1 / 15

Un exemple de régression multiple

Un exemple de régression multiple. On souhaite analyser les concentrations de mercure (ppm) dans les chaires de poissons carnivores des lacs de l'est de Etats-Unis. On espère trouver une relation statistique en fonction de paramètres de qualité des eaux des lacs considérés.

dennis-donovan
Télécharger la présentation

Un exemple de régression multiple

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Un exemple de régression multiple On souhaite analyser les concentrations de mercure (ppm) dans les chaires de poissons carnivores des lacs de l'est de Etats-Unis. On espère trouver une relation statistique en fonction de paramètres de qualité des eaux des lacs considérés. # Alcalinité pH Calcium Chorophylle Mercure Age #1 5.9 6.1 3.0 0.7 1.23 1 #2 3.5 5.1 1.9 3.2 1.33 0 #3 116. 9.1 44.1 128.3 0.04 0 # ... # ... # ... #52 17.3 5.2 3.0 2.6 0.25 1 #53 71.8 7.9 20.5 8.8 0.27 1 Reconstruire le meilleur modèle de régression pour décrire (et prédire) les concentrations de mercure

  2. Un exemple de régression multiple > # lecture des data > merc = read.table("Exemple_MulipleR.dat",header=TRUE) > # attachement des variables du fichier > attach(merc) > names(mercur.pois) [1] "Num" "Alcalinite” "pH" "Calcium" "Chlorophylle" "Mercure" "Age"

  3. Un exemple de régression multiple > # tracer des data > pairs(merc,gap=0,cex.label=1.2)

  4. Un exemple de régression multiple > # le modèle de régression > reg1 = lm(Mercure~Alcalinite+Calcium+pH+Chorophylle+Age) > summary(reg1) lm(formula = Mercure ~ Alcalinite + Calcium + pH + Chlorophylle + Age) Residuals: Min 1Q Median 3Q Max -0.42466 -0.19055 -0.08163 0.14430 0.62360

  5. Un exemple de régression multiple > # le modèle de régression > reg1 = lm(Mercure~Alcalinite+Calcium+pH+Chorophylle+Age) > summary(reg1) Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 1.0132843 0.2517117 4.026 0.000206 *** Alcalinite -0.0054637 0.0020951 -2.608 0.012177 * Calcium 0.0040874 0.0027243 1.500 0.140211 pH -0.0481113 0.0467279 -1.030 0.308465 Chlorophylle -0.0023270 0.0016403 -1.419 0.162598 Age -0.0001375 0.1043476 -0.001 0.998954 Residual standard error: 0.2653 on 47 degrees of freedom Multiple R-Squared: 0.453, Adjusted R-squared: 0.3948 F-statistic: 7.785 on 5 and 47 DF, p-value: 2.114e-05

  6. Un exemple de régression multiple > # la table d’ANOVA de la régression > anova(reg1) Analysis of Variance Table Response: Mercure Df Sum Sq Mean Sq F value Pr(>F) Alcalinite 1 2.1312 2.1312 30.2784 1.511e-06 *** Calcium 1 0.1730 0.1730 2.4574 0.12368 pH 1 0.2679 0.2679 3.8064 0.05703 . Chlorophylle 1 0.1677 0.1677 2.3824 0.12941 Age 1 1.222e-07 1.222e-07 1.737e-06 0.99895 Residuals 47 3.3081 0.0704 --- Signif. codes: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1

  7. Un exemple de régression multiple > # on peut utiliser ue procédure automatique qui va nous > # permettre de choisir le modele de taille minimale du modèle > # qui expliquera au mieux les data > step(reg1) Start: AIC = -135.02 Mercure ~ Alcalinite + Calcium + pH + Chlorophylle + Age Df Sum of Sq RSS AIC - Age 1 1.222e-07 3.308 -137.017 - pH 1 0.075 3.383 -135.835 <none> 3.308 -135.017 - Chlorophylle 1 0.142 3.450 -134.795 - Calcium 1 0.158 3.467 -134.538 - Alcalinite 1 0.479 3.787 -129.855

  8. Un exemple de régression multiple > # on peut utiliser ue procédure automatique qui va nous > # permettre de choisir le modele de taille minimale du modèle > # qui expliquera au mieux les data > step(reg1) Step: AIC = -137.02 Mercure ~ Alcalinite + Calcium + pH + Chlorophylle Df Sum of Sq RSS AIC - pH 1 0.084 3.392 -137.688 <none> 3.308 -137.017 - Calcium 1 0.164 3.472 -136.449 - Chlorophylle 1 0.168 3.476 -136.396 - Alcalinite 1 0.509 3.817 -131.438

  9. Un exemple de régression multiple > # on peut utiliser ue procédure automatique qui va nous > # permettre de choisir le modèle de taille minimale du modèle > # qui expliquera au mieux les data > step(reg1) # voir aussi stepAIC(reg1) Step: AIC = -137.69 Mercure ~ Alcalinite + Calcium + Chlorophylle Df Sum of Sq RSS AIC <none> 3.392 -137.688 - Calcium 1 0.186 3.578 -136.864 - Chlorophylle 1 0.352 3.744 -134.461 - Alcalinite 1 0.907 4.299 -127.131

  10. Un exemple de régression multiple > # le modèle optimal > reg2 = lm(Mercure~Alcalinite+Calcium+Chorophylle) > summary(reg1) lm(formula = Mercure ~ Alcalinite + Calcium + Chlorophylle) Residuals: Min 1Q Median 3Q Max -0.38739 -0.18508 -0.07106 0.14511 0.61425

  11. Un exemple de régression multiple > # le modèle optimal > reg2 = lm(Mercure~Alcalinite+Calcium+Chorophylle) > summary(reg1) Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 0.744429 0.052408 14.205 < 2e-16 *** Alcalinite -0.006482 0.001791 -3.619 0.000698 *** Calcium 0.004330 0.002644 1.638 0.107909 Chlorophylle -0.003038 0.001348 -2.254 0.028731 * Residual standard error: 0.2631 on 49 degrees of freedom Multiple R-Squared: 0.4391, Adjusted R-squared: 0.4048 F-statistic: 12.79 on 3 and 49 DF, p-value: 2.709e-06

  12. Un exemple de régression multiple > # la table d’ANOVA de la régression > anova(reg2) Analysis of Variance Table Response: Mercure Df Sum Sq Mean Sq F value Pr(>F) Alcalinite 1 2.1312 2.1312 30.7849 1.152e-06 *** Calcium 1 0.1730 0.1730 2.4985 0.12039 Chlorophylle 1 0.3516 0.3516 5.0786 0.02873 * Residuals 49 3.3922 0.0692 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

  13. Un exemple de régression multiple > # Comparaison des 2 modèles > anova(reg1,reg2) Analysis of Variance Table Model 1: Mercure ~ Alcalinite + Calcium + pH + Chlorophylle + Age Model 2: Mercure ~ Alcalinite + Calcium + Chlorophylle Res.Df RSS Df Sum of Sq F Pr(>F) 1 47 3.3081 49 3.3922 -2 -0.0840 0.5969 0.5546 > # Ces 2 modèles ne sont pas différents. > # On prend le plus simple !

  14. Un exemple de régression multiple > # et les residus !!! > par(mfcol=c(2,2)) > plot(reg2)

  15. Un exemple de régression multiple

More Related