Analyse statistique de demandes et d'offres d'emploi enregistrées par un service de l'état. Cas de l'Office National de l'Emploi / direction provinciale du Nord-Kivu en RDC de 2007 à 2009

II.2.3.COEFFICIENT DE DETERMINATION (R2 ) 29(*)

Un premier indicateur de qualité de la représentation consiste à mettre en relation la dispersion expliquée par le modèle et la dispersion totale des données : le coefficient de détermination R² mesure le pouvoir explicatif du modèle évaluant le pourcentage de l'information restituée par le modèle par rapport à la quantité d'information initiale :

NB : R² est un coefficient qui permet de mesurer quantitativement le pourcentage de nuages des points expliqué par la droite de régression, tandis que r est une mesure qualitative qui explique s'il y a oui ou non une relation entre les variables. Dans le cas de la régression simple, il y a égalité entre R² et le carré de r.

II.2.4.ANALYSE DE LA VARIANCE (Test de Fisher)

Le test de F permet de s'interroger sur la signification globale du modèle de régression. Ce test peut être formulé de la manière suivante : « Existe-t-il au moins une variable explicative significative ? »

Soit le test d'hypothèse suivant :

H₀ : a₁=a₂=...=a_k=0, tous les coefficients sont nuls

H₁ : il existe au moins un des coefficients non nuls.

Nous ne testons pas le cas où le terme constant a₀ est nul, car seules nous intéressent les variables explicatives. Un modèle ou un seul terme constant est significatif et n'a aucun sens économique.

La régression est jugée significative si la variable expliquée est significativement différente de zéro. Le test de signification dans son ensemble est alors obtenu en calculant F par la formule suivante :

k est le nombre de variables explicatives du modèle.

Cette valeur doit être comparée à celle qui est lue dans la table de Fisher pour k degrés de liberté au numérateur et n-k-1 degrés de liberté au dénominateur à un seuil de signification donné.

Le tableau ci-après présente l'analyse de la variance pour un modèle de régression simple

Source de variation	Degré de liberté	Sommes des carrés	Carrés moyens	Statistique
				Fcalculé	Ftabulé
Régression	k	SCE
Résidu	n-k-1	SCR
TOTAL	n-1	SCT	-

Où

* ²⁹ BOFOYA KOMBA B., op cit.