salut à tous
J'ai désespérément besoin de votre aide car je suis un étudiant allemand qui utilise jmp pour la première fois et qui n'a jamais fait d'analyse de régression auparavant (apprendre par la pratique et avec quelques livres 
Que se passe-t-il lors d'une régression linéaire multiple alors qu'il existe une autocorrélation positive?
Parce que j'ai d'abord supposé qu'il existait une relation linéaire entre les variables.
De plus, mes statistiques descriptives donnent des résultats complètement différents de ceux attendus. Je regarde l’immobilier et surtout combien de temps il a fallu pour les vendre. La variable dépendante est le temps écoulé jusqu'à la vente, et les variables indépendantes sont multiples telles que le prix, le nombre de chambres, etc. De plus, j'ai utilisé des variables nominales pour les différentes régions et également pour les trimestres au cours desquels elles ont été vendues.
Surtout ces mannequins semblent faux, car mes statistiques descriptives ont des résultats complètement différents. J'ai omis ceux que je trouvais le mieux comme référence
Observations sur 2'000
R2 = 0,059 mais de toute évidence si petit, car certaines informations n’ont pas été fournies, telles que balcon jardin, etc.
Merci beaucoup de m'aider.
Tanja
L'autocorrélation fait référence aux lignes liées de la même manière. Cela irait à l'encontre d'une hypothèse de régression selon laquelle les lignes sont indépendantes les unes des autres. Je pense que votre problème ici est multicolinéarité ou parfois simplement appelé colinéarité. Cela fait référence aux variables de votre modèle qui sont liées les unes aux autres (telles que le coût et le nombre de pièces). L'impact de ceci est des variances gonflées sur vos estimations de paramètres et des modèles qui ne sont pas très stables. Recherchez la multicolinéarité dans vos textes de régression et vous devriez voir une bonne explication des problèmes qui en résultent. La plupart des textes traiteront également de certaines choses que vous pourrez peut-être faire pour aider à atténuer le problème.
