524
Le logiciel R - Effectuer des analyses statistiques
Plus aucune variable n’est significative. La m´ ethode s’arrˆ ete donc sur le
mod` ele contenant les variables : UI, HT, LWT et SMOKE.
La m´ ethode pas ` a pas descendante (backward selection)
Cette m´ ethode est aussi appel´ ee r´ egression par ´ eliminations successives. On
part cette fois du mod` ele complet et on ´ elimine ` a chaque ´ etape la variable
ayant la plus petite valeur pour la statistique du test de Student (valeur-p la
plus grande) en valeur absolue, ` a condition qu’il soit non significatif (au seuil
α choisi).
Montrons le fonctionnement de cette proc´ edure ` a l’aide de la fonction drop1()
pour un seuil α = 0.05.
> drop1(lm(BWT∼LWT+AGE+UI+SMOKE+HT+FVT1+PTL1),test="F")
Single term deletions
Model:
BWT ∼ LWT + AGE + UI + SMOKE + HT + FVT1 + PTL1
Df Sum of Sq
RSS
AIC F value
Pr(>F)
80692151 2466.3
LWT
1
2475214 83167365 2470.0 5.5521 0.0195277 *
AGE
1
87708 80779859 2464.5 0.1967 0.6578974
UI
1
5431112 86123263 2476.6 12.1825 0.0006059 ***
SMOKE
1
1622617 82314768 2468.0 3.6397 0.0580009 .
HT
1
3885141 84577292 2473.2 8.7147 0.0035749 **
FVT1
1
272400 80964551 2464.9 0.6110 0.4354262
PTL1
1
1601044 82293195 2468.0 3.5913 0.0596772 .
--Signif. codes: 0 ‘ *** ’ 0.001 ‘ ** ’ 0.01 ‘ * ’ 0.05 ‘.’ 0.1 ‘ ’ 1
On retire la variable AGE.
> drop1(lm(BWT∼LWT+UI+SMOKE+HT+FVT1+PTL1),test="F")
Single term deletions
Model:
BWT ∼ LWT + UI + SMOKE + HT + FVT1 + PTL1
Df Sum of Sq
RSS
AIC F value
Pr(>F)
80779859 2464.5
LWT
1
2740905 83520764 2468.8 6.1754 0.0138569 *
UI
1
5536620 86316478 2475.0 12.4742 0.0005228 ***
SMOKE
1
1644322 82424180 2466.3 3.7047 0.0558183 .
HT
1
3954174 84734033 2471.5 8.9089 0.0032279 **
FVT1
1
371701 81151560 2463.3 0.8375 0.3613362
PTL1
1
1530564 82310423 2466.0 3.4484 0.0649284 .
--Signif. codes: 0 ‘ *** ’ 0.001 ‘ ** ’ 0.01 ‘ * ’ 0.05 ‘.’ 0.1 ‘ ’ 1
On retire la variable FVT1.
Le logiciel R - Effectuer des analyses statistiques
Plus aucune variable n’est significative. La m´ ethode s’arrˆ ete donc sur le
mod` ele contenant les variables : UI, HT, LWT et SMOKE.
La m´ ethode pas ` a pas descendante (backward selection)
Cette m´ ethode est aussi appel´ ee r´ egression par ´ eliminations successives. On
part cette fois du mod` ele complet et on ´ elimine ` a chaque ´ etape la variable
ayant la plus petite valeur pour la statistique du test de Student (valeur-p la
plus grande) en valeur absolue, ` a condition qu’il soit non significatif (au seuil
α choisi).
Montrons le fonctionnement de cette proc´ edure ` a l’aide de la fonction drop1()
pour un seuil α = 0.05.
> drop1(lm(BWT∼LWT+AGE+UI+SMOKE+HT+FVT1+PTL1),test="F")
Single term deletions
Model:
BWT ∼ LWT + AGE + UI + SMOKE + HT + FVT1 + PTL1
Df Sum of Sq
RSS
AIC F value
Pr(>F)
80692151 2466.3
LWT
1
2475214 83167365 2470.0 5.5521 0.0195277 *
AGE
1
87708 80779859 2464.5 0.1967 0.6578974
UI
1
5431112 86123263 2476.6 12.1825 0.0006059 ***
SMOKE
1
1622617 82314768 2468.0 3.6397 0.0580009 .
HT
1
3885141 84577292 2473.2 8.7147 0.0035749 **
FVT1
1
272400 80964551 2464.9 0.6110 0.4354262
PTL1
1
1601044 82293195 2468.0 3.5913 0.0596772 .
--Signif. codes: 0 ‘ *** ’ 0.001 ‘ ** ’ 0.01 ‘ * ’ 0.05 ‘.’ 0.1 ‘ ’ 1
On retire la variable AGE.
> drop1(lm(BWT∼LWT+UI+SMOKE+HT+FVT1+PTL1),test="F")
Single term deletions
Model:
BWT ∼ LWT + UI + SMOKE + HT + FVT1 + PTL1
Df Sum of Sq
RSS
AIC F value
Pr(>F)
80779859 2464.5
LWT
1
2740905 83520764 2468.8 6.1754 0.0138569 *
UI
1
5536620 86316478 2475.0 12.4742 0.0005228 ***
SMOKE
1
1644322 82424180 2466.3 3.7047 0.0558183 .
HT
1
3954174 84734033 2471.5 8.9089 0.0032279 **
FVT1
1
371701 81151560 2463.3 0.8375 0.3613362
PTL1
1
1530564 82310423 2466.0 3.4484 0.0649284 .
--Signif. codes: 0 ‘ *** ’ 0.001 ‘ ** ’ 0.01 ‘ * ’ 0.05 ‘.’ 0.1 ‘ ’ 1
On retire la variable FVT1.