Dans cette vidéo, nous montrons comment faire la régression logistique dans R. Nous montrons comment vérifier la multicollinéalité dans un modèle de régression logistique , comment calculer le nombre d'observations requises pour un modèle de régression logistique ainsi que l'analyse de la surdisperssion dans un modèle de régression logistique .
La régression logistique est utilisée quand on veut identifier les variables ayant un effet sur la variable d'intérêt. La variable dépendante doit être dichotomique dans un modèle de régression logistique . Elle doit avoir comme réponse "oui" ou "non", "1" ou "0", "yes" or "non", "malade" ou "pas malade", "défaillant", ou "non-défaillant", "positif" ou "négatif", etc. Dans un modèle de régression logistique, les variables explicatives peuvent, quant à elles, être soient intervalles /quantitatives ou catégorielles.
Toutefois, avant de réaliser le modèle de régression logistique, il convient de s'assurer que les conditions de réalisation d'un modèle de régression logistique sont respectées comme l'absence de forte corrélation entre les variables explicatives, absence de valeurs extrêmes, avoir au moins 10 fois d'observations par variable explicative, avoir au moins 5 observations pour les variables catégorielles en cas de combinaison des variables catégorielles, etc.
Dans cette vidéo, nous montrons comment préparer vos données avant de faire le modèle de régression logistique.
Mots clés: modèle de régression logistique, régression logistique.
Le lien de R script pour la régression logistique
mega.nz/file/l...
La vidéo répond aux questions suivantes:
Comment faire la régression logistique?,
Comment préparer les données pour la régression logistique?,
Combien d'observations pour la régression logistique?,
Comment faire la régression logistique dans R?,
Comment changer les modalités de référence dans la régression logistique?,
Comment labéliser les variables dans la régression logistiques?,
Quelles sont les procédures de régression logistique?,
Comment utiliser la régression logistique?,
Les exigences de la régression logistique?
#régressionlogistique
#régressionlogistiquedansR
#drantoineniyungeko
21 сен 2024
