Modèle linéaire généralisé
Les modèles présentés ici font de la régression linéaire et de la régression logistique des cas particuliers. Les Modèles Linéaires Généralisés (MLG) se proposent d’étudier les variables dont la normalité est prise en défaut (coûts, fréquences d’évènements, …) et proposent des outils puissants.
Durée : 2 jours
Logiciels possibles : SAS, R
Pré-requis : STAT101
1. Principes de la régression
- Vocabulaire et concepts
- La régression linéaire
- La régression logistique
- Leurs points communs
2. Modèle linéaire généralisé
- Loi de Y
- Fonction de lien
- Qualité du modèle
- Analyse de la déviance
- Analyse des résidus et autres vérifications
3. Exemples de modèles linéaires généralisés
- Régression de Poisson
- Régression binomiale négative
- Régression Gamma
4. Données répétées et corrélées
- GLMM : des modèles très flexibles
- Choix d’une structure de corrélation