Excel 2 Régression multiple 2/5/2011ag 2/45 régression simple Régression multiple introduction Coefficient de détermination R2 (Corrélation multiple)
Previous PDF | Next PDF |
[PDF] Régression linéaire multiple sous Excel
30 mar 2018 · régression linéaire multiple, nous ferons un usage intensif des fonctions 3 4 Tableau d'analyse de variance et coefficient de détermination R²
[PDF] Régression linéaire multiple
25 mar 2011 · Résultats retournés par Excel avec l'utilitaire d'analyse Régression linéaire Statistiques de la régression Coefficient de détermination multiple
[PDF] 13 Régression linéaire simple - Réseau de lUniversité du Québec
Régression avec EXCEL 19 résultats suivants : RAPPORT DÉTAILLÉ Statistiques de la régression Coefficient de détermination multiple 0,409915661
[PDF] Pratique de la Régression Linéaire Multiple
Il faut noter également que le coefficient de détermination R2 n'est plus La même régression sous EXCEL donne exactement les mêmes résultats (Figure 0 3)
[PDF] Régréssion linéaire - on Mephisto
Excel 2 Régression multiple 2/5/2011ag 2/45 régression simple Régression multiple introduction Coefficient de détermination R2 (Corrélation multiple)
[PDF] 243 Le coefficient de corrélation multiple (ou coefficient de
Dans le calcul de corrélations simples, tous les facteurs sont confondus Très souvent on est intéressé à éliminer l'effet (linéaire) d'une ou de plusieurs variables
[PDF] Régression multiple : principes et exemples dapplication
Le coefficient de détermination multiple est donné par : ∑ − = = 1 1 ' 2 p j jpj ra R Prenons garde au fait que ce coefficient – dont les a'p-1 constituent en
[PDF] regression lineaire - Page Web de Caroline Bernard-Michel
les calculs, dans la seconde nous présentons la régression linéaire multiple comme généralisation de la LA REGRESSION PAR LA METHODE DE FORSYTHE (macro Excel) 83 6 Formule de décomposition, coefficient de détermination
[PDF] Régression linéaire multiple ou modèle gaussien
riables explicatives ne peut que faire croître le coefficient de détermination La quantité R est appelée coefficient de corrélation multiple entre Y et les variables
[PDF] corrélation entre plusieurs variables excel
[PDF] corrélation multiple excel
[PDF] fonction de cout marginal
[PDF] régression multiple excel
[PDF] cours microeconomie
[PDF] microéconomie cours 1ere année pdf
[PDF] introduction ? la microéconomie varian pdf
[PDF] introduction ? la microéconomie varian pdf gratuit
[PDF] les multiples de 7
[PDF] les multiples de 8
[PDF] comment reconnaitre un multiple de 4
[PDF] numero diviseur de 4
[PDF] les multiples de 2
[PDF] diviseurs de 36
regression simple Regression multipleStatistiques pour sciences sociales : applications
7 - Regression lineaire
Alexis Gabadinho
Universite de Geneve
Departement des sciences economiques
Printemps 2011
2/5/2011ag 1/45regression simple
Regression multipleplan
1regression simple
introduction estimation du modele evaluation du modele Excel2Regression multiple
2/5/2011ag 2/45regression simple
Regression multipleintroduction
estimation du modele evaluation du modeleExcelintroduction
Parregressionon entend la prediction d'une variable en fonction de la connaissance d'une (ou plusieurs) autre(s) variable(s),on etudie la dependance statistique d'une grandeur par rapport a une ou plusieurs autresLa regression estlineairelorsque la relation entre la variable dependante et la variable independante est lineaire Par exemple :taille des individus en fonction de celle de leurs parents taux de reussite scolaire en fonction des depenses d'education revenu en fonction de l'^age et du nombre d'annees d'etudes depenses de consommation en fonction du revenu2/5/2011ag 4/45regression simple
Regression multipleintroduction
estimation du modele evaluation du modeleExcelDependance parfaite
Si la dependance est parfaite (et la relation lineaire), les points sont alignes sur une droiteOn peut predire parfaitement la valeur deysi on conna^t la valeur dex:y=ax+bl l l l l l l l l l l l l l l l l l l l l05101520
0 20 4060
80
100
x y=ax+b2/5/2011ag 5/45 regression simple
Regression multipleintroduction
estimation du modele evaluation du modeleExcelexemple
Depenses de consommation (C) en fonction du produit interieur brut (PIB), en Suisse, en mia. de francs (1980)x iyi t PIB tCt1981 181.5 108.61982 179.8 108.5
1983 182.3 110.3
1984 187.7 112.0
1985 194.2 113.7
1986 196.6 116.9
1987 199.5 119.3
1988 207.0 121.9? = 0.5? + 17.7
104108112116120124
175 180 185 190 195 200 205 210
PIBConsommation)approximer la relation par une droite2/5/2011ag 6/45regression simpleRegression multipleintroduction
estimation du modele evaluation du modeleExcelrelation de dependance
??u -y=f(x) +u=a+bx+u ^y=f(x) =a+bxyvariable dependante, expliquee, endogene, reponse xvariable independante, explicative, exogene, predicteur ^yvaleur predite par le modele uecart residuel aleatoire (residual) =y^y, (E(u) = 0) aconstante du modele (intercept) bcoecient de regression (slope)2/5/2011ag 7/45regression simpleRegression multipleintroduction
estimation du modele evaluation du modeleExcelexemple
Regression Statistics
Multiple R 0.9841
R Square 0.9685
Adjusted R Square 0.9632
Standard Error 0.9618
Observations 8
ANOVA df SS MS F Sig. FRegression 1 170.47 170.47 184.30 0.000
Residual 6 5.55 0.92
Total 7 176.02
Coeff. Std Error t Stat P-value
Intercept 17.67 7.10 2.49 0.047
PIB 0.50 0.04 13.58 0.000But : savoir lire les informations fournies par un logiciel (Excel)2/5/2011ag 8/45regression simple
Regression multipleintroduction
estimation du modele evaluation du modeleExcelestimation de la relation
y i=a+bxi+uii= 1;:::;n estimer la relation)estimer les parametresaetb estimeraetbde facon que la droite s'ajuste le mieux aux donnees, que les residusui(ecarts entreyieta+bx) globalement petits l l l l l l l l l l l l l l l l l l l l l05101520
0 20 4060
80
100
Ajustement optimal
x y=ax+b+u l l l l l l l l l l l l l l l l l l l l l05101520
0 20 4060
80
100
Résidus importants
x y=ax+b+u2/5/2011ag 9/45 regression simpleRegression multipleintroduction
estimation du modele evaluation du modeleExcelEstimation
Estimateurs des moindres carres
(least squares, kleinste Fehlerquadrate) min a;bs(a;b) =nX i=1(yiabxi)2^ b=cov(x;y)var(x)=P i(xix)(yiy)P i(xix)2 ^a=y^bx (^at.q. la droite des moindres carres passe par le point moyen)2/5/2011ag 10/45regression simpleRegression multipleintroduction
estimation du modele evaluation du modeleExcelhypotheses sous-jacentes du modele lineaire
H1: relation lineaire entrexety,aetbidentiques pour toutiH2:E(ui) = 0!residus en moyenne = 0H3: var(ui) =2upour touti!var constante (homoscedasticite)Verier si la dispersion est independante dex
homoscedasticite heteroscedasticite2/5/2011ag 11/45regression simpleRegression multipleintroduction
estimation du modele evaluation du modeleExcelhypotheses
H4: cov(ui;uj) = 0 pour touti6=j!residus ne pas autocorrelescorr(ui;ui-1) = 0 autocorr´elation positiveautocorr´elation n´egativeH5: cov(xi;ui) = 0 facteurs et residus ne pas correlesH6:uiN(0;2) residus distribues normalement2/5/2011ag 12/45regression simple
Regression multipleintroduction
estimation du modele evaluation du modeleExcelcalcul
Exemple de calcul de^aet^bix
iy i121 222333
443
555
x= 3:2y= 2:8var(x) = 1:36var(y) = 1:76cov(x;y) = 1:44^ b=1:441:36= 1:059^a= 2:81:0593:2 =0:588^y=0:588 + 1:059x 1 02 13 45
2 3 4 5
? 1 ??Predictions : x= 2)^y=0:59 + 1:062 = 1:53 x= 5)^y=0:59 + 1:065 = 4:712/5/2011ag 13/45 regression simpleRegression multipleintroduction
estimation du modele evaluation du modeleExcelcalcul
)dans Excel, on peut utiliserla fonction =PENTE(Yi:Yn;Xi:Xn) pour le coecient^bla fonction =ORDONNE.ORIGINE(Yi:Yn;Xi:Xn) pour ^al'option\courbe de tendance"dans l'interface graphique
l'outil\regression"dans la macroanalyse de donnees(!plus tard)Deux exemples :1exemple precedent
2poids = f(taille) (donnees du questionnaire)
2/5/2011ag 14/45regression simple
Regression multipleintroduction
estimation du modele evaluation du modeleExcelevaluation du modele
si var(x)6= 0 (xnon constant))droite m.c. existe existence solution6= pertinence de la solution )il faut evaluer laabilitedes resultats :1Qualite globale de l'ajustement : erreur standard de regression coecient de determinationR2StatistiqueF2Test (Student) de signicativite des parametres : H0:a= 0 etH0:b= 03Analyse des residus :
remise en cause des hypotheses surudetection de donnees atypiques2/5/2011ag 15/45regression simple
Regression multipleintroduction
estimation du modele evaluation du modeleExcelcalcul des residus
Residus : exemple de calcul
Residu :ri(= ^ui) =yi^yi, avec ^yi= ^a+^bxi
Droite des moindres carres (m.c.) ^y=0:588 + 1:059xix iyi^yir ir2i12 1 1.529-0.529 0.28022 2 1.5290.471 0.221
33 3 2.5880.412 0.170
44 3 3.647-0.647 0.419
55 5 4.7060.294 0.087
total16 14 140 1.175 moyenne3.2 2.8 2.80 0.235 variance1.36 1.761.5250.235 ecart type1.167 1.327 1.2350.485 )var(y) = var(^y) + var(r)2/5/2011ag 16/45regression simpleRegression multipleintroduction
estimation du modele evaluation du modeleExcelerreur standard
Erreur standard de regresssion
= estimation ^ude l'ecart type du terme d'erreuru(mesure de la dispersion autour de la droite de regresssion)Estimation: estimateur non biaise de2u(regression simple)
^2u=1n2n X i=1r