normalite des residus

) (

^

^

i

i

i

a s eat 

Cette relation n’est vérifiée que pour un coefficient de corrélation partiel d’ordre

1  k

3. Relation entre coefficients de corrélation simple, partielle etmultiple – Cas d’un modèle de régression simple

2 2

, y x x y

r R 

ou

2 2

, 1 1 yx x y r R   

– Cas d’un modèle de régression multiple

2  k ) 1 )( 1( 1

2 2 2

1 2 1 2 1 x yx yx x yx

r r R     3  k ) 1 )( 1 )( 1( 1

2 2 2 2

2 1 3 1 2 1 3 2 1 x x yx x yx yx x x yx

r r r R     

4. Multicolinéarité : Conséquences et détection Dans la pratique, lorsque l’économiste modélise des phénomènes des phénomènes économiques, les séries explicatives sont toujours plus ou moins liées entres elles. a) Conséquences: – augmentation de la variance estimée de certains coefficients lorsque la colinéarité entre les variables explicatives augmente

9