15. Le coefficient de corrélation de Pearson
Vložit
- čas přidán 24. 07. 2024
- Chaîne labellisée FNEGE. Principe, calcul et interprétation du coefficient de corrélation de Pearson et du coefficient de détermination r carré. Je vous conseille de visionner au préalable les deux vidéos précédentes (analyse bivariée et covariance) ainsi que la vidéo sur la variance.
0:00 Introduction
0:16 Principe et limites du coefficient de corrélation r
5:33 Corrélation ou causalité ?
9:02 Le coefficient de détermination r2
11:10 Exercice d'application
13:53 Calculs intermédiaires et conseils de présentation
18:14 Calcul et interprétation de r et r2
Ce cours s'adresse aux étudiants de L1 et L3 de l'Ecole de Management de la Sorbonne (université Paris 1 Panthéon-Sorbonne) mais tant mieux si cela sert à d'autres personnes, bienvenue !
===== POUR LES ENSEIGNANTS =====
Vous souhaitez utiliser mes vidéos pour vos cours, super ! Voici un petit guide pédagogique à télécharger pour vous donner des idées et faciliter l'appropriation des contenus : drive.google.com/file/d/18TPa...
vos vidéos sont parfaites merci beaucoup
Merci
Bonjour vous allez bien est ce que je peux utiliser le coefficient de corrélation pour calculer les comouvements des taux change du yuan et des pays émergents ?
Bonjour 😀 Oui, vous pouvez essayer, c'est intéressant ! Cela dit, pour des comouvements de taux de change, j'imagine qu'il serait encore mieux de prendre en compte d'autres variables et construire un modèle. En économétrie, ce qui n'est pas mon domaine, les modélisations de ce type sont assez utilisées.
Bonjour monsieur, pour l’interprétation de r il faut forcément utiliser sa valeur absolue ?
Bonjour,
Non, vous n'êtes pas tenus d'utiliser le terme "valeur absolue". Si r est positif vous expliquez que plus il est proche de 1 plus la corrélation est forte. De même si r est négatif, vous expliquez que plus il est proche de -1, plus la corrélation est forte (mais en sens inverse). J'ai juste parlé de valeurs absolues car c'est la manière d'expliquer la plus fréquente dans les ouvrages de stats.
Bonjour Monsieur (encore moi), j'avais une question concernant l'interprétation de r en valeur absolue, est ce que on peut dire par exemple quand la valeur absolue de r = 0,6, que les 2 variables ont dépendance de 60% l'une de l'autre ? (et en fonction du signe de r on dira si c'est le même sens ou non bien évidement).
Merci !
Bonjour Benjamin,
Non, on ne peut pas donner cette interprétation.
On peut juste dire que la corrélation est positive (elles évoluent dans le même sens) et l'intensité du lien de corrélation est "relativement élevé" (s'il s'agit de sciences humaines, car 0,6 en physique peut être très faible).
Par contre, en faisant 0,6 au carré, on obtient le "r deux" (coefficient de détermination), ici 0,36 et là on peut dire (s'il y a une relation de cause à effet) que les variations de la variable Y s'expliquent à 36% par l'influence de la variable X.
@@EricLombardot Ah d'accord, merci beaucoup !
Bonsoir monsieur, pour le calcul de la moyenne doit on forcement faire le tableau avec les colonnes ni*xi ou on peut directement noter notre calcul ?
Bonjour,
Vous pouvez juste noter le calcul et le résultat... mais je vous conseille plutôt de faire le tableau avec les nixi, car de toutes façons, vous allez devoir ensuite faire les nixi2 puis les nixi3, nixi4. En d'autres termes, le temps passé à construire cette colonne vous sera utile aussi pour d'autres questions. A votre place, je commencerai le dossier de stats (ou l'examen) par un grand tableau avec toutes les lignes et colonnes nécessaires pour toutes les questions. Après vous n'avez plus qu'à reporter les résultats dans les formules, c'est beaucoup plus rapide !
@@EricLombardot merci à vous
pour que le coefficient de détermination ait du sens, il faut déjà avoir prouvé qu'il y a une relation de causalité entre les 2 variables je suppose? Car pour le cas du crime au mexique, je pourrais calculer le coefficient de pearson, le mettre au carré, mais ce serait un coefficient de détermination artificiel tout comme le r de pearson?
OUI !! Vous avez complètement raison !
L’interprétation de coefficient de kelly