C1 Bio-statistiques F. KOHLER Régression multiple C1 Bio-statistiques F. KOHLER

Régression multiple Conditions d’application Utilisée chaque fois qu’une variable observée, dite variable dépendante, doit être exprimée en fonction de 2 ou plusieurs autres variables observées, dites indépendantes ou mieux explicatives. Le cas le plus simple est celui où les variables explicatives sont des variables non aléatoires, leurs valeurs étant toutes choisies a priori de façon arbitraire (dose d’un médicament…). On suppose que la relation est linéaire et que les différentes valeurs de la variable dépendante sont extraites de distributions normales, indépendantes de même variance Modèle théorique : Yx= B0 +B1 x1a +B2X2a +….+ Bpxpa + da = B0+ Bx + dx Les conditions peuvent être exprimées en affirmant que les résidus aléatoires da relatif aux différents individus a doivent tous posséder une même distribution normale de moyenne nulle et de variance constante et qu’ils doivent être indépendants les uns des autres. D’autre part les p variables explicatives peuvent être des variables aléatoires dont les valeurs sont observées dans des conditions analogues à celle de la variable dépendante. On suppose alors généralement que les p+1 variables possèdent une distribution normale à p+1 dimensions ou que la relation est linéaire et que toutes les distributions conditionnelles de la variable dépendante sont normales à une dimension, indépendantes et de même variance On suppose que les échantillons sont aléatoires simples.

Cas particulier de 2 variables explicatives SPE, SCE SPE = sum of products deviate = somme des produits des écarts aux moyennes SCE = somme des carrés des écarts à la moyenne

Cas particulier de 2 variables explicatives Équation recherchée Y = b0 +b1x1 +b2x2 Estimation et intervalle de confiance des paramètres Coefficient de régression partielle b1 et b2 Les indices 1 et 2 correspondent aux variables explicatives x1 et x2 et y à la variable expliquée. ^ ^ Ordonnée à l’origine ^ Les résidus sont les différences entre la réalité et la représentation Variance résiduelle DDL = n-3= n-p-1

Tests de conformité et de signification des coefficients de régression partielle Test de conformité H0 b1 = b1théo Test de signification : b1théo =0 DDL = n-3 Analyse de la variance Strictement équivalent au test t Permet de tester globalement la signification des 2 coefficients de régression partielle H0 b1 =b2 = 0

Tableau de l’analyse de la variance Principe : Décomposition de la somme des carrés des écarts totale SCEy, en une somme des carrés des écarts résiduelles SCEy.1…p ou SCEy.x et une somme des écarts factorielle : SCEy(1..p) ou SCEyx- SCEy.x qui possède p degrés de liberté Coefficient de corrélation multiple Somme des carrés des écarts résiduelle Somme des carrés des écarts y R2 = Coefficient de détermination multiple = part de variance expliquée DDL p; n-p-1

Coefficient de corrélation partielle Cas de 3 variables x, y, z Le coefficient de corrélation partielle entre y et z est le coefficient de corrélation entre les résidus y-y(x) et z-z(x) des régressions linéaires à deux dimensions On définit de la même façon les coefficients de corrélation partielle x et y et x et z. Ils mesurent l’intensité de la relation qui existe entre deux variables indépendamment de l’influence de la troisième. Ces notions s’étendent à p variables

Exemple Exprimer le rendement en fonction des précipitations de décembre et de la température de juillet.

Solution = -572,139 = 0,02655 = 0,9800 = 11,924

Solution suite Variance résiduelle ^ = 1,596 Équation Y = 11,92 – 0,0266 x1 + 0,980 x2 Remarques : Attention il ne faut pas de corrélation entre x1 et x2 On peut déduire les limites de confiance de b1 et b2

Cas général : p variables explicatives Deux problèmes Choix du modèle : linéaire Autres (polynomiale, curvilinéaire) Estimation des paramètres Calculs complexes Choix des variables explicatives Choisir des variables explicatives fortement corrélées à la variable dépendante et faiblement corrélées entre elles. Méthode de régression pas à pas : Introduction successives de variables de telle sorte qu’avant toute introduction d’une variable supplémentaire, la signification des variables explicatives déjà présentes dans l’équation soit testée. Les variables qui n’apportent pas de contribution significatives sont éliminées.

Régression multiple et analyse discriminante Y = variable qualitative à deux modalités codée 1 et 0 Le vecteur y est composé uniquement de 1 et de 0 Les variables explicatives peuvent prendre toutes les valeurs Dans ce cas particulier, la régression multiple pas à pas est identique à l’analyse discriminante.

SAS et Régression multiple GLM procedure : general linear models Simple regression Multiple regression Anova Analysis of covariance Response surface models Weighted regression Polynomial regression Partial correlation Manova Repeated measures analysis of variance