Difference entre Anova et anova

Postez ici vos questions, réponses, commentaires ou suggestions - Les sujets seront ultérieurement répartis dans les archives par les modérateurs

Modérateur : Groupe des modérateurs

flynttcher mako
Messages : 2
Enregistré le : 06 Mai 2007, 08:34

Difference entre Anova et anova

Messagepar flynttcher mako » 07 Mai 2007, 08:06

Bonjour, étant débutant en R j'aimerais savoir la différence entre Anova utilisé avec la librairie "car" et anova tout court (je n'arrive pas a trouver des documents sur leur différence), par ailleurs je dois faire un choix entre un modèle de régression linéaire multiple et un modèle d'analyse de variance avec les mêmes données que le modèle linéaire sauf que mes variables explicatives (quantitatives) du 1er modèle deviennent des variables qualitatives (facteur).
Alors j'aimerais savoir sur quoi doit se baser mon choix, j'ai pensé à comparer leur coefficient d'ajustement R pour les départager mais je n'en suis pas convaincu.

NB: j'ai déjà arrangé chaque modèle de sorte qu'il soit le plus significatif possible (en enlevant les variables les moins significatives),il ne me reste plus qu'à faire un choix entre les 2 modèles.

Merci d'avance pour votre aide

Renaud Lancelot
Messages : 2484
Enregistré le : 16 Déc 2004, 08:01
Contact :

Re: Difference entre Anova et anova

Messagepar Renaud Lancelot » 07 Mai 2007, 11:07

flynttcher mako a écrit :Bonjour, étant débutant en R j'aimerais savoir la différence entre Anova utilisé avec la librairie "car" et anova tout court (je n'arrive pas a trouver des documents sur leur différence),


Anova (package car) présente les résultats d'analyse de variance selon des méthodes proposées en standard dans SAS et souvent réclamées par les anciens utilisateurs de ce logiciel et/ou les referees des journaux: somme des carrés de type II et III. Elles ne sont pas présentées dans les sorties standards de la fct anova.

par ailleurs je dois faire un choix entre un modèle de régression linéaire multiple et un modèle d'analyse de variance avec les mêmes données que le modèle linéaire sauf que mes variables explicatives (quantitatives) du 1er modèle deviennent des variables qualitatives (facteur).
Alors j'aimerais savoir sur quoi doit se baser mon choix, j'ai pensé à comparer leur coefficient d'ajustement R pour les départager mais je n'en suis pas convaincu.


Pas de réponse simple. On peut penser au critère d'information d'Akaike (AIC) pour comparer des modèles (ce n'est pas un test, mais un critère), mais les puristes soulignent que l'AIC et ses collègues (AICc, BIC,...) ne doivent être utilisés que dans le cas de modèles emboités, ce qui ne correspond pas à votre situation.

Le coefficient R2 vous donne la proportion de variance expliquée par le modèle. Il ne tient pas compte de la parcimonie du modèle. Vous pouvez aussi regarder les résidus, ce qui est très utile pour détecter des variations systématiques pas prises en compte par une tendance linéaire.

Le gros pb est souvent là avec les variables quantitatives: savoir si une tendance linéaire capture correctement l'effet de la variable. Il est souvent nécessaire d'intégrer des termes quadratiques, cubiques,... pour capturer la tendance. Vaste sujet. Il est toujours utile et indispensable d'effectuer une exploration graphique soigneuse avant de choisir le modèle approprié.

Renaud

flynttcher mako
Messages : 2
Enregistré le : 06 Mai 2007, 08:34

Messagepar flynttcher mako » 07 Mai 2007, 16:00

merci à vous renaud


Retourner vers « Questions en cours »

Qui est en ligne

Utilisateurs parcourant ce forum : Exabot [Bot], Florent Aubry, Navarre Julien et 1 invité