Comment vérifier la condition d'homogénéité de la variance (homoscédasticité) pour le modèle de régression linéaire dans R et SPSS ?
Définition La multicolinéarité est une situation dans laquelle il existe une forte corrélation entre les variables indépendantes dans un modèle statistique. Cela peut se produire dans un modèle de régression linéaire lorsque plusieurs variables indépendantes sont corrélées entre elles et qu'il y a donc une sorte de redondance dans les données. Le problème de la multicolinéarité est qu'elle...En savoir plus
Comment vérifier la condition de distribution normale des résidus pour le modèle de régression linéaire dans R et SPSS ?
Définition Dans une régression linéaire, on essaie de modéliser une dépendance linéaire entre une variable dépendante y et une ou plusieurs variables indépendantes x. Une hypothèse importante est que les résidus (la différence entre les valeurs observées de y et les valeurs prédites de y) sont distribués normalement. Une distribution normale des...En savoir plus
Comment vérifier la condition de multicolinéarité pour le modèle de régression linéaire dans R et SPSS ?
Définition La multicolinéarité est une situation dans laquelle il existe une forte corrélation entre les variables indépendantes dans un modèle statistique. Cela peut se produire dans un modèle de régression linéaire lorsque plusieurs variables indépendantes sont corrélées entre elles et qu'il y a donc une sorte de redondance dans les données. Le problème de la multicolinéarité est qu'elle...En savoir plus
Comment vérifier la condition de linéarité pour le modèle de régression linéaire dans R et SPSS ?
Lorsque tu effectues une régression linéaire, tu dois également vérifier si les conditions préalables sont remplies. Les valeurs de signification (valeurs p) que tu obtiens dans la régression ne sont exactes que si les conditions de la régression sont remplies. Si les conditions ne sont pas remplies, l'interprétation correcte des valeurs p peut éventuellement poser problème. Dans...En savoir plus