Découvrir les modèles de régression

 
  Toutes les formations  Méthodes statistiques
  2 jours       1020       Tout public    
  Prochaine session
18 et 19 septembre 2017
Objectifs

Connaître les différents types de régressions (linéaire, analyse de variance, modèle linéaire généralisé, modèle mixte, modèle de survie) et leur champ d’application. Savoir lire et interpréter les principales sorties logicielles de ces modèles.


Prérequis

Statistique descriptive

Connaissance du mécanisme des tests d’inférence


Contenu

Les modèles sont présentés à la fois sous leur aspect de description (validation d’hypothèses, recherche de facteurs influant sur un phénomène) et de prédiction. Ce cours est une introduction à la modélisation, il ne requiert pas de niveau mathématique élevé et fait surtout appel au bon sens et à l’intuition. Chaque technique est présentée avec des exemples concrets et des sorties logicielles décortiquées. Il pourra être complété par d’autres formations plus spécifiques sur chacune des techniques abordées ici.

Régression(s)

  • Principe de base de la régression : droite, ajustement d’une moyenne
  • Panorama des variantes selon les types de données analysées

Régression linéaire, analyse de variance

  • Coefficients de régression, diagnostics de qualité
  • Variables explicatives qualitatives : comment les intégrer aux modèles ?
  • Sommes des carrés de types I et III
  • Comparaisons de moyennes simples et multiples
  • Introductions aux modèles mixtes (données répétées)
  • Variables multiples : sélection, multicolinéarité

Modèle linéaire généralisé : étudier des variables non normales

  • Quantités positives : régression log-linéaire vs régression Gamma
  • Comptages : régression de Poisson
  • Évènements : régression logistique