Ghazali
Talbi
https://ebookgate.com/product/parallel-combinatorial-optimization-
wiley-series-on-parallel-and-distributed-computing-1st-edition-el-
ghazali-talbi/
ebookgate.com
Parallel Programming Techniques and Applications Using

Networked Workstations and Parallel Computers 2nd Edition
Barry Wilkinson
https://ebookgate.com/product/parallel-programming-techniques-and-
applications-using-networked-workstations-and-parallel-computers-2nd-
edition-barry-wilkinson/
ebookgate.com
Professional Parallel Programming with C Master Parallel
Extensions with NET 4 1st Edition Gaston Hillar
https://ebookgate.com/product/professional-parallel-programming-with-
c-master-parallel-extensions-with-net-4-1st-edition-gaston-hillar/
ebookgate.com
Parallel Scientific Computing in C and MPI A Seamless

Approach to Parallel Algorithms and their Implementation
1st edition Edition George Em Karniadakis
https://ebookgate.com/product/parallel-scientific-computing-in-c-and-
mpi-a-seamless-approach-to-parallel-algorithms-and-their-
implementation-1st-edition-edition-george-em-karniadakis/
ebookgate.com
King Lear Parallel Text Edition Rene Weis
https://ebookgate.com/product/king-lear-parallel-text-edition-rene-
weis/
ebookgate.com
High Performance Parallel I O 1st Edition I Foster
https://ebookgate.com/product/high-performance-parallel-i-o-1st-
edition-i-foster/
ebookgate.com
Parallel Computational Fluid Dynamics 2000 1st Edition

C.B. Jenssen
https://ebookgate.com/product/parallel-computational-fluid-
dynamics-2000-1st-edition-c-b-jenssen/
ebookgate.com
Ordered
Regression
Models
Parallel, Partial, and
Non-Parallel Alternatives
Chapman & Hall/CRC
Statistics in the Social and Behavioral Sciences Series
Series Editors
Jeff Gill Steven Heeringa
Washington University, USA University of Michigan, USA
Wim J. van der Linden J. Scott Long

Pacific Metrics, USA Indiana University, USA
Tom Snijders
Oxford University, UK
University of Groningen, NL
Aims and scope
Large and complex datasets are becoming prevalent in the social and behavioral
sciences and statistical methods are crucial for the analysis and interpretation of such
data. This series aims to capture new developments in statistical methodology with
particular relevance to applications in the social and behavioral sciences. It seeks to
promote appropriate use of statistical, econometric and psychometric methods in
these applied sciences by publishing a broad range of reference works, textbooks and
handbooks.
The scope of the series is wide, including applications of statistical methodology in

sociology, psychology, economics, education, marketing research, political science,
criminology, public policy, demography, survey methodology and official statistics. The
titles included in the series are designed to appeal to applied statisticians, as well as
students, researchers and practitioners from the above disciplines. The inclusion of real
examples and case studies is therefore essential.
Published Titles
Analyzing Spatial Models of Choice and Judgment with R

David A. Armstrong II, Ryan Bakker, Royce Carroll, Christopher Hare, Keith T. Poole, and Howard Rosenthal
Analysis of Multivariate Social Science Data, Second Edition
David J. Bartholomew, Fiona Steele, Irini Moustaki, and Jane I. Galbraith
Latent Markov Models for Longitudinal Data
Francesco Bartolucci, Alessio Farcomeni, and Fulvia Pennoni
Statistical Test Theory for the Behavioral Sciences
Dato N. M. de Gruijter and Leo J. Th. van der Kamp
Multivariable Modeling and Multivariate Analysis for the Behavioral Sciences
Brian S. Everitt
Multilevel Modeling Using R
W. Holmes Finch, Jocelyn E. Bolin, and Ken Kelley
Ordered Regression Models: Parallel, Partial, and Non-Parallel Alternatives
Andrew S. Fullerton and Jun Xu
Bayesian Methods: A Social and Behavioral Sciences Approach, Third Edition
Jeff Gill
Multiple Correspondence Analysis and Related Methods
Michael Greenacre and Jorg Blasius
Applied Survey Data Analysis
Steven G. Heeringa, Brady T. West, and Patricia A. Berglund
Informative Hypotheses: Theory and Practice for Behavioral and Social Scientists
Herbert Hoijtink
Generalized Structured Component Analysis: A Component-Based Approach to Structural Equation
Modeling
Heungsun Hwang and Yoshio Takane
Statistical Studies of Income, Poverty and Inequality in Europe: Computing and Graphics in R Using
EU-SILC
Nicholas T. Longford
Foundations of Factor Analysis, Second Edition
Stanley A. Mulaik
Linear Causal Modeling with Structural Equations
Stanley A. Mulaik
Age–Period–Cohort Models: Approaches and Analyses with Aggregate Data
Robert M. O’Brien
Handbook of International Large-Scale Assessment: Background, Technical Issues, and Methods of
Data Analysis
Leslie Rutkowski, Matthias von Davier, and David Rutkowski
Generalized Linear Models for Categorical and Continuous Limited Dependent Variables
Michael Smithson and Edgar C. Merkle
Incomplete Categorical Data Design: Non-Randomized Response Techniques for Sensitive Questions in
Surveys
Guo-Liang Tian and Man-Lai Tang
Handbook of Item Response Theory, Volume 1: Models
Wim J. van der Linden
Handbook of Item Response Theory, Volume 2: Statistical Tools
Handbook of Item Response Theory, Volume 3: Applications
Computerized Multistage Testing: Theory and Applications
Duanli Yan, Alina A. von Davier, and Charles Lewis
This page intentionally left blank
Chapman & Hall/CRC
Statistics in the Social and Behavioral Sciences Series
Ordered
Regression
Models
Parallel, Partial, and
Non-Parallel Alternatives
Andrew S. Fullerton
Oklahoma State University
Stillwater, Oklahoma
Jun Xu
Ball State University
Muncie, Indiana
CRC Press
Taylor & Francis Group
6000 Broken Sound Parkway NW, Suite 300
Boca Raton, FL 33487-2742
© 2016 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

Version Date: 20160204
International Standard Book Number-13: 978-1-4665-6974-4 (eBook - PDF)
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 valid-
ity 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 uti-
lized in any form by any electronic, mechanical, or other means, now known or hereafter invented, including photocopy-
ing, 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
To my mother, Ede Steele, and the memory of my father, John Fullerton.
Andrew S. Fullerton
To my mother, Yaojuan Xu, and my father, Changgui Mu.

Jun Xu
Contents
Preface............................................................................................................................................ xiii
Authors............................................................................................................................................xv
1. Introduction..............................................................................................................................1
1.1 Ordinal Variables versus Ordinal Models.................................................................1
1.2 Brief History of Binary and Ordered Regression Models........................................3
1.3 Three Approaches to Ordered Regression Models...................................................4
1.3.1 Cumulative Models..........................................................................................5
1.3.2 Stage Models......................................................................................................6
1.3.3 Adjacent Models................................................................................................7
1.4 The Parallel Regression Assumption..........................................................................8
1.5 A Typology of Ordered Regression Models...............................................................9
1.6 Link Functions.............................................................................................................. 11
1.7 Asymmetrical Relationships in Partial and Nonparallel Models......................... 12
1.8 Hypothesis Testing and Model Fit in Ordered Regression Models..................... 12
1.9 Datasets Used in the Empirical Examples................................................................ 14
1.9.1 Cumulative Models of Self-Rated Health.................................................... 14
1.9.2 Stage Models of Educational Attainment.................................................... 15
1.9.3 Adjacent Models of Welfare Attitudes......................................................... 16
1.10 Example: Education and Welfare Attitudes............................................................. 17
1.11 Organization of the Book............................................................................................ 19
2. Parallel Models...................................................................................................................... 21
2.1 Parallel Cumulative Model......................................................................................... 21
2.1.1 A Latent Variable Model................................................................................22
2.1.2 A Nonlinear Cumulative Probability Model.............................................. 23
2.1.3 Interpreting the Results from Ordered Regression Models..................... 24
2.1.4 Example: Parallel Cumulative Models of General Self-Rated Health..... 27
2.2 Parallel Continuation Ratio Model............................................................................ 31
2.2.1 A Latent Variable Model................................................................................ 32
2.2.2 A Nonlinear Conditional Probability Model.............................................. 33
2.2.3 Potential Sample Selection Bias and Scaling Effects in Stage Models....34
2.2.4 Example: Parallel Continuation Ratio Models of
Educational Attainment................................................................................. 35
2.3 Parallel Adjacent Category Model............................................................................. 39
2.3.1 A Nonlinear Adjacent Probability Model................................................... 40
2.3.2 Example: Parallel Adjacent Category Models of
Welfare Spending Attitudes..........................................................................42
2.4 Estimation..................................................................................................................... 45
2.4.1 Basics of Maximum Likelihood Estimation................................................ 45
2.4.2 Common Problems in the Use of MLE for Ordered Regression Models.... 46
2.4.3 Person-Level and Person/Threshold-Level Estimation............................ 47
2.5 Conclusions................................................................................................................... 50
ix
x Contents
2.6 Appendix....................................................................................................................... 50
2.6.1 Equivalence of Two Parallel Complementary Log Log Models............... 50
2.6.2 Stata Codes for Parallel Ordered Logit Models.......................................... 52
2.6.3 R Codes for Parallel Ordered Logit Models................................................ 52
3. Partial Models........................................................................................................................ 55
3.1 Unconstrained versus Constrained Partial Models................................................ 55
3.2 Partial Cumulative Models......................................................................................... 56
3.2.1 Unconstrained Partial Cumulative Model.................................................. 57
3.2.2 Constrained Partial Cumulative Model...................................................... 57
3.2.3 Example: Partial Cumulative Models of Self-Rated Health...................... 58
3.3 Partial Continuation Ratio Models............................................................................64
3.3.1 Unconstrained Partial Continuation Ratio Models...................................64
3.3.2 Constrained Partial Continuation Ratio Models........................................65
3.3.3 Example: Partial Continuation Ratio Models of
Educational Attainment.................................................................................65
3.4 Partial Adjacent Category Models............................................................................. 70
3.4.1 Unconstrained Partial Adjacent Category Models.................................... 71
3.4.2 Constrained Partial Adjacent Category Models......................................... 72
3.4.3 Example: Partial Adjacent Category Models of
Welfare Spending Attitudes.......................................................................... 72
3.5 Dimensionality in Partial Models.............................................................................77
3.6 Conclusions................................................................................................................... 78
3.6.1 Guidelines for Choosing a Partial or Parallel Ordered
Regression Model............................................................................................80
3.7 Appendix.......................................................................................................................80
3.7.1 Stata Codes for Partial Ordered Logit Models...........................................80
3.7.2 R Codes for Partial Ordered Logit Models................................................. 82
4. Nonparallel Models............................................................................................................... 85
4.1 The Nonparallel Cumulative Model......................................................................... 86
4.1.1 Example: Nonparallel Cumulative Models of Self-Rated Health............ 87
4.2 The Nonparallel Continuation Ratio Model............................................................ 92
4.2.1 Example: Nonparallel Continuation Ratio Models of
Educational Attainment................................................................................. 93
4.3 The Nonparallel Adjacent Category Model............................................................. 98
4.3.1 Example: Nonparallel Adjacent Category Models of
Welfare Spending Attitudes.......................................................................... 99
4.4 Practical Issues in the Estimation of Nonparallel Models................................... 103
4.5 Conclusions................................................................................................................. 104
4.5.1 Guidelines for Choosing a Parallel, Partial, or Nonparallel
Ordered Regression Model......................................................................... 105
4.6 Appendix..................................................................................................................... 106
4.6.1 Stata Codes for Nonparallel Ordered Logit Models................................ 106
4.6.2 R Codes for Nonparallel Ordered Logit Models...................................... 106
5. Testing the Parallel Regression Assumption................................................................. 109

5.1 Wald and LR Tests..................................................................................................... 109
5.2 The Score Test............................................................................................................. 111
5.2.1 Example: Cumulative Logit Model of General Self-Rated Health......... 111
Contents xi
5.3 The Brant Test............................................................................................................. 112

5.3.1 Example: Cumulative Logit Model of General Self-Rated Health......... 112
5.4 Additional Wald and LR Tests................................................................................. 113
5.4.1 Wald and LR Tests Based on a Single Reference Model......................... 113
5.4.2 Example #1: Cumulative Logit Model of General Self-Rated Health......... 115
5.4.3 Example #2: Continuation Ratio Logit Model of
Educational Attainment............................................................................... 116
5.4.4 Example #3: Adjacent Category Logit Model of Welfare Attitudes....... 117
5.4.5 Iterative Wald and LR Tests......................................................................... 117
5.5 Limitations of Formal Tests of the Parallel Assumption...................................... 118
5.6 Model Comparisons Using the AIC and the BIC.................................................. 119
5.6.1 Example #1: Cumulative Logit Model of General Self-Rated Health.........120
5.7 Comparing Coefficients across Cutpoint Equations............................................. 122
5.8 Comparing AMEs and Predicted Probabilities across Models........................... 123
5.8.1 Example #1: Cumulative Logit Model of General Self-Rated Health.........123
5.9 Conclusions................................................................................................................. 130
5.10 Appendix..................................................................................................................... 132
5.10.1 Comparisons among the Wald, LR, and Score Tests............................... 132
6. Extensions............................................................................................................................. 135
6.1 Heterogeneous Choice Models................................................................................ 135
6.2 Empirical Examples of Heterogeneous Choice Models....................................... 136
6.3 Group Comparisons Using Heterogeneous Choice Models................................ 139
6.4 Introduction to Multilevel Ordered Response Regression.................................. 141
6.4.1 Varying Intercepts........................................................................................ 142
6.4.2 Varying Slopes............................................................................................... 143
6.4.3 Intercepts and Slopes as Outcomes............................................................ 145
6.4.4 Multilevel Nonparallel Ordered Regression Models.............................. 147
6.4.5 Multilevel Ordered Regression Models Using Alternative
Link Functions.............................................................................................. 148
6.5 Bayesian Analysis of Ordered Response Regression........................................... 149
6.6 Empirical Examples of Bayesian Ordered Regression Models........................... 150
6.6.1 Bayesian Estimation of the Parallel Cumulative Model.......................... 150
6.6.2 Bayesian Estimation of the Nonparallel Cumulative Model.................. 151
6.6.3 Bayesian Estimation of the Random Cutpoint Multilevel
Stereotype Logit Model................................................................................ 155
6.7 Conclusion................................................................................................................... 158
References.................................................................................................................................... 159
Index.............................................................................................................................................. 167
Preface
This book is about regression models for ordinal outcomes, which are variables that have
ordered categories but unknown spacing between categories. Ordinal outcomes are very
common in the social and behavioral sciences. Self-rated health, educational attainment,
income measured in intervals of $25,000, and attitudes measured on a Likert scale are
just a few basic examples of ordinal variables that one may analyze using one or more
of the ordered regression models we present. Our focus in this book is narrower than
most books on the analysis of ordinal variables because we only consider regression-based
approaches. However, we provide arguably the most comprehensive coverage of the three
major classes of ordered regression models (cumulative, stage, and adjacent) and varia-
tions based on the application of the parallel regression assumption.
We assume that readers have a basic understanding of binary regression models, such
as logit and probit, and of the linear regression model. Although it is relatively easy to esti-
mate a wide variety of ordered regression models given recent advances in statistical soft-
ware programs, some researchers continue to analyze ordinal outcomes using the linear or
binary regression model on the grounds that results from an ordered regression model are
too difficult to interpret or present effectively. In this book, we show that ordered regres-
sion models are extensions of the more familiar binary regression model and that both
models rely on the same methods of estimation and interpretation. Therefore, researchers
that are familiar with the binary regression model should find it relatively straightfor-
ward to apply that knowledge to the estimation and interpretation of results from ordered
regression models. We illustrate the different ordered regression models using empirical
examples in order to highlight several ways to interpret and present the results.
We also show that ordered regression models have clear advantages over linear and
binary regression models for the analysis of ordinal outcomes. The linear regression
model requires the assumption of equal spacing among categories, which is not realistic
for ordinal outcomes that by definition have discrete categories with unknown spacing
among them. The binary regression model requires collapsing outcome categories in order
to construct a binary outcome, which results in a loss of information. Both approaches
can produce very misleading results. Ordered regression models avoid these problems
because they assume that the outcome is ordinal rather than continuous, and they do not
require one to recode the original ordinal variable into a single binary variable.
Ordered regression models that retain the parallel regression assumption also have
two advantages over the multinomial logit model, which is designed for nominal out-
comes but may also be used for ordinal outcomes. Ordered regression models with the
parallel assumption retain the ordinal nature of the relationships between the dependent
and independent variables, and they also require fewer parameters. Multinomial logit,
however, ignores the ordering of response categories and requires additional parameters,
which makes it less “efficient.”
The parallel regression assumption is the key assumption in traditional ordered regres-
sion models, and we devote an entire chapter of the book to this assumption (Chapter 5).
We distinguish between ordered regression models that apply the parallel regression
assumption to all, some, or none of the independent variables, and we refer to these as
parallel, partial, and nonparallel models, respectively. There are also several classes or
groups of ordered regression models based on different probabilities of interest, including
xiii
xiv Preface
cumulative, stage, and adjacent models. The so-called “ordered logit” and “ordered probit”
models are actually just the same type of ordered regression model with different link
functions: the cumulative model. The fact that the cumulative logit model is simply known
as the “ordinal logit” model is evidence of its popularity, but there are other ordinal logit
models, such as continuation ratio logit and adjacent category logit, that one should con-
sider. Building on our earlier work (Fullerton 2009; Fullerton and Xu 2012), we provide a
conceptual framework for understanding ordered regression models based on the prob-
ability of interest and on the application of the parallel regression assumption. The large
number of modeling alternatives is useful because it allows one to select the most appro-
priate model given the type of ordinal outcome and how restrictive the parallel assump-
tion is for each variable.
We provide brief examples in the appendices to Chapters 2, 3, and 4 that show how to
estimate the models in these chapters using R and Stata. More detailed examples are avail-
able at the following Web site: http://sociology.okstate.edu/faculty-staff-directory/faculty-
directory/dr-andrew-fullerton. The Web site contains JAGS, R, and Stata codes to estimate
the models we present in this book. It also contains detailed examples, syntax to reproduce
the results in the book, and Stata maximum likelihood estimation (MLE) routines that we
created to estimate the models in Chapters 2 through 4.
We benefitted from the comments and encouragement we received from many colleagues
during the process of writing this book. We thank Jeffrey Dixon, Andrew Gelman, Michael
Lacy, Michael Long, Scott Long, Ann O’Connell, and Richard Williams for their comments
on chapters. We appreciate their very helpful suggestions. We are indebted to Thomas Yee
for providing help with our R codes using his VGAM package, John Kruschke for shar-
ing his expertise in Bayesian statistics and for providing help with his BEST package, and
Jason Doll for many informal but informative discussions and e-mail exchanges about
JAGS and rjags. We also appreciate Riley Dunlap’s support for this project and our earlier
work on this topic. We thank Simon Cheng and David Weakliem for their feedback on
our earlier work on ordered regression models, which laid the groundwork for this book.
At Chapman & Hall/CRC Press, we thank our editor, John Kimmel, for his advice and sup-
port throughout this process. We also thank the anonymous reviewers for their valuable
critiques. Finally, we want to thank the students from our categorical data analysis courses
at Ball State University and Oklahoma State University over the last few years for their very
thoughtful comments and suggestions.
Authors
Andrew S. Fullerton is an associate professor of sociology at Oklahoma State University,

Stillwater, Oklahoma. His primary research interests include work and occupations, social
stratification, and quantitative methods. His work has been published in journals such as
Social Forces, Social Problems, Sociological Methods & Research, Public Opinion Quarterly, and
Social Science Research.
Jun Xu is an associate professor of sociology at Ball State University, Muncie, Indiana. His
primary research interests include Asia and Asian America, social epidemiology, and sta-
tistical modeling and programing. His work has been published in journals such as Social
Forces, Social Science & Medicine, Sociological Methods & Research, Social Science Research, and
The Stata Journal.
xv
1
Introduction
1.1 Ordinal Variables versus Ordinal Models

Social and behavioral scientists often analyze ordinal outcomes, which are variables with
categories ranked from low to high on a single dimension or characteristic. However,
the distances between categories are unknown. For example, the General Social Survey
(GSS) includes a measure of attitudes toward same-sex marriage based on the follow-
ing question: “Do you agree or disagree … homosexual couples should have the right
to marry one another.” The response options are based on a Likert scale: 1 = strongly
disagree, 2 = disagree, 3 = neither agree nor disagree, 4 = agree, and 5 = strongly agree.
The categories are ranked from low to high according to the level of support for same-sex
marriage, but it is unclear whether the distances between adjacent categories are equal.
Survey researchers typically assign the values 1–5 for a Likert scale question with five
categories, but the difference between categories 1 and 2 is not necessarily the same as the
difference between categories 2 and 3 and so forth. Additionally, ordinal variables may
have multiple dimensions. In this example, the categories reflect agreement/disagreement
but also the intensity of opinion: strongly versus somewhat.
The focus of this book is on regression models for ordinal outcomes. Ordinal outcomes
fall within the class of categorical variables, which also includes binary and nominal vari-
ables. Binary variables have two categories, coded as 0 or 1, and nominal variables have
three or more unordered categories. Variables that have ordered categories and known
distances between adjacent categories are known as interval-ratio or continuous variables.*
The use of methods for continuous outcomes, such as the linear regression model,
requires the assumption of meaningful category values and known distances between
categories. Linear regression with an ordinal dependent variable can produce misleading
results. For example, the assumption of “linearity in the parameters,” or constant effects
throughout the outcome distribution, may lead to biased results (Winship and Mare 1984,
p. 522; Agresti 2010, p. 5). In addition, linear regression models with ordinal outcomes may
have nonsensical predictions outside the observed outcome range and a nonconstant error
variance. Therefore, the traditional linear regression model is not appropriate for ordinal
outcomes (McKelvey and Zavoina 1975; Winship and Mare 1984; Long 1997).
The definition of an ordinal variable is relatively straightforward. However, the
definition of an ordinal model is more complicated. Using a strict interpretation (e.g.,
Long 2015, p. 174), a model is ordinal if it constrains the effects of variables to maintain
* Count variables, such as the number of promotions a worker has received, also have ordered categories with
known distances between them. However, count variables are considered discrete rather than continuous
because there are a finite number of values. For a discussion of the connections between count models and
ordinal models, see Clogg and Shihadeh (1994, p. 150).
1
2 Ordered Regression Models
a “stochastic ordering” (Agresti 2010, pp. 24–25), which means that the cumulative
distribution f unction (CDF) for one group of respondents is consistently below the CDF
for another group (McCullagh 1980, p. 115).* For example, if education increases support
for health care spending on a Likert scale from 1 (strong opposition) to 5 (strong support)
and there is a strict stochastic ordering, then respondents with 16 years of schooling
will have lower cumulative probabilities for each outcome category than respondents
with only 15 years of schooling. Respondents with higher levels of education will be
more likely to cluster at the upper end of the scale near strong support, which means
that at any given point in the distribution they will have lower cumulative probabilities
(i.e., Pr [y ≤ m]) compared to respondents with less education. The key aspect of this defi-
nition is that stochastic ordering is the result of model constraints. We will discuss one
such constraint, the parallel regression assumption, briefly at the end this chapter and
then in more detail in Chapter 5.
Using the strict definition, the “parallel” models that we introduce in Chapter 2 are the
only ordinal models we consider in this book.† However, we argue that it is useful to think
of the less constrained models as either partially ordinal or ordinal in a less strict sense.
The “partial” models that we discuss in Chapter 3 are partially ordinal in the sense that
they maintain a strict stochastic ordering for a subset of variables in the model through the
application of the parallel regression assumption, which constrains the effects of those
variables to remain constant across outcome levels. We may consider an even broader class
of models as ordinal if we only require that the models are not “permutation invariant”
(McCullagh 1980, p. 116). Models designed for nominal dependent variables, such as
multinomial logit, are permutation invariant, which means that arbitrary re-ordering of
the outcome categories has no effect on the coefficients or on model fit (McCullagh 1980,
p. 116). Permutation invariance is an important characteristic for nominal models because
there is no inherent ordering to the categories. Using these criteria, a categorical model is
“ordinal” if re-ordering the outcome categories leads to different results.
We refer to the models in this book as ordered regression models because they are varia-
tions on three ordinal models in the strictest sense (see Chapter 2). The variations are
based on different ways to relax the parallel regression assumption. The results are not
permutation invariant for almost all of the models we present in Chapters 2 through 4.
The nonparallel adjacent category model is the only one that is permutation invariant,
which means that it is ideally suited for nominal outcomes. The logit version of this model
is equivalent to the well-known multinomial logit model (McFadden 1973). Although it
is important to consider the defining characteristics of an ordinal model, the decision to
label a model as “ordinal,” “partially ordinal,” or “nonordinal” is not as important as other
modeling decisions, including the probability of interest and the application of the paral-
lel regression assumption. Throughout the book, we focus on how the type of probabil-
ity and application of the parallel regression assumption influence the results in ordered
regression models. We refer to the sets of ordered regression models based on different
probabilities of interest as “approaches to ordered regression models,” and we organize
Chapters 2 through 4 around these approaches.
The ordered regression models we consider are very useful for researchers examin-
ing ordinal outcomes for two main reasons. First, the models are appropriate for a wide
* The CDF describes the probability that a random variable, such as the error term, is less than or equal to a
particular value (see Gill 2006, p. 348).
† We also consider several model extensions in Chapter 6, and the ones that retain the parallel regression
assumption are also “ordinal” in the strictest sense.

Introduction 3
variety of ordinal variables. Some ordinal outcomes have categories that represent inter-
vals on an underlying latent continuous scale. For example, an ordinal measure of income
with c ategories based on $25,000 intervals (e.g., <$25,000, $25,000 to <$50,000, $50,000 to
<$75,000) is essentially a continuous variable grouped into intervals on an ordinal scale
from lowest to highest income. As a result, scholars refer to some ordinal variables as
“grouped continuous” variables (Anderson 1984, p. 2). However, other ordinal variables,
such as educational attainment, are the result of a series of sequential decisions. The cat-
egories are ordered, but one must proceed through earlier stages in the sequence in order
to reach a higher category. For example, in order to attain a postgraduate degree, one must
first attain high school and college degrees. Finally, there are ordinal variables that have
categories that are of substantive interest, such as subjective social class (Fullerton and
Xu 2015), which are not the result of a sequential process and may or may not correspond
with an underlying latent continuous variable. The broad range of models covered in this
book is particularly important given the diversity of types of ordinal variables in the social
and behavioral sciences.
Second, most of the models in this book allow for asymmetrical effects. Researchers
often assume that the effects of independent variables are “symmetrical” (Jordan 1965;
Lieberson 1985). In the context of public opinion research, the assumption of symmetry
means that the effect of a variable on negative views toward an issue is equal in magnitude
to its effect on positive views in the opposite direction. For example, if political conserva-
tism is associated with increased opposition to same-sex marriage, then it should also be
associated with decreased support for same-sex marriage, and the relative strength of each
relationship should be equivalent.
However, the assumption of symmetry (Jordan 1965; Lieberson 1985) or bipolarity
(Cacioppo and Berntson 1994; Cacioppo et al. 1997) may be concealing an asymmetrical
relationship (Fullerton and Dixon 2010). Studies have shown that the racialization of wel-
fare attitudes is greater for opposition than for support (Fullerton and Dixon 2009), and
income reduces the incidence of low levels of life satisfaction but does not increase the
incidence of high levels of life satisfaction (Boes and Winkelmann 2010). The partial and
nonparallel models allow for asymmetrical relationships, whereas linear regression and
traditional ordered models impose symmetry on the relationships (for more details, see
Section 1.7).
1.2 Brief History of Binary and Ordered Regression Models

Ordered regression models are extensions of the binary regression model to ordinal out-
comes. We will provide a brief history of the development of binary and ordered regres-
sion models before presenting the three major approaches to ordered regression models.
For a more detailed history of binary and ordered regression models, see Greene and
Hensher (2010, Ch. 4).
Binary regression models have their roots in the studies of toxicology and bioas-
say in the 1930s and 1940s (Bliss 1934a, 1934b; Finney 1971 [1947]). Bliss (1934a, 1934b)
introduced the binary probit model as a method for analyzing the dosage mortality
curve for n
icotine spray and the percent of aphids killed. Bliss proposed the “method
of probits” in order to model the S-shaped curve using Pearson’s (1914) probability inte-
gral tables (Bliss 1934a, p. 38). The probit model is a nonlinear probability model that
Another random document with
no related content on Scribd:
m’habituer aux promenades tous les quinze jours. La marine préfère
qu’on incite de l’ordre dans ses affaires de jupes. Vous sentez bien
que je ne peux pas changer tous les mois de chemin… tantôt les
filles du côté de l’Arsenal, tantôt les garces du côté des Colonies.
Non, c’est pas propre… et se faire une maîtresse, quand on ne peut
pas payer gros !… Tout bien considéré, une vraie femme, c’est plus
honnête, plus convenable pour le métier de gardien d’une tour de
l’État. Vous saisissez, monsieur Barnabas ? (Et j’ajoutai d’un ton
mélancolique) : Je n’ai guère que vous de famille… alors, c’est
comme si je vous demandais votre autorisation.
Il grognait, mâchait, avalait, enfin il dit :
— Tu seras cocu, mon garçon.
— Cette idée ! Pas plus qu’un autre, je pense.
— Tu seras cocu.
Et il rigolait.
Cela me vexa beaucoup.
— L’ancien, vous ne savez pas votre métier de père. Je suis
jeune, moi, et j’ai besoin de consolation.
— Une femme, c’est du malheur dans un ménage.
Il était vraiment fou, ce vieux. Qu’est-ce qu’il voulait qu’on mît
dans un ménage, sinon une femme ?
— Je n’ai pas le goût des noyées, déclarai-je, me levant, prêt à
faire face aux bourrades possibles.
Il ne broncha pas, se contenta de glousser :
— Oui, oui, les femmes ça vous colle à la peau, grogna-t-il
encore, et sur l’esplanade, elles ne montrent point tant leurs mollets.
Ça vous embête. J’en ai vu, j’en ai t’y vu des belles, des jeunes, des
petites, des grandes… tous les gars d’ici m’en ramenaient dans leur
chemise en revenant de leur congé… et puis ils allaient laver leur
chemise… comme toi… c’étaient des délicats… et puis ils posaient
leur chemise comme tu feras un jour, histoire d’être plus près de ta
peau, car notre peau c’est le meilleur… et enfin, y seront, toi et tous,
tranquilles, attendant la marée montante…
Je regardais le vieux, les poings serrés. J’étais honteux pour lui
de sa déraison. On s’imaginait qu’il demeurait d’aplomb, et le
premier coup de roulis le flanquait à la mer. Un purgatoire inventé
spécialement ! Et il me fallait vivre de sa vie, l’écouter… même que
lorsqu’il ne causait pas, j’en avais peur.
— Monsieur Barnabas, vous n’avez jamais eu de femme, de
légitime ?
— Peut-être ben que oui… peut-être ben que non.
Il y eut un grand silence. Il ne mangeait plus, essuyant son
couteau sur sa cuisse, la tête basse :
— Y a si longtemps, ajouta-t-il d’une voix presque naturelle.
Je repris courage :
— Racontez-moi cette histoire-là… père Mathurin.
— Pas la peine, tu la sauras bien à ton tour.
— Vous devriez donc… m’en garantir, ce serait d’un bon
compagnon.
Je m’approchai de lui, et je lui posai la main sur l’épaule. J’avais
plus de pitié que de respect pour ce drôle de chef que la marine
m’ordonnait de suivre de marche en marche le long de l’escalier du
phare, et je ne demandais qu’à lui nettoyer un peu le cœur, comme
je lui fourbissais, tous les matins, par pure complaisance, ses
fameuses piles de boîtes de sardines, qu’il collectionnait des deux
côtés de notre cheminée.
Il tressaillit, leva ses yeux morts qui s’emplirent tout à coup d’une
lueur phosphorescente.
La pourriture arrive bien à briller, de temps en temps, et tous les
noyés que la mer cache en son ventre bleu lui font quelquefois des
prunelles flambantes quand la brise est plus douce ou la vague plus
chaude.
— T’es un mouchard, Jean Maleux ? gronda l’ancien avec un
froncement de narines.
— Père Barnabas, si vous étiez de mon âge, faudrait sortir avec
moi sur l’esplanade. Voilà déjà trois fois que vous me traitez
d’espion, et je ne l’entendrai pas une quatrième, je suis pas
endurant.
Il se leva, saisit sa casquette.
— Il est l’heure de veiller au grain. Marie-toi, te marie pas… c’est
pas mon affaire. Je garde la tour. Toi, t’as qu’à te garder du mauvais
sort. Je monte. Viens-tu ?
Il se coiffait soigneusement, rabattant ses oreilles de chien noir,
ses oreilles de loup, sur ses oreilles humaines, il paraissait ainsi plus
vieux et plus jeune, mêlant à sa figure nue de vieille soularde un air
de coquette qui marche pour un bal, s’encapuchonnant d’une
capeline très ridicule afin de ne pas gâcher l’édifice que lui a bâti le
coiffeur. Ça me rappelait également une négresse d’Alger courant les
rues malpropres avec un bandeau, parce qu’elle venait de se faire
arracher les dents, et, chose étonnante, il me rappelait cette figure à
cause de ses cheveux noirs sur ses joues blafardes, tandis qu’elle
c’était un mouchoir bien blanc sur des joues noires. Je devenais
maboul rien qu’à le contempler, ce maboul ! Il y avait sans doute
quelque sortilège dans l’atmosphère de la salle basse.
— Pensez ce qu’il vous plaira, l’ancien, murmurai-je de très
mauvaise humeur, n’empêche que les femmes vous collent à la peau
certains jours, même que vous portez… leur deuil.
Je n’osais pas dire : leurs cheveux, et, du reste, je n’en étais pas
sûr.
Il me fit luire une paire de chandelles sous ses paupières
baissées, mais il ne répliqua rien.
Je le suivais, mordant de rage le croûton que je gardais dans les
doigts.
Lui montait, virant un bord sur l’autre, d’un pas égal, très lent et
pourtant pas trop cassé. Ce vieux n’était vieux qu’en vieille femme, il
demeurait un homme pour l’ouvrage, et il ne perdait point la tête
durant les heures de consigne.
Il fredonnait : par exemple, il ne pouvait pas monter sans sa
petite chanson.
Comme il tenait la lanterne, je voyais sa silhouette danser le long
des murailles. Elle me semblait énorme, grimpait déjà jusqu’aux
lampes rayonnantes de là-haut. Aux tournants de la vis, on
n’apercevait plus que ses jambes, et il montait toujours, sans sa
tête, d’un mouvement pesant et souple de grosse bête rampante,
coupée en deux.
A mi-côte, il s’arrêta, se retourna, la figure subitement rouge,
éclaboussée de tout le sang du feu.
Il ricana :
— Des femmes ?… Je t’en guérirais, si je voulais, comme j’en ai
guéri l’autre.
J’eus un frisson malgré moi.
On était devant l’une des meurtrières du phare qu’il avait fait
boucher rapport, je le croyais, à ses rhumatismes. Cela formait, dans
l’épaisse muraille de la tour, une espèce de placard condamné, une
porte de bois fermant l’embrasure d’une fenêtre, qui se fermait, du
côté du dehors, par de solides grilles et un châssis de cristal.
— Y a des femmes ici, qu’il dit en frappant brutalement d’un coup
de pied la porte du placard.
Ça résonna lamentablement dans toute la spirale, le moindre
choc faisant vibrer la colossale cheminée comme une trompe de
cuivre.
— Patron, vous n’auriez pas le droit d’en cacher… le règlement
est là pour l’interdire, vous le savez bien ! Et puis, par où diable
serait-elle venue ?…
Je n’avais pas le cœur à plaisanter, tout refroidi depuis ses
dernières insultes.
— Ben moi, je connais pas de règlement. Y a une femme ici…
Mais je ne lui ouvre plus. C’est fini de rire avec elle.
Et il fredonna :
C’est la tour d’amour !
… d’amour… our… our… ur…
On est un homme au grand jour du soleil, même de la lune,

seulement, le soir, après le fromage, quand on a bien réfléchi, qu’un
vieillard vous a injurié et qu’on n’a pas pu se donner le réconfortant
de lui flanquer des gifles, on n’est guère son maître. Je répondis,
brusquement :
— Faites pas le malin, Barnabas. Dieu est toujours plus près de la
mer que de la terre. Pourrait vous entendre. S’il n’y a pas de
gendarmes chez nous, le tonnerre peut y tomber.
— Il entrera pas par cette fenêtre-là, mon gars, ça, je t’en
réponds, foi de Mathurin. Y reculerait…
Mes mâchoires en claquèrent. Qu’est-ce qu’il pouvait bien serrer
dans ce placard ?
Je passai mon index sur une rainure du battant de bois. C’était
une porte solidement jointée, en chêne, avec des cadres d’acier. Les
fortes serrureries se comprenaient au phare, car les tourmentes vous
arrachaient un volet d’une muraille aussi facilement qu’un couteau
vous écale une noix, et quand la meurtrière était ouverte, ça devait
venter à retourner le boyau de l’escalier.
Le vieux levait sa lanterne.
— C’en est une qui me fera jamais cocu.
Et il se mit à ricaner d’un ricanement abominable.
— Voyons, père Mathurin, suppliai-je, n’essayez pas de vous faire
plus méchant que nature.
— Ben quoi, je suis un brave homme… je ne contrarie ni les
femmes, ni le règlement. Je m’avais marié dans le temps jadis,
maintenant, personne, mon gars, ne peut plus me tromper. Elles
sont meilleures filles que les autres et elles parlent pas… c’est tout
miel.
Je lui passai devant, l’estomac à l’envers, ne voulant en aucune
manière lui demander des nouvelles de son second mariage.
J’étouffais. Sur la plate-forme, au milieu du fulgurant incendie du
phare, je repris un peu de calme.
Il était clair que ce vieux divaguait.
Nous montâmes nos lampes : un vent furieux nous balayait la
figure et fouettait le patron du fouet de soie de ses cheveux. Il
ressemblait à un grand pitre de foire. Sa bouche rentrée, si mince, si
rouge, avait des contorsions singulières et ses yeux brillants
pleuraient des larmes roses, ses regards brûlés rendaient la lumière
en gouttes de sang. Si ce n’était un pauvre bougre de fou… il
incarnait probablement le diable.
Je ramassai un oiseau tombé le long du vitrage, un martinet tout
frissonnant encore de son plongeon dans le feu.
— En voici un qui ne croira plus au soleil de minuit, murmurai-je
pour dire n’importe quoi, car les prunelles féroces du vieux
m’épouvantaient absolument.
— Toi, quand tu auras chu dans la mer, tu ne croiras plus à
l’amour, mon petit gars, fit le vieux d’un ton très tranquille.
— Patron, vous oubliez de mettre le cran au régulateur.
J’allongeai le bras pour arranger le mécanisme, et je repoussai la
vitre qui murait la violence de l’incendie.
— C’est bon, grogna-t-il.
— C’est bien, déclarai-je.
Il redescendit seul, me laissant chez moi.
… Demain ! Demain je la verrais, celle que je ne connaissais que
par la saveur de ses lèvres ! Je la retrouverais demain, et cette fois,
comme il n’y avait plus de paperasses de naufrage à leur fournir,
j’aurais mon plein jour de congé. Dès la terre touchée j’irais chez
elle. Chez elle ! Marie ! Elle s’appelait Marie, une chance. Moi, j’aimais
ce nom-là. On ferait vite des projets. Depuis quinze jours, je ne la
perdais pas de vue. Je la sentais tout près de ma poitrine. Elle savait
bien ce que nous dirions demain. Elle le savait d’avance. On était
resté dans les bras l’un de l’autre, n’est-ce pas ! Ensuite, on se prend
comme on se trouve, il n’y a pas besoin de tâtonner si longtemps.
On se voulait tel qu’on se donnait. Deux gosses, quoi ! Moi, j’en
savais juste assez pour qu’elle puisse, plus tard, m’en remercier par
du bonheur. La vieille tante épicière allait-elle rigoler d’aise quand
elle m’entendrait lui demander une promise, et vogue la galère
durant un an… Je serais nommé, à la place de Barnabas, gardien de
la Tour d’Amour… ou d’ailleurs… et nous aurions des enfants, tout de
suite, aussi grands que leur petite mère. Vive la joie !
Je me sentais si bon, si tendre, si honnête.
Et je guignais la mauresque, du coin de mon lit.
— Toi, tu étais bien gentille, je dis pas, seulement tu buvais
vraiment trop de tafia et tu vous plumais un matelot comme je
plume ce martinet. Jolie ? Moins que ma promise, parce que tu vous
as l’air de l’être davantage. Tu voulais de drôles de choses… et tu me
faisais presque honte. Je suis doux, moi, j’aime les enfants, les
simples, les naïfs, ceux qui croient en Dieu et ont envie d’une bague
bénite. Les filles à matelots, c’est pas des femmes pour un tranquille
garçon, un garçon rangé des navires… et désormais à l’ancre dans
une tour de l’État. Oui, elle se montrait bien gentille… la petite
mauresque.
Mon oiseau plumé, je le mis sur une étagère en attendant le rôti
que j’en fabriquerais le lendemain, avant le départ du Saint-
Christophe, et je me rapprochais de la mauresque.
Pauvre photographie de quatre sous, salie des mouches et
froissée au fond de mes poches, j’y tenais tout de même, à cause de
la belle journée d’ivresse passée à Malte, sur des eaux bleues,
comme en un rêve.
La mauresque ressemblait un peu à Marie. Un peu… beaucoup,
elle avait son regard noir, sournois, et, à part ses cheveux coupés
courts en casquette de voyou, elle se dressait de la même façon
provocante, de la liberté dans le sourire.
— Elles ont du vice, je crois, toutes les deux, pensai-je gaiement.
Moi, je n’avais pas de vice. Je voulais le meilleur de leur amour.
Pour la première, c’était pas possible, car le verre avait été vidé
souvent, le verre de ses lèvres rouges, pimentées d’un sourire
canaille. Mais la seconde me garderait tout le vin pur de ses
caresses, et je serais, pour elle, un tendre frère joueur qui ne lui
prendrait que le permis… du jeu… laissant venir le soir de ses noces.
Oui, ma petite sale mauresque ressemblait à Marie, ma promise, et
leurs deux jolis corps de jeunes brunes ardentes, je les comparais
l’un à l’autre, n’en connaissant bien qu’un.
Leur corps ?… Là, ma petite amie de Malte portait un signe rond,
une lentille noire. Il était tellement rond et tellement noir, ce signe,
dans le lait de sa gorge, qu’il paraissait se détacher de la peau
comme un petit astre entouré d’air, un petit astre entouré de fluide
et nageant, volant, vers les lèvres amoureuses.
Cette poitrine, ce signe… toute cette blancheur et cette marque
de deuil ? Où avais-je vu encore de la blancheur et du deuil, un long
deuil rejeté en arrière comme le voile d’une veuve ?
— La noyée ! Tonnerre de sort ! C’est la noyée du dos de la
Baleine…
En m’endormant, je guignais la photographie de la mauresque de
Malte, je pensais à ma jolie petite promise, mais… mais ce fut la
noyée qui me suça les moelles du fond d’un cauchemar atroce, ce
fut la noyée du vieux qui m’eut tout entier, corps et âme.
Parce que les mystères du rêve sont les avertissements de Dieu.
IX
Je tournais mon béret dans mes doigts gourds, ne trouvant plus

une parole de politesse.
Je m’étais assis près de cette vieille qui reprisait des bas, et
j’avais baissé la voix pour lui dire honnêtement toute l’impatience qui
me torturait.
— Vous pensez bien, me répondit-elle, que de ce temps-ci on
pouvait pas l’attacher !… Elle est sortie, ma nièce. C’te coureuse de
gamine, lui faut de la route dans les jambes pour qu’elle dorme sa
nuitée ?
Je m’imaginais pas, avant ce matin-là, qu’on put être malheureux
aussi simplement.
Je ne me serais pas mis sur la chaise, près de la vieille, que je
serais tombé tout de mon haut.
Ça me pinça le cœur à m’en faire jurer.
Je lui apportais une croix d’or achetée chez un vrai bijoutier de
Brest, pas de la camelote, une croix solide, puis une galette
agrémentée de fruits confits pliée dans du papier d’argent. Les
présents de fiançailles.
Elle… ben quoi, elle était sortie… pour courir…
— Elle ne vous a parlé… de rien ?
La vieille me regardait au-dessus de ses lunettes.
— Non, de rien… Vous lui aviez donné une commission… C’est-y
que vous vouliez déjeuner ? Dame ! je vous attendais point et faudra
vous contenter d’un plat.
— Elle ne rentrera pas pour dîner ce soir ?
— Je ne sais pas. Quand elle se promène avec des petites amies,
on va des fois, tous ensemble, chez le cousin fruitier dans la rue des
Bastions. Le cousin garde toute la marmaille. C’est l’époque des
cerises. Vous savez, un panier de plus ou de moins… Mais elle
rentrera, monsieur Maleux. Il lui arrive jamais de mal, à cette enfant.
La vieille ne savait rien, ne comprenait rien, était sourde,
aveugle. Du reste, pourquoi aurait-elle deviné un amoureux sérieux
dans ce garçon triste et frappé d’une idée fixe ?
Elle ne mijotait pas, la vieille, dans une tour déserte, où le vrai
phare sauveur semblait être le seul amour d’une jeune fille. Non, elle
ne pouvait ni comprendre ni m’approuver. Sa nièce n’avait pas l’âge
du mariage, et, si elle ardait vers l’amour, c’était selon son petit
cœur de coureuse de rues. Elle ne songeait plus au misérable
matelot échoué sur son seuil, par une après-midi de pluie, elle n’y
mettait aucune malice. On va, on vient dans la vie des gens de terre,
et un passant chasse l’autre. Elle m’avait sauté au cou, comme elle
sautait maintenant à la corde chez les cousins. Quand elle rentrerait,
elle éclaterait de rire ou festonnerait son fichu entre ses pattes de
petit chat rôdeur. Quoi ! Tout cela était bien naturel. J’en aurais
pleuré.
De dépit, je ne parlai pas de la croix, et je broyai le gâteau, le
mangeant, pour prouver que je ne déjeunerais pas chez cette vieille.
Fallait-il s’en aller tout de suite ? Une fois parti, fallait-il revenir ? Je
me sentais un étranger à tout et pour tous.
Mon Dieu, que je souffrais !
La petite boutique n’avait pas changé, seulement elle me parut
affreusement malpropre, basse, noire, empuantie d’odeurs de
vaches, de crème aigre et de cuisines pauvres.
Il fallait ficher le camp, ne plus revenir jamais… jamais… Je
sortis, l’air crâne, après un bonjour sec, sans m’expliquer. Inutile de
prévenir Marie de la visite.
On ne s’accorderait point. Et comme les femmes ne manquent
guère, j’en chercherais une plus sérieuse sous le rapport des
promesses. Je marchais, les bras ballants, ne songeant pas à entrer
dans une autre auberge, et je vins m’asseoir sur le bord de la mer.
— Vous reviendrez me voir, nous irons ensemble sur le bord de la
mer. Si vous avez des peines, je vous consolerai.
C’est bien ce qu’elle m’avait promis.
Une enfant méchante ? Non, une enfant seulement.
Je m’aplatis dans l’herbe de la falaise, une belle falaise toute en
velours, travaillée par des jardiniers. Je mis ma tête dans mes
coudes, et je voulus dormir en plein soleil de midi. Ça bruissait
autour de moi, des gens du dimanche passaient du côté du phare du
Minou ; on rigolait un peu de tous les côtés, et une demoiselle à jupe
rose se balançait derrière une belle maison de campagne… se
balançait entre des lilas.
J’essayai de me raisonner.
On ne fonde pas tout un avenir sur la première venue.
Oui, mais c’est toujours la première venue qu’on aime quand on
a besoin d’aimer.
Et puis se marier dans un an… valait mieux se marier
aujourd’hui. J’avais ma paye dans mon gousset, le droit, le devoir
même de faire la noce.
Eh bien, non, je ne ferai pas la noce. Quelque chose serre mon
cœur et mon ventre. Je pleure, je n’en peux plus de pleurer.
— Il y a une chance, dans quinze jours, de la revoir, on
s’expliquera, et nous nous accorderons pour de bon. Je vais me
promener seul sur le bord de la mer, une autre fois nous serons
deux… elle est si jeune !
J’en arrivai à l’excuser. Une tristesse infinie me montait à la
gorge, comme toute une marée de larmes depuis très longtemps
contenue.
Je n’aimais pas cette petite fille de Brest, plus que j’avais aimé
les petites filles de Malte. J’aimais… l’Amour !
Malheur à ceux qui aiment l’Amour !
Car ils sont toujours trahis : les aimerait-on immensément, on ne
les aimera jamais assez ! Ils trouvent toutes simples des choses trop
compliquées comme, par exemple, la fidélité, la tendresse, la
passion qui se consume à attendre une promise ou une catin, la
passion qui s’augmente de sa propre usure, qui veut tout, et souvent
ne veut plus rien, craignant d’en trop demander, qui n’ose plus aux
clartés de la joie, tellement elle a osé dans l’ombre et le silence du
tourment.
Les filles ? Non, j’étais mort aux filles.
Pour mon repas du soir, j’achevai le gâteau des fiançailles, et je
rentrai dans Brest, découragé, meurtri, sans espoir, sans idée, sans
camarade, n’espérant même plus rencontrer la petite Marie le long
des ruisseaux de la rue des Bastions.
Je flânai aux étalages. Ah ! il y avait de bien belles choses pour la
petite Marie, des robes à traînes, des chapeaux à plumes et des
bijoux rutilants ! Malgré mon chagrin, tout se rapportait à elle, et rien
ne valait sans elle. L’homme de l’amour est possédé par un démon
qui lui montre un perpétuel visage d’amour. Marie me guettait dans
les soieries, sous les dentelles et à travers les plus impossibles
diamants. C’était elle, toute nue, que mon esprit revêtait de toutes
les étoffes charmeuses. Elle me suivait, elle admirait avec moi, et,
brusquement, elle me quittait au détour d’une maison,
s’évanouissant dans une porte qu’ouvrait une autre femme que je ne
connaissais pas. Je ne pensais pas à m’acheter la moindre bagatelle
pour mon usage particulier. J’allais, comme ivre, n’ayant plus envie
de rien… Oh ! tenir seulement sa main entre les miennes…
Et si je l’avais revue, je n’étais plus très sûr de crier : la voilà, car
je ne me rappelais que son cher petit visage d’un soir de désir, où
flambaient ses yeux, ses premiers yeux de femme.
Si je l’avais rencontrée, j’aurais découvert une nouvelle gamine,
une fillette maigre, quelconque, aux regards sournois et au teint
criblé de taches de rousseur.
Je suis passé peut-être à côté d’elle sans m’en douter.
Alors… j’ai bien fait de ne pas tourner la tête.
Ce n’était pas elle !
Le lendemain, après une nuit de sommeil lourd au fond d’une
auberge remplie de très joyeux marins, qui buvaient du punch, je
m’embarquai sur le Saint-Christophe n’emportant de Brest qu’un peu
de terre dans un mouchoir.
— Eh ! Eh ! fit le maître de chauffe commençant à me tutoyer, on
s’en a flanqué une bosse, ma pauvre vieille ! T’en as, des marrons,
sous les quinquets !
— Oui, répliquai-je doucement, je suis tranquille, maintenant, j’ai
mon compte.
Je n’aurais pas été plus tranquille, en effet, le lendemain de ma
mort.
… Le phare ! Mon Dieu, déjà le phare ! Voici la tour…
La tour, prends garde,

La tour d’amour… our… our…
Les vagues rugissent, le palan grince, il pleut du sel, il vente une

brise chaude, une haleine dévoratrice. Je retombe dans l’enfer…
— Ho ! Hisse ! Hisse en haut !
— Bonjour, père Barnabas. Faudra veiller. Le grain s’amasse, que
je crois.
— Ben, quoi, il vente… une foutaise ! Le phare ne s’envolera pas
sans nous.
Il me reluque en dessous, avec ses regards de bête mauvaise et
défiante. Il se défie de moi, parce que chaque congé que je prends
le rapproche peut-être de sa destitution. Il croit toujours que je viens
de le dénoncer à nos autorités.
Mais enfin, pourquoi le dénoncerais-je ? Outre que je ne suis
nullement un mouchard, un espion voulant la perte des camarades,
je me moque pas mal de ses histoires de maboul.
J’ai bien trop de chagrin, à présent, sans aller m’occuper des
péchés des autres.
Ensuite, jusqu’à quel point faire l’amour avec des trépassées…
(C’est drôle comme le chagrin vous donne envie de blasphémer
et vous met le jugement sens dessus dessous…)
… Fallait ramer sur la galère immobile et ne plus songer aux
jupons.
— Allons, Jean Maleux, du courage ! On ne meurt pas d’amour…
Toute la journée, je me blaguais intérieurement comme ça, me
flanquant souvent des grandes tapes et m’empoignant par mon
propre bras :
— Voyons, le Maleux, est-ce que t’es pas fou, toi aussi ? Une
petite que tu ne connaissais seulement ni d’Ève ni d’Adam… Une
coureuse, une gamine, qui joue encore dans les rues ? Un joli brin de
fiancée ! C’est-y ça qui m’aurait tenu un ménage, soigné des enfants,
attendu quinze nuitées fidèlement et préparé la soupe chaude pour
l’heure de mon retour ! Faut convenir, le Maleux, que le délire du
vent t’a bouleversé les esprits ! D’ailleurs, on se marie quand on est
le gardien-chef, et non pas le domestique d’un vieux porc vautré
comme ce Mathurin Barnabas, que le diable extermine !…
Je faisais mon service le mieux que je pouvais, soignant tous les
détails du métier pour tâcher de m’absorber dans un travail
quelconque, mais j’y avais de la peine, ça ne m’intéressait plus,
j’étais trop loin du monde, trop loin de la vraie vie marchante,
parlante, rigoleuse ou coléreuse. J’étais un ermite et, chose terrible,
je ne parvenais pas à être seul, c’est-à-dire libre ; le vieux glissait sur
mes talons, semblable à une bête guettant sa proie, toujours
gardant son idée que je le mouchardais rapport à ses bonnes amies
mortes.
Ou… rapport à la machination du placard, cette meurtrière
bouchée au milieu de l’escalier, une porte fermée hermétiquement
dont il possédait certainement la clef.
Voilà que la curiosité me tourmentait d’ouvrir…
Il faut se rendre compte de mon état. On n’existe point très
normalement quand on habite une prison toute en longueur (telle un
cierge maudit) et qu’on est obligé de penser sur place, ne sachant
quoi devenir, tantôt trop près des étoiles, tantôt trop près des
abîmes de la mer. C’était de penser toujours que cela me démontait
la mécanique de l’intelligence. Jamais, non, jamais, je n’avais tant
remué d’idées saugrenues. Un placard fermé dans ma maison ? Quel
beau mystère ! Du haut en bas de la spirale, on comptait six placards
pareils, tous aussi mystérieusement clos.
Maintenant, si je ne devais pas les ouvrir du côté de l’escalier,
rien ne m’empêchait d’aller voir du côté du dehors ! Le phare était
tout hérissé de crampons de fer, et pour peu qu’on possède des
pieds habitués aux enfléchures, on se promène le long d’une
muraille, facilement.
Je n’y allais point, ayant trouvé une meilleure occupation.
Je me fabriquai un jardin.
Oh ! pas un jardin ordinaire !
Une petite caisse de bois, très étroite, que je remplis de la terre
pieusement rapportée de mon dernier voyage, et je semai quelques
graines, j’enfouis un oignon de plante des îles qu’on m’avait donné,
jadis, et qui pousserait pourvu qu’elle eût de l’eau en quantité
suffisante.
J’exposai le jardin sur le hublot de ma chambre.
Tous les matins, je venais contempler mon jardin, l’œil anxieux,
me figurant que des pointes vertes…
Ah ! bien, oui, les pointes vertes !
C’était l’océan qui dressait des pointes vertes, l’océan furieux et
toujours soulevé comme un sein de femme enragée d’amour.
Je laissai passer mon tour de congé, cette quinzaine-là.
Je n’avais même plus envie d’aller chercher ma gamine de Brest,
et cette fille que je croyais ma fiancée la semaine d’avant me parut,
de loin, une farce de mon imagination.
J’aurais dû persévérer dans mes bonnes résolutions de mariage.
C’était ça le salut… mais quelque chose d’inexplicable s’emparait de
moi. Le vertige, le délire du vent, ou l’appétit du chagrin. Je me
sentais si malheureux, si triste, que je souhaitais l’être davantage.
Et puis, faut bien l’avouer… Le vieux l’avait-il pas prédit… je ne
portais déjà plus de chemise pour être plus près de ma peau…
… O phare d’Ar-Men ! O maison d’amour, douce maison,
effroyable geôle, berceau de toutes les hontes, caves d’où monte le
vin troublant des ivresses solitaires, douce maison secourable aux
naufragés des mers perfides, vérité de la lumière humaine mêlée
aux mensonges des étoiles, douce tour d’amour… Notre union arriva
comme vient un mal nécessaire : le mal de vivre pour soi-même.
On ne pense plus au péché.
On ne songe plus au plaisir.
La vie vous emporte dans son flot, et elle vous jette, enfin brisé,
sur la grève obscure du sommeil.
Qui a brisé l’homme seul, si las d’être isolé ?
C’est la vie, l’implacable vie.
Qui a bercé l’homme seul pour le consoler un moment dans le
repos ?
C’est la mort, l’implacable mort !
Et, quand on se réveille, on va voir pousser l’herbe, quêtant
l’espoir…
Mais l’herbe ne pousse pas dans les petits cercueils pleins de
terre.
Mon jardin n’avait fleuri que de quelques grains de sel, cadeau de
l’océan, bouquet de la Sirène.
Une nuit, veillant, à mon heure de garde, près de ma fenêtre, je
fus halluciné par d’étranges fantômes.
La lune inondait les vagues d’une clarté pure et froide.
Le phare, lançant des rayons roses autour de lui, s’efforçait
d’attraper la lune dans ses bras vigoureux.
C’était un curieux combat entre Elle, la grande vierge, et Lui, le
monstre issu des ténèbres.
Elle avançait, la face pâle, très calme, refoulant le brouillard d’or
qui essayait de la rejoindre pour lui faire perdre sa raison d’éclairer.
Peu à peu, elle le mangeait, en formait sa propre lumière.
On devinait parfaitement ce travail de bête, ou de femme
dissolue, à sa bouche d’ombre fendant le bas de son visage. Là, elle
porte une blessure, une cicatrice, des lèvres, certainement, qui
aspirent, se rouvrant tous les mois, les volontés et les lueurs de bon
sens des pauvres hommes.
Le phare se dressait, énorme, tendu comme une menace vers les
cieux, s’érigeait, colossal, dans la direction de cette gueule d’ombre,
de cette noire fêlure de la clarté céleste, car il y était attiré par le
suprême devoir d’être aussi grand que Dieu.
Et le brouillard d’or montait, descendait, en reflétant du sang,
aspiré ou refoulé par l’astre au masque d’apparence impénétrable.
… Comme elle était belle cette lune pure, perle tombée, tête
coupée, luisante du plaisir d’un autre, mais n’en disant jamais rien…
Et le phare, sous le vent hurleur sonnant des épousailles
diaboliques, sous le vent qui pleurait de joie ou chantait de terreur,
le phare semblait se tendre de plus en plus, exaspéré dans
l’irradiation de l’impossible.
S’éteindre ?
Le droit est de briller, de vivre…
Flamber plus haut ?
La destinée humaine est de brûler sur place.
… Et la lune, perle tombée, tête coupée, fière de l’absence de
son corps, s’en allait, s’en allait pudiquement, chaste et lointaine,
inaccessible, emportant le mystère d’une bouche muette qui, peut-
être, n’existe pas…
… O tour d’amour, éteins-toi ! Voici l’aube !
X
Est-ce Pâques, est-ce Noël ? Les jours coulent, coulent, tous

pareils, tombent dans la mer comme des gouttes d’eau, comme des
larmes, comme le meilleur de mon sang.
Quand le Saint-Christophe arrive avec ses paniers de provisions,
on lui fait signe que le second gardien ne sortira pas. Le second
gardien aime son métier, il est plein de zèle, je pense qu’on lui devra
un bel enterrement s’il meurt à la peine. Or, le second gardien… y
s’en fout !
Il monte, il descend, il croise le vieux qui monte ou descend, et le
vieux chantonne. Jean Maleux chantonne aussi, par esprit de singe.
On mange, on boit, le phare s’allume, le phare s’éteint.
Mon Dieu, est-ce Pâques, est-ce Noël ? j’entends sonner des
cloches.
Des habitudes me tyrannisent. C’est, après moi, des espèces de
pies qui répètent toujours la même bêtise, me tirent par la manche
pour me faire voir toujours le même point de l’horizon. Je trouve très
simple de taillader la table avec mon couteau pendant que le vieux
compte, à voix haute, les boîtes de sardines empilées des deux côtes
de la cheminée.
Il me paraît fort naturel d’user le bouton de ma veste en le
polissant sous mon ongle des heures et des heures, tellement qu’il
est, maintenant, fendu en deux, ce bouton, et que mon ongle est
mangé jusqu’à la racine. Je fais cela machinalement, sans oublier le
moindre détail de mon métier, et je ne pense pas que je sois
malade.
Je suis certain, maintenant, que le vieux a bien toute sa raison,
seulement les longues journées passées immobile devant la mer qui
danse, muet devant le flot qui hurle, l’ont rendu maniaque. Il a
essayé de lire pour s’aller promener dans un autre monde, et il s’est
aperçu qu’il ne savait plus lire.
Nous ne causons pas davantage, nous nous comprenons mieux,
endurant les mêmes misères sans trop savoir pourquoi.
La misère ? Non ! Nous sommes de bons propriétaires d’une tour
de l’État et nos maîtres, absolument. Nous sommes riches.
C’est bien cela le plus terrible. Nous sommes les maîtres, en
dehors du service, nous pouvons rêver, dormir, boire, car il y a des
alcools chez nous (et des alcools de choix), nous pouvons jouer aux
cartes et nous raconter des histoires. Nous préférons, généralement,
rentrer chacun dans notre trou, lui en bas, près de la soute au
pétrole, moi en haut, près du foyer des lampes.
Qu’est-ce qu’on se dirait ?
Je ne prends pas au sérieux ses idées sur les femmes noyées.
Et il me méprise parce que j’ai eu l’envie, un matin, d’épouser
une vivante que je ne connaissais pas.
Quant à ses funèbres plaisanteries sur les placards, ça ne
m’intimide point. Il a voulu me faire peur, parce qu’il sait que j’ai de
certaines croyances en Dieu.
Et puis, c’est nécessaire de brimer le mousse, de terroriser le
novice et de lui envoyer chercher le cadavre dans le placard, ça le
forme. Je n’ai pas voulu chercher, moi, je suis un entêté !
Mes nuits sont affreuses, je vois des figures lamentables se coller
contre la vitre de mon hublot. Des dames blanches, éplorées sous
leurs cheveux noirs, me font signe de les suivre, elles me glacent de
leurs yeux morts, pleins d’eau verte ; dès que je me lève pour les
aller chasser, elles reculent effrayées à leur tour de me voir,
s’enfuient éperdues, leur longue chevelure battant leur dos, et je
suis assez lâche pour les supplier de rester.
Ce n’est plus aux femmes vivantes que je songe, il me faudrait
des créatures plus passives, plus complaisantes, plus au-dessus des
pudeurs de ce monde pour m’amuser maintenant, ou alors, de telles
filles dévergondées, possédant de tels secrets d’amour.
Et je voudrais aussi pouvoir les rejeter à l’eau, m’en débarrasser
la chair pour toujours, ne jamais les rencontrer, de nouveau, sur ma
route.
Ma route ?
Je monte, je descends.
Quelquefois, le long de l’esplanade je vais jeter des lignes afin
d’essayer de capturer un monstre, un gros poisson mangeur de
pourriture.
Ça relève le menu. Les salaisons nous ensanglantent les
gencives, et, par les fortes marées, nous manquons souvent de pain.
J’ai osé dire, une fois, au vieux :
— Vous ne sortez donc jamais d’ici ? Nous n’avez donc plus
personne à aller saluer sur terre ferme ?
Il m’a répondu :
— Je ne sortirai que les pieds en avant.
Souhaite, le Maleux, que je ne crève pas l’été…
— Pourquoi, l’ancien ?
— Parce que si je crevais une fin de quinzaine ça irait encore,
mais un commencement… tu serais obligé de me garder… jusqu’à
bouillie complète… N’y aurait qu’un moyen : m’arroser d’eau-de-vie !
Je n’ai jamais envisagé cette perspective.
Le vieux se décomposant au fond de son trou durant que, moi, je
ferais flamber le phare, là-haut, de tous les feux de l’enfer, car notre
devoir, vivant ou mort, est de brûler pour sauver les autres, de nous
consumer sur place pour bien mériter de toutes les patries.
Un jour j’ai demandé (nos conversations se traînent des
semaines à raison d’une syllabe par repas, laissant mûrir nos
réflexions) comment le jeune gardien, mon prédécesseur, avait été
tiré d’ici, les pieds en avant, bien entendu.
Le vieux a grogné, m’a tourné les talons sous prétexte de se
chercher du rhum.
Il n’aime guère causer de… l’accident…
Est-ce l’Ascension, est-ce l’Assomption ? Quelle fête se prépare !
Il fait de pâles brouillards, les lunes sont plus claires, et, de la
mer, monte une odeur plus violente, une odeur sauvage que j’ai fini
par démêler comme un chien sent l’approche d’un maître. C’est le
rut de l’Océan, la grande marée meneuse de tempête. On ne peut
pas dire qu’il fait chaud, parce que l’air est toujours cinglant, le vent
hurleur, et les vagues bondissent à vous recouvrir d’une pluie salée,
à vous transir jusqu’aux os quand on s’égare le long de l’esplanade,
mais il fait trouble. L’eau bouillonne comme dans une chaudière,
l’écume fuse par grands jets blancs, mousseux. On dirait des
bouquets de marguerites.
Le phare tressaille, vibre, semble déraper, d’abord tout
doucement, selon que l’on regarde l’esplanade, ou très vite, selon
que l’on regarde là-bas le dos de la Baleine. Ce récif noirâtre l’attire
comme un aimant attire une grande aiguille de fer.
Et la valse éternelle s’accélère ; plus les vagues sautent, plus le
phare tourne.
Ça ne me cause aucun vertige. Cependant, je sens,
distinctement, que je suis le vertige personnifié, et que d’avoir enfin
pris l’habitude de courir immobile à ma perte me rend le centre
même de toutes les catastrophes.
Je porte en moi tous les malheurs.
J’ai chaud à la tête, l’estomac me brûle, mes jambes sont
toujours glacées, molles comme du coton.
Je marche en rêve.
Lorsque j’allume les lampes, il n’est pas rare que j’oublie de
refermer la porte à feu.
Je sais très bien que je vais l’oublier. Je commence le mouvement
en me disant :
— Fais attention, le Maleux.
Car je ne me gêne pas pour parler tout seul.
Et j’oublie… plutôt je crois que j’oublie, de fermer le vitrage.
Vers le milieu de la spirale, je remonte en jurant.
Devant la porte de cristal repoussée très exactement dans son
cadre de ressort, je suis ahuri.
Je n’ai rien oublié, c’est la précision de mes gestes qui me
manque, et je suis obligé de me tenir à l’œil… parce que si le
Barnabas ne vérifiait pas mes actes, je serais fautif tout le temps.
L’orage est sur nous, l’orage est en nous. Que Dieu nous protège !
… Ce soir-là nous avions copieusement dîné, l’ancien et moi,
nous pensions bien que le grand coup de torchon se préparait. Il ne
fallait point se trouver la poitrine creuse devant tous les démons de
l’air. Il y avait eu un beau filet de morue grasse entouré de pommes
frites à l’huile, du bœuf de conserve, rouge comme du pâté de
lièvre, une fameuse conserve d’Angleterre fleurant la moutarde, et
puis du dessert, des noix, des raisins secs, des figues. On avait
mangé, chacun, deux livres de pain.
On était des hommes, quoi !
Le vieux risqua une plaisanterie de son répertoire :
— Ça vente ferme… le Maleux ! Je parie ma casquette que le
tonnerre nous amènera des dames.
Je répondis brutalement :
— On n’a pas besoin de sexe ici ! Ça vous embrouille les
manœuvres.
— Suffit ! moi je m’entends ! Peut-être ben que non, peut-être
ben que oui… J’ai vérifié la grue… je serais d’avis de l’amener tout à
fait.
— Vous croyez donc qu’on ne dormira pas cette nuit ?
— Je crois, mon fils, que c’est un beau jour.
Il parlait tellement son langage, ce vieux loup des tombes !
On sortit sur l’esplanade, tenant un bout du filin passé à
l’intérieur de la salle basse dans un solide anneau.
Malgré la précaution, on fut presque culbuté l’un sur l’autre. La
mer délirante bavait, crachait, se roulait devant le phare, en se
montrant toute nue jusqu’aux entrailles.
La gueuse s’enflait d’abord comme un ventre, puis se creusait,
s’aplatissait, s’ouvrait, écartant ses cuisses vertes ; et, à la lueur de
la lanterne, on apercevait des choses qui donnaient l’envie de
détourner les yeux. Mais elle recommençait, s’échevelant, toute en
convulsion d’amour ou de folie. Elle savait bien que ceux qui la
regardaient lui appartenaient. On demeurait en famille, n’est-ce pas ?
Des clameurs pitoyables s’entendaient du côté de la Baleine,
plaintes qu’on aurait dites humaines et qui, pourtant, ne contenaient
que du vent. Ce n’était pas encore l’heure de mourir.
L’horizon demeurait noir, d’un noir intense de bitume fondu. Les
nuages couraient se déchirer à la pointe du phare, et on devinait
qu’ils coifferaient bientôt la lumière de leur satané capuchon de
velours.
Ce serait le moment pénible pour nous, car les pauvres navires
filent de ce temps-là, sans s’occuper des éclipses prédites.
Il nous arrivait des montagnes d’eau du bout de la Baleine, des
vagues s’irritant, se cabrant sur le rocher, l’escaladaient, prenaient
des proportions géantes et se couronnaient des flammes blanches
de leur écume qui, les nuits d’orage, semblent éclairer.
Une jolie clarté, ma foi, celle du drap jeté sur le défunt quand il
est entre ses quatre cierges.
Nous avions toutes les difficultés du monde à nous tenir debout.
Le vieux gronda et se mit à marcher sur ses mains pour plus de
sûreté.
Il avait l’aspect d’un crabe énorme. Son dos bombait, ses jambes
râclaient la pierre, et les pinces de ses doigts tâtaient les endroits
glissants.
Moi, je longeais les crampons, gardant mon filin dans mes
mâchoires serrées.
Nous étions des bêtes.
De surnaturelles bêtes, plus que des hommes : nous luttions
contre le ciel, et moins que des esprits, car nous ne possédions plus
la conscience de notre besogne.
Nous sortions de notre coquille pour flairer la mort et tâcher d’en
garantir les autres. Mais nous n’avions pas d’orgueil. C’était bien fini
de penser quoi que ce soit de noble, nous étions trop abrutis. Et
nous rampions devant la mer qui crevait de rire à nos barbes.
On amena la grue d’arrimage. On pelota tous les fils, on serra les
palans. Le vent s’attachait sur nous comme un aigle sur la laine d’un
mouton. On recevait des soufflets si naturels qu’on avait envie de les
rendre. Des serpents d’eau nous glissaient autour des jambes, des
langues visqueuses et froides nous léchaient partout. Quand on eut
fait la dernière toilette du phare, on songea un peu à ce qui se
passait là-haut.
Dans la spirale, des hurlements s’engouffraient, toute une
poursuite de diables se tirant la queue avec des jurements, des
miaulements de chats enragés.
Vers le milieu de l’escalier, Mathurin Barnabas contempla la porte
du fameux placard à femmes, seulement il ne dit rien, et ses
prunelles changèrent un instant de couleur.
Cela me fit plus d’effet que s’il avait plaisanté, selon son méchant
usage. Du moment qu’il regardait de ce côté-là pour lui-même, c’est
qu’il y avait peut-être bien quelque chose.
Il ne me montrait pas l’endroit, il se bornait à s’en souvenir.
Je m’arrêtai aussi, affectant de pousser la porte, histoire de
s’assurer du sa bonne fermeture.
Les autres fermaient moins exactement.
Nous continuâmes rapidement notre ascension, et nous
arrivâmes sur le chemin de ronde juste pour le coup du capuchon.
Un subit brouillard noir, âcre, puant le pétrole, recouvrait la vaste
lanterne, et aucun rayon n’atteignait plus le flot.
— Ben, quoi, fit le vieux embêté, ça commence à se gâter. Va me
chercher les torches.
Dans les cas extrêmes, on plante des torches tout le tour de la
balustrade, et, jusqu’à ce que la dernière soit emportée par le vent,
on les allume.
Je redescendis chercher les torches, et je vis à l’horloge que ça
marquait dix heures.
On en aurait pour toute la nuit de la procession.
Dans ma petite chambre du haut, ordinairement très claire,
c’était l’obscurité complète. On tâtonnait de ténèbres en ténèbres, et
le vent vous cueillait les lanternes ou les lampes dans les mains pour
les envoyer à plusieurs milles de là.
Le vieux n’avait point pris sa casquette.
Il craignait probablement de la perdre, malgré la grande
cérémonie du jour.
On alluma les torches ; elles filèrent par-dessus bord sans nous
demander leur chemin.
Une minute je me sentis enlever. Le vieux abattit sur mon épaule
sa pince de crabe et me plia en deux.
— Amarre-toi le pied ! qu’il me dit durement.
Je me nouai une solide jarretière de filin et lui proposai la
pareille.
Il haussa les épaules.
— Bon pour les enfants ! grogna-t-il.
On resta là campé comme des statues ardentes, le phare nous
cuisait le dos et le vent nous glaçait la poitrine.
Quand une gifle plus terrible vous abattait d’un côté, le
compagnon se relevait de l’autre, cherchait un nouveau flambeau.
Mais le vent se révolta tout à fait, il y eut un coup de tonnerre
effroyable, le ventre de la mer gonfla jusqu’aux nuages et s’ouvrit
sous la pointe aiguë d’un éclair durant que la foudre nous rendait
sourd.
— Navire ! souffla le vieux accroupi près de moi.
Nous n’avions plus de torche, nous n’avions plus de pétrole, le
phare s’était éteint, et la cage de verre fichait le camp par
morceaux.
Je ne voyais pas encore le navire, mais les éclairs me le
montrèrent une seconde, comme en pleine aurore.
Un grand navire à coque sombre, tout debout, pareil à un cheval
dressé sur ses jambes de derrière.
Il marchait ainsi vers la Baleine.
Son affaire était réglée. Plus la peine de l’avertir. Il y avait belle
heure qu’il cherchait sa fin, le malheureux !
On n’entendait ni cloche d’alarme, ni commandement de porte-
voix, ni cris de désespoir.
Le grand vaisseau, en animal énorme, très têtu, voulait aller là…
ça lui faisait plaisir. Il glissait toujours debout avec des dandinements
grotesques. Il hésitait maintenant un peu entre le récif et le chenal.
— Vont venir droit chez nous ! criai-je épouvanté de la hauteur de
ce monstre. Ils vont nous écraser.
— Pas de danger, répondit Barnabas, dont je voyais flamber les
prunelles vertes tout à côté de moi, la Baleine barre les dessous.
Et il se mit à rire.
L’immense fantôme noir s’abîma tout à coup. Parmi les
rugissements du vent, les grondements du tonnerre, on perçut un
fracas de planches, un abominable fracas de bois très sec éclatant.
C’était le grand cercueil qui s’ouvrait sur la barre de la Baleine.
Puis ce fut fini, tout disparut, emporté par le courant ou s’abîmant
aux entrailles de la mer.
— La paix soit sur eux, bégayai-je, me mordant les poings !
— Et sur leurs femmes, ajouta Barnabas d’un ton cynique.
L’orage s’apaisa seulement vers l’aube, et nous allâmes nous
coucher, moulus de fatigue.
Heureusement qu’on avait bien dîné la veille.
Le poids des nourritures nous retient au rocher de l’existence,
dans les occasions solennelles.
XI
Le lendemain, il fallut réparer nos avaries. Si nous n’étions pas

une de ces immenses bières, voyageant pour le transport des corps
vivants, nous redoutions tout autant qu’elles la tempête et la foudre.
Un morceau de l’armature de la cage des lampes, en tombant le
long du phare, avait descellé des crampons et ouvert une brèche
dans la muraille.
— Faut aller voir, déclara le vieux.
Il me parut las, inquiet, plus fatigué de la cervelle que des
jarrets. Il guettait les épaves !…
Ordinairement, il prenait sur lui les corvées difficiles, parce qu’il
avait plus d’expérience que moi et qu’il se défiait toujours de mes
mouchardages, selon son mot. Peut-être ne se rappelait-il pas… (il
avait bien oublié de savoir lire ?) peut-être n’eut-il pas la force, rongé
par l’attente de ses… épaves, d’affronter le vertige après la furieuse
nuit qu’on venait de passer.
Vers midi, le soleil s’étant un peu dégagé du brouillard et de la
pluie, j’enjambai la balustrade du chemin de ronde, côté sud. Bien
arrimé par une corde qui me ceinturait, je descendis d’échelon en
échelon, sans tourner les yeux, car je n’étais pas fort à mon aise,
malgré un bon verre de rhum au fond de l’estomac. Le vieux
prétendait que le dommage se trouvait situé entre la cinquième et la
sixième meurtrière, le morceau de l’armature devait avoir descellé un
crampon au-dessus d’une des fenêtres bouchées à l’intérieur… qu’il
se refusait à déboucher sous prétexte que ce serait plus long.
De vrai, fallait se rendre compte du dehors pour en noter le
rapport à la marine. Une seule pierre arrachée de cette colonne
fabuleuse pouvait la livrer tout entière aux assauts de l’Océan, et
nous nous effondrions comme un simple château de cartes.
Pendu au bout de mon filin, je sautillais grotesquement, petit
polichinelle tournant sa ronde autour d’un clocher. Entre mes pieds
nus crispés sur les crampons, j’apercevais une étoile de soie
déployée, ou tout près ou très loin, mais si jolie, si chatoyante à
contempler, que l’irrésistible désir nous venait de se laisser choir
dessus. Le vent ronronnait, m’entrant des chatouilles dans le cou et
dans les oreilles. Maintenant que la bête hurleuse avait dévoré tout
le monde, elle nous caressait, très tendre, nous demandait pardon.
Je constatai qu’en effet la cinquième meurtrière était entamée.
Le coin de son cadre de pierre ne tenait plus. En y appuyant le
genou, je fis tomber un moellon et tout un paquet de gravois. La
grille de la croisée n’avait pas trop souffert, mais derrière les
barreaux sa loupe de verre s’étoilait de plusieurs fentes. Ma
reconnaissance terminée, je n’avais plus qu’à remonter, tirer sur le
palan et écrire mon rapport.
J’ignore quel démon me tenta.
Je descendis à la quatrième croisée du phare. Celle-là se trouvait
presque au milieu de l’édifice. C’était… l’endroit mystérieux.
Pendant que je descendais, tâtonnant, mettant les doigts dans
tous les trous suspects, la mer semblait monter, plus bleue, plus
verte, plus changeante et attirante que jamais. Elle se roulait sous
moi, l’air innocent, me lançant des regards de pucelle. Au dernier
crampon qui dominait la quatrième meurtrière, je me penchai,
tendant les bras pour atteindre le suivant. Ma corde fut trop courte.
J’aurais dû m’arrêter, la curiosité, une curiosité malsaine, me
donnait des nerfs. Je voulais m’instruire, parce que, ce jour-là,
exceptionnellement, j’avais le droit de m’instruire. Je faisais mon
service, et, si j’y mettais un zèle, ça ne pourrait pas m’être reproché.

Download Ordered regression models parallel partial and non parallel alternatives 1st Edition Andrew S. Fullerton ebook All Chapters PDF

Uploaded by

Copyright:

Available Formats

Download Ordered regression models parallel partial and non parallel alternatives 1st Edition Andrew S. Fullerton ebook All Chapters PDF

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Download Ordered regression models parallel partial and non parallel alternatives 1st Edition Andrew S. Fullerton ebook All Chapters PDF

Uploaded by

Copyright:

Available Formats

Download the full version of the ebook at

Ordered regression models parallel partial

Explore and download more ebook at https://ebookgate.com

Parallel Computing for Bioinformatics and Computational

Plutarch s Parallel Lives 1st Edition Chrysanthos S.

Parallel Combinatorial Optimization Wiley Series on

Parallel Programming Techniques and Applications Using

Parallel Scientific Computing in C and MPI A Seamless

King Lear Parallel Text Edition Rene Weis

High Performance Parallel I O 1st Edition I Foster

Parallel Computational Fluid Dynamics 2000 1st Edition

Wim J. van der Linden J. Scott Long

Aims and scope

The scope of the series is wide, including applications of statistical methodology in

Analyzing Spatial Models of Choice and Judgment with R

No claim to original U.S. Government works

International Standard Book Number-13: 978-1-4665-6974-4 (eBook - PDF)

To my mother, Yaojuan Xu, and my father, Changgui Mu.

5. Testing the Parallel Regression Assumption................................................................. 109

5.3 The Brant Test............................................................................................................. 112

Andrew S. Fullerton is an associate professor of sociology at Oklahoma State University,

1.1 Ordinal Variables versus Ordinal Models

assumption are also “ordinal” in the strictest sense.

1.2 Brief History of Binary and Ordered Regression Models

On est un homme au grand jour du soleil, même de la lune,

Je tournais mon béret dans mes doigts gourds, ne trouvant plus

La tour, prends garde,

Les vagues rugissent, le palan grince, il pleut du sel, il vente une

Est-ce Pâques, est-ce Noël ? Les jours coulent, coulent, tous

Le lendemain, il fallut réparer nos avaries. Si nous n’étions pas

You might also like