22 mai 2006
Ce document est lié à :
info:eu-repo/semantics/reference/issn/0987-6936
Ce document est lié à :
info:eu-repo/semantics/reference/issn/1950-6821
All rights reserved , info:eu-repo/semantics/openAccess
Thierry Foucart, « Colinéarité et régression linéaire », Mathématiques et sciences humaines, ID : 10.4000/msh.2963
L’analyse linéaire de la régression, appelée aussi plus simplement régression linéaire, est l’une des méthodes statistiques les plus utilisées dans les sciences appliquées et dans les sciences de l’homme et de la société. Son objectif est double : il consiste tout d’abord à décrire les relations entre une variable privilégiée, appelée variable expliquée (ou dépendante), et plusieurs variables jouant un même rôle par rapport à la première, appelées variables explicatives (ou indépendantes). Elle permet aussi d’effectuer des prévisions de la variable expliquée en fonction des variables explicatives. Les liaisons entre les variables explicatives exercent une influence très importante sur l’efficacité de la méthode, quel que soit l’objectif dans lequel elle est utilisée. Nous exposons dans cet article des propriétés sur ces liaisons démontrées et publiées récemment dans plusieurs articles.