La régression linéaire est inadéquate pour modéliser des variables catégoriques. La régression logistique est conçue à cet effet. Découvrez son mécanisme, ses similitudes avec la régression linéaire et les outils qui lui sont propres.
Dans cette formation, la construction de modèles de régression pour données catégoriques est abordée à l’aide d’études de cas réels.
Plan de la formation
Session 1: Modéliser une variable réponse binaire
- Pourquoi la régression linéaire multiple n’est pas appropriée lorsque la variable réponse est binaire?
- Principe de base : modéliser la probabilité d’obtenir une réponse donnée
- Interprétation: Coefficients et transformations mathématiques des coefficients, rapports de cote « odds ratios », tests statistiques sur les coefficients
- Rapports de cote – Odds ratios
- Tests d’hypothèse
- Mesure de l’ajustement du modèle aux données: Modèles emboîtés, résidus, techniques de validation croisée
- Utilisation du modèles à des fins de prédiction
Session 2: Cas d’une variable réponse ordinale : régression polychotomique ordinale
- Régression multinomiale ou polytomique
- Procédures disponibles dans les logiciels statistiques
- Mise en œuvre et interprétation
Durée de la formation
La durée recommandée de cette formation est de 2 sessions en ligne.
Public cible
Ce module s’adresse à toute personne qui recueille des données binaires, catégoriques et/ou ordinales et qui prend des décisions basées sur ces données. Cette technique de régression sera particulièrement utile aux personnes ayant à expliquer des données qualitatives et oeuvrant en finance, en épidémiologie, en médecine, en génétique, en sciences humaines, en économétrie, en marketing.
Les participants doivent avoir suivi les modules suivants ou posséder un niveau de connaissances équivalent: