Coefficient de détermination

indicateur de la qualité dans un modèle linéaire

En statistique, le coefficient de détermination linéaire de Pearson, noté R2 ou r2, est une mesure de la qualité de la prédiction d'une régression linéaire.

Il est défini par[réf. nécessaire] :

n est le nombre de mesures, la valeur de la mesure no i, la valeur prédite correspondante et la moyenne des mesures.

Cas de la régression linéaire univariée par la méthode des moindres carrésModifier

Dans le cas d'une régression linéaire univariée (une seule variable prédictive) par la méthode des moindres carrés, on montre que la variance (totale) SST est la somme de la variance expliquée par la régression SSE et de la moyenne des carrés des résidus SSR, de sorte que :

 

c'est-à-dire que le coefficient de détermination est alors le rapport de la variance expliquée par la régression SSE sur la variance totale SST[1].

Le coefficient de détermination est le carré du coefficient de corrélation linéaire R entre les valeurs prédites   et les mesures   :

 

Dans le cas univarié, on montre que c'est aussi le carré du coefficient de corrélation entre les valeurs   de la variable prédictive et les mesures  . C'est une conséquence immédiate de la relation :   démontrée ici et ici.

La propriété précédente permet de voir le coefficient de détermination comme une généralisation du coefficient de corrélation au cas d'une régression linéaire multivariée.

Notes et référencesModifier

  1. Université Paris Ouest Nanterre La Défense, PMP STA 21 Méthodes statistiques pour l'analyse des données en psychologie, «Chapitre 4 : Régression linéaire p. 7

Voir aussiModifier

BibliographieModifier

  • Pierre Bailly et Christine Carrère, Statistiques descriptives : Théorie et applications, PUG, coll. « Libres cours économie », (lire en ligne), p. 165-167.

Articles connexesModifier

Liens externesModifier