Académique Documents
Professionnel Documents
Culture Documents
On appelle modèle linéaire un modèle statistique qui peut s’écrire sous la forme
Y=θ1X1+……+ θkXk+E
– Y, variable observée que l’on souhaite expliquer et/ou prédire=variable à expliquer ou variable
réponse ou dépendante, suivant loi normale
– Variables Xj (j=1 à k), variables réelles ou dichotomiques observées, non aléatoires= variables
explicatives ou prédicteurs
– E terme d’erreur dans le modèle, variable non observée pour laquelle on pose
les hypothèses suivantes : E(E) = 0 ; Var(E) = σ2 > 0, E suit N(0, σ2)
Modèle linéaire général (3)
Introduisons maintenant :
– x, vecteur de IRn composé des valeurs x1,...xn,
xij = µi + eij i = 1 à I ; j = 1 à ni
avec µ1, ..., µI inconnus, et e11, ..., eInI n observations indépendantes d’une
loi N(0, σ2) avec σ2 inconnue.
Source
(variable Borne Borne
réponse/dép inférieure supérieure
endante) Coefficient θ Ecart-txpe t Pr > |t| (95%) (95%)
Constante 3,071 0,826 3,719 0,001 1,396 4,745
x1 -0,877 1,168 -0,751 0,458 -3,245 1,491
x2 0,000 0,000
x3 1,135 1,168 0,972 0,337 -1,233 3,503
x4 0,000 0,000
x5 5,484 1,651 3,321 0,002 2,135 8,833
x6 0,000 0,000
x7 0,000 0,000
x8 0,000 0,000
Utilité du GLM