8. Régression linéaire : Évaluer la qualité de la relation

8.1. Introduction

Lorsque l’on fait de la modélisation (linéaire ou non), il est bien sûr intéressant d’examiner la qualité de la relation entre les données et les valeurs prédites. Une approche positive consiste à examiner la corrélation entre valeurs observées de la VD et valeurs prédites. Une approche complémentaire consiste à examiner ce qui se passe quand le modèle ne donne pas des valeurs identiques aux valeurs prédites, c’est-à-dire à analyser les écarts entre valeurs prédites et valeurs observées, ce qu'on appelle les résidus.

Fondamentalement, l’analyse des résidus en modélisation linéaire consiste à évaluer comment les résidus sont distribués en fonction des valeurs prédites de la variable dépendante. Les résidus d’un bon modèle présentent diverses propriétés : normalité, linéarité, homoscédasticité, et indépendance. Nous allons maintenant les définir d’un point de vue théorique.

Pour diagnostiquer les diverses anomalies des résidus, les logiciels de statistiques proposent divers outils que nous allons examiner dans les pages suivantes.

Accessibilité

Couleur de fond Couleur de fond

Police Police

Taille de police Taille de police

1

Couleur de texte Couleur de texte

Crénage de la police Crénage de la police

Visibilité de l’image Visibilité de l’image

Espacement des lettres Espacement des lettres

0

Hauteur de ligne Hauteur de ligne

1.2

Surbrillance de lien Surbrillance de lien