Suisse: Quel est le lien entre chômage et cours de change suite 2 ?

En addition du mon article de ce matin, voici la corrélation entre les deux objets susmentionnés

Pour qu’une corrélation soit confirmée, il faut que le R2 (R carré) affiche la valeur de 0,8 ou plus. Nous en sommes très très très loin.

Donc je confirme: aucune corrélation (mathématiquement prouvé)

   Envoyer l'article en PDF   

6 réflexions au sujet de « Suisse: Quel est le lien entre chômage et cours de change suite 2 ? »

  • 31 janvier 2011 à 17 h 06 min
    Permalink

    Merci Olivier! Dommage que l’agrandissement du graphe ne permet pas de voir les valeurs en abscisse et en ordonnée. Le zéro correspond au point G?
    Pas grave! On voit que c’est une droite de régression dont le coefficient doit être compris entre -1 et 1.

    Plus le coefficient est proche des valeurs extrêmes -1 et 1, plus la corrélation entre les variables est forte: ici nos deux variables sont l’indice €uro/CHF et le taux de chômage.

    On emploie alors l’expression « fortement corrélées » pour qualifier les deux variables.

    Une corrélation égale à 0 signifie que les variables sont linéairement indépendantes.

    Le coefficient de corrélation a toujours un sens, quelle que soit sa valeur entre -1 et 1. Il nous donne une information précise, non pas tant sur le degré de dépendance entre les variables, que sur leur distance angulaire (alpha) dans l’hypersphère à “n” dimensions. Il est presque toujours possible de calculer un coefficient de corrélation mais il n’arrive pas toujours à rendre compte de la relation qui existe en réalité entre les variables étudiées.

    Si les deux variables sont totalement indépendantes, alors leur corrélation est égale à 0. Mais l’inverse est faux, car le coefficient de corrélation indique uniquement une dépendance linéaire. Par exemple, d’autres objets peuvent être corrélés de manière exponentielle, ou sous forme de puissance dans une série statistique à deux variables en mathématiques élémentaires.

    Une erreur courante est de croire qu’un coefficient de corrélation élevé induit une relation de causalité entre les deux phénomènes mesurés. En réalité, les deux phénomènes peuvent être corrélés à un même phénomène-source, soit une troisième variable non mesurée dont dépendent les deux autres.

    Oui, R 2(=R au carré) est un indicateur pertinent, il présente un défaut parfois ennuyeux, il a tendance à mécaniquement augmenter à mesure que l’on ajoute des variables dans le modèle. R 2 est un indicateur simple, on comprend aisément que plus il s’approche de la valeur 1, plus le modèle est intéressant.

    En revanche, il ne permet pas de savoir si le modèle est statistiquement pertinent pour expliquer les valeurs de y. On doit se tourner vers les tests d’hypothèses pour vérifier si la liaison mise en évidence avec la régression n’est pas un simple artefact(loi de Fisher-Snedecor).

    La régression de séries temporelles, c’est-à-dire de variables indexées par le temps, peut poser des problèmes, en particulier à cause de la présence d’autocorrélation dans les variables donc aussi dans les résidus et on aboutit à une régression fallacieuse.
    Donc, la régression de séries temporelles demande aussi souvent l’application d’autres modèles de régression, comme les modèles vectoriels autorégressifs(VAR) ou les modèles à correction d’erreur(VECM.

    Pour se faire une idée simple et plus claire(!?!) du coefficient de corrélation, voilà cette image avec les valeurs allant de -1 à 1: http://upload.wikimedia.org/wikipedia/commons/0/02/Correlation_examples.png

    Le latin nous est utile aussi dans le raisonnement: “Cum hoc ergo propter hoc” = “avec ceci, donc à cause de ceci” nous renvoit au sophisme ou au paralogisme?! 🙂

  • 31 janvier 2011 à 17 h 55 min
    Permalink

    cher amora
    je vous félicite pour cette explication.chez crottaz ça saute au yeux:))

  • 31 janvier 2011 à 18 h 10 min
    Permalink

    Il est nul ce site

  • 31 janvier 2011 à 18 h 42 min
    Permalink

    rien en vous oblige Merio

  • 31 janvier 2011 à 20 h 57 min
    Permalink

    je crois que merio plaisante sauf s’il appartient à une boucle d’un algorithme.
    cordialement

Les commentaires sont fermés.