Chapitre 12. R´ egression lin´ eaire simple et multiple
493
> modele1 <- lm(BWT ∼ LWT,data=mesdonnees) # On obtient un ob# jet de classe "lm".
> modele1
Call:
lm(formula = BWT ∼ LWT, data = mesdonnees)
Coefficients:
(Intercept)
LWT
2369.672
9.765
La sortie R ci-dessus fournit les estimations par moindres carr´ es de β 0 et de
β 1 . On trouve dans l’exemple ci-dessus ˆ
β 0 = 2 369.672 et ˆ
β 1 = 9.765.
Nous pouvons maintenant repr´ esenter la droite de r´ egression sur le nuage
de points au moyen de la fonction abline() :
> plot(BWT∼LWT,xlab="Poids de la mère",ylab="Poids de l’enfant")
> abline(modele1,col="blue")
●
●
● ●
●
●
●
●
●
●
●
●
●
●
● ●
●
● ● ● ●
●
●
● ●
●
●
●
●
● ●
●
●
●
●
●
●
●
●
●
●●
●
●
● ●
● ●
●
●
● ● ●
●
●
● ●
●
●
● ● ●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● ● ●
●
●
● ●
●
● ●
●
●
●
● ● ●
●
●
●
●
●
●
● ●
●
●
● ●
●
●
●
● ●
●
● ●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
● ● ●
●
●
● ●
●
●
●
●●
●
● ●
●
● ● ●
●
●
● ● ●
●
●
●
● ●
●
●
●
●
● ●
●
●
●
40
60
80
100
1000
2000
3000
4000
5000
Poids de la mère
Poids de l'enfant
Figure 12.2 – Repr´ esentation de la droite de r´ egression des moindres carr´ es sur
le nuage de points du poids de l’enfant (en grammes) versus le poids de la m` ere
(en kilogrammes).
Tests sur les param` etres
Il est bon de noter que la fonction lm() permet une analyse compl` ete du
mod` ele lin´ eaire et que vous pouvez r´ ecup´ erer un r´ esum´ e des calculs li´ es au jeu
de donn´ ees en utilisant la fonction summary().