Solutions des TPs
669
modele.IMC.inter <- lm(mesure∼IMC * paqan,data=mon.data)
# Interaction non-significative au seuil de 0.25:
summary(modele.IMC.inter)
12.4- modele.inter <- lm(mesure∼AGE+factor(alcool) * paqan+IMC,
data=mon.data)
summary(modele.inter)
12.5- modele.sans.inter <- lm(mesure∼AGE+factor(alcool)+paqan+IMC,
data=mon.data)
# Le terme d’interaction n’est plus significatif:
anova(modele.inter,modele.sans.inter)
summary(modele.sans.inter)
12.6- modele.sans.alcool <- lm(mesure∼AGE+paqan+IMC,data=mon.data)
anova(modele.sans.alcool,modele.sans.inter)
La variable alcool n’apporte pas d’information.
summary(modele.sans.alcool)
12.7- Dans le mod` ele final, la mesure d’intima-m´ edia est expliqu´ ee par les variables AGE et IMC, avec un ajustement sur la variable paqan. Quel que
soit le nombre de paquets de cigarettes fum´ ees chaque ann´ ee, la mesure
de l’intima-m´ edia augmente avec l’ˆ age et avec l’IMC.
• ´
Etude sur le taux de chˆ omage
12.1- T´ el´ echargez le fichier http://biostatisticien.eu/springeR/chomage.
RData dans votre r´ epertoire de travail.
load("chomage.RData")
names(chomage)
attach(chomage)
modele.txpib <- lm(chom∼txpib,data=chomage)
summary(modele.txpib)
plot(chom∼txpib)
abline(modele.txpib)
hist(residuals(modele.txpib))
plot(modele.txpib,1:2)
12.2- cor(chomage[,2:7])
12.3- pairs(chomage[,2:7])
12.4- Variables les plus explicatives : pfisc, deppub, txpib. Variables colin´ eaires : deppub et pfisc, ainsi que deppub et txpib, et enfin pfisc et
txpib.