Introduction

La création d'un modèle n'est que le premier pas ; la validation

rigoureuse de ce modèle est essentielle pour assurer sa
pertinence et sa fiabilité dans la prise de décision. la
présentation se penche sur l'importance fondamentale de la
validation des modèles en régression linéaire, explorant les
méthodes clés telles que les tests de significativité individuelle
et globale. À travers des exemples pratiques, nous examinerons
comment ces techniques contribuent à des modèles plus
robustes et à des analyses plus fiables, soulignant l'impact
direct de la validation sur la qualité des résultats obtenus .
I. Validation de Modèle de Régression Linéaire Simple
(MRLS)
A.Test de Significativité Individuelle
Le test de significativité de la pente consiste à vérifier l'influence
réelle de l'exogène 𝑿 surl'endogène 𝒀 avec un niveau de risque 𝜶
(généralement 𝜶 = 𝟓%)
Soit le modèle général suivant :
Les erreurs suivent une loi normale :
Posons les hypothèses du test de Student :
on a
I. Validation de Modèle de Régression Linéaire Simple
(MRLS)
A.Test de Significativité Individuelle
 1ére étape : On calcule le ratio de Student 𝑡𝑐 ( t-calculé ) :
Selon l’hypothèse nulle

• 2ème étape : On détermine 𝐭𝐭 (t-tabulé) :

𝑡𝑡 est lu sur la table de Student (unilatéral) à n-2 degré de liberté
• 3ème étape : Règle de décision :
Si On rejette 𝐇𝟎 au seuil de 𝛂 , est
statistiquement non nul c’est à dire la variable joue un rôle
explicatif dans le modèle.
Si On accepte 𝐇𝟎 la variable ne joue pas un rôle
explicatif dans le modèle.
II. Validation de Modèle de Régression Linéaire Multiple
(MRLM)
A. Test de Significativité Individuelle pour les Coefficients
Pour savoir si une variable joue un rôle explicatif dans un modèle, on
effectue un test de Student ou test de significativité du coefficient de la
variable explicative.
soit le modèle général suivant :

Posons d’abord les hypothèses du test de Student :

La statistique de test est :

II. Validation de Modèle de Régression Linéaire Multiple
(MRLM)
A. Test de Significativité Individuelle pour les Coefficients
La statistique de test est :

La statistique de test suit la loi de Student à (T-k) degrés de liberté car

les erreurs du modèle suivent une loi normale.
La règle de décision est la suivante :
Si | t | > t* où t* est la valeur crtique de la table de Student pour un
risque fixé et un nombre de degré de liberté égal à (T-k) ⇒ on rejette H0
et on accepte H1 : le coefficient est significativement différent de zéro
et la variable joue un rôle explicatif dans le modèle.
II. Validation de Modèle de Régression Linéaire Multiple
(MRLM)
A. Test de Significativité Individuelle pour les Coefficients
Exemple pratique
II. Validation de Modèle de Régression Linéaire Multiple
(MRLM)
A. Test de Significativité Individuelle pour les Coefficients
Exemple pratique
On effectue les calculs nécessaires et on obtient :

Il convient de calculer les trois ratios de Student et de les comparer à la

valeur lue dans la table pour un seuil de 5 % (la table de Student en fin
d’ouvrage indique directement les valeurs de α pour un test bilatéral).
II. Validation de Modèle de Régression Linéaire Multiple
(MRLM)
A. Test de Significativité Individuelle pour les Coefficients
Exemple pratique

la variable x2 est explicative de y alors que la variable x3 n’est pas

contributive à l’explication de y , il convient donc de la retirer de ce
modèle et de procéder à une nouvelle estimation
II. Validation de Modèle de Régression Linéaire Multiple
(MRLM)
B. Test de Significativité Globale
Le test de Fisher permet de tester la significativité de l’ensemble des
coefficients d’un modèle.
Soit le modèle général :
Les hypothèses du test de Fisher sont les suivantes :

La statistique de test sous H0 vraie est :

II. Validation de Modèle de Régression Linéaire Multiple
(MRLM)
B. Test de Significativité Globale

Exemple pratique
En reprenant les données de (tableau 1), dont nous rappelons les
résultats de l’estimation du modèle1 :
II. Validation de Modèle de Régression Linéaire Multiple
(MRLM)
B. Test de Significativité Globale
Exemple pratique
Nous pouvons appliquer le test de Fisher afin de tester la signification
globale de la régression à trois variables x1 , x2 et x3

Nous rejetons l’hypothèse H0 de nullité de tous les coefficients, la

régression est globalement significative.