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 trouver l’équation de régression linéaire à partir d’un tableau



Souvent, vous souhaiterez peut-être trouver une équation de régression linéaire à partir d’un tableau de données.

Par exemple, supposons que vous receviez le tableau de données suivant :

L’exemple suivant, étape par étape, explique comment trouver une équation de régression linéaire à partir de ce tableau de données.

Étape 1 : Calculer X*Y, X 2 et Y 2

Tout d’abord, nous allons calculer les métriques suivantes pour chaque ligne :

  • x*y
  • x2
  • et 2

La capture d’écran suivante montre comment procéder :

Étape 2 : Calculer ΣX, ΣY, ΣX*Y, ΣX 2 et ΣY 2

Ensuite, nous calculerons la somme de chaque colonne :

Étape 3 : Calculer b 0

La formule pour calculer l’ordonnée à l’origine de l’équation de régression, b 0 , est la suivante :

  • b 0 = ((Σy)(Σx 2 ) – (Σx)(Σxy)) / (n(Σx 2 ) – (Σx) 2 )
  • b 0 = ((128)(831) – (85)(1258)) / (10(831) – (85) 2 )
  • b 0 = -0,518

Remarque : Dans la formule, n représente le nombre total d’observations. Dans cet exemple, il y avait 10 observations au total.

Étape 4 : Calculer b 1

La formule pour calculer la pente de l’équation de régression, b 1 , est la suivante :

  • b 1 = (n(Σxy) – (Σx)(Σy)) / (n(Σx 2 ) – (Σx) 2 )
  • b 1 = (10(1258) – (85)(128)) / (10(831) – (85) 2 )
  • b 1 = 1,5668

Étape 5 : Écrire l’équation de régression linéaire

L’équation de régression linéaire finale peut s’écrire :

  • ŷ = b 0 + b 1 x

Ainsi, notre équation de régression linéaire s’écrirait comme suit :

  • ŷ = -0,518 + 1,5668x

Nous pouvons vérifier que cette réponse est correcte en insérant les valeurs du tableau dans lecalculateur de régression linéaire simple :

Nous pouvons voir que l’équation de régression linéaire de la calculatrice correspond à celle que nous avons calculée manuellement.

Ressources additionnelles

Les didacticiels suivants fournissent des informations supplémentaires sur la régression linéaire :

Introduction à la régression linéaire simple
Introduction à la régression linéaire multiple
Comment interpréter les coefficients de régression

Ajouter un commentaire

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