Régression non linéaire

lieux Catherine Refait(*) La prédiction de la faillite des entreprises fait l’objet de nombreux travaux empiriques, depuis une trentaine d’années. Elle se fonde sur l’analyse économique et financière d’entreprises défaillantes et d’entreprises non défaillantes, afin de déterminer les variables, principalement comptables, qui distinguent au mieux les deux catégories de firmes. Nous proposons un état des lieux afin de rendre compte de l’efficacité relative des différentes méthode de classification

réaliser des estimations en classification (à deux classes ou plus) [Burges, 1998] ou en régression [Smola et al., 1998]. De telles méthodes permettent généralement de s’affranchir de contraintes statistiques sur les données étudiées comme la normalité de la distribution. De plus, elles sont non linéaires ce qui leur donne un pouvoir de généralisation supérieure dans certains cas, aux méthodes de régressions plus classiques. Dans ce chapitre, nous présenterons tout d’abord une théorie de la classification

explicatives en niveau et au carré au sein d'une équation de régression. Le test de White est un test statistique qui établit si la variance résiduelle d'une variable dans un modèle de régression est constante (homoscédasticité) La statistique de test LM est le produit de la valeur R2 et taille de l'échantillon. Il en résulte une distribution chi-carré, avec des degrés de liberté égal au nombre de paramètres estimés (dans la régression auxiliaire) moins 1 Où n est le nombre d'observations et

périodicité. Créer des séries : series puis donner un nom pour la série (fenêtre à droite). Ensuite sélectionner, dans la workfile, le ou les noms des séries à rentrer, par exemple REV, (éventuellement faire une sélection de plusieurs noms de séries non adjacentes en maintenant appuyer sur Ctrl) et double cliquer et cliquer sur Open Group. Régis Bourbonnais - Logiciel Eviews - Page 1 Rentrer les données Cliquer sur edit +/– (dans la Spreadsheat) et après la saisie, quitter par fermeture de la

plusieurs relations, de manière successive, puis discuter de la robustesse des résultats. Trois spécifications sont successivement testées : – – – Une régression linéaire simple avec l'index de Grubel et Lloyd comme variable explicative. Une régression linéaire simple avec l'index log-linéarisé comme variable explicative. Une régression non linéaire avec la spécification suivante (de type Logit) : où les termes d'erreurs sont supposés suivre une loi normale (ce qui permet d'obtenir l'efficacité asymptotique

- Indicateurs de dispersion : Variance, Ecart-type, Intervalle Semi-interquartile. 4.- Autres indicateurs : Coefficients de Variations, Coefficient de Dissymétrie 5.- Corrélation et Régression linéaire : Distributions Conjointes, Marginales, Conditionnelles. Covariance, Coefficient de Corrélation, Droite de Régression. Variance expliquée et Résiduelle. Cours de statistique UNINE - O.Maggioni page 3 1.1.- Population, Échantillon, Variable Statistique Définitions • Population : ensemble d'unités

51 Chapitre 4 • Segmenter ................................................................... 79 Chapitre 5 • L’analyse de variance .................................................. 107 Chapitre 6 • La régression linéaire ................................................... 133 Chapitre 7 • L’analyse conjointe ...................................................... 155 Chapitre 8 • Communiquer les résultats .............................

lieux Catherine Refait(*) La prédiction de la faillite des entreprises fait l’objet de nombreux travaux empiriques, depuis une trentaine d’années. Elle se fonde sur l’analyse économique et financière d’entreprises défaillantes et d’entreprises non défaillantes, afin de déterminer les variables, principalement comptables, qui distinguent au mieux les deux catégories de firmes. Nous proposons un état des lieux afin de rendre compte de l’efficacité relative des différentes méthode de classification

d’autant plus ses études, et ainsi tenter d’obtenir les meilleurs notes possibles avec beaucoup de volonté. * La consommation en cannabis est la variable qui nous renseigne si l’individu fume ou non. Celle-ci nous révèle si l’individu fume du Cannabis ou non. Cette variable est à nos yeux très intéressante à étudier car elle nous informe sur le caractère et la santé morale des étudiants. Les fumeurs de cette drogue sont exposés, nous le savons, à de nombreux problèmes cardio-vasculaires

méthodes linéaires classiques et les méthodes de l’intelligence artificielle : les réseaux de neurones artificiels Hamadi Matoussi Professeur de Finance hal-00481087, version 1 - 5 May 2010 Université de La Manouba (Tunisie) E-mail: hmato_isc@yahoo.ca hamadi.matoussi@iscae.rnu.tn Aida Krichène Abdelmoula Assistante en comptabilité Université de Carthage 7 Novembre (Tunisie) E-mail: aidakrichene@yahoo.fr aida.krichene@iscae.rnu.tn Résumé Ce papier porte sur le risque de non remboursement