Académique Documents
Professionnel Documents
Culture Documents
Cours 7
• Matière du cours :
— Le coefficient de détermination multiple : R2
— Unités de mesure
— Forme fonctionnelle
— Le test de Fischer (I)
• Remarques :
SCR/(n − k)
R̄2 = 1 −
SCT/(n − 1)
2. Unités de mesure
• Comme dans le cas de la régression simple, les paramètres et les statistiques calculés
dans le cadre du modèle de régression multiple ne sont pas sans unités de mesure :
ils dépendent des unités de mesure des xij et de yi
→ Si on modifie les unités de mesure des xij et/ou de yi, les valeurs des paramètres
et statistiques calculés seront similairement modifiées
3. Forme fonctionnelle
• Comme le modèle de régression simple, le modèle de régression linéaire multiple
suppose uniquement une linéarité dans les paramètres
• Des relations non-linéaires entre variables peuvent être modélisées :
— en transformant les variables du modèle
• Remarque :les modèles log-log et log-lin correspondent, pour yi, à des modèles non
seulement non-linéaires, mais aussi hétéroscédastiques
• Remarques :
— On peut combiner régression polynomiale et transformations de variables
— Pour faciliter l’interprétation des paramètres, il est utile de centrer les variables
7
où R0 = matrice q × k (q ≤ k) et r0 = vecteur q × 1
−1
où V (β̂) = σ 2(X ′X)−1 et δ ∗ = (R0β − r0)′ R0V (β̂)R0′ (R0β − r0)
Graphiquement : 2 2
f 0 Distribution de 0
2
Distribution de 0
lorsque R 0 r0
2
Distribution de 0
lorsque R0 r0
0 q q 2
0
9
• Le remplacement de σ 2 par ŝ2 fait passer de lois du khi-carré à des lois de Fischer.
On obtient :
1 ′ ′
−1
F̂ =
0 q 0 (R β̂ − r0 ) R 0 V̂ (β̂)R0 (R0β̂ − r0) ∼ F (q, n − k) , si R0β = r0
1 −1
F̂0 = (R0β̂ − r0)′ R0V̂ (β̂)R0′ (R0β̂ − r0) ∼ F (δ ∗, q, n − k) , si R0β = r0
q
−1
2 ′ −1 ∗ ′
où V̂ (β̂) = ŝ (X X) et δ = (R0β − r0) R0V (β̂)R0′ (R0β − r0)
Graphiquement :
f F0 Distribution de F 0
Distribution de F 0
lorsque R 0 r0
Distribution de F 0
lorsque R 0 r0
0 1 F0
1
q
10
Risque de 1ère espèce : IP(RH0 | H0 est vraie) Puissance : IP(RH0 | H0 est fausse)
f F0 Distribution de F 0 f F0 Distribution de F 0
Distribution de F 0
Distribution de F 0 lorsque R 0 r0 Puissance
lorsque R 0 r0 du test
Distribution de F 0
Risque de lorsque R 0 r0
1ère espèce
0 1 Fq,n 0 1
k ;1 F0 1 Fq ,n k ;1 F0
q
Non-rejet de H 0 Rejet de H0 Non-rejet de H 0 Rejet de H0
11
0 F0 Fq,n k ;1
F
Valeur critique d'un
test au seuil
12
— Pour n grand, β̂ est toujours distribué de façon normale : β̂ ≈ N(β, σ 2(X ′X)−1)
— Pour n grand, le remplacement de σ 2 par son estimateur ŝ2 ne modifie pas les
distributions d’échantillonnage en jeu
1
— Pour n grand, F (q, n − k) ≈ q χ2(q)