Modèles de régression linéaire avec

SPSS
Mm. SALHI
Lab1: statistiques
descriptives Objectifs:
✓ Visualiser les données
✓ Calculer les indicateurs statistiques

Données : salary.sav, advert.sav

 Statistiques descriptives
• Analyse -> Statistiques descriptives -> fréquences (ou
descriptives ou explorer)
• Tous les indicateurs statistiques.
• Histogramme
pour vérifier la normalité : Option
Graphiques de Fréquences ou option Tracé
Explorer
• La boite à moustache : option Tracé de Explorer (tige
et feuille)
Lab2: régression
linéaire simple Objectifs:
✓ Visualiser les données
✓ Calculer le coefficient de corrélation
✓ Mettre en œuvre la régression simple
linéaire
Données : salary.sav, advert.sav
Nuage de points
Nuage de points
Corrélation
Corrélation
Régression linéaire simple
Régression linéaire simple
Régression linéaire simple
Régression linéaire simple
 Test de normalité
• Analyse -> Statistiques descriptives -> Explorer
Lab2: régression
linéaire multiple Objectifs:
✓ Mettre en œuvre la régression
linéaire multiple
Données : loyalty.sav et startup.sav
Modélisation
• Pour choisir les variables pertinentes et vérifier l’existence d’un lien linéaire
entre la variable à expliquer et les variables explicatives faites :
 Une analyse de corrélation.
 Tracer les nuages de points

• Concevoir un modèle de régression multiple

• Évaluer le modèle conçu, étudier sa significativité globale.
• Quelles sont les variables qui contribuent dans le modèle.
• Écrire le modèle estimé.
• Interpréter les coefficients du modèle.
• Étudier la multicolinéarité des variables explicatives.
• Étudier les résidus du modèle.
Régression linéaire multiple
Régression linéaire multiple
Régression linéaire multiple
Régression linéaire multiple
Détection des valeurs extrêmes
Détection des valeurs extrêmes
Sélection des données
• Données -> Sélectionner des observations
Sélectionner des observations