régressions

Bonjour,

Est-ce qu'il existe une régression permettant de tester l'effet d'une VI quantitative sur deux VD quantitatives?

J'ai vu que la régression linéaire multiple c'était deux VI pour une VD mais je n'ai pas trouvé quel test faire quand c'est l'inverse: 1 VI pour 2 VD.
Suis-je obligée de faire deux régressions linéaires distinctes?

VI=> VD1
VI=> VD2

Merci encore pour vos réponses, j'ai besoin de ce renseignement car on me prête le logiciel SPSS de nouveau demain matin

Marion

Bonjour Marion,

A priori ça ne me dit rien....
Pourrais-tu expliciter davantage la problématique ?
Que cherches tu à montrer ?

Je cherche à montrer que le nombre de symptômes de stress post-traumatique des mères (VI) influence la régulation de leurs émotions (VD1) et leur reconnaissance des besoins de l'enfant (VD2)

ces trois variables sont sous formes de scores:

La première (VI) va de 0 à 10
La VD1 va de 0 à 4
La VD2 va de 0 à 9

Alors oui, moi je ferai 2 régressions.

Sinon est ce que tu peux séparer ta VI en deux groupes distincts ?
Par exemple, est ce que tu as un groupe avec un score de stress post traumatique entre 0 et 2 et tous les autres entre 7 et 10 et rien entre les deux ?
Parce que à ce moment là tu pourrais transformer cette variable en une variable binaire (Faible stress / Fort stress).
Et ensuite tu pourrais faire des tests de comparaison...

J'y ai pensé mais j'ai pas assez de sujets (malheureusement que 9 sujets) par groupes: donc 18 au total.

Mais j'étudie l'effet des VI sur les VD dans chacun des groupes pris séparément. Donc avec 9 sujets, c'est trop difficile de faire sortir deux groupes en fonction des scores de stress post-traumatique, d'autant plus qu'il n'ya pas assez de valeurs extrêmes.

Merci quand même mais je crois que je vais tenter de faire deux régressions linéaires en prenant en compte avant biensur le test de normalité que tu m'as conseillé ainsi que le test de durbin watson.
J'espère que mes variables ne seront pas trop éloignées de la loi normale sinon je n'ai pas d'équivalent non paramétrique à la régression linéaire.

Merci encore en tt cas!