comment calculer la p-value dans la régression.

[saidgrd]

bonjours;

j'aurai besoin de savoir, comment calculer la p-value ??, celle que me calcule R ou bien SPSS pour chaque variable. j'en aurai besoin pour appliquer la méthode Backward pour la sélection des variables.

voici ci-dessous les p-value que me donnerai SPSS pour chaque variable lors de l'ajustement du modèle.


ici après élimination de la variable dont la p-value est la plus grande.


j'aurai besoin surtout de savoir comment elle se calcule à la main ? (c'est très important je dois la mettre dans mon rapport)

merci d'avance.

[LicenceXP]

La p-value est liée à ta t-statistique. Prenons la t-statistique de 0 dans ton premier tableau, -0,46. La p-valeur sera la surface de la distribution de probabilité d'une variable aléatoire de student (avec pour paramètre n-p degrés de liberté ou p = 6 ici, n je ne sais pas c'est toi qui dois me le dire) avant cette valeur -0,46, et qu'on multiplie par deux car c'est un test bilatéral (ce dernier point est plus difficile à expliquer cela dit, si tu ne le comprends pas alors j'essayerai de te réexpliquer ce qu'est un test bilatéral).


En gros pour faire ce calcul à la main, tu dois calculer 2*P(T<-0,46) ou encore 2*P(T>0,46) (le résultat sera le même vu que la distribution de student est symétrique autour de 0). P(T>0,46) est fournis dans les tables habituelles. Tu devras choisir de regarder ce qui correspond à n-6 degrés de liberté dans ton cas.

[saidgrd]

merci pour la réponse,
voila n=10, ce n'est pas mon exemple j'essaye juste de comprendre celui-ci.
http://statmaster.sdu.dk/courses/st1...00000000000000
voila la loi de student

je sais à peut près ce qu'est une loi de student.
tu n'aurai pas un lien pour la table avec la valeurs ??
et réexplique moi stp comment trouver ma valeur dans la table

cordialement.

[saidgrd]

encore une question , c'est quoi t-statistic, je n'ai pas cherché car je l'utilisais pas jusqu'à mainetant.

[saidgrd]

re, quelqu'un pourrait me répondre svp !!!

[LicenceXP]

Navré, je t'ai oublié

La t-statistic c'est simplement ton "Estimate" divisé par sa "Standard Error", c-à-d colonne deux de tes tableaux divisé par colonne trois. La t-statistic nous donne alors une mesure de la significativité des tes différents betas. Plus la t-statistic sera éloignée de zéro (négativement ou positivement), plus cela signifie que le beta concerné est significatif (et donc qu'il ne faut pas le supprimer du modèle !) Si tu as une t-statistic proche de zéro, alors cela signifie qu'on n'est pas certain que la vraie valeur du beta concerné est différente de zéro (bien se rappeler que les valeurs calculées pour chaque beta son des estimations d'une "vraie valeur", ce n'est pas parce que ton estimate d'un des betas est 0.78 par exemple que la vraie valeur n'est peut-être pas 0.000...)

Lorsque l'un des betas est jugé non significatif, autrement dit que la t-statistic est proche de zéro, autrement dit que la p-value est grande, cela signifie qu'on est pas certain que le beta concerné est différent de zéro "en vrai". Et s'il vaut zéro (hypothèse qu'on échoue donc à rejetter), alors la variable explicative associée (X_1 pour beta_1, X_2 pour beta_2) disparaît de ton modèle car 0*X_i = 0. Autrement dit la variable explicative particulière X_i reliée à ton beta_i n'a aucune puissance explicative de ta réponse Y.

[LicenceXP]

En pratique dans le premier tableau, on voit que beta_2 a une p-valeur de 0.832 (la plus élevée de tous les betas). On décide donc de supprimer la variable X_2 de ton modèle et on refait tous les calculs pour un modèle ayant cette variable explicative en moins.

[saidgrd]

Navré, je t'ai oublié

La t-statistic c'est simplement ton "Estimate" divisé par sa "Standard Error", c-à-d colonne deux de tes tableaux divisé par colonne trois. La t-statistic nous donne alors une mesure de la significativité des tes différents betas. Plus la t-statistic sera éloignée de zéro (négativement ou positivement), plus cela signifie que le beta concerné est significatif (et donc qu'il ne faut pas le supprimer du modèle !) Si tu as une t-statistic proche de zéro, alors cela signifie qu'on n'est pas certain que la vraie valeur du beta concerné est différente de zéro (bien se rappeler que les valeurs calculées pour chaque beta son des estimations d'une "vraie valeur", ce n'est pas parce que ton estimate d'un des betas est 0.78 par exemple que la vraie valeur n'est peut-être pas 0.000...)

Lorsque l'un des betas est jugé non significatif, autrement dit que la t-statistic est proche de zéro, autrement dit que la p-value est grande, cela signifie qu'on est pas certain que le beta concerné est différent de zéro "en vrai". Et s'il vaut zéro (hypothèse qu'on échoue donc à rejetter), alors la variable explicative associée (X_1 pour beta_1, X_2 pour beta_2) disparaît de ton modèle car 0*X_i = 0. Autrement dit la variable explicative particulière X_i reliée à ton beta_i n'a aucune puissance explicative de ta réponse Y.

merci, merci et merci encor, c'est vraiment gentil de ta part. si j'ai besoin d'aitre chose je sais à qui m'adresser

[LicenceXP]

Pour peu que tu n'ais pas peur de devoir patienter parfois plus de 24h pour une réponse, ce sera au plaisir !