Scribd
Importer
3 vues3 pages

Fonctions R pour Régression Linéaire et Logistique

Ce document décrit les principales fonctions R pour la régression linéaire multiple et logistique, en fournissant des explications et des syntaxes pour chaque fonction. Les fonctions incluent lm(), glm(), summary(), predict(), et d'autres, chacune ayant un rôle spécifique dans l'analyse des modèles. Les utilisateurs peuvent ainsi ajuster des modèles, évaluer leur qualité et effectuer des prédictions sur de nouvelles données.

Transféré par

momentomori751
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
3 vues3 pages

Fonctions R pour Régression Linéaire et Logistique

Ce document décrit les principales fonctions R pour la régression linéaire multiple et logistique, en fournissant des explications et des syntaxes pour chaque fonction. Les fonctions incluent lm(), glm(), summary(), predict(), et d'autres, chacune ayant un rôle spécifique dans l'analyse des modèles. Les utilisateurs peuvent ainsi ajuster des modèles, évaluer leur qualité et effectuer des prédictions sur de nouvelles données.

Transféré par

momentomori751
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Fonctions R pour Régression Linéaire Multiple et Logistique

Ce document présente les principales fonctions utilisées en R pour effectuer des analyses de
régression linéaire multiple et logistique. Chaque fonction est expliquée brièvement avec sa
syntaxe.

Régression Linéaire Multiple

lm()
Rôle : Ajuste un modèle de régression linéaire multiple.

Synthaxe :
lm(Y ~ X1 + X2 + X3, data = votre_data)

summary()
Rôle : Affiche un résumé détaillé des paramètres ajustés.

Synthaxe :
summary(modele)

predict()
Rôle : Réalise des prédictions sur des nouvelles données.

Synthaxe :
predict(modele, newdata = votre_data, interval = 'confidence')

fitted()
Rôle : Retourne les valeurs prédites pour les observations utilisées pour ajuster le modèle.

Synthaxe :
fitted(modele)

AIC()
Rôle : Évalue la qualité du modèle avec le critère d'information d'Akaike.

Synthaxe :
AIC(modele)

BIC()
Rôle : Évalue la qualité du modèle avec le critère bayésien d'information.

Synthaxe :
BIC(modele)

residuals()
Rôle : Extrait les résidus du modèle.
Synthaxe :
residuals(modele)

[Link]()
Rôle : Identifie les points influents dans le modèle.

Synthaxe :
[Link](modele)

cor()
Rôle : Calcule la matrice de corrélation entre les variables explicatives.

Synthaxe :
cor(votre_data[, c('X1', 'X2', 'X3')])

confint()
Rôle : Fournit l'intervalle de confiance des coefficients estimés.

Synthaxe :
confint(modele, level = 0.95)

Régression Logistique

glm()
Rôle : Ajuste un modèle de régression logistique pour des données catégoriques.

Synthaxe :
glm(target ~ X1 + X2 + X3, family = binomial(link = 'logit'), data = votre_data)

summary()
Rôle : Affiche un résumé détaillé des paramètres ajustés.

Synthaxe :
summary(modele_log)

predict()
Rôle : Prédire les probabilités pour les observations nouvelles ou existantes.

Synthaxe :
predict(modele_log, newdata = votre_data, type = 'response')

fitted()
Rôle : Retourne les probabilités ajustées pour les observations dans l'échantillon.

Synthaxe :
fitted(modele_log)
exp(coef())
Rôle : Transforme les coefficients en odds ratios.

Synthaxe :
exp(coef(modele_log))

confint()
Rôle : Fournit l'intervalle de confiance des coefficients ou des odds ratios après
transformation.

Synthaxe :
exp(confint(modele_log))

Vous aimerez peut-être aussi