Académique Documents
Professionnel Documents
Culture Documents
Resultatstdinfo PDF
Resultatstdinfo PDF
Exercice 1
Sortie sas :
Analyse de variance
Carré Valeur
Source DF moyen F Pr > F
Numerator 1 0.84817 9.47 0.0021
Denominator 1655 0.08959
Carré Valeur
Source DF moyen F Pr > F
Numerator 1 0.08774 0.98 0.3225
Denominator 1655 0.08959
Ici la statistique de Fischer vaut 0.98. On a 0.3225% chances d’obtenir cette
valeur de F si on a effectivement leffec=0.75.
Donc on ACCEPTE l’hypothèse de rendements constants à 5%.
/*Pour tester que les trois secteurs sont régis par le même modèle : test de
Chow (cf. chap 2 du cours)*/
/* modèle contraint : les trois secteurs suivent le même modèle : on fait une
régression unique sur l’ensemble de ces trois secteurs*/
Analyse de variance
On a besoin de :
Somme des carrés des résidus du modèle contraint : SCR0 = 22.98825
Somme des carrés des résidus du modèle noncontraint = somme des carrés des
résidus des trois régressions séparées par secteur :
SCRa = 17.79596+2.56635+1.16549=21.5278
Analyse de variance
Somme des Carré Valeur
Source DF carrés moyen F Pr > F
data td;
set centrale.tdeco2;
/*creation de variables dichotomiques liées à la taille de la commune*/
array com com1-com5;
do i=1 to 5;
com[i]=(tur5=i);
end;
/*creation de variables dichotomiques liées au statut*/
array cs cs1-cs7;
do i=1 to 7;
cs[i]=(cstotr=i);
end;
run;
/*regression logistique */
Valeur Fréquence
ordonnée pro totale
1 1 20182
2 0 14814
/*la taille de la commune est corrélée avec le fait d’être propriétaire, mais il
est difficile d’établir le sens de la causalité : il est probable que le fait de
devenir propriétaire a aussi un impact sur la localisation géographique…*/
/*remarque 1 : voir support de cours : dans une telle modélisation il est plus
difficile que dans le cas linéaire de donner une interprétation quantifiable de
l’effet d’une variable explicative sur la variable dépendante. */
remarque : on explique le fait d’être propriétaire car on a ajouté l’option
descending : sinon l’option par défaut sous sas est la valeur nulle de variable
dépendante (ici ce serait ne pas être propriétaire de son logement*/
/*variante : representation probit*/
proc logistic data=td descending ;
model pro=com2-com5 ag2-ag5 seul mono cou1 cou2 cou3 cs1-cs6/link=normit;
run;
Intercept 1 1.4885 0.0232 4114.7427 <.0001
com2 1 -0.4463 0.0257 301.7956 <.0001
com3 1 -0.6848 0.0233 864.6550 <.0001
com4 1 -0.7037 0.0237 880.7322 <.0001
com5 1 -0.9081 0.0270 1135.3124 <.0001
ag2 1 -1.8727 0.0446 1763.9772 <.0001
ag3 1 -1.1428 0.0361 1002.6687 <.0001
ag4 1 -0.6466 0.0350 340.7573 <.0001
ag5 1 -0.3581 0.0308 135.1518 <.0001
seul 1 -0.7068 0.0186 1440.0859 <.0001
mono 1 -0.7243 0.0303 569.9805 <.0001
cou1 1 -0.0428 0.0281 2.3167 0.1280
cou2 1 0.1525 0.0298 26.2654 <.0001
cou3 1 -0.0405 0.0388 1.0877 0.2970
cs1 1 0.2909 0.0760 14.6572 0.0001
cs2 1 0.3405 0.0443 59.0770 <.0001
cs3 1 0.5750 0.0364 249.1577 <.0001
cs4 1 0.3468 0.0343 102.3062 <.0001
cs5 1 -0.1494 0.0359 17.2916 <.0001
cs6 1 -0.1907 0.0332 32.9671 <.0001
/*on voit que le sens des résultats (seuls interprétables dans un modèle
qualitatif) sont très proches du modèle logit : en pratique on peut donc faire
l’un ou l’autre sans modifier les conclusions */
Khi 2
Libellé de Wald DF Pr > Khi 2
Test 1 0.2269 1 0.6339