3832223703

80

Pour eviter cette surevaluation du R², il est possihle d’ajuster cette valcur en fonction du nombre de degres de liberte du modele qui correspondent au nombre de valeurs aleatoires qui peuvent etre fixees arbitrairement pour specifier une equation. Ce faisant, le coefficient de correlation multiple varie quelque peu pour se situer a 91,3%. Bień que ce R² ajuste soit excellent, il est necessaire de poursuivre Panalysc du modele de regression multiple avant de le juger adequat.

Pour ce faire, Pemploi de la methode d’ANOVA, pour determiner la significativite globale du modele de regression, est necessaire (determiner si au moins un beta est significatif). Le tableau 15 regroupe les resultats obtenus a 1’aide de cette methode:

Tableau 15: Methode d'ANOVA appliquee au plan factoriel fractionne 2^{4 1}

Source	Degre de liberte	Somme des carres	Carre moyen (variance)	F ratio
Modele	7	SSR = 5664,4	MSR = 809,2	29,6
Erreur*	12	SSE = 328	MSE = 27,3	Prób. > F
Total	19	SST = 5992,5		< 0,0001

*Erreur: ce qui ne peut pas etre explique par le modele Niveau de confiancc du modele : 1-a = 95%

Sont alors disponibles tous les elements nćcessaires pour proceder a Panalyse du modele a I’aide de la loi F de Fisher. Ce test consiste a effectuer le rapport de la variance du modele MSR sur la variance de Perreur MSE et cnsuite verifier que ce rapport ne depasse pas une certaine valeur theorique etablie en fonction du niveau de confiance, communement appele «critere de rejet». Ce test se traduit par l'equation suivante :

MSR

MSE

Z F,

OU

p —> le nombre de variables n —»le nombre d'experiences