Statistique : Tester l'association de variables
Cette grande leçon présente, sous l'angle de la statistique inférentielle, les principales méthodes pour tester l'existence d'une association entre variables : corrélations de variables numériques (r
de Pearson) ordinales (
de Spearman, 
de Kendal), ou nominales (
et 
). Après un rappel de la régression linéaire simple, on introduit la corrélation partielle. Finalement, cinq articles sont consacrés à la corrélation multiple.
7. Régression linéaire multiple : Ordre d'introduction des variables
7.2. Exemple d’Analyse par la méthode standard
Reprenons l’exemple précédent, où l’on veut prédire la VD « DVP » à partir des VIs« F02J » et « F11VN ». Ajoutons en outre trois nouvelles VIs « F11VP » « F11EN » et « F11EP ».
Voici ce que donne la méthode standard sous SPSS
Examinons ces résultats de plus près, en nous limitant à ce que nous n’avons pas déjà vu jusqu’ici.
Ce tableau des sorties de SPSS semble nouveau car, jusqu’à présent, nous ne l’avions pas présenté. Il rend compte de la méthode d'introduction des variables.
Colonne Modèle : donne le numéro du modèle testé. Avec la méthode standard, il n’y en a qu’un puisque tout est entré d’un seul coup.
Colonne Méthode : comme son nom l’indique, c’est la méthode de régression utilisée. Pour les régressions pas à pas, à chaque étape de la procédure, un nouveau modèle est calculé. Une nouvelle ligne sera donc créée pour chaque modèle, qui indiquera les variables introduites et exclues de ce modèle.
Notez simplement dans ce tableau d’ajustement que R ² ajusté signale que le modèle avec les cinq VI explique 65.9% de la variance totale.
Ici, nous voyons que 4 VI contribuent significativement et la 5e pas du tout.
Observez les valeurs des bêtas, dont la valeur absolue traduit l’importance relative des variables dans la régression : On voit que F11VP contribue fortement aux variations de la VI, puis F02J, F11EP, F11VN et finalement F11EN qui contribue tellement peu que cette contribution n’est pas significative.