Académique Documents
Professionnel Documents
Culture Documents
2
Principe
Y = 0 + 1 X1 + … + p Xp +
3
Procédure générale
4
Etape 1. Spécifier le modèle
Y = 0 + 1X1 + … + pXp +
Yi = 0 + 1 xi1 + … + p xip + i
Où :
5
Hypothèses sur les i
i, i Gaussienne
i et j (ij), i et j indépendantes
i, E (i) = 0
6
Hypothèses sur les Yi
i, Yi Gaussienne
i et j (ij), Yi et Yj indépendantes
2 conditions supplémentaires
8
Multicolinéarité
Information redondante
9
Etape 2. Estimer les paramètres du modèle
Coefficients : βi bi Bi
b0 B0
Constante : 0
s e / n ( p 1)
2 2
i
S2
Variance des erreurs : σε
2
10
Etape 3. Valider le modèle
11
Tableau d’analyse de la variance
12
3.1 La validité globale : Test de Fisher
13
Formuler les hypothèses (1)
H0 : 1 = ... = p = 0
14
Spécifier la statistique du test (2)
15
Prendre une décision (3)
16
3.2 Influence individuelle de chaque variable :
Tests de Student
Tester si
l’ajout d’une variable explicative
à la suite
d’autres variables explicatives déjà dans
l’équation de régression
apporte une contribution significative !
17
p tests de Student
• Hypothèses :
H 0 : j = 0
H 1 : j 0
• Statistique du test :
• Décision :
Si , alors on rejette H0
19
4.1 Le coefficient de détermination
Valider à posteriori
mais de manière empirique
les hypothèses du modèle !
22
Analyse des résidus
- Normalité
- Indépendance
- Variance constante : Homoscédasticité
23
Multicolinéarité : Comment la détecter?
24
Régression pas à pas
25
r² partiels
26