coefficietn non significatif en régression

Bonjour,

j'ai une variable non significative mais super importante d'un point de vu métier.
Cette interprétation est-elle correcte :

Cela veut dire qu’elle a une grosse variabilité et un coefficient proche de 0. Deux solutions s’offrent à nous :
1- La variable a un coefficient positif et c’est le hasard qui en a décidé ainsi.
2- La variable a un coefficient positif qui est très léger, la non significativité est du à la variabilité qui existe sur cette variable par rapport à l’effet qu’elle peut avoir. On peut garder la variable dans le modèle, mais elle est à prendre avec précaution car son intervalle de confiance est assez large.


Un boostrap pourrait confirmer la positivité du coefficient de manière plus significative?

Merci

Bonsoir.

Il y a d'autres possibilités :
* Le modèle n'est pas bon, ce qui rend la significativité faible.
* La variable a un fort effet par interaction avec une autre (potentialisation), mais analysée seule ça ne se voit plus.
* Le métier se trompe en pensant que cette variable est utile.
*

Cordialement.

NB : J'ai rencontré le deuxième cas que je propose dans une situation concrète.

gg a écrit:
* Le modèle n'est pas bon, ce qui rend la significativité faible.
* La variable a un fort effet par interaction avec une autre (potentialisation), mais analysée seule ça ne se voit plus.
* Le métier se trompe en pensant que cette variable est utile.

Bonjour,

je vais étudier ces pistes, surtout la potentialisation.

Mais on peut aussi l'interpréter comme je disais au dessus, sachant qu'on est sur un échantillon exhaustif? ou c'est vraiment déconnant?

Merci

Bonjour,

sachant qu'on est sur un échantillon exhaustif

Si tu as à ta disposition toute la population, ce n'est pas la peine de faire des statistiques, et toute différence observée existe. La question est seulement de savoir si cette différence est suffisamment importante pour être pertinente.

Ayana

En fait, j'y vais peut-être un peu fort en disant que j'ai l'ensemble de ma population.

Il est seulement vrai que j'ai un très gros échantillon représentatif d'une certaine population (via redressement).

Et je me demande si ces coefficients peuvent être réellement exploités...
peut-on garder le coerfficient et préciser que la non significativité est due à une grosse variabiltié de la variables explicative vis à vis de la variable à expliquer, avec un effet proche de 0?

Est-ce que, dans un modèle univarié, ta variable est associée significativement à ta variable à expliquer?

Non... mais il y a d'autres variables importantes, qui elles sont vraiment significatives. Donc tester la variable seule est dangereux je pense, surtout que l'effet de ma variable est tellement proche de 0.

As-tu vérifié que ta variable n'est pas à un facteur de confusion, en regardant l'impact sur les autres coefficients quand tu l'enlèves de ton modèle?

Oui, ça ne change rien aux coefficients des autres variables.

Par contre j'ai exploré la piste d'effets d'intéractions, et c'est vrai qu'il y en a avec d'autres variables.
Le signe de ma variable change (devient négative), n'est pas significative, mais l'intéraction est positive et significative, elle.

l'embêtant c'est que ma variable n'est pas du tout censée avoir un effet négatif...

Oui, mais quand il y a une interaction significative, on ne regarde pas le coefficient de l'effet simple si NS mais celui de l'interaction. Après, il ne faut pas non plus trop torturer les données. Ton effectif est de combien?

J'ai environ 6000 lignes de données.

Ah oui quand même... Dans ce cas, tu peux difficilement trouver des arguments pour la non significativité de ta variable. Le plus sage est de te centrer sur l'effet d'interaction.

Ok, merci à vous!

Ayana a écrit:Ah oui quand même... Dans ce cas, tu peux difficilement trouver des arguments pour la non significativité de ta variable.

Je reviens juste sur ta phrase... ayant une grosse population ne peut-on pas dire que le modèle est relativement robuste et que même un coefficient non significatif d'un point de vue statistique peut tout de même être interprété?

Justement, si c'est robuste, cela veut dire qu'on peut avoir "confiance" dans le test. A l'inverse, si tu avais des effectifs faibles, on pourrait dire que la non significativité est due à un manque de puissance, mais là, avec 6000 ce serait abusif. De plus, admettons que ton test soit significatif, est ce que la valeur de ton coefficient serait pertinente d'un point de vue pratique?

Ayana a écrit:De plus, admettons que ton test soit significatif, est ce que la valeur de ton coefficient serait pertinente d'un point de vue pratique?

Oui, ça correspond à ce qu'on peut s'attendre.
J'ai pas trop le choix du point de vue métier en fait, je vais être obligé de l'intégrer. Mais l'interprétation m'embête vraiment du coup... parce que l'effet est positif comme attendu, mais n'étant pas du tout significatif, on pourrait aussi bien avoir eu un effet négatif?? mais comme on est sur une population importante, peut être que non. Il est tout simplement très faible, et très proche de 0?