Académique Documents
Professionnel Documents
Culture Documents
Statistiques
El gourichi loubna
Groupe 5
Exercice 1
Soit le modèle linéaire de régression multiple suivant:
Yt = a + bX1t + cX2t + Ɛt
1. Compléter le tableau d'analyse de variance suivant:
Source de variation Somme des carrés Degré de liberté Carrés moyens
Régression 1504,4 2 752.2
Résiduelle 176.4 9 19,6
Totale 1680,8 11 152.8
2. Les variables explicatives X1 et X2, prises simultanément, expliquent-t-elles
significativement Y? Justifier.
Les variables explicatives X1 et X2 sont prises simultanément, donc on doit étudier leur
significativité globalement, pour ce fait, on utilise le test Fisher.
Fisher calculé =(SCE/p) / (SCR/n-p-1)
= 752.2/19.6
= 38.38
Fisher tabulé= ( P; n-p-1)
= 4.256
On a Fc>Ft car 38.38>4.256
Alors on rejette H0 les variables X et Y expliquent significativement la variable Y.
= 10 -0 +0
Com(X’X)=com(X’X)’ =
(X’Y)=
= 1/8000* *
Alors Y= 1 + 2X1 + X2
2. Estimer la variance résiduelle de Ɛ
Var(Ɛ)= SCR/n-k
=35/7
=5
3. Déterminer la matrice de variance covariance  (vecteur des paramètres).
matrice de variance covariance Â= α(X’X)’
=
4. Les paramètres du modèle, prises individuellement, sont-ils significativement différents de
Zéro? Justifier en utilisant la méthode de l'intervalle de confiance.
On pose :
Donc :
5. La régression est-elle
globalement significative? Justifier en utilisant le test approprié.
Test de Fisher : Selon ce test, le modèle est valable s’il y a au moins une variable qui
explique y.
Exercice 3 :
On a obtenu les données suivantes à partir d’une étude scientifique :
X1 X2 X3
3 -3 5 -1
1 -2 0 1
1 -1 -3 1
1 0 -4 0
2 1 -3 -1
3 2 0 -1
3 3 5 1
1. En quoi la régression consiste-t-elle ?
La regression consiste a etudier le type de relation pouvant exister entre une certaine
dépendante et plusieurs autres variables indépendantes qui servent a cette explication.
2. Expliquez la démarche de la régression.
1. formulation du modele de regression.
2. estimations des parametres.
3. L’etude de la validité du modele de regression.
3. Considérons le modèle suivant : Y = b + aX1 + cX2 + E. estimez les paramètres a, b et c.
Com(X’X)= com(X’X)=
𝟏𝟒
X’Y = 𝟓
𝟏𝟕
Donc y= 2+0.17b+0.20+E
4. Etablir le tableau d’analyse de la variance et interpréter les informations.
Somme des carrés Somme des carrés Ddl Moyenne des carrés
Regression X 4.333 2 2.167
Résidu y 1.667 4 0.417
Total 6 6 2.2
D’apres le tableau ANOVA on constate que SCE>SCR c’est-à-dire que la variabilité
explique par le modele est superieur a celle non exqplique par le modele, dans ce cas on
peut dire que ce modele est valable.
5. Calculer le coefficient de détermination ajusté et interpréter le résultat.
R² ajusté= 1-[(SCR/n-p-1) / (SCT/n-1)]
=0.722
72.2% du comportement de la variable y est expliqué par les variables X1 et X2 .
-
D’après la matrice de variance covariances :
Donc :
8. En utilisant les trois variables X1, X2 et X3, le logiciel SPSS a donné les résultats
suivants :
ANOVA
Modèle Somme des carrés Degré de liberté Carré moyen
Régression 5,833 3 1.944
Résidu 0.167 3 0.056
TOTAL 6 6
Coefficients
Coefficient Estimation Ecart-type T student de l’échant
(constante) 2 0,089 22,450
X1 0.179 0,045 4,009
X2 0.202 0,026 7,869
X3 -0.500 0,096 -5,196
b. Expliquez pourquoi le coefficient de détermination n’est pas significatif dans le cas d’une
régression multiple ?
Dans le cas de la régression multiple, le coefficient de détermination n’est pas significatif
car il est impacté par le nombre de variables explicatives.
c. Compléter le tableau d’analyse de la variance et interpréter les résultats.
D’apres le tableau ANOVA on constate que SCE>SCR c’est-à-dire que la variabilité
explique par le modele est superieur a celle non exqplique par le modele, dans ce cas on
peut dire que ce modele est valable.
et
C(
Matrice adjointe :
Inverse de matrice :
=
RSS= = =2645,0449+164,2857
RSS=2480,75
= V résiduelle
²
4) les variables X1 et X2, prises simultanément, expliquent –elle significativement
Y?
Test Fisher : H0 : X1 et X2 n’expliquent pas significativement Y.
H1 : X1 et X2 expliquent significativement Y.
Fe=