Modélisation de données qualitatives 1 :
la régression logistique

Public

Ingénieurs, techniciens, cadres d'entreprises ou d'administrations, médecins, chercheurs ayant à expliquer des données qualitatives.

Pré-requis

Bonne connaissance de la régression linéaire (formation Régression linéaire et analyse de la variance).

Objectif et contenu

La formation présente les méthodes inférentielles de traitement de données qualitatives. Les modèles étudiés sont ceux où la variable de réponse est qualitative : modèles LOGIT, PROBIT, cas particuliers des modèles linéaires généralisés. Ces modélisations sont très utilisées en économie et en économétrie. Elles participent aussi à la prise de décisions dans de nombreux domaines : marketing, CRM, recherche médicale…

 

Introduction

Présentation des méthodes statistiques traitant des variables qualitatives

Modèles PROBIT, LOGIT

Principes généraux d’estimation d’un modèle (maximum de vraisemblance)

La régression logistique simple
Notion de variable latente
Le modèle logistique et son interprétation
Analyse des résidus, des observations

La régression logistique multiple
Le modèle
Sélection de variables
Résumé des tests de validité générale
Interprétation des coefficients de la régression logistique
Le cas où la variable à expliquer est une variable polytomique ordonnée

Aspects pratiques de la mise en œuvre des méthodes de régression Logistique

  • 2 jours 11, 12 mars

  • Prix net (non soumis à la TVA) 880 euros
    (1 700 euros pour une inscription aux formations Modélisation de données qualitatives 1 : la régression logistique et Modélisation de données qualitatives 2 : les modèles linéaires généralisés)


    S'inscrire
Intervenant
Logiciel utilisé
  • SAS. La procédure LOGISTIC sera présentée par l’intervenant.
Repères bibliographiques
  • Droesbeke J-J., M. Lejeune, G. Saporta, Éditeurs (2005),
    Modèles statistiques pour données qualitatives,
    Technip
  • Hosmer, D. and S. Lemeshow (1989),
    Applied logistic regression,
    Wiley

Télécharger la fiche