Pour garantir la validité de vos résultats, prenez en compte les indications suivantes lorsque vous collectez des données, effectuez une analyse et interprétez vos résultats.
Une variable continue peut être mesurée et ordonnée, et dispose d'un nombre infini de valeurs entre deux valeurs quelconques. Par exemple, les diamètres d'un échantillon de pneus représentent une variable continue.
Les variables de catégorie ont un nombre fini et dénombrable de catégories ou de groupes distincts. Les données de catégorie peuvent ne pas présenter d'ordre logique. Par exemple, les prédicteurs de catégorie incluent le sexe d'individus, le type de matériel et le mode de paiement.
Si vos données comportent une variable discrète, vous pouvez décider de la traiter comme un prédicteur continu ou de catégorie. Une variable discrète peut être mesurée et ordonnée, mais ses valeurs son dénombrables. Par exemple, le nombre de personnes vivant dans une maison est une variable discrète. Le choix de traiter une variable discrète comme un prédicteur continu ou de catégorie dépend du nombre de niveaux, ainsi que de l'objectif de l'analyse.
Si vous disposez de prédicteurs de catégorie, convertissez-les en variables indicatrices avant d'effectuer cette analyse. Pour convertir des prédicteurs de catégorie, utilisez Créer des variables indicatrices.
Si la variable de réponse est une variable de catégorie, le modèle est moins susceptible de satisfaire les hypothèses de l'analyse, de décrire précisément vos données ou de permettre des prévisions utiles.
Si vos données ne nécessitent pas de fonction non linéaire, vous pouvez envisager d'autres analyses.
Si le modèle n'est pas correctement ajusté aux données, les résultats risquent d'être trompeurs. Dans les résultats, utilisez les graphiques des valeurs résiduelles et les statistiques récapitulatives du modèle pour déterminer l'ajustement du modèle aux données.