Anova

(ou ordonnée mais avec peu de valeurs, du type « mauvais, moyen, bon »), on procède à un test d’indépendance du khi² complété d’indicateurs de mesure d’association. Si la réponse est quantitative, la technique utilisée est l’analyse de la variance (ANOVA). Dépouillement du questionnaire et analyse des informations • Cherchons maintenant à savoir s’il existe une différence entre plusieurs populations, par exemple ouvriers, employés, agents de maîtrise, ingénieurs et cadres. Le découpage est donc plus

repose sur l'importance que représente l'investissement étranger pour l'économie du pays hôte et sur l'inexistence d'études empiriques relatives à l'investissement direct étranger au Liban. D'après les analyses bivariées et le test des variances (Anova) que nous avons effectués, nos résultats montrent que le pays d'origine de l'entreprise, les conditions économiques, incluant le risque de conversion et de rapatriement des profits, les conditions sociales, les conditions politiques, incluant les effets

,140 ,936 ,051 ,030 ,000 ,591 ,002 ,918 ,840 ,127 ,210 ,890 ,959 ,038 ,007 ,738 ,011 a Variable dépendante : W620 176 Récapitulatif du modèle Modèle 1 R 0,298(a) R-deux 0,089 R-deux ajusté 0,081 Erreur standard de l'estimation 4,6223 ANOVA(b) Modèle Régression 1 Résidu Total Somme des carrés 10528,318 108216,475 118744,793 ddl 44 5065 5109 Carré moyen 239,280 21,366 F 11,199 Signification 0,000(a) b Variable dépendante : W620 177 Tableau 73 : Mesure de l’effet des facteurs

4 Statistique approfondie R² mesure le pourcentage de l'information expliqué par le modèle. Si R²>60% le modèle est fiable sinon le modèle n'est pas fiable. Jugement de la fiabilité statistique du modèle : Tableau d'analyse de la variance (ANOVA) Logique : Y–Ŷ=e Y= Ŷ + e ∑ (Y-Y)= ∑(Ŷ-Y + e) ∑ (Y-Y)= ∑(Ŷ-Y )+ ∑ e ∑ (Y-Y)²= ∑(Ŷ-Y )²+ ∑ e² Donc on a : SCT= SCE+SCR SCT : somme des carrés totale SCE : somme des carrés expliqués SCR : somme des carrés résiduels variable ei xi y Somme

de 48.4 entre le modèle parfait et le modèle sur x et donc par différence une déviance de 90.1 entre le modèle nul et le modèle sur x. Cette quantité suit une loi Chi2 quand le modèle nul est vrai. Le test de l’effet du facteur s’obtient par : > anova(glm1,test="Chisq") Analysis of Deviance Table Model: binomial, link: logit Response: y1 Terms added sequentially (first to last) NULL x Df Deviance Resid. Df Resid. Dev P(>|Chi|) 99 138.5 1 90.1 98 48.4 0.0 Bien lire : Df NULL x 1 Deviance

772 24,772 24,772 16,945 16,945 16,945 24,657 24,597 24,578 17,016 17,016 17,016 16,481 16,498 16,498 17,016 17,088 17,016 Bernard CLÉMENT, PhD Évaluation processus mesure 7 ANALYSE MÉTHODE AVANTAGE STATISTIQUE Analyse de la variance (ANOVA) plus générale plus difficile à comprendre Cartes de Shewhart Xbar & R graphique /calculs faciles /conviviale INCONVÉNIENT interaction Opérateur x Pièce = 0 EXEMPLE : carte R - utilisation du module PROCESS ANALYSIS de Statistica CombinedRangeChart

critère image de marque Importance attribuée au critère odeur Importance attribuée au critère packaging Importance attribuée au critère efficacité Importance attribuée au critère 2 en 1 4 2 4 3 4 2 4 4 4 2 4 2 4 3 4 1 4 3 4 5 15 ANOVA Classe Moyenne des carrés Importance attribuée au critère prix Importance attribuée au critère image de marque Importance attribuée au critère odeur Importance attribuée au critère packaging Importance attribuée au critère efficacité Importance attribuée

La loi de Fisher survient très fréquemment en tant que distribution de l'hypothèse nulle dans des tests statistiques, comme les tests du ratio de vraisemblance, dans les test de Chow utilisés en économétrie, ou encore dans l'analyse de la variance (ANOVA) via le test de Fisher. Caractérisation Une variable aléatoire réelle distribuée selon la loi de Fisher peut être construite comme le quotient de deux variables aléatoires indépendantes, U1 et U2, distribuées chacune selon une Loi du χ² et ajustées

∈ β j ± s c j j tα/2,n−(p+1) . ANOVA models One Factor Models • One-way model with 3 levels: yi j = µ + α j + and 3 α j = 0. j=1 i j, i = 1, . . . , n j , j = 1, 2, 3 all the being independent • Matrix notation: by coding with n1 = n2 = n3 = 2 and β = (µ, α1 , α2 ) : y = Xβ +   1 0   1      1   1 0         1     0 1  .    • with the design matrix: X =    1   0 1         1 −1 −1          1 −1 −1 General ANOVA Models • r − 1 variables for coding

|Si l'un ou plusieurs des ci est significatif, la variable Z est un modérateur de l'influence de X sur Y. | | |ANOVA |En effet, il est plus simple et plus direct de procéder à une analyse ANOVA plutôt que de transformer manuellement les variables en variables muettes et de les | | | |traiter par une analyse de régression avec variables muettes. À