GLM : significativité (ou non) de l'intercept

bonjour,
après avoir un peu pataugé avec l'ordre des modalités de mes variables pour savoir ce que je comparais à quoi dans mon modèle linaire généralisé, j'ai du reprendre mon modèle en mettant tout dans le sens inverse. Toutes mes variables sont de type oui/non.
J'ai commencé en ne mettant pas la bonne modalité de référence en premier (à savoir "oui" partout, ce qui n'était pas adéquat). En procédant à la GLM avec les mêmes facteurs mis dans l'autre sens ("non" en référence), j'obtiens des coefficients, des odds ratios et des significativité identiques pour mes variables, sauf pour l'intercept. Celui ci était  négatif et significatif lorsque j'avais la modalité de référence "oui" en premier... à  présent que j'ai mis "non", j'obtiens un "estimate" de valeur différente (je pensais que j'allais obtenir la même vaeur mais avec un signe +) et un p qui n'est plus significatif, alors qu'il l'est toujours pour mes variables explicatives.
Du coup je ne sais pas si cette non significativité de l'intercept devient un problème, ou si je dois uniquement m'intéresser au p de mes variables explicatives. Merci si vous pouvez m'éclairer là-dessus.

Code:

GLM.6 <- glm(chgt_pass_ON ~ facstag01 + facvdirect01 + grp_on_ss, family = binomial(logit), data = tabouv)

mon résultat après avoir inversé l'ordre de mes modalités de réérence (non en premier)

et le résultat initial quand j'avais la modalité "oui" en premier pour l'ensemble des variables

L'intercept est l'estimation que fait le modèle lorsque toutes les variables explicatives sont à zéro. Le twist est que vos variables explicatives sont des variables qualitatives à deux modalités, et que - par définition - le modèle ne peut estimer un coefficient pour chaque modalité (le modèle est dit "sur-dimensionné"). Du coup, une modalité sert de référence (et revient au zéro dont je parle ci-dessus) et l'autre est testé "contre" cette modalité qui tient lieu de référence, et ce pour chaque variable explicative. Donc, évidement, votre intercept va changer selon la modalité que vous utilisez comment référence.

Si vous ne voulez que tester l'effet des variables que vous rajoutez dans votre modèle (ce qui semble être votre cas, mais on peut avoir d'autres questions), alors cette discussion n'a aucun intérêt, et vous pouvez ne pas vous pré-occuper de cette histoire d'intercept.

L'intercept n'est rien d'autre que l'ordonnée à l'origine, et ceci (même dans une régression linéaire toute simple) n'a souvent guère d’intérêt lorsqu'on cherche juste à savoir si une variable a un effet (linéaire) sur une autre.

HTH, Eric.

Merci beaucoup pour votre réponse. Je ne souhaite en effet que tester l'effet des variables.