logo

[REG] Techniques de régression

Techniques de régression

Une formation complète qui propose aux chargés d’études un maximum de solutions de modélisation linéaire pour données de tous types : continues, catégorielles, binaires.

Durée : 3 jours

Logiciels possibles : SAS, SAS Enterprise Guide, SPSS, R

Pré-requis : STAT101, STAT101R ou STAT101SAS ou STAT101SEG

1.   Qu’est-ce qu’un modèle linéaire ?

    • Les régressions usuelles
    • Les hypothèses du modèle linéaire
    • Principe des tests statistiques

2.   Le modèle linéaire classique

    • Hypothèses et validation des hypothèses
    • Qu’est-ce qu’un modèle réussi ?
    • Les coefficients et leurs p-values
    • Les résidus

3.   Analyse de la variance, modèle linéaire général

    • Hypothèses et validation des hypothèses
    • Introduction de facteurs qualitatifs
    • Analyse de variance : lien avec le modèle linéaire général
    • Comparaison de moyennes
    • Moyennes ajustées (LSMEANS)

4.   Régression logistique

    • Critères de qualité du modèle (Akaike, Schwarz)
    • Les coefficients et les odds-ratios
    • Notion de score, aide à la décision (seuil optimal)
    • Courbe ROC

5.   Modèle linéaire généralisé

    • Lois autorisées dans un tel modèle
    • Fonction de lien
    • Loi des résidus
    • Qualité du modèle
    • Analyse de la déviance
    • Régression de Poisson
    • Régression Gamma

Version PDF

  • Share

Comments are closed.