normalite des residus

Si la première équation peut être estimée alors nous éliminons les variables explicatives qui ne sont pas significatives et nous réestimons l’équation après chaque élimination jusqu’à l’obtention un modèle avec des variables dont les t de Student sont au dessus du seuil critiquec) La sélection progressive ( Forward Réression) – Sélectionner la variable i^x qui maximise

2

i y x

r

– Retenir la variable

j

x qui maximise

2

i j^x yx

r

pour

i j 

– S’arrêter lorsque les t de Student des variables explicatives sont inférieurs au seuil critiqued) La régression pas à pas ( Stepwise Regression) Nous reprenons la procédure précédente sauf qu’à chaque étape nous éliminons du modèle les variables explicatives dont les t de Student sont au dessus du seuil critique e) La régression par étage ( Stagewise Regression) – Sélectionner la variable i^x qui maximise

2

i y x

r

– Calcul du résidu

i^xa

a y e

^

1

^

0 1

   – Retenir la variable

j

x qui maximise

2 1 j x e^r

13