Régression non linéaire

moyenne : à X=x fixé, la moyenne Y est une fonction de x • Remarque : non-corrélation ne signifie pas nécessairement indépendance Ph. LERAY - A. ROGOZAN 6 UV Statistique Cours n°3 quantitative vs. quantitative • Notion de corrélation y A y B y C y D ? • • • • x x x x 1 : corrélation non linéaire 2 : absence de liaison en moyenne mais pas en dispersion 3 : corrélation linéaire 4 : absence de liaison 7 Ph. LERAY - A. ROGOZAN UV Statistique

Chapitre 2 : le modèle de régression simple Introduction * Etude de la relation et de la dépendance entre deux variables : une variable explicative, exogène (X) et une variable à expliquer, endogène (Y) * Caractère linéaire (au niveau des coefficients) : modèle linéaire sous la forme d’une équation : linéarité dans les paramètres : Y = aX+b * Modèle aléatoire : terme d’erreur intégré : Y = aX + b + Ԑ 1. Présentation – spécification et hypothèses du modèle Yt = aXt + b +

conditionnelle Mesure de la dépendance entre deux variables qualitatives : - tableau croisé - test du chi-deux 2 3 Mesure de la dépendance entre deux variables quantitatives : - analyse graphique - coefficient de corrélation - ajustement linéaire Devoir sur table (1 h 30) 4 Séries chronologiques : - composantes - tendance longue durée (moyennes mobiles, moindres carrés) 5 Séries chronologiques : - coefficients saisonniers - désaisonnalisation Séries chronologiques : - prévisions

Économétriques à Une Équation-Régression Simple Exercice 1 : ?? On considère les matrices ? = ? ? ? ? ? ,? = ? ? ? ? ? ? ? ?? ? = ? ? ? ?? ?? ? ? ? 1) Calculer ?. ? −? et déduire ?′ . ?′ −? 2) Calculer ?? ?. ? ?? ?? ?. ? 3) Calculer ?−? 4) Soit ? une matrice de dimension ?, ? ?? ? = ?′ . ? Montrer que : a) ? est symétrique b) ?? ? = ??? ? ? 5) On considère des matrices carrées ?, ?, ?, ?, ? ?? ? où ? ?? ? sont deux matrices non singulières, développer

Alexandre Popier Université du Maine, Le Mans Octobre 2010 A. Popier (Le Mans) Licence SPI. Octobre 2010 1 / 16 P LAN DU COURS 1 R ELATION LINÉAIRE 2 D ROITE DE RÉGRESSION A. Popier (Le Mans) Licence SPI. Octobre 2010 2 / 16 P LAN 1 R ELATION LINÉAIRE 2 D ROITE DE RÉGRESSION A. Popier (Le Mans) Licence SPI. Octobre 2010 3 / 16 E XEMPLE : LIEN POIDS - TAILLE . Échantillon : médaillés (or) masculins à Sydney : Noms Taille

1 LE MODÈLE LINÉAIRE SIMPLE DONNÉES, NUAGES DE POINTS Il est fréquent, dans une étude élémentaire, de chercher à préciser une liaison éventuelle entre deux grandeurs pour lesquelles on dispose d'une série d'observations jointes. Ainsi :       la taille et le poids des éléments d'un groupe d'étudiants ; le salaire et le solde bancaire moyen des clients d'une banque ; le revenu annuel et le nombre moyen de voiture par habitant en France depuis 1948 ; le revenu par habitant et le taux d'analphabétisme

des théories économiques, prédire des comportement économiques et évaluer des politiques économiques. Les caractéristiques de l’ économétrie sont: (1) Les données utilisées ne sont pas expérimentales; (2) Les modèles à estimer sont structurels (et non descriptifs). 1.2 Les étapes d’ une analyses empirique (1) D’ abord, un modèle économique est construit. Exemples: (a) le modèle de demande du consommateur; (b) le modèle de capital humain et salaire (Mincer); (c) le modèle de criminalité (Becker);

Ricco Rakotomalala Econométrie La régression linéaire simple et multiple Version 1.0 Université Lumière Lyon 2 Page: 1 job: econometrie_regression macro: svmono.cls date/time: 7-Jun-2011/18:10 Page: 2 job: econometrie_regression macro: svmono.cls date/time: 7-Jun-2011/18:10 Avant-propos Lorsqu'on m'a demandé si je voulais assurer le cours d'économétrie en Licence L3-IDS (http://dis. univ-lyon2.fr/), j'ai ressenti une grande joie mais aussi une certaine inquiétude

mémoires statistiques. Sinon, les mesures effectuées (moyenne et écart type) seront erronées. Voici comment procéder : • Faire 2ndF CA (on obtient CA en appuyant sur la touche Mode) Faire la saisie des données A- Saisie de données non groupées : Exemple1: Calculons la moyenne des données suivantes : 75 ; 80 ; 90 ; 100 ; 82. Nous devons saisir chaque donnée suivie par DATA: Ainsi 75 DATA, 80 DATA, 90 DATA, 100 DATA, 82 DATA. (On obtient DATA en pressant la touche M+)

Chapitre I : La régression linéaire simple Les modèles de régression ont pour objectif d'expliquer la variation d'un phénomène mesurable par celle d'une ou de plusieurs autres variables, et dans la vie de l'entreprise, nous essayons fréquemment de détecter et d'analyser les causes de certains phénomènes, comme la variation des ventes par exemple. Différents modèles de régression sont possibles. La régression linéaire (simple ou multiple) estime les paramètres de l'équation théorique permettant de