Glossaire



| 2 | 3 | A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z |

Variable Suppressive

Une variable suppressive (dans la régression multiple) a une corrélation nulle (ou proche de zéro) avec la variable expliquée, mais elle est corrélée avec une ou plusieurs variables explicatives et, par conséquent, supprime la variance inappropriée des variables indépendantes. Par exemple, si nous souhaitons prévoir les performances de coureurs dans une course de 40 mètres. Nos variables explicatives sont la Taille et le Poids des coureurs. Supposons que la Taille ne soit pas corrélée avec le Temps, mais que le Poids le soit. Imaginons que le Poids et la Taille soient corrélés. Si la Taille est une variable suppressive, elle supprimera ou contrôlera la variance inappropriée (c'est-à-dire la variance partagée avec la variable explicative, mais pas la variable expliquée), augmentant ainsi la corrélation partielle. On peut voir ceci comme une façon de se débarrasser du bruit dans l'analyse.

Soient t = Temps, h = Hauteur, w = Poids, rth = 0.0, rtw = 0.5, et rhw = 0.6.

Le Poids dans cet exemple représente 25% (Rtw2 = 0,52) de la dispersion du Temps. Cependant, si nous prenons en compte la Taille dans le modèle, 14% supplémentaires de la dispersion du Temps sera expliquée, bien que la Taille ne soit pas corrélée avec le Temps (voir ci-dessous) :

Rt.hw2 = 0.52/(1 - 0.62) = 0.39

Pour davantage d'informations, veuillez vous référer à Pedhazur, 1982.