• Menu
    • Nos Formations
    • Nos Prestations
    • Les Astuces
Skip to content
Astuces et scripts R
Astuces et scripts R
Primary Navigation Menu
Menu
  • Abcd’R
  • Tous les scripts
    • Voir les articles
    • Proposer un Article
  • Formation au logiciel R
  • Contact

Les dates de formations à R, éligibles au CPF sont en lignes !

Voir nos formations

Interpréter les résultats d’un modèle linéaire avec summary

Par vincent
Le novembre 19, 2024
Dans modélisation
Tagged modèle, summary
Avec 0 Commentaire

Interpréter les résultats d’un modèle linéaire avec summary en R

Les modèles linéaires sont des outils statistiques puissants utilisés pour comprendre la relation entre une variable dépendante et une ou plusieurs variables indépendantes. En R, la fonction lm() permet de créer un modèle linéaire, et la fonction summary() fournit un résumé détaillé des résultats. Dans cet article, nous allons examiner comment interpréter ces résultats à l’aide d’un exemple concret.

Exemple de données

Imaginons que nous souhaitions étudier l’impact du nombre d’heures d’étude sur les notes d’examen d’un groupe d’étudiants. Nous avons les données suivantes :

  • heures_etude: le nombre d’heures d’étude
  • note_examen: la note obtenue à l’examen

Voici un petit jeu de données que nous allons utiliser :

# Création d'un jeu de données
data <- data.frame(
  heures_etude = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10),
  note_examen = c(50, 12, 60, 45, 70, 25, 80, 65, 100, 95)
)

Création du modèle linéaire

Nous allons maintenant créer un modèle linéaire pour prédire les notes d’examen en fonction des heures d’étude :

# Création du modèle linéaire
modele <- lm(note_examen ~ heures_etude, data = data)

Résumé du modèle

Pour obtenir un résumé des résultats de notre modèle, nous utilisons la fonction summary() :

# Résumé du modèle
summary(modele)

Interprétation des résultats

Lorsque vous exécutez summary(modele), vous obtiendrez une sortie qui ressemble à ceci :

Call:
lm(formula = note_examen ~ heures_etude, data = data)

Residuals:
    Min      1Q  Median      3Q     Max 
  -38.552 -10.255   7.191  15.542  19.964 

Coefficients:
              Estimate Std. Error t value Pr(>|t|)    
(Intercept)    23.333     14.282   1.634   0.1410  
heures_etude    6.703      2.302   2.912   0.0195 *

---

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 20.91 on 8 degrees of freedom
Multiple R-squared:  0.5146,    Adjusted R-squared:  0.4539 
F-statistic:  8.48 on 1 and 8 DF,  p-value: 0.01953

1. Les coefficients

  • (Intercept) : L’intercept est de 23.3. Cela signifie que si un étudiant n’étudie pas du tout (0 heures), il obtiendrait une note de 23.3.
  • heures_etude : Le coefficient pour heures_etude est de 6.7. Cela indique qu’à chaque heure d’étude supplémentaire, la note d’examen augmente en moyenne de 6.7 points.

2. Valeurs p

Les valeurs p associées aux coefficients nous indiquent si ces coefficients sont statistiquement significatifs. Dans notre exemple, la valeur p pour heures_etude est inférieur à 0.05 (0.0195), nous indiquant un effet significativement différent de 0 du nombre d’heures d’études sur la note finale.

2024-11-19
Article précédent: Installer et gérer des packages avec install.packages
Article suivant: Joindre des tables avec dplyr::left_join

Formation et consultance

Trouvez votre formation R sur-mesure chez ThinkR

-- Contactez-nous --

Catégories

Commentaires récents

  • Sébastien dans Comment effectuer des calculs de somme et de moyenne sur les colonnes ou les lignes d’une matrice ? colSums, rowSums, colMeans, rowMeans
  • Achraf Mazouz dans Comment effectuer des calculs de somme et de moyenne sur les colonnes ou les lignes d’une matrice ? colSums, rowSums, colMeans, rowMeans
  • Lou Sayd dans Coment alculer simplement la SEM dans R ? (Erreur Standard)
  • Nicolas dans Comment remplacer une chaîne de caractères ? string_replace_all(df, "pattern","replacement")
  • Vincent dans Comment comparer deux moyennes avec R grâce au test de Student ? t.test

Archives

Plan

  • Abcd’R
  • Tous les scripts
    • Proposer un Article
  • Ressources documentaires
    • Le logiciel R
    • Liste des interfaces graphiques
  • Formation au logiciel R
  • Contact
  • Politique de confidentialité

Flux ThinkR – Certification & Formation langage R

  • Déboguer une fonction avec debugonce() ou browser()
  • Dessinez pour gagner : L’impact des maquettes sur vos apps Shiny
  • Gérer et manipuler des dates en 2024 : une année pas comme les autres !
  • Retour vers le turfu : R, le web, et webR
  • Créer un package R et le versionner avec VSCode ? Mission possible !

Méta

  • Connexion
  • Flux des publications
  • Flux des commentaires
  • Site de WordPress-FR

ABCD'R (par ThinkR ) © 2025 - Confidentialité