CHAPITRE 8 - Régression linéaire Flashcards
Qu’est-ce que la régression?
Une manière de prédire la valeur d’une variable à partir d’une autre variable
Quelles sont les caractéristiques de la régression (3)?
(1) c’est un modèle hypothétique de la relation entre deux variables, (2) le modèle utilisé est linéaire, (3) par conséquent, nous décrivons la relation en utilisant l’équation pour calculer une droite
VI = variable prédite, VD = variable prévisible
À quoi équivaut le bêta standardisé?
Un coefficient de corrélation
donc la corrélation est une régression…
Comment savoir si notre modèle est bon (3)?
(1)La droite de régression est seulement un modèle basé sur les données, (2) ce modèle ne reflète peut-être pas la réalité, (3) il faut évaluer jusqu’à quel point le modèle correspond aux données observées
Comment peut-on décrire une droite (2)?
(1) bi: coefficient de régression pour le prédicteur/pente (gradient/slope) de la droite de régression/direction et force de la relation, (2) b0/a: ordonnée à l’origine (intercept), quelle est la valeur de Y quand X = 0/point où la droite de régression croise l’axe Y
À quoi correspond la somme des carrés?
Somme des carrés total = SST, différence entre données et régression = SSR, différences entre moyenne et régression = SSM
Qu’est-ce que la somme des carrés totale?
SST: variabilité ou variance totale entre les données et la grande moyenne
Qu’est-ce que la somme des carrés résiduelle?
SSR: variabilité entre le modèle et les données réelles
Q’est-ce que la somme des carrés modèles?
SSM: différence entre le modèle et la moyenne
Comment peut-on évaluer le modèle selon ANOVA (2)?
(1) si le modèle permet une meilleure prédiction que l’utilisation de la moyenne, alors SSM devrait perte plus grand que SSR, (2) SSR dépend du nombre de participants, c’est pour ça qu’on fait un carré moyen.
SST = SSR + SSM
Qu’est-ce que le carré moyen de l’erreur?
La somme des carrés est une valeur totale. Carré moyen! F = MSm/MSr
Comment fait-on pour évaluer le modèle selon R2?
R2 est la promotion de variance expliquée par le modèle de régression (coefficient de Pearson au carré): R2 = SSM/SST
Quelles sont les étapes à suivre pour faire une régression?
- Faire un graphique, 2. régression avec SPSS, 3. Output: model Summary, 4. Output: ANOVA, 5. SPSS Output: paramètres du modèle
Que peut-on dire sur le bêta standardisé?
Il n’est jamais affecté par l’unité de mesure donc à utiliser lorsque plusieurs unités
Que se passerait-il si on multiplie par 10 les données?
Le bêta standardisé ne change pas mais le bêta augmentera aussi x10
