Dans la zone Pondérations, entrez une colonne numérique de pondérations pour pouvoir effectuer une régression pondérée. Les pondérations doivent être supérieures ou égales à zéro. La colonne des pondérations et celle des réponses doivent avoir le même nombre de lignes. Pour plus d'informations sur la manière de déterminer la pondération appropriée, reportez-vous à la rubrique Régression pondérée.
Entrez le niveau de confiance des intervalles pour les coefficients et les valeurs ajustées. Si vous utilisez la fonction de liaison logit, ce niveau de confiance est également celui des intervalles de confiance pour les rapports de probabilités de succès.
Un niveau de confiance de 95 % est généralement efficace. Un niveau de confiance de 95 % indique que, sur 100 échantillons pris parmi la population, l'intervalle de confiance d'environ 95 de ces échantillons contiendra le paramètre estimé par l'intervalle. Pour un fichier de données spécifique, un niveau de confiance inférieur produit un intervalle moins large et un niveau de confiance supérieur produit un intervalle plus large.
Pour afficher les intervalles de confiance pour les coefficients et les valeurs ajustées, vous devez accéder à la boîte de dialogue Résultats, puis, dans Affichage des résultats, sélectionner Tableaux développés.
Entrez le nombre de groupes pour le test de Hosmer-Lemeshow. Si vous n'indiquez pas de valeur ici, Minitab tente de créer 10 groupes de taille égale. Cette valeur de dix groupes fonctionne bien pour la plupart des fichiers de données.
Le test de Hosmer-Lemeshow est un test d'adéquation de l'ajustement qui évalue l'ajustement du modèle en comparant les espérances mathématiques des effectifs aux effectifs observés. Le test divise les données en groupes d'après leurs probabilités estimées, de la plus petite à la plus grande, puis effectue un test du Khi deux pour déterminer si les effectifs observés et prévus sont significativement différents. Si le nombre de schémas facteur/covariable uniques est faible ou élevé, il est conseillé de changer le nombre de groupes. Par exemple, vous pouvez utiliser moins de groupes pour augmenter les valeurs prévues au sein des groupes. Vous pouvez également utiliser plus de groupes pour bénéficier d'un meilleur niveau de détail lors de la comparaison des valeurs observées et prévues. Hosmer et Lemeshow suggèrent d'utiliser un minimum de 6 groupes1.