Ce cours vous présentera le modèle de régression linéaire, un outil puissant que les chercheurs peuvent utiliser pour mesurer la relation entre plusieurs variables. Nous commencerons par explorer les composantes d'un modèle de régression à deux variables, qui estime la relation entre une variable indépendante et une variable dépendante. Sur cette base, nous verrons ensuite comment créer et interpréter un modèle multivarié, un modèle à variable dépendante binaire et un modèle interactif. Nous examinerons également comment différents types de variables, telles que les variables catégorielles et les variables nominales, peuvent être incorporées de manière appropriée dans un modèle. Dans l'ensemble, nous discuterons des nombreuses façons dont un modèle de régression peut être utilisé à la fois pour la description et l'inférence causale, ainsi que des limites de cet outil analytique. À la fin du cours, vous devriez être en mesure d'interpréter et d'évaluer de manière critique une analyse de régression multivariée.
Offrez à votre carrière le cadeau de Coursera Plus avec $160 de réduction, facturé annuellement. Économisez aujourd’hui.
Quantifier les relations à l'aide de modèles de régression
Ce cours fait partie de Spécialisation Maîtrise des données
Instructeur : Jennifer Bachner, PhD
2 761 déjà inscrits
Inclus avec
(19 avis)
Compétences que vous acquerrez
- Catégorie : Modèle linéaire général
- Catégorie : Régression linéaire
- Catégorie : Analyse statistique
Détails à connaître
Ajouter à votre profil LinkedIn
14 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 4 modules dans ce cours
Bien que les graphiques soient utiles pour visualiser les relations, ils ne fournissent pas de mesures précises des relations entre les variables. Supposons que vous souhaitiez déterminer comment un résultat intéressant est susceptible de changer si l'on modifie une variable connexe. Pour répondre à cette question, il faut plus qu'un simple diagramme de dispersion. Que devez-vous faire, par exemple, si vous voulez calculer si la qualité de l'air change lorsque les émissions des véhicules diminuent ? Ou si vous voulez calculer comment le comportement d'achat des consommateurs change lorsqu'une nouvelle politique fiscale est mise en œuvre ? Pour calculer ces effets prévus, nous pouvons utiliser un modèle de régression. Ce module présente d'abord la corrélation comme un premier moyen de mesurer la relation entre deux variables. Le module abordera ensuite l'erreur de prédiction en tant que cadre d'évaluation de la précision des estimations. Enfin, le module présentera le modèle de régression linéaire, un outil puissant que nous pouvons utiliser pour développer des mesures précises de la manière dont les variables sont liées les unes aux autres.
Inclus
5 vidéos4 lectures4 devoirs
Maintenant que vous maîtrisez les bases de l'analyse de régression, l'étape suivante consiste à examiner comment évaluer et modifier un modèle de régression de base. Ce module vous présentera une mesure courante de l'adéquation du modèle et les trois hypothèses de base de l'analyse de régression. En outre, nous explorerons les circonstances particulières d'une analyse de régression avec une variable de traitement binaire (ou factice). Les variables muettes, qui prennent deux valeurs, sont fréquemment utilisées en statistique. Comprendre comment utiliser et interpréter les variables muettes constitue une base pour développer un modèle de régression multivarié, que nous aborderons dans le module suivant.
Inclus
3 vidéos4 lectures4 devoirs
Le modèle de régression à deux variables est un élément essentiel des statistiques, mais il est généralement insuffisant dans la pratique en tant que modèle utile pour l'inférence descriptive, causale ou prédictive. En effet, de multiples variables influencent généralement une dynamique particulière. Que vous modélisiez le comportement politique, les processus environnementaux ou les résultats d'un traitement médicamenteux, il est presque toujours nécessaire de prendre en compte des influences multiples sur un résultat d'intérêt. Ce module présente le modèle multivarié de l'analyse de régression et explique comment interpréter et évaluer les résultats d'une analyse multivariée.
Inclus
4 vidéos4 lectures4 devoirs
Une fois que vous aurez maîtrisé le modèle multivarié des MCO, vous serez prêt à vous familiariser avec un large éventail de techniques de modélisation de la régression. N'oubliez pas que les chercheurs doivent toujours utiliser les outils de modélisation qui leur permettent le mieux de répondre à la question posée. Ce module se concentre sur deux outils en particulier, les termes d'interaction et les modèles pour les variables dépendantes binaires. Gardez toutefois à l'esprit qu'il existe de nombreux outils de modélisation de la régression que vous pouvez apprendre et mettre en œuvre en fonction de la question de recherche à laquelle vous essayez de répondre. Une fois que vous aurez acquis une solide compréhension des bases de la régression, vous devriez vous sentir capable d'élargir cette base de connaissances au fur et à mesure que vous progressez en tant que producteur et consommateur d'analyses.
Inclus
5 vidéos2 lectures2 devoirs1 évaluation par les pairs
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Analyse des Données
Arizona State University
University of Colorado System
University of Michigan
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 19
19 avis
- 5 stars
78,94 %
- 4 stars
10,52 %
- 3 stars
10,52 %
- 2 stars
0 %
- 1 star
0 %
Révisé le 8 juil. 2021
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la Specializations, et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.