Académique Documents
Professionnel Documents
Culture Documents
Ouahmane
Sdadi Mouhsine
T Mohamed
INTRODUCTION :
Afin de procéder à l’étude de notre projet en utilisant les deux méthodes (simple
et multiple) nous avons choisi comme étude : nombre des étudiants des encg (Y)
en fonction de trois variables explicatives: seuil(X1), nombre d’école (X2) et
nombre de bachelier(X3) , afin de déterminer si l’une ou toutes ces variables
influencent la variation du nombre de étudiants pour cela, nous avons collecté
les données et nous les avons présenter dans le tableau, pour faciliter le suivi de
la démarche de la régression qui consiste par la suite (après avoir posé le modèle
et collecté les données) à estimer les paramètres suivants par la méthode de
moindre carré ordinaire, puis réaliser des tests qui prouvent la validité du
modèle (Test de Fisher, Test Student, tableau ANOVA, coefficient de
corrélation et coefficient de détermination).
PRESENTATION :
La statistique appliquée est une pratique qui consiste à analyser des données
pour aider à définir et à déterminer les besoins opérationnels. En effet, deux
méthodes sont développées pour l’analyse des données en statistique appliquée,
celle de la régression linéaire simple et celle multiple.
I. Présentation du projet :
(Données collectés) :
X2 X3
N Y (nbr des X1
(Nombre des écoles (Nbr des
Années candidats) (seuil)
chaque année) bacheliers)
2007 1500 13 9 99186
2008 1580 13 9 95242
2009 1630 13 9 104112
2010 1680 14 9 78277
2011 1701 14 9 181153
2012 1990 14 9 163506
2013 1990 13,5 9 146979
2014 2000 13 9 205739
2015 2030 13,8 9 229782
2016 2130 13 10 206062
2017 2330 13 10 205524
2018 3195 12,55 10 238550
2019 3790 12,55 12 253808
2020 3940 14 12 292745
2021 4040 12 12 269031
2022 4040 12 12 273000
Régression
[Ensemble_de_données0]
b
Variables introduites/supprimées
Variables Variables
Modèle introduites supprimées Méthode
a
1 Seuil . Entrée
a. Toutes variables requises saisies.
b. Variable dépendante :
Nombre_des_candidats_accepté
b
ANOVA
Somme des Moyenne des
Modèle carrés ddl carrés D Sig.
a
1 Régression 3941391,842 1 3941391,842 5,473 ,035
Résidu 10081761,908 14 720125,851
Total 14023153,750 15
a. Valeurs prédites : (constantes), Seuil
b. Variable dépendante : Nombre_des_candidats_accepté
Coefficients a
Coefficientsa
Coefficients 95,0% % intervalles de
standardisés confiance pour B
Borne Limite
Modèle Bêta t Sig. inférieure supérieure
1 (Constante) 2,919 ,011 3286,528 21486,236
-,530
Seuil -2,339 ,035 -1445,017 -62,740
- Tableau ANOVA :
On constate que la variation expliquée par le modèle est inférieur à la
variation non expliquée, donc le modèle n’est pas valable.
- Coefficient de corrélation
r ( x , y ) =0,530. Le coefficient de corrélation tend vers 1 ce qui signifie que la
{
On pose : H :â ≠ 0
1
H 0 : â=0
Régression
[Ensemble_de_données0]
b
Variables introduites/supprimées
Variables Variables
Modèle introduites supprimées Méthode
1 Nombre_des_ . Entrée
écoles
a. Toutes variables requises saisies.
b. Variable dépendante :
Nombre_des_candidats_accepté
Récapitulatif des modèles
Erreur
standard de
Modèle R R-deux R-deux ajusté l'estimation
a
1 ,962 ,926 ,920 272,86826
a. Valeurs prédites : (constantes), Nombre_des_écoles
b
ANOVA
Somme des Moyenne des
Modèle carrés ddl carrés D Sig.
a
1 Régression 12980754,527 1 12980754,527 174,339 ,000
Résidu 1042399,223 14 74457,087
Total 14023153,750 15
a. Valeurs prédites : (constantes), Nombre_des_écoles
b. Variable dépendante : Nombre_des_candidats_accepté
a
Coefficients
Coefficients non standardisés
Erreur
Modèle A standard
1 (Constante) -4696,820 547,273
Nombre_des_écoles 721,479 54,642
a
Coefficients
Coefficients
standardisés
Modèle Bêta t Sig.
1 (Constante) -8,582 ,000
Nombre_des_écoles ,962 13,204 ,000
a
Coefficients
95,0% % intervalles de
confiance pour B
Borne Limite
Modèle inférieure supérieure
1 (Constante) -5870,604 -3523,036
Nombre_des_écoles 604,283 838,674
- Tableau ANOVA :
On constate que la variation expliquée par le modèle est largement supérieur à
la variation non expliquée, donc le modèle peut être valable.
- Coefficient de corrélation : r ( x , y ) =0,962. Le coefficient de corrélation tend
vers 1 ce qui signifie qu’il y a une forte relation entre X2 (seuil) et Y(nombre
des candidats acceptés).
- Coefficient de détermination : R2=0,926
92,6% de la variation de Y est expliquée par le modèle par rapport à la
variation totale.
- Test de student :
{
On pose : H :â ≠ 0
1
H 0 : â=0
Régression
[Ensemble_de_données0]
b
Variables introduites/supprimées
Variables Variables
Modèle introduites supprimées Méthode
1 Nombre_des_ . Entrée
bachelier
a. Toutes variables requises saisies.
b. Variable dépendante :
Nombre_des_candidats_accepté
b
ANOVA
Somme des Moyenne des
Modèle carrés ddl carrés D Sig.
a
1 Régression 10375637,988 1 10375637,988 39,824 ,000
Résidu 3647515,762 14 260536,840
Total 14023153,750 15
a. Valeurs prédites : (constantes), Nombre_des_bachelier
b. Variable dépendante : Nombre_des_candidats_accepté
a
Coefficients
Coefficients non standardisés
Erreur
Modèle A standard
1 (Constante) 192,622 383,206
Nombre_des_bachelier ,012 ,002
a
Coefficients
Coefficients
standardisés
Modèle Bêta t Sig.
1 (Constante) ,503 ,623
Nombre_des_bachelier ,860 6,311 ,000
a
Coefficients
95,0% % intervalles de
confiance pour B
Borne Limite
Modèle inférieure supérieure
1 (Constante) -629,272 1014,517
Nombre_des_bachelier ,008 ,016
{
On pose : H :â ≠ 0
1
H 0 : â=0
Régression
[Ensemble_de_données0]
b
Variables introduites/supprimées
Variables Variables
Modèle introduites supprimées Méthode
1 Nombre_des_ . Entrée
bachelier,
Seuil,
Nombre_des_
écoles
b
ANOVA
Somme des Moyenne des
Modèle carrés ddl carrés D Sig.
a
1 Régression 13363271,834 3 4454423,945 81,004 ,000
Résidu 659881,916 12 54990,160
Total 14023153,750 15
a. Valeurs prédites : (constantes), Nombre_des_bachelier, Seuil, Nombre_des_écoles
b. Variable dépendante : Nombre_des_candidats_accepté
a
c. Coefficients
Coefficients non standardisés
Erreur
Modèle A standard
1 (Constante) -2694,482 1844,460
Seuil -69,882 106,649
Nombre_des_écoles 539,785 86,445
Nombre_des_bachelier ,004 ,001
a
Coefficients
Coefficients
standardisés
Modèle Bêta t Sig.
1 (Constante) -1,461 ,170
Seuil -,049 -,655 ,525
Nombre_des_écoles ,720 6,244 ,000
Nombre_des_bachelier ,272 2,623 ,022
a
Coefficients
95,0% % intervalles de
confiance pour B
Borne Limite
Modèle inférieure supérieure
1 (Constante) -6713,216 1324,251
Seuil -302,250 162,485
Nombre_des_écoles 351,437 728,132
Nombre_des_bachelier ,001 ,007
CONCLUSION :
Dans notre projet « la hausse des candidats à Les ENCG ».Nous avons essayé
d’expliquer la cause à l’aide des outils statistiques ‘’la régression simple, la
régression multiple et le logiciel SPSS’’.
D’après tous nos efforts Nous avons conclus que la régression simple n’est pas
suffisante pour expliquer un phénomène socioéconomique, c’est pour ça on
s’appuie sur la méthode de la régression multiple et le logiciel SPSS pour les
calculs compliqués.