873622_fr-FR

liliconcom

Régression lorsque l'hypothèse de normalité est violée

S'il y a un avertissement que la plupart d'entre nous retiennent à propos de la régression des moindres carrés, c'est celui-ci : la régression suppose la normalité. Plus précisément, elle suppose que la distribution de Y étant donné X est normale, ou, de manière équivalente, que la distribution des résidus est normale. Mais que se passe-t-il si nos données contredisent cette hypothèse (par exemple, si notre distribution de réponse est fortement biaisée ou ne comprend que des valeurs entières), ce qui pourrait nous amener à tirer des conclusions erronées des résultats ? Heureusement, il existe des techniques pour gérer facilement ce scénario trop courant. Ce webinaire, destiné aux chercheurs universitaires, vous enseignera les concepts et techniques de régression linéaire avec des données à réponse non normale, notamment comment les implémenter dans Édition étudiante JMP , une version complète et gratuite de JMP exclusivement réservée aux universitaires. Les sujets abordés sont les suivants : Évaluation de la normalité Transformer les variables de réponse Modèles linéaires généralisés (MLG) qui utilisent une distribution de réponse plus appropriée Sélection de la distribution la mieux adaptée à votre GLM Obtenez le logiciel JMP gratuitement pour un usage académique sur jmp.com/student

Modélisation statistique avancéeAnalyse et modélisation des données de base