Professional Documents
Culture Documents
Guillaume Frst
guillaume.fuerst@unine.ch
Vue densemble
Passation des
questionnaires
Rgression Linaire
(Simple ou Multiple)
Analyse de la validit
Analyse de la fidlit
Analyse factorielle
Variable
Latente 1
i1
i2
i3
Variable
Latente 2
i4
i5
i6
i7
i8
i9
i10
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 2, dia.
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 2, dia.
Pas deffet
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 2, dia.
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 2, dia.
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 2, dia.
Yi = 0 + 1*xi + i
Yi = b0 + b1*xi + ri
Hypothses nulles
Pour lintercepte:
H0 : 0 = 0
H1 : 0 0
Pour la pente:
H0 : 1 = 0
H1 : 1 0
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 2, dia.
Postulats:
Indpendance des observations
Normalit des rsidus
Graphs faire :
Histogramme des
rsidus. On attends la
normalit.
Scatterplot valeurs
prdites vs. rsidus .
Homognit de la
variance
Homognit de la variance
Pas de valeurs extrmes
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 2, dia.
Intercepte
Taille deffet: b0
Significativit: teste avec un test t.
Pente
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 2, dia.
Rgression et causalit
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 2, dia.
10
Points spcifiques:
Plus de paramtres estimes
Equation avec plusieurs pentes
Yi = 0 + 1*xi + 2*xi + + i
Espace en n dimension au lieu de 2
Les estimations des pentes ne sont plus
directement analogues la corrlation
Attention la multi-colinarit.
Vrifier la tolrance (= 1 R2).
Doit tre suprieure .10.
http://la-dimension4.com/Hyperplans.html
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 2, dia.
11
Lectures
Field, A. (2007). Discovering Statistics Using SPSS. SAGE
Publications Ltd.
Chapitre 5 Exploring assumptions, pp. 131-136
Chapitre 6 Correlation, pp. 166-172
Chapitre 7 Regression, pp. 197-209
Videos Qualtrics:
http://www.youtube.com/watch?v=Q9YW9RAM9jQ&list=PL
FF2F7C1E49A04697
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 2, dia.
12
Indice de la
taille d'effet
Cohens w
Cohens d
2
r ou r2
http://wiki.opossem.org/index.php?title=Statistical_distributions
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 3, dia.
14
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 3, dia.
15
R2 et R2 ajust
R2 ajust:
Permet de prendre en compte:
La taille dchantillon (n)
Le nombre de paramtre dans le modle (p)
http://en.wikipedia.org/wiki/F-distribution
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 3, dia.
16
Limite suprieure=
point estim du paramtre + Quantile de la loi t (n-p) * Erreur standard du paramtre
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 3, dia.
17
Intercepte
b0 0
t(108) 0; p 1
IC(95%)=[-0.27; 0.27]
Pente de Generation
b1 (brute) = 0.76
b1 (standardise) = 0.43
t(108)= 4.8; p < .001
IC(95%)=[-0.45; 1.08]
R2
R2 = 0.17
R2 ajust = 0.16
F(2,108)=11.63; p < .001
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 3, dia.
18
Distance de Cook
Reprsente linfluence
dune observation sur
lestimation. Doit tre
infrieure 1 pour toutes
les observations.
Distance de Mahalanobis
Distance qui reprsente
lloignement la
moyenne. Voir les
recommandations cicontre pour les valeurs
limites.
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 3, dia.
19
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 3, dia.
20
Normalit
Skewness et Kurtosis
Estimations infrieures |1|
Estimation/erreur standard < 2
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 3, dia.
21
Transformations
On distingue:
Transformation linaire: ne modifie pas la
distribution (p. ex. score z)
Transformation non-linaire: modifie la
distribution
Souvent utilis pour corriger lasymtrie
Transformation log
Transformation racine carr
Voir aussi
Field (2007), chap. 5, pp. 153-156
http://stattrek.com/regression/linea
r-transformation.aspx
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 3, dia.
22
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 3, dia.
23
http://researchnetwork.pearson.com/digital-data-analytics-and-adaptive-learning/look-at-your-data
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 3, dia.
24
http://www3.nd.edu/~rwilliam/stats2/l61.pdf
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 3, dia.
25
Contexte:
Une variable continue (VD)
Une variable nominale 2 modalits (VI)
=> Il sagit du cas typique pour un test t
ou une ANOVA
variable variable
originale recode
oui
1
oui
1
oui
1
non
0
oui
1
26
Corrlation et rgression
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 4, dia.
27
Test t et ANOVA
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 4, dia.
28
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 4, dia.
29
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 4, dia.
30
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 4, dia.
31
Il y a interaction lorsque que leffet dun prdicteur sur une VD est modifi par un
autre prdicteur.
Les 2 deux effets principaux des prdicteurs sont bien dissociables de linteraction
Exemples dinteraction
Vitesse et alcool au volant
Pilule et cigarette
Motivation et rcompense
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 4, dia.
32
Modration et mdiation
Guillaume Frst
guillaume.fuerst@unine.ch
(sance 1-3)
Histogramme (et boxplot)
Scatterplot
Statistiques descriptives (moyenne, carttype, min. et max., asymtrie, aplatissement)
(test de normalit)
Diagnostic (sance 2 et 3)
Diffrence de R2
Test de diffrence de R2
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 5, dia.
34
Mdiation et interaction
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 4, dia.
35
Il y a interaction lorsque que leffet dun prdicteur sur une VD est modifi par un
autre prdicteur.
Les 2 deux effets principaux des prdicteurs sont bien dissociables de linteraction
Exemples dinteraction
Vitesse et alcool au volant
Pilule et cigarette
Motivation et rcompense
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 5, dia.
36
Interaction Gaph. 1
Intercepte:
b0 = 1.54
Pentes
standardises:
bExtraversion = -0.41
bNeuroticisme = 0.31
bInteraction = -0.16
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 5, dia.
37
Interaction Graph. 2
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 5, dia.
38
Mdiation principe
Il y a mdiation lorsque la relation entre deux variables X et Y est explique par une
troisime variable M.
Exemples de mdiation
Motivation -> Temps pass -> Performance
Stress -> Rumination -> Dpression
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 5, dia.
39
Mdiation exemple
Vocabulaire
Intelligence
Fluidit
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 5, dia.
40
Mdiation exemple
Vocabulaire
Intelligence
Fluidit
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 5, dia.
41
http://www.danielsoper.com/statcalc3/calc.aspx?id=31
Rgression Linaire Multiple (RLM2013) Guillaume Frst, Universit de Neuchtel, IPTO Automne 2013 Sance 5, dia.
42