Minitab utilise l'estimation par les moindres carrés pour calculer les coefficients.
En termes matriciels, les estimations par les moindres carrés des coefficients sont les suivantes :
b = (X'X)-1X'y
Pour plus d'informations sur les coefficients des modèles d'ordre supérieur, reportez-vous à Cornell1.
| Terme | Description |
|---|---|
| X | matrice du plan |
| y | colonne de réponse |
Pour la régression linéaire simple, l'erreur type du coefficient est la suivante :

Les erreurs types des coefficients pour la régression multiple sont les racines carrées des éléments de diagonale de la matrice :

| Terme | Description |
|---|---|
| xi | ie valeur de prédicteur |
![]() | moyenne du prédicteur |
| X | matrice du plan |
| X' | transposition de la matrice du plan |
| s2 | carré moyen de l'erreur |

| Terme | Description |
|---|---|
![]() | statistique de test pour l' coefficient |
![]() | coefficient estimé |
![]() | erreur type de l' coefficient estimé |
La valeur de p bilatérale pour l'hypothèse nulle selon laquelle un coefficient de régression est égal à 0 est calculée comme suit :

Les degrés de liberté pour l'erreur sont calculés comme suit :
n – p – 1
| Terme | Description |
|---|---|
![]() | fonction de répartition de la loi t, où le nombre de degrés de liberté est égal au nombre de degrés de liberté pour l'erreur |
| tj | statistique t du je coefficient |
| n | nombre d'observations dans l'ensemble de données |
| p | Somme des degrés de liberté pour les termes. |
Le FIV peut être obtenu en faisant régresser chaque prédicteur sur les prédicteurs restants et en notant la valeur R2.
Pour le prédicteur xj, le FIV est le suivant :

| Terme | Description |
|---|---|
| R2( xj) | coefficient de détermination avec xj comme variable de réponse et autres termes du modèle comme prédicteurs |