C4EX4

Y X1 X2 X3 X4
8.4 82.9 17.1 92 94
9.6 88 21.3 93 96
10.4 99.9 25.1 96 97
11.4 105.3 29 94 97
12.2 117.7 34 100 100
14.2 131 40 101 101
15.8 148.2 44 105 104
17.9 161.81 49 112 109
19.3 174.2 51 112 111
20.8 184.7 53 112 111

Page 1
 Y X1 X2 X3 X4 Test de Klein a) Régression : y = a0 + a1 x1 +
8.4 82.9 17.1 92 94
9.6 88 21.3 93 96 RAPPORT DÉTAILLÉ
10.4 99.9 25.1 96 97
11.4 105.3 29 94 97 Statistiques de la régression
12.2 117.7 34 100 100 Coefficient d 0.9990052
14.2 131 40 101 101 Coefficient d 0.99801138
15.8 148.2 44 105 104 Coefficient d 0.99642049
17.9 161.81 49 112 109 Erreur-type 0.25733431
19.3 174.2 51 112 111 Observations 10
20.8 184.7 53 112 111
ANALYSE DE VARIANCE
X1 X2 X3 X4 Degré de liberté
X1 1 Régression 4
X2 0.9883175 1 Résidus 5
X3 0.98036762 0.96996165 1 Total 9
X4 0.98767205 0.96947733 0.99179591 1
Coefficients
Constante -13.51825
X1 0.09701655
X2 0.01501172
0.9883175 X3 -0.19924091
0.98036762 X4 0.34004164

b) Calcul des coefficients de cor

X1
X1 1
X2 0.9883175
X3 0.98036762
X4 0.98767205

À la lecture de ces coefficients il

puisque tous les coefficients de co
de détermination. Toutefois, nous
ssion : y = a0 + a1 x1 + a2 x2 + a3 x3 + a4 x4 + ε.

DE VARIANCE
Somme des carrés
Moyenne des carrés F Valeur critique de F
166.168895 41.5422238 627.32753 6.1635E-07
0.33110474 0.06622095
166.5

Erreur-type Statistique
Limite
t Probabilité
inférieure
Limite
pour
supérieure
seuil
Limite
de confiance
pour
inférieure
seuil
Limite
=de
pour
95%
confiance
supérieure
seuil de=confiance
pour
95%seuil =de95.0%
confiance = 95.0%
7.51006484 -1.80001774 0.13175457 -32.8234862 5.78698629 -32.8234862 5.78698629
0.02648022 3.66373608 0.01453808 0.02894697 0.16508613 0.02894697 0.16508613
0.04936614 0.30408934 0.77330829 -0.11188798 0.14191142 -0.11188798 0.14191142
0.09008697 -2.21165081 0.07794242 -0.43081683 0.03233501 -0.43081683 0.03233501
0.14964607 2.27230575 0.07223005 -0.04463585 0.72471912 -0.04463585 0.72471912

des coefficients de corrélation simple entre les variables explicatives :

X2 X3 X4

1
0.96996165 1
0.96947733 0.99179591 1

re de ces coefficients il ne semble pas ressortir des risques graves de multicolinéarité

ous les coefficients de corrélation simple sont inférieurs au coefficient
ination. Toutefois, nous observons qu’ils sont tous très élevés.
 Y X1 X2 X3 X4 Calcul du détermina
8.4 82.9 17.1 92 94
9.6 88 21.3 93 96
10.4 99.9 25.1 96 97
11.4 105.3 29 94 97
12.2 117.7 34 100 100
14.2 131 40 101 101
15.8 148.2 44 105 104
17.9 161.81 49 112 109
19.3 174.2 51 112 111
20.8 184.7 53 112 111
D

7.2090082E-06 D=

La valeur empirique

Cette valeur est à com

χ ^2 :avec ddl=(1/2

Puisque ∗*χ2 > χ2 , n

Ces deux tests condu
Glauber, dont le fond
Calcul du déterminant

X1 X2 X3 X4
X1 1 0.988318 0.980368 0.987672
X2 0.988318 1 0.969962 0.969477
X3 0.980368 0.969962 1 0.991796
X4 0.987672 0.969477 0.991796 1

7.20900824E-06 @det(matrix01) scalar det=@det(matrix01)

scalar lndet=log(det)
La valeur empirique du ∗χ2 calculée à partir de l’échantillon est : scalar khi2=-(10-1-(1/6)*(10+5))*lndet
∗χ^2=-[n-1-(1/6) (2p+5)].LnD

∗χ^2=-[10-1-(1/6) (2*5+5)].LnD

∗χ^2= 76.96116
Cette valeur est à comparer à la valeur lue dans la table :

χ ^2 :avec ddl=(1/2)*p*(p-1) = 10 et pour un seuil α = 0,05, soit :

χ ^2= 18.30704

Puisque ∗*χ2 > χ2 , nous rejetons l’hypothèse H0, il y a présomption de multicolinéarité.

Ces deux tests conduisent donc à des résultats différents, cependant le test de Farrar-
Glauber, dont le fondement théorique est plus affirmé, semble devoir être privilégié.
det(matrix01)

10-1-(1/6)*(10+5))*lndet