Choix d'une régression adaptée

si le but est d'avoir le plus grand R² possible alors tu n'as qu'a rajouté une tonne de variable dans ton modèle (même aléatoire) et ça va fonctionner.

Plus sérieusement, il est impossible de répondre à ta question. 1) on ne sait pas ce que tu cherches à faire et 2) on ne sait pas de quelle nature sont tes données.

Bonjour,
j'ai comme variable à expliquer des vitesses de propagation de feu et comme variables explicatives: température, teneur en eau de la végétation, humidité de l'air, taux de recouvrement de la végétation, hauteur de la végétation.
Je veux savoir le ou les facteurs qui influencent le plus la vitesse de propagation.
Donc après régression linéaire multiple avec stepwise, je trouve un R2 de 0,33 et un R2 ajusté de 0,29 qui sont très faibles à mon avis. je me dit qu'il ya problème car le modèle n'explique pas bien la vitesse de propagation.
Dans ce cas j'aimera avoir une méthode qui explique bien mes vitesses de propagation.
Merci pour aide.

as-tu commencé par faire une analyse exploratoire de tes données (regarder la forme des distributions de tes variables), etc ... est-ce que ta vitesse suit une loi normale ou pas du tout, et est-ce qu'il te faut la transformer ou non (idem pour les variables explicatives). Ensuite quelles sont les hypothèses que tu fais ? un lien linéaire entre la vitesse et chaque variable, ou est-ce que ce lien peut-être non linéaire (polynomiale, etc.) ?
Après si tu veux vraiment voir l'effet de tes variables sur la vitesse alors tu n'as pas besoin de la stepwise, tu fais une régression multiple classique et tu regardes l'effet de chaque variable. Si tu as de la multicolinéarité dans tes données tu peux regarder du côté du hierarchical partitionning.

il est pas évident de répondre à ta question surtout quand on ne connait pas la littérature qui se rapporte à ton domaine.