Interprétion régression linéaire

Bonjour,

J'essaie d'étudier l'effet de variables (A,B) sur une variable à expliquer (y).
A seul a une p-valeur significative dans mon modèle y=A.
B seul a une p-valeur significative dans mon modèle y=B.
A*B (interaction entre A et B) seul a une p-valeur significative dans mon modèle y=A*B.

Mais lorsque mon modèle est y=A B A*B, aucune de ces variables n'est significative, je n'arrive à pouvoir l'expliquer statistiquement.

Merci pour votre aide.

je serais toi, je commencerais par faire le modèle complet (A+B+A*B). Si l'interaction n'est pas significative je repartirais sur un modèle additif (A+B) et regarderais l'effet des deux variables. Regarde aussi le degré de liaisons entre tes deux variables (leur corrélation).

Merci pour votre réponse.

Ce que je n'arrive pas à comprendre c'est pourquoi dans le modele y=A+B+A*B, ni A, ni B (ni A*B) n'a d'effet significatif alors que dans le modele y=A+B, A et B en ont un.

ça vient surement du fait que dans le modèle A+B les effets sont tous justes significatifs (vrai ou faux?) et que quand tu passes au modèle A+B+A*B l'ajout de A*B va à la fois diminuer la somme des carrés des écarts (SCE) résiduelles (a priori de façon très faible) mais aussi diminuer le nombre de degré de liberté alloué aux residus (parfois df) et donc au final le carré moyen (CM) va lui augmenté. Or toi ce que tu compares pour tes tests ce sont :
CM(predicteur)/CM(residuel) --> Fobs, donc ton Fobs va diminuer ce qui va modifier la probabilité associée a ce test (p-value) en la diminuant.

Verifie que ce scénario s'applique à tes données.