Régression linéaire, logistique et analyse de la variance

Acquérir la connaissance méthodologique et pratique des méthodes de modélisation que sont la régression linéaire, la régression logistique, l'analyse de la variance et de la covariance. Elles permettent d'obtenir une analyse explicative d'un phénomène, de confirmer des hypothèses, de prendre des décisions ou encore d'effectuer des prévisions

- Le modèle linéaire Introduction Le modèle linéaire, principe, écriture - Régression simple et multiple Le modèle Estimation des coefficients Validation du modèle Tableau d'analyse de variance et coefficient de détermination (R2) Test global du modèle : le test de Fisher Test de nullité de chacun des coefficients du modèle : le test de Student Recherche de valeurs influentes Etude graphique et statistique des résidus Liaisons entre variables explicatives : évaluer le degré de multicolinéarité, utilisation de l'analyse en composantes principales Critères de sélection de modèles concurrents Critères de sélection de modèles : coefficient de détermination, coefficient de détermination ajusté, Cp de Mallow Méthodes pas à pas de sélection de modèle : ascendante, descendante, mixte Utilisation du modèle en prévision Intervalle de confiance et de prévision - Régression logistique Spécificité et complémentarité avec la régression linéaire classique Spécification du modèle Hypothèses Fonction logit Interprétation des paramètres du modèle Intervalle de confiance Estimation des paramètres du modèle Tests d'hypothèses sur les paramètres du modèle Codage et interprétation des variables explicatives (binaire, qualitative) Comparaison de modèles et sélection de variables Validation des hypothèses du modèle et analyse des résidus - Analyse de la variance et de la covariance Le modèle Analyse de la variance à un ou plusieurs facteurs Décomposition de la variance Effets principaux et effets des interactions Analyse de la covariance Vérification des hypothèses sur les données, validation du modèle Tests de normalité des distributions, d'homogénéité des variances (homoscedasticité), transformation des données Utilisation des boîtes à moustaches Etude graphique et statistique des résidus Tests d'hypothèses, exploitation Tests de comparaisons multiples de moyennes (Tukey, Bonferroni, ...) Tests de type I, II, III Analyse de contraste pour vé

Attestation de formation

Pour suivre ce stage dans de bonnes conditions, il est recommande d avoir suivi en amont la formation Statistique decisionnelle (inferentielle) : savoir decider au vu des observations.