Modèle linéaire Relation entre une variable expliquée Y (par exemple le salaire), et p variables explicatives X j, j = 1, …, p (par exemple, p = 5, X 1.

Slides:



Advertisements
Présentations similaires
Corrélation Position du problème Définition covariance (X,Y) r =
Advertisements

Les déterminants des investissements des salariés dans les FCPE d’Actionnariat Salarié Monsieur le Président, messieurs les membres du jury, je vous remercie.
GESTION DE PORTEFEUILLE chapitre n° 7
Les coûts partiels.
La régression logistique: fondements et conditions d’application
C1 Bio-statistiques F. KOHLER
Régression ou corrélation
TECTONIQUE DES PLAQUES
Régression -corrélation
Vérification des données
Corrélation linéaire et la droite de régression
COURS 5 Les tableaux croisés, le chi-carré et la corrélation
Zéros de polynômes (La loi du produit nul) Remarque :
Statistiques Séance 9 – 6 décembre 2005 N. Yamaguchi.
La Régression Multiple
Structure de causalité bivariée
Objectifs du chapitre 7: Plans corrélationnels
Régression linéaire simple
Objectifs du chapitre 12: Interprétation des résultats
La distinction entre variable modératrice et variable médiatrice
L’Analyse de Variance 2 L’ANOVA 2 fixe à r répétitions
L’Analyse de Covariance
Corrélation et régression linéaire simple
L’Analyse de Variance 1 Généralités Le modèle Calculs pratiques
Influences génétiques directe et maternelle sur la production en première lactation de quatre races de chèvres laitières.
Introduction à léconométrie Mario Fortin Université de Sherbrooke Hiver 2009.
Séminaire d’Analyses comparatives et enquête sociologique
Analyse de la covariance
Toutes les variables étaient mesurées au niveau intervalle et sans erreur Toutes les variables étaient mesurées au niveau intervalle et sans erreur ->
La corrélation et la régression
Le test t.
La corrélation et la régression
Les modèles linéaires (Generalized Linear Models, GLM)
Corrélation Principe fondamental d’une analyse de corrélation
Le comportement des coûts Chapitre 3
Lectures Volume du cours: Sections 12.1 à 12.6 inclusivement
Audoin Marion Briot Julien Hanot François
Objectifs: Etudier l’hétérogénéité des caractères au sein de la composante environnementale de la variance résiduelle Pour cela on tente de minimiser les.
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Introduction –Analyse de la corrélation –Régression et méthode des.
Régression linéaire (STT-2400)
Zéros de polynômes ( La loi du produit nul ) Remarque :
La régression multiple
Régression linéaire (STT-2400)
STATISTIQUES COURS 4 La régression. Nous avons vu divers tests statistiques afin de vérifier le degré d ’interdépendance entre 2 variables Test.
Régression linéaire multiple : hypothèses & interprétation. Partie 2.
M1 2013/2014 Implémentation des procédures statistiques Introduction aux régressions linéaires.
Méthodes de Biostatistique
Statistique Descriptive Analyse des données
Stress au travail et santé mentale dans une société en changement Thématique médecine du travail European Journal of Public Health, Vol.18, No. 3,
Lien entre deux variables
La régression simple Michel Tenenhaus
LA REGRESSION LINEAIRE
M2 Sciences des Procédés - Sciences des Aliments
Les fonctions linéaires et affines
Chapitre 12 Régression linéaire simple et corrélation linéaire
1 1 Licence Stat-info CM7 a 2004 V1Christophe Genolini Récapitulatif : Variables qualitatives Variables qualitatives : –on se demande si elles sont liées.
Gestion budgétaire des ventes
MARTIN Claire EXBRAYAT Fannie Groupe 10
BIO 4518: Biostatistiques appliquées Le 25 octobre 2005 Laboratoire 6 Corrélation linéaire et régression linéaire simple.
Statistiques analytiques sous STATA
Ménard Murielle Fernandez Gildas
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Introduction –Analyse de la corrélation –Régression et méthode des.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :34 1 Les modèles linéaires (Generalized Linear.
Principes d'économétrie
REPRESENTATION GRAPHIQUE
MENU 1 Hypothèses du modèle linéaire YO = YT + e 2 blocs d’hypothèses -Sur les relations entre les variables -Sur le comportement de la variable aléatoire.
Corrélation et causalité
Lectures Volume du cours: Sections 12.1 à 12.6 inclusivement.
LECTURE CRITIQUE D’UN ARTICLE
Corrélation et régression linéaire Mars Modèles de régression  Réponses aux questions du type: ‘Quelle est la nature de la relation entre les variables?’
Transcription de la présentation:

Modèle linéaire Relation entre une variable expliquée Y (par exemple le salaire), et p variables explicatives X j, j = 1, …, p (par exemple, p = 5, X 1 = durée du travail, X 2 = âge, X 3 = niveau de qualification, X 4 = secteur d’activité, X 5 = sexe) : Y =  0 +  1 X 1 +  2 X 2 + … +  j X j  p X p +   j : coefficients de régression théoriques ;  variable aléatoire résiduelle de loi normale N(0,  ) effet propre d’un facteur Z = X j : test sur  j

Effet propre Effet d’un accroissement  X 2 de l’âge sur le salaire:  Y =  2  X 2 Effet d’un changement de qualification  X 3 sur le salaire :  Y =  3  X 3 En résumé, supposition d’un effet propre constant vérification de l’existence (si  j  0) et du sens (  j > 0 ou  j < 0).

Limites du modèle linéaire Impossibilité d’introduire la totalité des variables explicatives intervenant dans Y Impossibilité de tenir compte du conjoint, de sexe opposé au sexe de la personne considérée. Pas d’interprétation causale du coefficient de corrélation partiel Annulation de l’effet propre d’une l’effet propre d’un facteur (l’origine ethnique) par un autre. deux (ou plus) facteurs significatifs simultanément sur Y, et non individuellement.