Leçon 2 sur 5
Régression multiple : estimation et interprétation
Je sais écrire un modèle de régression multiple sous forme matricielle, calculer l'estimateur des moindres carrés β̂ = (X'X)⁻¹X'y et interpréter chaque coefficient « toutes choses égales par ailleurs ».
- 1 h 25
- 6 exercices corrigés
- QCM de 7 questions
À la fin de la leçon, vous saurez :
- Écrire le modèle linéaire multiple sous forme matricielle et énoncer ses hypothèses
- Établir et calculer l'estimateur MCO et sa matrice de variance
- Interpréter les coefficients toutes choses égales par ailleurs et expliquer le biais de variable omise
- Utiliser R² et R² ajusté
- Coder des variables qualitatives par des indicatrices
Avant de commencer : Leçon 1 (régression simple et moindres carrés) ; calcul matriciel (produit, transposée, inverse).
1Je découvre
La droite de la leçon 1 a convaincu le trésorier de l'union des coopératives de Kankan : un sac d'engrais de plus par hectare, c'est environ 0,4 tonne de riz en plus. Mais l'agronome n'est pas d'accord : « Les parcelles qui ont reçu le plus d'engrais sont aussi celles qui ont eu le plus de pluie cette saison. Une partie de ces 0,4 tonne, c'est la pluie, pas l'engrais ! »
Mariama, chez Kobi Data, reprend donc huit parcelles pour lesquelles elle connaît à la fois la dose d'engrais et la pluie cumulée pendant la saison. Elle veut séparer l'effet propre de chaque facteur.
Comment estimer simultanément l'effet de plusieurs variables explicatives, et comment interpréter chaque coefficient quand les variables sont liées entre elles ?
La suite se lit avec votre compte Kharandi Université
La première leçon de chaque cours est libre. Kharandi Université est une inscription à part de l’école : avec votre compte étudiant, vous lisez toutes les leçons en entier, avec les exercices corrigés et les QCM, et les 7 premiers jours sont offerts.