0,50
0,30
0,10
0,01

R : Le coefficient de corrélation mesure la force de la relation entre deux variables.
R2 ou R-Deux : Mesure la part expliquée de la variable dépendante par la variance de la variable indépendante. Exemple : Variable dépendante : Rendement
Variable indépendante : Motivation.
Si R2 est égale à 0,76 veut dire que 76% de la variance du rendement est expliquée par la variance de la motivation.






R
R
R
R
R
R






=

0,70
0,69
0,49
0,29
0,09
0,00

Relation très forte
Relation forte
Relation modérée
Relation faible
Relation très faible
Relation nulle

Pr. BOULAHOUAL Adil

Résumé : RLS

ETAPE DE LA REGRESSION LINEAIRE SIMPLE
1- La spécification du modèle consistant à tracer le nuage de point - dit encore diagramme de dispersion - et à soupçonner l’existence et le type de la relation entre les deux variables.
Procédure sous SPSS : Analyse – Régression – Ajustement de fonction.

3- L’estimation des paramètres β0 et β1 : Autrement calculer la b0 et la b1 .
Deux types d'estimations existent : Des estimations ponctuelles et d’autres par intervalle de confiance.
Procédure sous SPSS : Analyse – Régression – Linéaire – Statistiques – Estimation –Intervalle de confiance.
N.B : Pour le modèle linéaire simple, lorsqu’il est validé par l’analyse de la variance nous n’avons pas à tester les hypothèses car d’office la signification de la variable indépendante serait inférieure au seuil choisi. De plus, si l’intervalle de confiance de la β0 contient la valeur zéro(0) ceci n’influence en aucun cas l’existence de relation entre la variable explicative et expliquée, autrement la fonction y= β0+ β1x deviendrait y= β1x .
Par contre si l’intervalle de la β1 contient la valeur zéro, la fonction s’écrirait y= β0 ce qui veut dire qu’il n’existe pas de lien entre la variable x et la y.

Chapitre I : régression linéaire simple « résumé »

2- La validation du modèle se fait à travers plusieurs indicateurs et nous retenons l’analyse de la variance(ANOVA)
Règle de