Permutation de l’ordre des variables (R)

[Grendel26]

Bonjour, je me posais une question.
Lors d'une analyse de variance de type anova (aov) (sur r par exemple), lorsque les variables explicatives sont fortement corrélées (colinéarité), on s'attend à ce que si l'on permute l'ordre des variables comme par exemple:
aov(Y=X1+X2), les coefficients estimés seront différents d'un modèle de type aov(Y=X2+X1).

En revanche, si le plan est bien équilibré, dans un modèle de type régression multiple et que l'on permute également les variables:
lm(Y=X2+X1).et lm(Y=X1+X2) seront parfaitement équivalents et leurs coefficients estimés également.

Seulement, je n'arrive pas bien à comprendre pourquoi il existe une telle différence entre les 2 méthodes..

Merci beaucoup pour votre aide.
-----

[Grendel26]

Petit up

[minushabens]

La fonction aov de R fait des tests séquentiels. Si tu veux tester globalement l'effet de A et B il te faut faire le test du rapport de vraisemblance entre le modèle complet et le modèle vide. Si tu ne connais pas la notion de tests séquentiels, regarde ici : https://mcfromnz.wordpress.com/2011/...-ss-explained/

[Grendel26]

Bonjour, en effet en cherchant un peu j'avais vu la raison d'un changements de résultats losqu'on permute les variables dans le cas de l'aov à cause d'une analyse séquentielle des variables. Pour le coup, une régression linéaire utilise quelle type d'analyse pour eviter ce problème lorsqu'on change l'ordree des variables? Ca je n'ai pas réussi à trouver...

[A voir en vidéo sur Futura]