Le modèle I (comme l’ensemble des modèles I à VI) est très fortement significatif. Le test de Wald de nullité simultanée de l’ensemble des coefficients estimés98 renvoie un F(66 ; 1582) = 6,62 très hautement significatif (si H0 était vrai il y aurait moins de 1 chance sur 10000 pour qu’une variable aléatoire suivant une loi F(66 ; 1582) prenne une valeur supérieure ou égale à 6,62).
La qualité globale de l’ajustement aux données est quant à elle satisfaisante pour ce type de modèle : le pseudo-R²99 est de l’ordre de 20%100. En calculant des probabilités estimées à partir des résultats du modèle il est en outre possible de reclasser correctement 61% des observations.
L’hypothèse nulle ainsi testée est la suivante : H0: [1]β1 PRIN1= ...=[1]β10 PRIN10= [1]γ1 lnCAHT92 = [1]η1 SEC1 = ... = [1] η22 SEC36 = [2]β1 PRIN1= ...=[2]β10 PRIN10= [2]γ1 lnCAHT92 = [2]η1 SEC1 = ... = [2] η22 SEC36 = 0
où [1] figure le vecteur qui regroupe les coefficients estimés agissant sur la probabilité relative d’innover en produit plutôt qu’en produit & procédé et [2] le vecteur qui regroupe les coefficients estimés agissant sur la probabilité d’innover en procédé plutôt qu’en produit & procédé.
Le pseudo-R² est reporté à titre indicatif, son utilisation est sujette à controverse chez les statisticiens. Dans le contexte de la régression logistique il ne peut en effet pas faire l’objet de la même interprétation (en terme de proportion de la variance expliquée par le modèle) que dans les modèles linéaires traditionnels.
Si l’on exclut du modèle les 22 variables muettes sectorielles et la variable taille (lnCAHT92) le R²L demeure tout de même à 11%.