Bonjour !
C'est avec un grand plaisir que je rejoins votre communauté, et aussi avec une petite question d'ordre pratique !
Je m'appelle Anaïs et suis actuellement en cours de rédaction de mon mémoire de fin d'études, pour lequel j'effectue une étude quantitative. Mon problème réside dans l'interprétation de la page de résultats que SPAD7 me donne pour une régression simple.
Ma première régression par exemple a pour but de déterminer si oui ou non la variable "attitude moyenne" est un prédicteur de l'"implication moyenne". J'ai effectué une régression sous SPAD, mais je suis incapable d'interpréter la page de résultats et les différents coefficients/indicateurs/choses !
J'ai un cours mais la seule chose qui est dite est que "plus R2 est proche de 1, plus le modèle de r´gression est pertinent", ce qui est loin d'être suffisant je pense !
J'apprécierais donc beaucoup si quelqu'un pourrait me faire un petit résumé de ce qu'il faut regarder dans la page de résultats de SPAD pour les interpréter (avec le vocabulaire de SPAD, car j'ai trouvé beaucoup de cours de statistiques mais je n'arrive pas à faire le lien avec ma fameuse page de résultats de SAPD).
Voilà mes résultats :
Merci beaucoup à tout cerveau pouvant me donner un coup de pouce !
Bonjour Anaïs,
Le tableau du milieu te dit que, après ajustement aux données, le modèle est :
Impl = -1.7121 + 0,3542*Atti + , où est un résidu aléatoire d'espérance nulle (= nul en moyenne).
Il te dit aussi que ces deux coefficients sont "significativement différents de 0 au seuil de 0,001", c'est-à-dire que les probabilités de trouver des valeurs aussi grandes en valeur absolue que -1,7121 et 0,3542, à cause des fluctuations d'échantillonnage dans une population où ces valeurs seraient en fait nulles, sont inférieures à 0,001 (notées 0,000 dans le tableau).
Le test de nullité ... te donne le niveau de significativité de l'ensemble de la régression, ce qui d'ailleurs revient au même ici vu qu'il n'y a qu'une variable explicative (Atti).
Mais les lignes intermédiaires te disent que le coefficient de détermination R² (carré du coefficient de corrélation) ne vaut que 0,1729 , ce qui est faible et correspond bien au fait que la variance de Impl après application du modèle (variance des résidus = 0,9828) est presque aussi grande que la variance de Impl avant application du modèle (variance initiale = 1,08² = 1,166).
Conclusion : il y a bien une relation linéaire significative, au seuil de 0,001 , entre Atti et Impl, mais cette liaison est faible et assez peu performante en matière de prédiction (l'application du modèle obtenu ne diminue pas beaucoup la variance).
Vous devez être membre accéder à ce service...
Pas encore inscrit ?
1 compte par personne, multi-compte interdit !
Ou identifiez-vous :