Академический Документы
Профессиональный Документы
Культура Документы
Adrian Bruhin
Université de Lausanne
Automne 2019
1
La semaine dernière
• La semaine dernière, nous avons commencé avec le
modèle linéaire et l’estimateur OLS
– La définition du modèle:
3
Qu’allons-nous faire aujourd’hui?
• Continuons la discussion du modèle linéaire simple
– Les mesures de précision
• Le R2 et l’erreur standard de régression.
5
Les mesures de précision du modèle linéaire
• Dans le modèle, on peut décomposer une
observation en deux parties:
– La partie prévue:
– La partie imprévue:
• Le résidu empirique
• Notez qu’on peut observer le résidu empirique ei, mais
pas le résidu dans la population εi
6
Application: Les élèves en Californie
• Quelle est la valeur prévue pour le district de
Antelope, CA?
– x = 19.3 élèves par classe
7
Le R2
• On peut décomposer la variance empirique (Vidéo 1)
9
Application: Les élèves en Californie
• Le R2 = 0.05, l’ESR = 18.9, Ecart-type y: 19.05
11
Les trois hypothèses sur le modèle
• Les trois hypothèses impliquent des fortes propriétés
L’hypothèse importante. Les deux autres sont
facilement démontrables.
12
Hypothèse 1: L’espérance du résidu
• L’espérance de ε conditionnelle à x égale 0.
• Propriété importante
21
La variance de l’estimateur OLS
25
Qu’allez-vous faire cette semaine
• Exercices
– Vous devez tous être inscrits dans une section (et équipe)
– Ceux qui doivent préparer un corrigé: envoyez le corrigé à
votre assistant jusqu’à dimanche, 23h59!