analyse multivariée , 1 SEULE VARIABLE.....est ce que c poss

Bonjour;
j'ai qq questions:
en univariee on accepte une p inferieur a 0,05. Est ce qu'en multivariee on peut aller au delà et dans quelles conditions?
est ce que lorsque j'analyse plusieurs variable en univariee (test paramétrique ou non paramétrique) et que j'obtienne une seule variable significative.
quel est le test le plus approprie que je peux effectuer en multivariee tout en sachant que j'utilise une seule variable?

Merci et meilleurs Voeux a tous

Je pense que ça serait bien que tu développes un peu plus car par exemple ça:

en univariee on accepte une p inferieur a 0,05. Est ce qu'en multivariee on peut aller au delà et dans quelles conditions?

Sinon plus généralement, tout dépend de l'outil multivariée que tu veux utiliser... s'il s'agit d'outil dont l'utilité est de diminuer l'espace dimensionnel je vois pas l'intérêt, si le but est de construire des frontières de décision alors 'oui' tu peux procéder avec un outil aussi bien conçu pour une ou plusieurs variables.

Bon, je pense que ce que tu veux dire en fait c'est: "peut-on filtrer un lot de variables aussi bien au travers d'une analyse univariée que d'une analyse multivariée"? Merci de confirmer car si c'est bien ça, alors la question a un réel sens car en ce qui me concerne, pour le moment, elle n'en a pas vraiment étant donné que je ne vois pas l'intérêt de s'encombrer d'une approche multivariée sur une seule variable étant donné le nombre florissant de méthode d'analyse performante et théoriquement solide en univariée.

joyeux_lapin13 a écrit:Je pense que ça serait bien que tu développes un peu plus car par exemple ça:

en univariee on accepte une p inferieur a 0,05. Est ce qu'en multivariee on peut aller au delà et dans quelles conditions?

Sinon plus généralement, tout dépend de l'outil multivariée que tu veux utiliser... s'il s'agit d'outil dont l'utilité est de diminuer l'espace dimensionnel je vois pas l'intérêt, si le but est de construire des frontières de décision alors 'oui' tu peux procéder avec un outil aussi bien conçu pour une ou plusieurs variables.

Bon, je pense que ce que tu veux dire en fait c'est: "peut-on filtrer un lot de variables aussi bien au travers d'une analyse univariée que d'une analyse multivariée"? Merci de confirmer car si c'est bien ça, alors la question a un réel sens car en ce qui me concerne, pour le moment, elle n'en a pas vraiment étant donné que je ne vois pas l'intérêt de s'encombrer d'une approche multivariée sur une seule variable étant donné le nombre florissant de méthode d'analyse performante et théoriquement solide en univariée.

je me pose une question: quels sont les facteurs predictifs de la morbidite post operatoire?
concernant le petit P:
j'ai 34 patients et une 10 aine de variables, apres une analyse univariee (non parametrique pour certaine valeurs et parametrique pour d'autre), j'obtient 3 variable significative dont le P est inf a 0.05
parmi ces 3 variables SIGNIFICATIVES, 2 correspondent a ce qui se passe pendant l'intervention (per operatoire) et une au sejour hospitalier.
EN multivariee j'analyse que deux variable " per operatoire" en utilisant la regression logistique binaire, jobtient 1 seule valeur significative inf a 0.05
ma question est la suivante DANS LE CAS OU LA DEUXIEME variable a un P compris entre 0.05 et 0.1 EST ce que je peus dire qu'elle est significative?
quel type de test puis je utilise pour "le sejour hospitalier", regression logistique simple? regression lineaire simple? ou bien rien du tout............

je souhaite construire des frontières de décision, quel outils?

merci

Concernant la p-value comprise entre 5 et 10% sur l'influence de ta variable dans le modèle tu peux conclure avec 90% de confiance quand à son intérêt dans ce modèle. C'est moins bien qu'une conclusion à 95% mais ça se fait en pratique dans plusieurs domaines, notamment quand on veut forcer l'intégration d'une variable dans l'analyse et qu'on veut s'appuyer sur une "homogénéisation" du procédé pour faire plus sérieux.

Pour la frontière de décision tu as plusieurs méthodes, mais celle qui donne le plus d'informations à mettre en valeur sur le modèle c'est la régression logistique, d'autres méthodes comme l'analyse discriminante de Fisher sont assez puissantes mais si tu veux pouvoir faire de la significativité de coefficient il te faudra passer par du bootstrap. Pour en revenir à la construction de la règle décisionnelle, après avoir appliquer ta régression logistique il te faut récupérer les coefficients et utiliser l'équation logit et tu l'as avec pour seuil de décision: 0.5.