Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment effectuer un test de Breusch-Pagan dans Excel



Un test de Breusch-Pagan est utilisé pour déterminer si l’hétéroscédasticité est présente dans une analyse de régression.

Ce tutoriel explique comment effectuer un test de Breusch-Pagan dans Excel.

Exemple : test de Breusch-Pagan dans Excel

Pour cet exemple, nous utiliserons l’ensemble de données suivant qui décrit les attributs de 10 joueurs de basket-ball.

Données brutes dans Excel

Nous ajusterons un modèle de régression linéaire multiple en utilisant la notation comme variable de réponse et les points, les passes décisives et les rebonds comme variables explicatives. Ensuite, nous effectuerons un test de Breusch-Pagan pour déterminer si l’hétéroscédasticité est présente dans la régression.

Étape 1 : Effectuez une régression linéaire multiple.

Dans le ruban supérieur d’Excel, accédez à l’onglet Données et cliquez sur Analyse des données. Si vous ne voyez pas cette option, vous devez d’abord installer le logiciel gratuit Analysis ToolPak .

Toolpak d’analyse de données dans Excel

Une fois que vous avez cliqué sur Analyse des données, une nouvelle fenêtre apparaîtra. Sélectionnez Régression et cliquez sur OK. Remplissez les tableaux nécessaires pour les variables de réponse et les variables explicatives, puis cliquez sur OK.

Régression multiple dans Excel

Cela produit le résultat suivant :

Sortie de régression dans Excel

Étape 2 : Calculez les carrés des résidus.

Ensuite, nous calculerons les valeurs prédites et les carrés des résidus pour chaque valeur de réponse. Pour calculer les valeurs prédites, nous utiliserons les coefficients du résultat de la régression :

Formule de valeurs prédites pour la régression dans Excel

Nous utiliserons la même formule pour obtenir chaque valeur prédite :

Valeurs de régression prévues dans Excel

Ensuite, nous calculerons les carrés des résidus pour chaque prédiction :

Calculer les résidus dans Excel

Nous utiliserons la même formule pour obtenir chaque carré résiduel :

Calcul du résiduel au carré dans Excel

Étape 3 : Effectuez une nouvelle régression linéaire multiple en utilisant les carrés des résidus comme valeurs de réponse.

Ensuite, nous effectuerons les mêmes étapes que précédemment pour effectuer une régression linéaire multiple en utilisant les points, les passes décisives et les rebonds comme variables explicatives, sauf que nous utiliserons cette fois les carrés des résidus comme valeurs de réponse. Voici le résultat de cette régression :

Régression de Breusch-Pagan dans Excel

Étape 4 : Effectuez le test de Breusch-Pagan.

Enfin, nous effectuerons le test de Breusch-Pagan pour voir si l’hétéroscédasticité était présente dans la régression originale.

Nous allons d’abord calculer la statistique du test du Chi carré en utilisant la formule :

X 2 = n*R 2 nouveau

où:

n = nombre d’observations

R 2 nouveau = R Carré de la « nouvelle » régression dans laquelle les carrés des résidus ont été utilisés comme variable de réponse.

Dans notre exemple, X 2 = 10 * 0,600395 = 6,00395 .

Ensuite, nous trouverons la valeur p associée à cette statistique de test. Nous pouvons utiliser la formule suivante dans Excel pour ce faire :

=CHISQ.DIST.RT(statistique de test, degrés de liberté)

Dans notre cas, les degrés de liberté sont le nombre indiqué pour df de régression dans la sortie. Dans ce cas, c’est 3. Ainsi, notre formule devient :

=CHISQ.DIST.RT(6.00395, 3) = 0.111418 .

Comme cette valeur p n’est pas inférieure à 0,05, nous ne parvenons pas à rejeter l’hypothèse nulle. Nous ne disposons pas de preuves suffisantes pour affirmer que l’hétéroscédasticité est présente dans le modèle de régression original.

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *