Quelles sont les analyses de régression et de corrélation incluses dans Minitab ?

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

Sur ce thème

Mesures de base de l’association
Analyses de régression pour les variables de réponse continue
Analyses de régression pour les variables de réponse catégorielle
Analyses de régression pour les variables de réponse discrètes

Mesures de base de l’association

Corrélation: Permet de calculer la corrélation de Pearson ou la corrélation de rang de Spearman (également appelée rho de Spearman). Dans Minitab, choisissez Stat > Statistiques élémentaires > Corrélation.
Covariance: Permet de calculer la covariance, une mesure de la relation entre deux variables. La covariance n’est pas standardisée, contrairement au coefficient de corrélation. Dans Minitab, choisissez Stat > Statistiques élémentaires > Covariance.

Analyses de régression pour les variables de réponse continue

Utilisez les analyses suivantes lorsque vous disposez d’une variable de réponse continue.

Régression: Modélisez la relation entre les prédicteurs catégoriels ou continus et une réponse, et utilisez le modèle pour prédire les valeurs de réponse pour les nouvelles observations. Incluez facilement des termes d’interaction et polynomiaux, transformez la réponse ou utilisez la régression pas à pas si nécessaire. Dans Minitab, choisissez Stat > Régression > Régression > Ajuster le modèle de régression ou Module d'analyse prédictive > Régression linéaire.
Meilleurs sous-ensembles: Comparez tous les modèles possibles à l’aide d’un ensemble spécifié de prédicteurs et affichez les modèles les mieux ajustés qui contiennent un prédicteur, deux prédicteurs, etc. Dans Minitab, choisissez Stat > Régression > Régression > Meilleurs sous‑ensembles.
Tracé linéaire ajusté: Tracez la relation entre un prédicteur et une réponse. Dans Minitab, choisissez Stat > Régression > Droite d'ajustement.
Régression non linéaire: Modélisez la relation entre les prédicteurs et une réponse lorsque les termes quadratiques ou cubiques ne sont pas adéquats. À utiliser lorsque vous pouvez spécifier une relation non linéaire, telle qu’une croissance ou une décroissance non linéaire, pour décrire la relation. Dans Minitab, choisissez Stat > Régression > Régression non linéaire.
Etude de stabilité: Planifiez une étude de stabilité et créez une feuille de calcul personnalisée pour la collecte de données. Dans Minitab, choisissez Stat > Régression > Etude de stabilité > Créer une feuille de travail Etude de stabilité.; Estimez la durée de conservation d’un produit pharmaceutique à l’aide d’un modèle linéaire. Dans Minitab, choisissez Stat > Régression > Etude de stabilité.
Régression orthogonale: Modélisez la relation entre une réponse et un prédicteur lorsque les mesures de la réponse et du prédicteur incluent une erreur aléatoire. Dans Minitab, choisissez Stat > Régression > Régression orthogonale.
Moindres carrés partiels: Déterminez si un ensemble de prédicteurs est lié aux réponses. À utiliser lorsque vous avez des prédicteurs hautement colinéaires ou lorsque vous avez plus de prédicteurs que d’observations. Dans Minitab, choisissez Stat > Régression > PLS (Moindres carrés partiels).

Analyses de régression pour les variables de réponse catégorielle

Utilisez les analyses suivantes lorsque vous disposez d’une variable de réponse catégorielle.

Régression logistique binaire: Modélisez la relation entre les prédicteurs et une réponse qui a deux résultats, tels que la réussite ou l’échec. Dans Minitab, choisissez Stat > Régression > Régression logistique binaire > Ajuster le modèle logistique binaire ou Module d'analyse prédictive > Régression logistique binaire.
Tracé linéaire ajusté binaire: Tracé : régression logistique binaire ajustée, lignes d’ajustement avec intervalles de confiance. Dans Minitab, choisissez Stat > Régression > Droite d'ajustement binaire.
Régression logistique ordinale: Modélisez la relation entre les prédicteurs et une réponse qui a trois résultats ou plus dans un ordre, tel que faible, moyen et élevé. Dans Minitab, choisissez Stat > Régression > Régression logistique ordinale.
Régression logistique nominale: Modélisez la relation entre les prédicteurs et une réponse qui a trois résultats ou plus qui n’ont pas d’ordre, tels que égratignure, bosse et déchirure. Dans Minitab, choisissez Stat > Régression > Régression logistique nominale.

Analyses de régression pour les variables de réponse discrètes

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

Régression de Poisson: Modélisez la relation entre les prédicteurs et une réponse qui compte les événements, tels que le nombre de défauts de soudure sur une carte de circuit imprimé. Vous pouvez également utiliser la régression pas à pas pour déterminer un modèle. Dans Minitab, choisissez Stat > Régression > Régression de Poisson > Ajuster le modèle de Poisson.