Anova

17 18 8 9 12 24 15 Composante 1 0,542 0,612 0,749 0,513 0,725 0,584 0,682 0,619 Composante 2 Composante 3 Prisme du discours Items 16 33 37 19 81 Composante 1 0,671 0,737 0,574 0,911 0,955 Composante 2 Composante 3 27 Annexe C : Tableau ANOVA Dimensions Classe Moyenne des carrés Expérience1 Expérience2 Expérience3 Méthode1 Méthode2 Méthode3 Méthode4 Complexité1 Complexité2 Complexité3 Discours1 Discours2 Discours3 50,998 36,267 60,355 75,449 36,421 15,644 35,673 99,907 64,428 54,091 88

est la suivante : Si 𝐹∗ > 𝐹 nous rejetons l’hypothèse 𝐻0 et le modèle est alors globalement explicatif. Si 𝐹∗ ≤ 𝐹 nous acceptons l’hypothèse 𝐻0. Pr. Abdessamad OUCHEN, ENCG Fès, USMBA Fès 100 ANOVA b Modèle Somme des carrés Ddl Moyenne des carrés D Sig. 1 Régression 571,907 2 285,954 90,603 ,000 a Résidu 22,093 7 3,156 Total 594,000 9 a. Valeurs prédites : (constantes), X2, X1 b. Variable dépendante : Y 𝐹∗ = 𝐹𝛼

les variables (moyenne, écart-type, taille de l'échantillon, corrélation des variables) Pour la régression simple (avec une variable explicative X), il ne faut pas d'autres options! Syntaxe : REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT ouv_sen /METHOD=ENTER bf_ext . SPSS-Viewer (Résultat) « Model summary » : • • R : correspond à la corrélation rxy dans le cas de la régression simple R2 : coefficient de détermination ou pourcentage

2. Fig. 10.3. ¯ Tableau d'analyse de variance, R2 , R2 et R - Consommation des véhicules Y observé et Y calculé - Coecient de corrélation linéaire multiple - Consommation des véhicules 2. reg_multiple_consommation_automobiles.xlsx - "anova et R2" Page: 102 job: econometrie_regression macro: svmono.cls date/time: 7-Jun-2011/18:10 10.2 Test de signicativité globale de la régression 103 Nous calculons les ratios supplémentaires : ¯  Le R2 -ajusté, R2 = 1 − −

de classes finaux Classe 1 Meubles de bureau et de rangement Salon Salle de bain Cuisine Chambre à coucher 2 3 3 2 4 3 4 4 3 3 2 4 2 2 4 3 3 54 Projet ADD : Mobilia Accessoires décoratifs Extérieur 2 3 4 4 4 2 Test de l’ANOVA ANOVA Classe Moyenne des carrés Meubles de bureau et de rangement Salon Salle de bain Cuisine Chambre à coucher Accessoires décoratifs Extérieur 25.739 8.550 14.609 17.159 16.339 25.759 2 2 2 2 2 2 .518 .688 .819 .808 .871 .803 90 90 90 90 90 90 49.655 12

plusieurs observations 1.5. Comparaison multiple de moyennes : méthodes de la plus petite différence significative, de Newman et Keuls, de Duncan et de Dunnett 2. Informatique appliquée 2.1. Saisie des données 2.2. Analyse statistique simple (ANOVA) comparaison des moyennes 2.3. Corrélations; régressions ; interprétation 2.4. Analyses des fréquences (test d'homogénéité, test de conformité) 2.5. Analyses des statistiques multivariées (AFC, ACP, AFD, classification) 3. Contrôle des connaissances

2. ¯ Tableau d'analyse de variance, R2 , R2 et R - Consommation des véhicules Fig. 10.3. Y observé et Y calculé - Coecient de corrélation linéaire multiple - Consommation des véhicules 2. reg_multiple_consommation_automobiles.xlsx - "anova et R2" Page: 102 job: econometrie_regression macro: svmono.cls date/time: 7-Jun-2011/18:10 10.2 Test de signicativité globale de la régression 103 Nous calculons les ratios supplémentaires : ¯  Le R2 -ajusté, R2 = 1 − − 0.89911)

données biologiques. Les TD : - Les bases théoriques indispensables à l'utilisation des logiciels d'analyse statistique : Importance des statistiques en biologie et principe des tests statistiques couramment utilisés en biologie : Khi deux, t-student, ANOVA, Tests non-paramétriques. - Définition, objectifs de la bioinformatique et exploitation des bases de donnés en biologie Les TP : - travail rédactionnel/logiciel de traitement de texte - Présentation des données expérimentales, calculs mathématiques/logiciel

les échantillons se distinguent en leur satisfaction de façon signifiante ou non. Nous allons alors opposer les résultats des mesures de satisfaction des deux échantillons : Le test de Kolmogorov-Smirnov et les résultats d’une analyse de variance (ANOVA) montre pour toutes les mesures de satisfaction qu’on ne peut pas rejeter l’hypothèse d’une indifférence des échantillons. Remarquons que l’analyse de variance est un test paramétrique qui suppose principalement que l’échantillon provienne d’une population

de modèle et MANOVA En pratique, on utilise différentes méthodes pour sélection puis valider un modèle. En premier lieu on s’assure que la variable classe a bien un effet sur les autres variables par une analyse de la variance. ANOVA - MANOVA L’analyse de la variance (ANOVA) permet de tester l’effet de chacun des facteurs sur la différence en moyenne entre les groupes. Elle permet ainsi de sélectionner les variables qui ont un pouvoir discriminant. L’analyse de la variance multivariée (MANOVA) permet