Identification et résolution des problèmes courants liés aux modèles de régression linéaire
La régression linéaire par les moindres carrés ordinaires est une méthode statistique fondamentale dans de nombreux contextes de recherche universitaire. Cependant, pour tirer des conclusions pertinentes des résultats, il est essentiel de vérifier au préalable que le modèle de régression ne présente aucun problème. Si vous souhaitez une introduction aux problèmes courants de modélisation par régression et aux solutions à y apporter, ce webinaire JMP Academic est fait pour vous. Les sujets abordés incluent :
- Création de variables composites pour tenir compte de la corrélation entre les prédicteurs.
- Utilisation des moindres carrés pondérés pour traiter une variance non constante.
- Transformations de Box-Cox pour stabiliser la variance et traiter les données asymétriques.
Enregistré avec JMP Student Edition 19.
Obtenez gratuitement le logiciel JMP complet pour un usage académique sur jmp.com/student
Modélisation statistique avancéeAnalyse et modélisation de données de base
