Erreur standard du paramètre estimé

Bonjour,
Tout le monde!
J'ai deux questions par rapport à ce sujet.
1. Dans un modèle de la régression linéaire avec variables qualitatives, j'ai calculé les erreur standards de mes trois paramètres estimés, mais je trouve que l'erreur standard des paramètres estimés  avec summary() et celle calculée par la matrice d'information de fisher est différent. Je voudrais savoir pourquoi
avec summary(glm)
Call:
glm(formula = yl ~ x1 + x2, family = binomial(logit), data = dfl)

Deviance Residuals:
    Min        1Q    Median        3Q       Max  
-2.02909  -0.02690   0.00002   0.06501   1.85812  

Coefficients:
              Estimate    Std. Error  z value Pr(>|z|)    
(Intercept) -79.2404   23.2708  -3.405 0.000661 ***
x1             2.1419     0.6588     3.251 0.001150 **
x2             5.1187     1.5124     3.385 0.000713 ***
calcul des erreurs standards avec la matrice d'information de fisher
> sqrt(diag(solve(V)))
[1] 20.9344641  0.5770681  1.3979011

2.
Pourquoi les paramètres eux peuvent avoir une erreur standard, ça veut dire que les paramètres peuvent aussi osciller?  
s

Merci pour m'aider!

bonjour,

il faudrait nous dire comment tu as calculée cette matrice V. Dans un glm il est important que tu prennes en compte les poids dans le calcul de V, est-ce que c'est le cas ?

Code:

# avec un jeu de données issu du net :
mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv")
mylogit <- glm(admit ~ gre + gpa + rank, data = mydata, family = "binomial")
summary(mylogit)
...
Coefficients:
            Estimate Std. Error z value Pr(>|z|)   
(Intercept) -3.449548  1.132846  -3.045  0.00233 **
gre          0.002294  0.001092  2.101  0.03564 * 
gpa          0.777014  0.327484  2.373  0.01766 * 
rank        -0.560031  0.127137  -4.405 1.06e-05 ***
...

W <- diag(mylogit$weights) # la matrice des poids
X <- model.matrix(mylogit) # la matrice des variables explicatives
sqrt(diag(solve(t(X)%*%W%*%X)))
(Intercept)        gre        gpa        rank
1.132846009 0.001091839 0.327483878 0.127136989


Ca correspond bien. Par contre si tu ne prends pas en compte ces poids tu risque d'avoir une différence.

2. tu fais l'hypothèse que les paramètres sont issus d'une certaine distribution (normale)
Cdlt

 Merci beaucoup pour votre aide!!!!!!
J'ai refait mon exercice, ça donne le même résultat maintenant
Cordialement!Bonne semaine!