Contenus :

• Définition de la multicolinéarité ;
• Multicolinéarité parfaite et forte ;
• Matrice de corrélation ;
• Variables redondantes ;
• Tolérance ;
• Facteur d’inflation de la variance ;
• Interprétation du facteur d’inflation de la variance ;
• Instabilité des coefficients ;
• Erreurs standards élevées ;
• Changements de signe ;
• Conséquences sur l’inférence ;
• Conséquences sur la prédiction ;
• Retrait de variables ;
• Regroupement de variables ;
• Création d’indicateurs synthétiques ;
• Sélection fondée sur le contexte ;
• Sélection descendante ;
• Sélection ascendante ;
• Sélection progressive ;
• Limites des procédures automatiques ;
• Introduction aux critères d’information ;
• Parcimonie et interprétabilité.

Objectifs pédagogiques :

• Détecter la multicolinéarité ;
• Produire une matrice de corrélation ;
• Calculer et interpréter le facteur d’inflation de la variance ;
• Identifier les coefficients instables ;
• Distinguer les effets sur l’inférence et la prédiction ;
• Proposer un traitement approprié ;
• Comparer plusieurs stratégies de sélection ;
• Reconnaître les limites des procédures automatiques ;
• Justifier la sélection des variables.