Significativité d'une régression linéaire simple
4 participants
Forum des Bioingénieurs de l'ULB :: MA1 :: Tronc commun :: Expérimentation et analyse de données :: Archives
Page 1 sur 1
Significativité d'une régression linéaire simple
"Comme pour l'ANOVA, on peut effectuer un test de la significativité de la régression car MS(reg)/MS(rés) suit une distribution F à respectivement n-2 et 1 ddl"
Qqn sait m'éclairer?
Qqn sait m'éclairer?
Re: Significativité d'une régression linéaire simple
j'ai trouvé ça qui me parait assez clair:
"Le test F de Fisher est un test de significativité qui peut être employé :
* lors de la comparaison de plusieurs moyennes (ce test ne peut être utilisé qu'à deux conditions: les distributions des moyennes sont normales, c'est-à-dire décrivent une courbe de Gauss et leurs variances sont de même taille)
* pour tester la significativité globale d'un modèle de régression
En ce qui concerne la comparaison de plusieurs moyennes, on se pose la question suivante : les différences entre les moyennes observées et la moyenne globale sont-elles significatives ou non ?
Le test F de Fisher permet de tester ce genre d'hypothèses.
Le test de Fisher permet également de savoir si un modèle de régression linéaire multiple est globalement significatif ou non.
Principe d'utilisation :
La valeur observée est comparée aux valeurs contenues dans la table du F de Fisher. Si la valeur du F calculé est supérieure à la valeur du F critique de la table, alors on en déduira qu'un ou plusieurs coefficients de la régression sont différents de 0, et donc que le modèle est (très) significatif (selon le seuil de significativité)(=>H1). Si le modèle n'est pas globalement significatif(=>Ho), il est important de voir quel(s) coefficient(s) n'est pas significatif(s) à l'aide du test de Student. Un F calculé supérieur au F de la table traduit, soit une différence significative entre les moyennes observées et la moyenne globale, soit un modèle globalement significatif, selon l'emploi du test de Fisher."
et dans les archives: C'est la statistique de la régression linéaire
en fonction de la valeur du p qui est associé à cette statistique, on rejette ou non H0:
H0: la régression n'est pas significative
H1: la régression est significative
La valeur de F te donne une idée générale de la "qualité" du modèle linéaire, de la prédictibilité de la variable réponse. Si elle est élevée, cela signifié que ton modèle est bon.
voili:)
"Le test F de Fisher est un test de significativité qui peut être employé :
* lors de la comparaison de plusieurs moyennes (ce test ne peut être utilisé qu'à deux conditions: les distributions des moyennes sont normales, c'est-à-dire décrivent une courbe de Gauss et leurs variances sont de même taille)
* pour tester la significativité globale d'un modèle de régression
En ce qui concerne la comparaison de plusieurs moyennes, on se pose la question suivante : les différences entre les moyennes observées et la moyenne globale sont-elles significatives ou non ?
Le test F de Fisher permet de tester ce genre d'hypothèses.
Le test de Fisher permet également de savoir si un modèle de régression linéaire multiple est globalement significatif ou non.
Principe d'utilisation :
La valeur observée est comparée aux valeurs contenues dans la table du F de Fisher. Si la valeur du F calculé est supérieure à la valeur du F critique de la table, alors on en déduira qu'un ou plusieurs coefficients de la régression sont différents de 0, et donc que le modèle est (très) significatif (selon le seuil de significativité)(=>H1). Si le modèle n'est pas globalement significatif(=>Ho), il est important de voir quel(s) coefficient(s) n'est pas significatif(s) à l'aide du test de Student. Un F calculé supérieur au F de la table traduit, soit une différence significative entre les moyennes observées et la moyenne globale, soit un modèle globalement significatif, selon l'emploi du test de Fisher."
et dans les archives: C'est la statistique de la régression linéaire
en fonction de la valeur du p qui est associé à cette statistique, on rejette ou non H0:
H0: la régression n'est pas significative
H1: la régression est significative
La valeur de F te donne une idée générale de la "qualité" du modèle linéaire, de la prédictibilité de la variable réponse. Si elle est élevée, cela signifié que ton modèle est bon.
voili:)
amandine- Neurotransmetteur
-
Nombre de messages : 176
Année d'étude : MA1
Section : Bioingénieur
Date d'inscription : 11/11/2008
Re: Significativité d'une régression linéaire simple
ok donc c'est comme l'ANOVA, la statistique F = CarréMoyen(fact)/CarréMoyen(res) suit une loi de Fischer, et la p-value associée à une valeur de F représente la probabilité de prendre au moins cette valeur sous Ho.
amandine- Neurotransmetteur
-
Nombre de messages : 176
Année d'étude : MA1
Section : Bioingénieur
Date d'inscription : 11/11/2008
Re: Significativité d'une régression linéaire simple
Encore une chose, les termes SS dans la formule du calcul de R², c'est bien "Squares Sum" ?
musca- Neurotransmetteur
-
Nombre de messages : 176
Année d'étude : MA2
Section : Bioingénieur
Option : Agronomie - Option général
Date d'inscription : 01/09/2008
Re: Significativité d'une régression linéaire simple
haaa pas mal! ben d'office (je pense :p) comme ça, MS= mean sum, ce qui correspond à son tableau anova où il mettait "carré moyen" (et somme des carrés des écarts pr SS!)
Livia- Dopamine
-
Nombre de messages : 86
Année d'étude : MA2
Section : Bioingénieur
Date d'inscription : 25/09/2008
Forum des Bioingénieurs de l'ULB :: MA1 :: Tronc commun :: Expérimentation et analyse de données :: Archives
Page 1 sur 1
Permission de ce forum:
Vous ne pouvez pas répondre aux sujets dans ce forum
|
|