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.

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.

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.