La construction d’un modèle de régression avec les logiciels est devenue triviale. C’est pourtant plus complexe! Apprenez les bonnes pratiques en matière de modélisation, les indicateurs de performance d’un modèle et les pièges à éviter.
Course Outline
The recommended duration for this course is 1 online session(s).
Régression linéaire simple (RLS)- Objectifs
- Terminologie
- Qu'est-ce qu'un modèle?
- Spécification du modèle et interprétation des coefficients
- Principe d'estimation des moindres carrés
- Différence entre corrélation et régression
- Tests statistiques sur les coefficients de régression
- Conditions d'utilisation du modèle et outils diagnostics
- Prédiction en régression
- Extrapolation: Utilisation et pièce
- Objectifs
- Aspects communs à la RLS
- Interprétation des coefficients du modèle
- Construction d'un modèle de RLM
- Bonnes et mauvaises mesures de performance d'un modèle
- Vérification de l'adéquation du modèle
- Problèmes spécifiques à RML: Sélection de variables, multicollinearité et utilisation de termes spéciaux
- Régression non-linéaire (RNL)
- Applications de la régression non-linéaire
- Autre manière de lutter contre la multicollinéarité
- Étapes dans la construction d'un modèle
- Robustesse de la régression à des déviations des conditions d'utilisation