Академический Документы
Профессиональный Документы
Культура Документы
multiple
Aspects thorique et pratique
ENSEIGNANT : Mustapha BERROUYNE
Le modle linaire de
rgression multiple
Equation de rgression multiple
Cette quation prcise la faon dont la
variable dpendante est relie aux variables
explicatives :
Y a 0 a1X1 a 2 X 2 ... a p X p
a0, a1, a2, . . . , ap
paramtres et e est un bruit
o
sont les
alatoire
Le modle linaire de
rgression multiple
Les termes de lquation
ime observation
de Y
Terme constant
Influence de la
variable X1
Influence de
la variable Xp
Rsidu de la ime
observation
.
.
Le modle linaire de
rgression multiple
Le modle: observation par observation
y1 1 x1,1
y n 1 x1, n
a0
x1, p 1
a1
xn , p n
a p
y Xa
2
i
]=
2
,
2
),
HYPOTHESES STRUCTURELLES
H1 : La matrice (XX) est rgulire cest dire det(XX) 0 et (XX)1 existe. Elle indique
l'absence de colinarit entre les exognes. Nous pouvons aussi voir cette hypothse sous
l'angle rang(X) = p + 1 et rang(XX) = p + 1.
Le processus destimation
Modle de rgression multiple
Donnes:
Donnes:
x1 x2 . . . xp y
. .
. .
. .
. .
Paramtres inconnus
a0 , a1 , a 2 ,..., a p
Estimateurs de
Y a0 a1 X 1 a 2 X 2 ... a p X p
Estimateurs
a0 , a1 , a 2 ,..., a p
Le processus destimation
ESTIMATION DES COEFFICIENTS DE RGRESSION
La mthode : les moindres carrs
ordinaires
Le principe de lestimation des coefficients
de rgression :
a 0 , a 1 , a 2 ,..., a p
i
i 1
(
y
y
)
i i
i 1
Le processus destimation
Estimation des coefficients de rgression
(p + 1) quations (p + 1) inconnues
Le processus destimation
Estimation des coefficients de rgression
(1,p+1) x (p+1,1)
(1,1)
(1,p+1) x (p+1,1)
(1,1)
(1,1)
(1,1)
a X X
'
'
XY
Si Det(XX)0
Le processus destimation
Retrouvons les rsultats de la rgression
linaire simple (p = 2)
x i i
n i
i
xi
x2
i
;
1
x2
i (i
i
xi )
2
i
i
yi
xi yi
x2
i
2
i
i
n
xi
xi
Poids
650
790
730
955
895
Y
Consommation
5,7
5,8
6,1
6,5
6,8
1
1
1
1
1
1
1
1
1
1
1
1
658
1331
1597
1761
2165
1983
1984
1998
1580
1390
1396
2435
32
55
74
74
101
85
85
89
65
54
66
106
740
1010
1080
1100
1500
1075
1155
1140
1080
1110
1140
1370
6,8
7,1
7,4
9,0
11,7
9,5
9,5
8,8
9,3
8,6
7,7
10,8
1
1
1
1
1
1
1
1
1
1
1
1242
2972
2958
2497
1998
2496
1998
1997
1984
2438
2473
55
107
150
122
66
125
89
92
85
97
125
940
1400
1550
1330
1300
1670
1560
1240
1635
1800
1570
6,6
11,7
11,9
10,8
7,6
11,3
10,8
9,2
11,6
12,8
12,7
28
50654
2176
33515
X'X
50654
2176
102138444
4451219
4451219
197200
65113780
2831550
33515
65113780
2831550
42694125
(X'X)-1
0,70598604 -0,00014708 0,00558634 -0,00070038
-0,00014708 0,00000107 -0,00001589 -0,00000047
0,00558634 -0,00001589 0,00035837 -0,00000392
-0,00070038 -0,00000047 -0,00000392 0,00000155
X'Y
254,1
493218,1
21473,7
321404,5
Constante
Cylindre
Puissance
Poids
1,7020
0,0005
0,0183
0,0042
Y
Consommation
5,7
5,8
6,1
6,5
6,8
6,8
7,1
7,4
9,0
11,7
9,5
9,5
8,8
9,3
8,6
7,7
10,8
6,6
11,7
11,9
10,8
7,6
11,3
10,8
9,2
11,6
12,8
12,7
DROITEREG
Constante
cylindree
puissance
poids
1,702
0,000
0,018
0,004
n
p
ddl
SCR
28
3
24
13,58
0,57
0,75
0,632
poids puissance cylindree Constante
0,001
0,004
0,018
0,000
1,702
0,014
0,001
0,014
0,001
0,632
0,001 R 0,89911 0,75224 #N/A
#N/A
F
71,30
24 #N/A
#N/A
SCE 121,03
13,58 #N/A
#N/A
SCR
Exemple
avec SPSS
Dimension (p+1,1)
Produit crois entre les exognes et l'endogne
Indique le degr de liaison entre chaque exogne et Y
le
poids varie
en tient
Rsidus(poids/cylindree) = poids
=
,
= ,
= ,
,
= ,
,
E[(XX)1X] = (XX)1XE()
De plus E() = 0
(H1) X est non alatoire, les exognes sont mesures sans erreur
(H2) la moyenne de l'erreur est nulle E() = 0
Variances - Covariances
ESTIMATION
Consommation
1
1
1
1
1
1
1
1
1
846
993
899
1390
1195
658
1331
1597
1761
32
39
29
44
33
32
55
74
74
650
790
730
955
895
740
1010
1080
1100
5,7
5,8
6,1
6,5
6,8
6,8
7,1
7,4
9
5,4523
6,2447
5,7621
7,2296
6,6789
5,7402
7,6339
8,4079
8,5734
0,2477
-0,4447
0,3379
-0,7296
0,1211
1,0598
-0,5339
-1,0079
0,4266
0,0613
0,1978
0,1142
0,5324
0,0147
1,1233
0,2850
1,0159
0,1820
2165
101
1500
11,7
10,9571
0,7429
1983
85
1075
9,5
8,7780
0,7220
0,5212
1
1
1
1
1
1984
1998
1580
1390
1396
85
89
65
54
66
1155
1140
1080
1110
1140
9,5
8,8
9,3
8,6
7,7
9,1168
9,1333
8,2353
8,0676
8,4164
0,3832
-0,3333
1,0647
0,5324
-0,7164
0,1468
0,1111
1,1336
0,2834
0,5133
2435
106
1370
10,8
10,6319
0,1681
0,0283
1
1
1
1
1
1
1
1
1
1
1
1242
2972
2958
2497
1998
2496
1998
1997
1984
2438
2473
55
107
150
122
66
125
89
92
85
97
125
940
1400
1550
1330
1300
1670
1560
1240
1635
1800
1570
6,6
11,7
11,9
10,8
7,6
11,3
10,8
9,2
11,6
12,8
12,7
7,2939
11,0420
12,4542
10,7853
9,3902
12,2774
10,9094
9,6105
11,1467
12,2875
11,8432
-0,6939
0,6580
-0,5542
0,0147
-1,7902
-0,9774
-0,1094
-0,4105
0,4533
0,5125
0,8568
0,4815
0,4329
0,3072
0,0002
3,2047
0,9553
0,0120
0,1685
0,2055
0,2626
0,7342
Constante
cylindree
puissance
poids
n
p
ddl
SCR
0,5519
1,7020
0,0005
0,0183
0,0042
28
3
24
13,5807
0,6321
0,0008
0,0142
0,0009
0,5659
0,7522
0,7059860
-0,0001471
0,0055863
-0,0007004
(X'X)-1
-0,0001471
0,0055863
0,0000011
-0,0000159
-0,0000159
0,0003584
-0,0000005
-0,0000039
0,3994902
-0,0000832
0,0031611
-0,0003963
-0,0000832
0,0000006
-0,0000090
-0,0000003
Constante
Cylindre
Puissance
Poids
Constante
Cylindre
Puissance
Poids
-0,0007004
-0,0000005
-0,0000039
0,0000015
0,0031611
-0,0003963
-0,0000090
-0,0000003
0,0002028
-0,0000022
-0,0000022
0,0000009
Variances des estimateurs
0,3994902
0,0000006
0,0002028
0,0000009
Ecart-types des estimateurs
0,6321
0,0008
0,0142
0,0009
, on montre que :
R
F
SCE
t-calcul
ddl
t-thorique
p-value
poids
0,00423
0,00094
0,89911
71,29651
121,03183
DROITEREG
puissance
cylindree
0,01825
0,00049
0,01424
0,00078
0,75224
#N/A
24,00000
#N/A
13,58067
#N/A
SCR
Constante
1,7020
0,63205
#N/A
#N/A
#N/A
2,06390
2,06390
2,0639
0,00014
0,21222
0,53269
0,0127
p-value
Cylindre LOI.STUDENT(0.6330;24;2)
Puissance LOI.STUDENT(1.2816;24;2)
LOI.STUDENT(4.5184;24;2)
Poids
R
F
SCE
poids
0,00423
0,00094
0,89911
71,29651
121,03183
t_(1-alpha/2)
2,06390
b.basse
b.haute
0,00230
0,00616
DROITEREG
puissance cylindree
Constante
0,01825
0,00049
1,7020
0,01424
0,00078
0,63205
0,75224
#N/A
#N/A
24,00000
#N/A
#N/A
13,58067
#N/A
#N/A
SCR
2,06390
2,06390
2,06390
-0,01114
0,04764
-0,00112
0,00210
0,39756
3,00654
Prdiction ponctuelle
Prdiction ponctuelle
Comme pour la RLS, pour un nouvel individu i , il sagit de fournir
une prdiction de la valeur de l'endogne partir de sa description
cest dire les valeurs prises par les exognes (x i ,1, . . . , xi ,p).
Prdiction ponctuelle
On peut montre que la prdiction ponctuelle est sans biais. Pour
ce faire, intressons nous l'erreur de prdiction