Contenus :

• Limites de la régression à une seule variable explicative ;
• Introduction à la régression linéaire multiple ;
• Forme générale du modèle multiple ;
• Variable dépendante et variables explicatives ;
• Interprétation conditionnelle d’un coefficient ;
• Maintien constant des autres variables ;
• Choix des variables explicatives ;
• Justification théorique et contextuelle ;
• Risque lié aux variables omises ;
• Variables catégorielles ;
• Codage indicateur ;
• Catégorie de référence ;
• Interprétation d’un coefficient associé à une catégorie ;
• Comparaison d’un modèle simple et d’un modèle multiple ;
• Coefficient de détermination ajusté ;
• Augmentation mécanique du coefficient de détermination ;
• Principe de parcimonie ;
• Variables redondantes ;
• Introduction à la multicolinéarité ;
• Effets de la multicolinéarité sur les coefficients ;
• Sélection raisonnée des variables ;
• Limites de l’interprétation causale ;
• Structure d’un rapport d’analyse :
• contexte ;
• question ;
• données ;
• préparation ;
• exploration ;
• modèle ;
• diagnostics ;
• résultats ;
• limites ;
• recommandations ;
• Présentation des tableaux et graphiques ;
• Communication à un public technique et non technique ;
• Confidentialité et protection des données ;
• Biais et représentativité ;
• Transparence des transformations ;
• Reproductibilité du code et de l’analyse ;
• Présentation honnête des limites ;
• Finalisation du projet intégrateur.

Objectifs pédagogiques :

• Expliquer l’intérêt de la régression multiple ;
• Interpréter un coefficient en maintenant les autres variables constantes ;
• Intégrer une variable catégorielle dans un modèle simple ;
• Identifier la catégorie de référence ;
• Comparer un modèle simple à un modèle multiple ;
• Interpréter le coefficient de détermination ajusté ;
• Comprendre la notion de parcimonie ;
• Définir la multicolinéarité ;
• Reconnaître les effets des variables redondantes ;
• Sélectionner des variables sur une base justifiable ;
• Structurer un rapport complet d’analyse ;
• Communiquer les résultats à différents publics ;
• Présenter les limites et les risques de manière transparente ;
• Assurer la reproductibilité de l’analyse ;
• Finaliser et présenter un projet d’analyse et de régression.