Résumé
Dans la plupart des situations, nous sommes amenés à étudier la relation entre une variable d’intérêt Y (souvent quantitative) et une ou plusieurs variable(s) X1, X2, ..., X k , avec pour objectif d’expliquer les variations de la variable d’intérêt. La variable Y est appelée variable « à expliquer » (ou parfois variable dépendante), et les variables X1, X2, ..., X k sont dites « explicatives » et représentent, en épidémiologie, les facteurs de risque ou de confusion. L’utilisation des méthodes d’analyse multivariée, et plus particulièrement des modèles de régression linéaire, permet donc:
-
de prendre en compte simultanément plusieurs facteurs pouvant expliquer la variation ou la distribution de la variable Y;
-
d’étudier le rôle de modification d’effet ou de confusion d’un ou de plusieurs facteur(s);
-
de prédire les valeurs ou la distribution de la variable à expliquer connaissant les valeurs des variables explicatives.
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2011 Springer-Verlag France
About this chapter
Cite this chapter
de Micheaux, P.L., Drouilhet, R., Liquet, B. (2011). Régression linéaire simple et multiple. In: Le logiciel R. Statistique et probabilités appliquées. Springer, Paris. https://doi.org/10.1007/978-2-8178-0115-5_14
Download citation
DOI: https://doi.org/10.1007/978-2-8178-0115-5_14
Publisher Name: Springer, Paris
Print ISBN: 978-2-8178-0114-8
Online ISBN: 978-2-8178-0115-5
eBook Packages: Mathematics and StatisticsMathematics and Statistics (R0)