Académique Documents
Professionnel Documents
Culture Documents
Si on rejette Ho et qu’il y a de l’autocorrélation alors les estimateurs (b0, b1, b2, b3, b4) des
MCO ne sont plus “BLUE” (Best linear Unbiased Estimator).
On observe que les signes des coefficients sont identiques à ceux de l’estimation par les
MCO et comme précédemment tous les coefficients sont significatifs au seuil de 10%.
Le R² est de 77% dans les deux estimations ce qui est assez élevé. Le modèle explique
bien les variations du nombre de tractions que réalise l’athlète.
On voit que les deux modèles sont globalement significatifs (P-value de Fisher =0).
Finalement, on réalise un test de Durbin-Watson pour vérifier s’il n’y a plus d’autocorrélation.
Si l’individu dort une heure et le nombre de calories mangées était de 1000 (calories = 1 car
en milliers!!!) alors le nombre de tractions serait de exp(bo).
Attention : ln(0) n’est pas défini donc on peut pas étudier le cas où l'individu ne dort pas et
ou il mange 0 calorie. Mais ln(1)=0 et 1^b1=1 donc on peut étudier ce cas.
- b2 n’est pas significatif au seuil de 10% donc les calories n’ont pas d’impact sur la
performance de l’athlète (p-value =10,9% > 10). S’il mange 2000 calories => 10
tractions et s’il mange 4000 calories toujours 10 tractions.
On pouvait aussi estimer ln(temps_sommeil) et remplacer dans l’équation.