1 / 52

Objectifs du chapitre sur la régression

Objectifs du chapitre sur la régression. Comprendre ce qu’est une régression simple et multiple Savoir calculer la RPE, l’ordonnée et la pente de régressions simple et double Savoir interpréter la RPE, l’ordonnée et la pente de régression simple et multiple

bin
Download Presentation

Objectifs du chapitre sur la régression

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Objectifs du chapitre sur la régression • Comprendre ce qu’est une régression simple et multiple • Savoir calculer la RPE, l’ordonnée et la pente de régressions simple et double • Savoir interpréter la RPE, l’ordonnée et la pente de régression simple et multiple • Comprendre les conditions d’application de la régression

  2. Une autre façon de représenter une association: la droite de régression • Dans les graphiques de dispersion: • un nuage de points • à travers duquel peut passer une droite qui le résume • cette droite passe par l’ordonnée (coupe l’axe des Y) • soit une autre façon d’exprimer une relation • qui suppose des transformations effectives

  3. La droite de régression (1) • est une relation univoque: contrairement à la corrélation Y = f(X) = a + b(X)où X est conçu comme causant Y • s’exprime par 2 paramètres: • ordonnée • pente

  4. Lien entre la régression simpleet la corrélation bivariée pour le calcul • pente • pente standardisée

  5. La droite de régression (2) • permet de calculer des valeurs prédites • (intra- • et extra-polation danger!)

  6. La droite de régression définit 2 sources de variation de Y • la variance totale originale de Y: • la variance résiduelle de Y suite à sa prédiction par X:

  7. Pour chaque valeur de Y par rapport à l’axe des X Soit un Y observé de 18 (X = 40) Sa moyenne est 13,1 Sa valeur prédite est 16,6selon l’équation de régression Pluriel = -,201 + .420 Lecture

  8. Chaque Y se décompose en 3 morceaux

  9. Le calcul de régression … • détermine une droite qui • soit est identique à la droite de la moyenne • soit en dévie de façonsystématique • ceci fait que plus sera petit par rapport àmeilleure sera la prédiction

  10. Quand il y a une seule variable prédictrice (un seul X) • la RPE (Réduction Proportionnelle de l’Erreur de prédiction) se détermine • soit par la corrélation (au carré) • soit par la droite de régression (conceptuellement)

  11. Interprétation de la régression simple • RPE % d’explication ou de prédiction empirique de la variable dépendante Y • Les éléments de la droite de régression • a: ordonnée la valeur de Y quand X = 0 si cela signifie quelque chose • b: pente quantité de changement de Y par unité de changement de X,Note: quand il s’agit de β, l’unité de changement est l’écart-type

  12. Données du problème 9.1

  13. Les produits croisés

  14. Les carrés des données

  15. De la régression simple à la régression multiple… • La RPE sera toujours égale à • La droite de régression (multiple)

  16. Étapes du calcul de la régression double (1) • Les formules

  17. Étapes du calcul de la régression double (2) • Application de la formule de la pente

  18. Étapes du calcul de la régression double (3) • Application de la formule de la pente en 5 morceaux     

  19. Étapes du calcul de la régression double (4) • La formule pour la pente de X2 et Y on ne fait qu’inverser la position de 1 et 2, mais ce sont les mêmes termes

  20. Données

  21. Les produits croisés des données

  22. Les carrés des données

  23. Calcul de l’exemple (3) • Appliquons les calculs dans la formule

  24. Calcul de l’exemple (4) • Oui, mais la pente de X2 et Y? on ne fait qu’inverser la position de 1 et 2, mais ce sont les mêmes termes Le dénominateur est le même

  25. Calcul de l’exemple (5) • Le calcul final

  26. Calcul de l’exemple (6) • L’équation de prédiction

  27. Données des problèmes 9.1-9.3

  28. Les produits croisés

  29. Les carrés des données

  30. Calcul du problème 9.1-9.3 (4) • Oui, mais la pente de X2 et Y? on ne fait qu’inverser la position de 1 et 2, mais ce sont les mêmes termes Le dénominateur est le même

  31. Calcul du problème 9.1-9.3 (5) • Le calcul final

  32. Calcul du problème 9.1-9.3 (6) • L’équation de prédiction

  33. Vérification du calcul du problème 9.1-9.3

  34. Ceci permet de calculer la RPE • La RPE égale

  35. Comment savoir si RPE égale 0 ou non? • rappel test t pour la corrélation:avec N-2 comme ddl • pour la RPE, test F avec k et N-k-1 comme ddl

  36. formule qui n’est pas dans lelivre Calcul des sommes de carrés des pentes

  37. Calcul des sommes de carrés des pentes

  38. Interprétation de la régression multiple • RPE: même chose % d’explication ou de prédiction empirique de la variable dépendante Y • Les éléments de la droite de régression • a: ordonnée la valeur de Y quand tous les Xi = 0 si cela signifie quelque chose • b: pente quantité de changement de Y par unité de changement de Xilorsque les autres Xj = 0

  39. X1 X2 Interprétation graphique de la régression multiple(diagrammes de Venn) Y

  40. Différentes approches de régression multiple • Régression hiérarchique: • comparaison de modèles inclusifs • Régression en étape (séquentielle): • selon les patrons de (cor)rélations entre les variables • plusieurs approches pas à pas: • stepwise • élimination (backward) • sélection (forward)

  41. Notions particulières • Corrélation partielle: • corrélation entre deux variables pour laquelle les (cor)relations avec une troisième variable (ou plus) ont été extraites sur les deux variables en jeu • Corrélation semi-partielle: • corrélation entre deux variables pour laquelle les (cor)relations avec une troisième variable (ou plus) ont été extraites sur l’une des deux variables en jeu

  42. Y X1 X1 X2 X2 Notions particulières • Corrélation partielle: Y

  43. Y X1 X1 X2 X2 Notions particulières • Corrélation semi-partielle: Y

  44. Retour sur la notion de contrôle

  45. contrôle expérimental: action planifiée pour annihiler un effet ou le répartir dans toutes les conditions contrôle statistique: calcul pour soutirer des relations (corrélations, covariances) d’une relation multivariée Notion particulière (2) 2sortes de contrôle

More Related