EL GHAZI Imad M’BA Yann DL n°2 REGRESSION LINEAIRE Ce travail a pour objectif l’étude de la dépendance du nombre de miles parcouru par galon MPG aux ),HP facteurs WT (le poids du véhicule en livres) ,ESIZE (puissance du moteur (cylindrés) en (nombre de chevaux) ,BARR (nombre d’injecteur) . 1Estimation des coefficients de régression βj

ANOVAb Modèle Somme des carrés 1 Régression Résidu Total 931,893 194,155 1126,047 ddl 4 27 31 Moyenne des carrés 232,973 7,191 D 32,398 Sig. ,000a

a. Valeurs prédites : (constantes), BARR, ESIZE, WT, HP b. Variable dépendante : MPG

Coefficientsa Modèle Coefficients non standardisés Coefficients standardisés 95,0% % intervalles de confiance pour B Limite A 1 (Constante) WT ESIZE HP BARR a. Variable dépendante : MPG 36,833 -,004 -,004 -,025 -,202 Erreur standard 2,288 ,001 ,014 ,021 ,592 -,583 -,081 -,287 -,054 Bêta t 16,095 -2,896 -,287 -1,212 -,341 Sig. ,000 ,007 ,776 ,236 ,736 Borne inférieure 32,137 -,006 -,032 -,068 -1,416 supérieure 41,528 -,001 ,024 ,017 1,013

Les tableaux ci-dessus représentent les estimations pour les coefficients de regression ainsi que leurs degrés de significations et les intervalles de confiances à 95%. 1. Estimation de l’écart-type σ du terme résiduel
Récapitulatif des modèles Modèle R di Erreur standard R-deux a R-deux ajusté ,802

de l'estimation 2,68159

1

,910

,828

me

nsi

on

0

a. Valeurs prédites : (constantes), BARR, ESIZE, WT, HP

2. Analyse des résidus

EL GHAZI Imad M’BA Yann DL n°2 REGRESSION LINEAIRE

EL GHAZI Imad M’BA Yann DL n°2 REGRESSION LINEAIRE

L’ACF ainsi que le PACF montrent que les résidus se comportent comme un bruit blanc. Le R² et le R² ajusté sont pochent de 1 ce qui montre que la variable MPG est bien expliqué par les variables