Quelles analyses de régression et de corrélation sont comprises dans Minitab ?

Minitab propose plusieurs analyses de régression pour examiner et modéliser la relation entre une variable de réponse et une ou plusieurs variables de prédiction.

Sur ce thème

Mesures d'association de base
Analyses de régression pour des variables de réponse continues
Analyses de régression pour des variables de réponse discrètes

Mesures d'association de base

Corrélation: Permet de calculer la corrélation de Pearson ou le coefficient de corrélation des rangs de Spearman (également appelé rhô de Spearman). Dans Minitab, sélectionnez Stat > Statistiques élémentaires > Corrélation.
Covariance: Permet de calculer la covariance, une mesure de la relation entre deux variables. La covariance n'est pas normalisée, à la différence du coefficient de corrélation. Dans Minitab, sélectionnez Stat > Statistiques élémentaires > Covariance.

Analyses de régression pour des variables de réponse continues

Vous pouvez utiliser les analyses suivantes lorsque vous disposez d'une variable de réponse continue.

Régression: Permet de modéliser la relation entre des prédicteurs de catégorie ou continus et une réponse, et d'utiliser le modèle pour prévoir les valeurs de réponse pour de nouvelles observations. Vous pouvez facilement inclure des termes d'interaction et polynomiaux, transformer la réponse ou utiliser la régression pas à pas si nécessaire. Dans Minitab, sélectionnez Stat > Régression > Régression > Ajuster le modèle de régression.
Meilleurs sous-ensembles: Permet de comparer tous les modèles possibles pour un ensemble de prédicteurs spécifié, et d'afficher les modèles les mieux ajustés pour un prédicteur, deux prédicteurs, et ainsi de suite. Dans Minitab, sélectionnez Stat > Régression > Régression > Meilleurs sous‑ensembles.
Droite d'ajustement: Vous pouvez tracer la relation entre un prédicteur et une réponse. Dans Minitab, sélectionnez Stat > Régression > Droite d'ajustement.
Régression non linéaire: Permet de modéliser la relation entre des prédicteurs et une réponse lorsque des termes quadratiques ou cubiques ne sont pas adéquats. Utilisez-la lorsque vous pouvez définir une relation non linéaire, telle qu'une croissance ou une décroissance non linéaire, pour décrire la relation. Dans Minitab, sélectionnez Stat > Régression > Régression non linéaire.
Etude de stabilité: Permet de planifier une étude de stabilité et de créer une feuille de travail personnalisée pour la collecte de données. Dans Minitab, sélectionnez Stat > Régression > Etude de stabilité > Créer une feuille de travail Etude de stabilité.; Estimez la durée de conservation d'un médicament avec un modèle linéaire. Dans Minitab, sélectionnez Stat > Régression > Etude de stabilité.
Régression orthogonale: Permet de modéliser la relation entre une réponse et un prédicteur lorsque les mesures de ces derniers comportent une erreur aléatoire. Dans Minitab, sélectionnez Stat > Régression > Régression orthogonale.
PLS (Moindres carrés partiels): Permet de déterminer si un ensemble de prédicteurs sont liés aux réponses. Utilisez cette option lorsque vous avez des prédicteurs extrêmement colinéaires ou lorsque vous avez un plus grand nombre de prédicteurs que d'observations. Dans Minitab, sélectionnez Stat > Régression > PLS (Moindres carrés partiels).

Analyses de régression pour des variables de réponse discrètes

Utilisez les analyses suivantes lorsque vous disposez d'une variable de réponse discrète.

Régression logistique binaire: Permet de modéliser la relation entre des prédicteurs et une réponse ayant deux résultats possibles, tels que succès ou échec. Dans Minitab, sélectionnez Stat > Régression > Régression logistique binaire > Ajuster le modèle logistique binaire.
Droite d'ajustement binaire: Permet de tracer des droites d'ajustement pour la régression logistique binaire avec des intervalles de confiance. Dans Minitab, sélectionnez Stat > Régression > Droite d'ajustement binaire.
Régression logistique ordinale: Permet de modéliser la relation entre des prédicteurs et une réponse ayant trois résultats possibles ou plus, classés dans un certain ordre, comme faible, moyen et élevé. Dans Minitab, sélectionnez Stat > Régression > Régression logistique ordinale.
Régression logistique nominale: Vous pouvez modéliser la relation entre des prédicteurs et une réponse comportant trois résultats ou plus, qui ne sont pas classés dans un certain ordre, comme accroc, bosse et déchirure. Dans Minitab, sélectionnez Stat > Régression > Régression logistique nominale.
Régression de Poisson: Permet de modéliser la relation entre des prédicteurs et une réponse consistant en un dénombrement d'événements, comme le nombre de défauts de soudage sur une carte de circuits imprimés. Vous pouvez aussi utiliser une régression pas à pas pour déterminer le modèle. Dans Minitab, sélectionnez Stat > Régression > Régression de Poisson > Ajuster le modèle de Poisson.