Chapitre 12. R´ egression lin´ eaire simple et multiple
527
+ PTL1
1
1434298 81151560 2463.3
82585858 2464.7
+ FVT1
1
275436 82310423 2466.0
+ AGE
1
65305 82520553 2466.5
- SMOKE 1
2579898 85165756 2468.5
- LWT
1
3311668 85897527 2470.1
- HT
1
4443587 87029445 2472.6
- UI
1
6955671 89541530 2477.9
Step: AIC=2463.35
BWT ∼ UI + HT + LWT + SMOKE + PTL1
Df Sum of Sq
RSS
AIC
81151560 2463.3
+ FVT1
1
371701 80779859 2464.5
- PTL1
1
1434298 82585858 2464.7
+ AGE
1
187009 80964551 2464.9
- SMOKE 1
1886275 83037835 2465.7
- LWT
1
2891443 84043002 2468.0
- HT
1
4217585 85369145 2470.9
- UI
1
5763232 86914792 2474.3
Call:
lm(formula = BWT ∼ UI + HT + LWT + SMOKE + PTL1)
Coefficients:
(Intercept)
UI
HT
LWT
2631.449
-506.760
-633.149
9.331
SMOKE
PTL1
-208.464
-247.662
Attention
Le jeu de donn´ ees POIDS.NAISSANCE a ´ et´ e adopt´ e ici uniquement
pour illustrer l’utilisation des fonctions R propres aux m´ ethodes de
s´ election automatique alors que la bonne strat´ egie sur ce jeu de donn´ ees
particulier aurait plutˆ ot consist´ e `
a proc´ eder « manuellement ».
En effet, il est important de noter que diverses m´ ethodes de s´ election
automatique peuvent ne pas conduire aux mˆ emes choix de variables explicatives ` a retenir dans le mod` ele final. Elles ont l’avantage d’ˆ etre faciles
` a utiliser, et de traiter le probl` eme de la s´ election de variables de fa¸ con
syst´ ematique. En revanche, l’inconv´ enient majeur est que les variables sont
retenues ou ´ elimin´ ees du mod` ele sur la base de crit` eres uniquement statistiques, sans tenir compte de l’objectif de l’´ etude. On aboutit g´ en´ eralement
` a un mod` ele qui peut ˆ etre satisfaisant sur le plan purement statistique, alors
que les variables retenues ne sont pas les plus pertinentes pour comprendre
et interpr´ eter les donn´ ees de l’enquˆ ete.
527
+ PTL1
1
1434298 81151560 2463.3
82585858 2464.7
+ FVT1
1
275436 82310423 2466.0
+ AGE
1
65305 82520553 2466.5
- SMOKE 1
2579898 85165756 2468.5
- LWT
1
3311668 85897527 2470.1
- HT
1
4443587 87029445 2472.6
- UI
1
6955671 89541530 2477.9
Step: AIC=2463.35
BWT ∼ UI + HT + LWT + SMOKE + PTL1
Df Sum of Sq
RSS
AIC
81151560 2463.3
+ FVT1
1
371701 80779859 2464.5
- PTL1
1
1434298 82585858 2464.7
+ AGE
1
187009 80964551 2464.9
- SMOKE 1
1886275 83037835 2465.7
- LWT
1
2891443 84043002 2468.0
- HT
1
4217585 85369145 2470.9
- UI
1
5763232 86914792 2474.3
Call:
lm(formula = BWT ∼ UI + HT + LWT + SMOKE + PTL1)
Coefficients:
(Intercept)
UI
HT
LWT
2631.449
-506.760
-633.149
9.331
SMOKE
PTL1
-208.464
-247.662
Attention
Le jeu de donn´ ees POIDS.NAISSANCE a ´ et´ e adopt´ e ici uniquement
pour illustrer l’utilisation des fonctions R propres aux m´ ethodes de
s´ election automatique alors que la bonne strat´ egie sur ce jeu de donn´ ees
particulier aurait plutˆ ot consist´ e `
a proc´ eder « manuellement ».
En effet, il est important de noter que diverses m´ ethodes de s´ election
automatique peuvent ne pas conduire aux mˆ emes choix de variables explicatives ` a retenir dans le mod` ele final. Elles ont l’avantage d’ˆ etre faciles
` a utiliser, et de traiter le probl` eme de la s´ election de variables de fa¸ con
syst´ ematique. En revanche, l’inconv´ enient majeur est que les variables sont
retenues ou ´ elimin´ ees du mod` ele sur la base de crit` eres uniquement statistiques, sans tenir compte de l’objectif de l’´ etude. On aboutit g´ en´ eralement
` a un mod` ele qui peut ˆ etre satisfaisant sur le plan purement statistique, alors
que les variables retenues ne sont pas les plus pertinentes pour comprendre
et interpr´ eter les donn´ ees de l’enquˆ ete.