Les posteurs les plus actifs de la semaine
Aucun utilisateur |
Sujets les plus vus
interpreter les resultat d'une regression linéaire simple
3 participants
Page 1 sur 1
interpreter les resultat d'une regression linéaire simple
Bonjour,
j'ai effectué une régression lineaire simple apres avoir fait une corrélation entre deux variables continues, pour étudier l'effet de la variabilité de l'une sur l'autre.
Voilà ce que lm me donne :
Je veux savoir précisément comment interpréter les résultats, spécifiquement les coefficients.
Par exemple la constante est estimée à 1.158e+05, que veut-il dire std.error, t value et p-value?
Merci pour votre attention.
j'ai effectué une régression lineaire simple apres avoir fait une corrélation entre deux variables continues, pour étudier l'effet de la variabilité de l'une sur l'autre.
Voilà ce que lm me donne :
- Code:
> summary(reg1)
Call:
lm(formula = data3bis$EXPPDS_PREV ~ data3bis$EXPPDS_CORR, data = data3bis)
Residuals:
Min 1Q Median 3Q Max
-447840 -70382 -32503 48055 566383
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.158e+05 2.283e+03 50.74 <2e-16 ***
data3bis$EXPPDS_CORR 6.765e-01 9.207e-03 73.47 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 114800 on 4651 degrees of freedom
Multiple R-squared: 0.5372, Adjusted R-squared: 0.5371
F-statistic: 5399 on 1 and 4651 DF, p-value: < 2.2e-16
Je veux savoir précisément comment interpréter les résultats, spécifiquement les coefficients.
Par exemple la constante est estimée à 1.158e+05, que veut-il dire std.error, t value et p-value?
Merci pour votre attention.
Dernière édition par A.D. le Jeu 5 Juil 2012 - 9:46, édité 1 fois (Raison : balises code)
messa- Nombre de messages : 11
Date d'inscription : 01/06/2012
Re: interpreter les resultat d'une regression linéaire simple
estimate = paramètre estimé
std error = écart-type (standard error) du paramètre estimé
t-value = estimate/std. error qui représente la statistique du test de nullité du coefficient estimé
p-value = proba lié à la valeur de ta statistique de test t-value. Si la p-value est supérieure à 0.05 alors ton coefficient estimé n'est pas significativement différent de 0.
niaboc
std error = écart-type (standard error) du paramètre estimé
t-value = estimate/std. error qui représente la statistique du test de nullité du coefficient estimé
p-value = proba lié à la valeur de ta statistique de test t-value. Si la p-value est supérieure à 0.05 alors ton coefficient estimé n'est pas significativement différent de 0.
niaboc
niaboc- Nombre de messages : 1001
Age : 37
Localisation : Paris
Date d'inscription : 05/05/2008
Re: interpreter les resultat d'une regression linéaire simple
merci niaboc de m'avoir repondu assez vite
concernant p-value, elle est trop ptite 02e-16 donc je constate que la constate est significativement défferente de 0, pareil pour la variable: data3bis$EXPPDS_CORR !!!
Comment interpreter std error, t-vlue, standard error ansi que
F-statistic: 5399 on 1 and 4651 DF, p-value: < 2.2e-16
merciiii
concernant p-value, elle est trop ptite 02e-16 donc je constate que la constate est significativement défferente de 0, pareil pour la variable: data3bis$EXPPDS_CORR !!!
Comment interpreter std error, t-vlue, standard error ansi que
F-statistic: 5399 on 1 and 4651 DF, p-value: < 2.2e-16
merciiii
messa- Nombre de messages : 11
Date d'inscription : 01/06/2012
Re: interpreter les resultat d'une regression linéaire simple
Ici ça veut dire que le coefficient de la constante est significativement différente de 0.
Ton modèle est de la forme y = 1158 + 0.6765x
La st error est l'erreur standard des paramètres. Il ne faut pas perdre de vue que tu es dans des statistiques inférentiels. Autrement dit tu cherches à estimer les paramètres d'une régression linéaire pour une population dont tu ne connais qu'un échantillon. Si tu avais eu un autre échantillon alors les valeurs des paramètres auraient été légérement différentes, c'est ce que cherche à évaluer l'erreur standard. Plus elle est grande, moins ton estimation de ton paramètre est précise.
le t-value correspond à la valeur de la statistique de ton test t qui test H0 : le paramètre n'est pas différente de 0.
La F-statistic, est la statistique du test F qui teste H0 : pas d'effet des variables explicatives sur Y.
1 et 4561 sont les degrés de libertés associés à cette statistique et p-value, la p-value du test F.
Tout ça tu le trouves dans n'importe quel cours de stats sur la régression linéaire, regarde ceux de philippe besse.
Ton modèle est de la forme y = 1158 + 0.6765x
La st error est l'erreur standard des paramètres. Il ne faut pas perdre de vue que tu es dans des statistiques inférentiels. Autrement dit tu cherches à estimer les paramètres d'une régression linéaire pour une population dont tu ne connais qu'un échantillon. Si tu avais eu un autre échantillon alors les valeurs des paramètres auraient été légérement différentes, c'est ce que cherche à évaluer l'erreur standard. Plus elle est grande, moins ton estimation de ton paramètre est précise.
le t-value correspond à la valeur de la statistique de ton test t qui test H0 : le paramètre n'est pas différente de 0.
La F-statistic, est la statistique du test F qui teste H0 : pas d'effet des variables explicatives sur Y.
1 et 4561 sont les degrés de libertés associés à cette statistique et p-value, la p-value du test F.
Tout ça tu le trouves dans n'importe quel cours de stats sur la régression linéaire, regarde ceux de philippe besse.
droopy- Nombre de messages : 1156
Date d'inscription : 04/09/2009
Sujets similaires
» Interpréter une régression linéaire multiple
» Régression linéaire simple
» Analyse résidus _ Régression linéaire simple
» régression linéaire simple
» Conversion variable en log10 et régression linéaire simple
» Régression linéaire simple
» Analyse résidus _ Régression linéaire simple
» régression linéaire simple
» Conversion variable en log10 et régression linéaire simple
Page 1 sur 1
Permission de ce forum:
Vous ne pouvez pas répondre aux sujets dans ce forum
|
|