Utilisez Ajuster le modèle de
régression pour décrire la relation entre un ensemble de prédicteurs et une réponse continue à l'aide de la méthode des moindres carrés ordinaires. Vous pouvez inclure des termes d'interaction et polynomiaux, effectuer une régression pas à pas et transformer des données asymétriques.
Par exemple, des évaluateurs de biens immobiliers veulent connaître la relation entre le prix de vente des appartements en ville et plusieurs variables de prévision, notamment la superficie en mètres carrés, le nombre d'unités disponibles, l'ancienneté du bâtiment et la distance par rapport au centre-ville. Les évaluateurs peuvent utiliser la régression multiple afin d'identifier les prédicteurs qui sont associés au prix de vente de manière significative.
Une fois l'analyse effectuée, Minitab stocke le modèle afin que vous puissiez réaliser les opérations suivantes :
- Prévoir la réponse pour de nouvelles observations.
- Représenter les relations entre les variables.
- Rechercher des valeurs qui optimisent une ou plusieurs réponses.
Pour plus d'informations, reportez-vous à la rubrique
Présentation du modèle stocké.
Où trouver cette analyse ?
Pour ajuster un modèle de régression, sélectionnez .
Quand utiliser une autre analyse ?
- Pour représenter la relation entre un prédicteur (numérique) continu et une réponse continue, utilisez Droite
d'ajustement.
- Si vous disposez de prédicteurs de catégorie emboîtés ou aléatoires, utilisez Ajuster le modèle
linéaire général si tous les facteurs sont fixes ou Ajuster le modèle à
effets mixtes si certains facteurs sont aléatoires.
- Si la variable de réponse contient deux catégories, comme Réussite et Echec, utilisez la fonction Ajuster le modèle
logistique binaire.
- Si la variable de réponse contient au moins trois catégories dont l'ordre est naturel, par exemple Absolument pas d'accord, Pas d'accord, Sans opinion, D'accord et Tout à fait d'accord, utilisez la fonction Régression logistique
ordinale.
- Si la variable de réponse contient au moins trois catégories qui n'ont pas d'ordre naturel, par exemple Eraflure, Entaille et Déchirure, utilisez la fonction Régression logistique
nominale.
- Si la variable de réponse dénombre des occurrences, comme le nombre de défauts, utilisez la fonction Ajuster le modèle de
Poisson.