framabookrespace
Différences
Ci-dessous, les différences entre deux révisions de la page.
Prochaine révision | Révision précédente | ||
framabookrespace [2014/09/29 18:53] – créée framatophe | framabookrespace [2015/05/07 11:49] (Version actuelle) – modification externe 127.0.0.1 | ||
---|---|---|---|
Ligne 1: | Ligne 1: | ||
====== Corrections pour R et Espace ====== | ====== Corrections pour R et Espace ====== | ||
+ | * manque une parenthèse à la définition du I de Moran page 226 | ||
+ | * page97 : « — la corrélation entre les valeurs de la variable explicative et le carré des résidus standardisés (en bas à gauche de l’image) » à remplacer par « — la corrélation entre les valeurs de la variable explicative et la racine carré des résidus standardisés (en bas à gauche de l’image) » | ||
+ | * page 91 : « Le paramètre b0 informe sur la valeur théorique de la densité de population lorsque la distance au centre de Paris est égale à 0. » --> Le paramètre b0 informe sur la valeur théorique du logarithme de la densité de population lorsque la distance au centre de Paris est égale à 0. | ||
+ | * page 92 : sur les plot de diagnostic d'un modèle linéaire c'est pas tout à fait exact. | ||
+ | |||
+ | > La fonction plot() appliquée aux résultats d’un modèle de régression | ||
+ | > linéaire obtenus par la fonction lm() permet de représenter les quatre | ||
+ | > principales hypothèses au cœur de ce modèle : | ||
+ | > — la normalité des résidus par rapport aux valeurs prédites (en haut à | ||
+ | > gauche de l’image) | ||
+ | > — la normalité globale des résidus (en haut à droite de l’image) | ||
+ | > — la corrélation entre les valeurs de la variable explicative et le carré | ||
+ | > des résidus standardisés (en bas à gauche de l’image) | ||
+ | > — l’existence de valeurs extrêmes altérant l’estimation des paramètres | ||
+ | > (en bas à droite de l’image) | ||
+ | |||
+ | Je préférerai : | ||
+ | > La fonction plot() appliquée aux résultats d’un modèle de régression | ||
+ | > linéaire obtenus par la fonction lm() permet de représenter les quatre | ||
+ | > principales hypothèses au cœur de ce modèle : | ||
+ | > — l' | ||
+ | > haut à | ||
+ | > gauche de l’image) | ||
+ | > — la normalité globale des résidus (en haut à droite de l’image) | ||
+ | > — l' | ||
+ | > explicative et la racine carré | ||
+ | > des résidus standardisés, | ||
+ | > d' | ||
+ | > — l’absence de valeurs extrêmes altérant l’estimation des paramètres | ||
+ | > (en bas à droite de l’image) | ||
+ | |||
+ | car le 1er plot du lm est plutot utilisé pour l' | ||
+ | X) = 0 (qui est d' | ||
+ | d' | ||
+ | des variances des estimateurs alors que l’existence d'un biais, biaise | ||
+ | estimations et variances des paramètres d'un modèle linéaire). | ||
+ | L' | ||
+ | exemple en cas d' | ||
+ | les résidus standardisés sont faits pour être comparés à des | ||
+ | écarts-types. Cet article est pas mal sur les graphiques de diagnostic | ||
+ | d'un modèle linéaire : | ||
+ | www.r-bloggers.com/ | ||
+ | |||
+ | Note : en cas d' | ||
+ | White : coeftest(monObjetLM, | ||
+ | paquet sandwich et/ou lmtest |
framabookrespace.1412016809.txt.gz · Dernière modification : 2015/05/07 11:49 (modification externe)