Tp arch et garch
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