The full model
Nous chercherons donc dans un premier temps à expliquer le Prix du forfait jour (Y=PFJ) linéairement par toutes les variables dont on dispose, à savoir
X1 : PIS : nombre de pistes de ski
X2 : AST : altitude de la station
X3 : REM : nombre de remontées mécaniques
X4 : API : Altitude au sommet des pistes
X5 : KMF : nombre de kilomètres de pistes de ski de fond
X6 : LIT : nombre de lit dans la station
X7 : HOT : nombre d'hôtels dans la station
Cela revient donc à chercher un modèle de la forme
=b0+b1X1+b2X2+...+bkXk
Comme en régression simple, nous allons utiliser la méthode des moindres carrés, permettant de minimiser les erreurs d'estimation.
On chercher donc les coefficients b0, b1, ..., bk tels que 
soit minimum.
La méthode des moindres carrés est un peu plus complexe pour expliciter les coefficients, mais mathématiquement possible (voir la démonstration si elle est souhaitée @@@@ A REDIGER).
On obtient les sorties SPSS suivantes :
Ce qui donne le modèle complet suivant :
= 52.6459 + 0.4302PIS - 0.002AST -0.0111REM + 0.0189API + -0.0740KMF + 0.0016LIT - 0.0371HOT
Comme en régression simple, il est donc intéressant de constater que s'il est très facile d'obtenir un modèle, il faut donc prendre beaucoup de précautions sur son utilisation et sur sa pertinence.
