Toute personne souhaitant une approche générale des techniques associées à la régression. Les modèles seront 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.
Statistique descriptive
Connaissance du mécanisme des tests d’inférence
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