L'ordre d'un modèle désigne le type de modèle utilisé pour afficher une tendance dans les données. L'ordre des modèles détermine le degré de précision avec lequel le modèle décrit les données et prévoit une réponse.
Par exemple, un modèle linéaire peut montrer un taux régulier d'augmentation ou de diminution des données. Un modèle quadratique (ayant souvent la forme approximative d'un U ou d'un U inversé) peut expliquer une courbure dans les données. Un modèle cubique permet de décrire un modèle "pics et creux" au sein des données.
| Ordre des modèles | Exemple |
|---|---|
|
Linéaire Y = bo + b1X (premier ordre) |
|
|
Quadratique Y = bo + b1X + b11X2 (deuxième ordre) |
|
|
Cubique Y = bo + b1X + b11X2 + b111 X3 (troisième ordre) |
|
Chaque ordre de modèle correspond au degré de l'équation (puissance la plus élevée de la variable X) utilisée pour générer le modèle, où Y est la réponse, X le prédicteur, bo l'ordonnée à l'origine et b1, b11 et b111 les coefficients.
