Régression logistique
|
Résumé :
Le modèle de régression logistique est un modèle multi variables qui permet d’établir la relation entre une variable Y et n variables X qui peuvent être qualitatives ou quantitatives. La variable Y dépendante est régit par la réalisation ou survenue ou non d’un événement et les variables indépendantes X représentent tous les facteurs susceptibles d’influencer la réalisation de cet événement ; autrement dit, ces variables X mesurent l’impact de la somme des éléments auxquels s’expose notre variable Y.
La Régression Logistique est plus souvent utilisée comme technique de modélisation visant à prédire et expliquer les valeurs d’une variable catégorielle. Le succès de la régression logistique repose notamment sur les nombreux outils qui permettent d’interpréter de manière approfondie les résultats obtenus.
La régression logistique est largement répandue dans de nombreux domaines car relativement simple à comprendre et à appliquer ; ses résultats peuvent être aisément interprétés. Il faut tout de même rappeler que c’est une simplification mathématique de phénomènes complexes et qu’elle repose sur plusieurs conditions (qu’on se doit de vérifier pour établir l’acceptation de nos interprétations).
Mots clés : * BINAIRE * VRAISEMBLANCE * Logistique * Modélisation * Répartition * Régression
I. Présentation de la Méthode.
Remarque :
La majorité des références et éditions touchent recueillis touchent à la médecine et à l’épidémiologie (nous avons donc préféré d’adhérer complètement à ces modèles adaptés à la médecine)
La régression est un modèle très performant et simple d’application qui permet d’analyser une variable réponse le plus souvent dichotomique régie par plusieurs variables quantitatives (d’où l’aspect non linéaire du modèle). On peut remarquer que le terme «