Académique Documents
Professionnel Documents
Culture Documents
NB : c’est juste un petit exemple de rapport d’etude de regression multiple(il ya plusieurs details qui n’ont pas
été ajoutés)
Brève introduction :
Dans le cadre de cette étude, nous disposons de deux hypothèses que nous voulons tester à savoir :
Dans un premier temps, nous allons d'abord mener une étude descriptive des variables et par la suite,
nous allons présenter les résultats de l'étude de régression.
D’après le tableau ci-dessous, on constate que le salaire moyen est égal à 5,89 $. Le nombre moyen
d’années d'éducation est autour de 12,56 ans. Enfin, la moyenne du nombre d'années d'expériences
est égale à 17 ans.
Statistiques descriptives
Moyenne Ecart type N
wage 5,8961 3,69309 526
educ 12,56 2,769 526
exper 17,02 13,572 526
Afin de vérifier ces constats, nous allons estimer le modèle de régression multiple suivant :
Les résultats de l'analyse de la variance (Anova), nous montrent que le modèle est globalement
significatif. En effet, la p-value du test de Fisher est même en dessous de 0,001(<0,001).Autrement dit,
la variable éducation et la variable nombre d'années d'expérience expliquent ensemble bel et bien la
variable salaire même au risque d’erreur 1%.
ANOVAa
Somme des
Modèle carrés ddl Carré moyen F Sig.
1 Régression 1612,255 2 806,127 75,990 <,001b
de Student 5548,160 523 10,608
Total 7160,414 525
a. Variable dépendante : wage
b. Prédicteurs : (Constante), exper, educ
A partir des résultats dans la table des coefficients on peut déduire la relation suivante :
Le tableau ci-dessous contient les résultats des coefficients estimés. On constate que les coefficients
associés à la variable éducation et la variable nombre d'années d'expérience sont tous positifs. Ces
coefficients sont tous significatifs au risque d’erreur 1%.En effet , les p-values associées aux tests de
student pour chacun des deux coefficients sont en dessous de 1%.Cela vient confirmer ce que nous
avons constaté dès au niveau des analyses descriptives.
Ces résultats permettent ainsi d’accepter les deux hypothèses formulées au départ.
Le coefficient associé à la variable éducation est égal à 0.644. Ainsi, toutes chose égale par ailleurs,
une année supplémentaire d’éducation permet de gagner en moyenne 0.644$ de salaire
supplémentaire par heure.
Le coefficient associé à la variable nombre d’années d’expérience est égal 0.07. Cela signifie que,
toutes choses égales par ailleurs, une augmentation d’une supplémentaire d’expérience permet un
gain supplémentaire de salaire de 0.07$ par heure.
Coefficientsa
Coefficients
Coefficients non standardisés standardisés
Modèle B Erreur standard Bêta t Sig.
1 (Constante) -3,391 ,767 -4,423 <,001
educ ,644 ,054 ,483 11,974 <,001
exper ,070 ,011 ,258 6,385 <,001
a. Variable dépendante : wage
Conclusion :
*********************************************************************************
*********************************************************************************
*********************************************************************************
*********************************************************************************
*********************************************************************************
*********************************************************************************
*********************