interprétation code R régression linéaire

Bonjour à tous ,
on a 50 immeubles comportant des bureaux les données fournissent le revenu net de chaque immeuble en fonction du nombre de bureaux  
j'ai essayé de faire une régression linéaire simple avec R   sur ces données et j'ai trouvé les résultats suivants :

Code:


lm(formula = revenu ~ nbureaux, data = suit)

Coefficients:
(Intercept)       nbureaux  
     -5000         2900  


on a 2900 >0 donc  on peut dire que plus le nombre d'appartement augmente plus le revenu augmente , mais je n'ai pas su interpréter la valeur de la constante qui est négative et très grande en valeur absolue ?

aussi j'ai appliqué summary sur le modèle et les résultats sont les suivants:

Code:


Call:
lm(formula = revenu ~ nbureaux, data = suit)

Residuals:
   Min      1Q  Median      3Q     Max
-204567  -13972   -3305   24792  238927

Coefficients:
           Estimate Std. Error t value Pr(>|t|)    
(Intercept)  -5000   11766.4  -0.568     0.65    
nbureaux        2900      293.6  23.800   <2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1


bon pour les valeurs Min 1Q Median 3Q Max donnent que la distribuion n'est pas symétrique non ? si non comment peut on les interpréter ?

on a la pvalue est de nbureaux = <2e-16 càd que ce coefficient est significatif ?

merci beaucoup d'avance pour ceux qui puissent corriger les fautes que j'ai commises dans mes interprétations et de m'aider à interpréter les autres résultats

Concrêtement ça veut dire que
Revenu = 2900*nbre de bureaux - 5000.
Le - 5000 veut dire que pour 0 bureaux tu as -5000 de revenu (l'ordonnée à l'origine).
Le revenu augmente de 2900€ pour chaque bureau supplémentaire. Donc oui plus le nbre de bureaux augmente plus le revenu augmente.

le sportif a écrit:bon pour les valeurs Min 1Q Median 3Q Max donnent que la distribuion n'est pas symétrique non ? si non comment peut on les interpréter ?

Ici il s'agit de la distribution des résisuds. Ce qu'il est impératif de faire c'est une exploration graphique de ton modèle :
plot(lm(...)). Tu verras ainsi si tes résidus sont distribués normalement, et si la relation entre les revenus et le nombre de bureaux est linéaire. (poste le graphique pour qu'on puisse te donner d'autres indications).

on a la pvalue est de nbureaux = <2e-16 càd que ce coefficient est significatif ?

Oui ça veut juste dire que le coefficient 2900 est différent de 0.
Il te faut ensuite savoir la proportion de variance expliquée par ton modèle (le R² donné par le summary).