Professional Documents
Culture Documents
2014-2015
Boulahoual.adil@gmail.com
Exemples :
Alors quen
le
types de problme auquel nous nous heurtons et du genre :
La tranche dge du conducteur, sa sant, son tat dbrit, et le
nombre daccidents dauto.
Rappel
Mathmaticien (Modlisation)
Propose une formulation
algbrique de la thorie.
Ex. Demande =B0+ (B1*prix) + (B2 *type du bien)
Statisticien (Estimation)
Estime les paramtres du
modle partir de donnes.
Validation statistique.
Ex.: ( B0=2) ; (B1=12) ; (B2 =5)
LA REGRESSION MULTIPLE
Exemple introductif
Lencadr Coefficients
Estimations : Valeurs b pour chaque VI et son test de signification
Intervalles de confiance : Intervalle pour chaque coefficient dans la
population,
Lencadr Rsidus
Durbin-Watson : Evaluation
de lindpendance des erreurs
Diagnostic des observations :
Indique quelles observations
ont un rsiduel standardis de
plus de 2 ou 3 .-t.
Statistiques descriptives
Examinons dabord les statistiques descriptives. Nous voyons que ltude a t
mene auprs de 474 employs qui gagnent en moyenne prs de 35 000 dh.
Ils travaillent depuis environ sept ans pour leur entreprise (81 mois) et ont
en moyenne 13 ans de scolarit. Bien entendu, la moyenne des hommes et
des femmes nest pas une donne intressante.
Le deuxime tableau fournit par SPSS concerne les corrlations entre les
variables tudies. Nous voyons quil y a une corrlation trs leve et
significative entre le salaire et le nombre dannes de scolarit, ainsi quentre
le sexe et le salaire. Nous devons porter attention aux relations entre les
variables indpendantes. Si la corrlation entre deux de ces variables se
situait 0,9 (ou 0,9), il y aurait un risque important de multicolinarit.
Nous aurions introduit deux variables qui mesuraient sensiblement la mme
chose pour prdire le salaire actuel.
Variables introduites/limines
Le tableau suivant prsente les variables retenues dans les tapes
du modle. Nous constatons que la variable EDUC est prsente
puisque nous avions choisi la mthode Entre. Pour le deuxime
modle, SPSS a retenu la variable SEXE avec notre critre de
slection (la probabilit F est significative p < 0,05).
10
11
Analyse de variance
Le tableau dANOVA nous donne les informations ncessaires pour
prendre une dcision sur lhypothse nulle (H0) leffet que notre modle
nexplique pas significativement plus de variance quun modle sans
prdicteur. Dans le tableau ANOVA suivant, le modle 1 teste lH0 que le
nombre dannes de scolarit nexplique pas mieux le salaire quun modle
sans prdicteur. La ligne du modle 2 teste lH0 que la combinaison du
nombre dannes de scolarit et du sexe nexplique pas mieux la variation
de salaire quun modle sans prdicteur. Dans les deux cas, lH0 est que les
modles ne sont pas significativement plus explicatifs de la variance du
salaire quun modle sans prdicteur.
12
13
14
15
16
Modle 1 :
Modle 2 :
17
18
19
20
21
22
23
24
PIC
25
26
27
28