Régression linéaire en économie fiches de révision

Qu'est-ce qu'une variable dépendante ?

C'est la variable que l'on cherche à expliquer ou à prédire. Par exemple, le salaire peut dépendre de l'expérience.

Vrai ou Faux: La régression linéaire ne peut pas être utilisée pour des données catégorielles.

Faux. On peut utiliser des variables indicatrices pour intégrer des catégories.

Quel est l'objectif principal de la régression linéaire ?

Modéliser la relation entre une variable dépendante et une ou plusieurs variables indépendantes.

Complétez la phrase : Dans une régression, la droite de régression minimise ________ .

la somme des carrés des résidus.

Comparaison entre régression linéaire simple et multiple.

Simple : 1 variable indépendante. Multiple : plusieurs variables indépendantes.

Qu'est-ce que le coefficient de corrélation ?

Mesure la force et la direction d'une relation linéaire entre deux variables. Valeur entre -1 et 1.

Exemple pratique : Loyer en fonction de la superficie.

Si le loyer est 10 €/m² et la superficie 50 m², alors le loyer = 500 €.

Qu'est-ce qu'une variable indépendante ?

C'est la variable que l'on utilise pour prédire la variable dépendante. Par exemple, l'expérience.

Vrai ou Faux: Une droite de régression peut prédire des valeurs extrapolées avec précision.

Faux. Les prédictions en dehors de l'intervalle des données sont souvent inexactes.

Cause → Effet : Augmentation du salaire et consommation.

Une augmentation du salaire peut entraîner une augmentation de la consommation, car les ménages disposent de plus de revenus.

Coefficient de détermination R²?

Mesure la proportion de la variance expliquée par le modèle. Plus R² est élevé, meilleur est l'ajustement.

Vrai ou faux: Un R² de 0,8 signifie 80% de variance expliquée.

Vrai, cela signifie que le modèle explique 80% de la variance de la variable dépendante.

Que représente le coefficient de régression ?

Indique l'impact d'une unité d'augmentation de la variable indépendante sur la variable dépendante.

Interprétation d'un coefficient positif?

Indique une relation directe : si la variable indépendante augmente, la variable dépendante augmente également.

Interprétation d'un coefficient négatif?

Indique une relation inverse : si la variable indépendante augmente, la variable dépendante diminue.

Analyse des résidus : pourquoi est-ce important?

Permet de vérifier l'hypothèse d'homoscédasticité et l'absence d'autocorrélation. - Résidus : erreurs de prévision.

Que signifie un résidu positif?

La valeur réelle est supérieure à la valeur prédite par le modèle. Indique une sous-estimation.

Comment détecter un mauvais ajustement?

Si les résidus montrent un pattern, cela indique que le modèle n'est pas adéquat.

Exemple d'ajustement du modèle: loyers.

Si le modèle prédit 800€ et le loyer réel est 850€, résidu = 50€ (sous-estimation).

Que sont les outliers?

Valeurs qui s'écartent significativement des autres. Ils peuvent influencer l'ajustement du modèle.

Ajustement idéal: quelles caractéristiques?

R² élevé, résidus aléatoires, coefficients significatifs. - Bonnes relations prédites.

Quel effet a un résidu faible?

Indique que le modèle prédit bien la variable dépendante. Meilleure précision des prévisions.

Quelle est la relation entre salaire et heures travaillées ?

Une régression linéaire peut montrer qu'en moyenne, chaque heure supplémentaire travaillée augmente le salaire de X euros.

Vrai ou Faux : Le loyer augmente avec la superficie d'un appartement.

Vrai. Généralement, un loyer plus élevé est associé à une plus grande superficie, ce qui peut être modélisé par une régression.

Complétez : Le modèle de régression prédit les ___ en fonction des ___

valeurs, variables explicatives.

Comment prédire le coût d'un trajet ?

Utilisez la distance (en km) et le coût par km. Par exemple, $\displaystyle C = 0.5 imes D$ où $\displaystyle C$ est le coût.

Comparaison : Coût fixe vs coût variable.

Coût fixe : indépendant de la production (loyer). Coût variable : lié à la production (matières premières).

Quel impact a l'augmentation du loyer sur le taux d'occupation ?

L'augmentation du loyer peut réduire le taux d'occupation, ce qui peut être analysé par régression linéaire.

Prédisez le salaire avec 40 heures travaillées.

Si le modèle est $\displaystyle S = 1200 + 15 imes H$, alors $\displaystyle S = 1200 + 15 imes 40 = 2400€$.

Quel est l'effet d'une promotion sur le salaire ?

Une promotion peut entraîner une augmentation du salaire mesurée par la régression sur les données passées.

Vrai ou Faux : La régression linéaire est toujours précise.

Faux. Elle dépend de la qualité des données et de l'adéquation du modèle aux observations.

Comment évaluer l'impact des loyers sur les revenus ?

Analysez la relation avec une régression : $\displaystyle Loyer = a + b imes Revenu$.

Quels facteurs influencent le prix d'un ticket de transport ?

Distance, type de transport, heure de la journée. Une régression peut modéliser leurs impacts.

Complétez : La régression linéaire nécessite un ___ entre variables.

lien linéaire.

Vrai ou Faux : Les résidus doivent être aléatoires.

Vrai. Cela indique que le modèle est bien ajusté aux données.

Quels sont les coûts d'un projet selon la régression ?

Coûts directs, indirects, et opportunités. On peut modéliser ça avec une régression linéaire.

Comment le temps de trajet affecte-t-il le coût de transport ?

Une augmentation du temps peut augmenter le coût, modélisable par une régression linéaire.