Modèle de régression

Bonjour,


Je dois proposer un modèle de régression pour déterminer les paramètres impactant la panne des moteurs, mes données sont mixtes(quantitatives et qualitatives), et j'aimerais savoir quelle est le modèle de régression le plus adéquat à cette situation?

Merci d'avance

une baguette magique...

plus sérieusement comment veux tu qu'on t'aide avec une question aussi générale ?

nik

Désolé si j'ai décris brièvement, mon sujet de stage est d'étudié les facteurs qui peuvent être à l'origine des pannes des véhicules. Pour cela, j'ai étudié les éventuelles corrélations entre les différentes variables, et l'étape suivante est de mettre en évidence l'influence de ces paramètres sur la panne des véhicules. J'ai diverses variables allant du kilométrage climat, qualité du gasoil, humidité, états des routes, age du véhicule, ect...
J'ai pensé à un modèle de régression mais mon problème est lequel?

Ai je été plus clair? Il manque une info peut être?

Merci

Oui il manque quelques infos...

Connais tu un peu le monde de la modélisation ? si non, as tu beaucoup de temps à passer pour l'apprendre ?

Il faut déjà nous donner la forme de la variable de réponse : tu cherches à dire si oui/non il y a panne ou à prédire le type de panne ?

As tu beaucoup de variables pour faire ton modèle ? As tu déjà une idée sur les variables à inclure dans ton modèle ? Combien As tu de données ?

voilou quelques questions en passant, pour obtenir le maximum d'infos sur ton jeu de données

Nik

je connais pas trop le monde de la modélisation,
il me reste un mois et demi pour faire ce travail,
je cherche à savoir si telle variable a un impact sur la panne,
j'ai effectivement beaucoup de variables et je devrai éliminer au fur et à mesure celle qui n'ont aucune influence,
en ce qui concerne les données j'en ai beaucoup ( 2000 lignes ou plus).

Je crois que Nik te demande également de quel manière est codé ta variable réponse 'panne' .

Si c'est une réponse qualitative, genre: {'en panne' ; 'pas en panne'} alors il faudra surement regarder du coté des régressions logistiques ou analyse discriminante voir quadratique, si c'est une réponse continue alors tu devras surement t'orienter vers des régressions linéaires.

ah bonne question, ma variable réponse est codé panne, vu que ça concerne tous les appels en garantis.
Quel est le meilleur modèle sinon parce que tu me donne plsrs choix?

Merci

euh tu veux dire que tu n'as aucune donnée avec absence de panne ou alors une identification sur le type de panne ???

Si c'est ça alors il n'y aura rien à prédire et donc pas de modèle. AU mieux tu pourras envisager une analyse mutlivariée type Hill & Smith et regarder quels sont les facteurs qui structurent le plus tes données.

Nik

j'ai une identification sur le type de panne

Ok alors deux options se posent d'abord à toi et qui correspondent à deux approches différentes :
-tu souhaite savoir quelles conditions amènent quel type de panne : tu fais un modèle par type de panne ce qui implique de découper tes données en autant de partie que tu as de type de panne référencé
-tu souhaite prédire la probabilité de chaque type de panne en fonction des conditions rencontrées et dans ce cas alors tu vas devoir t'orienter sur de la prédiction de variable catégorielle. ça devient un peu plus compliqué et il va falloir que tu te plonges au minimum dans la lecture du livre d'Agresti, "Categorical data analysis". Et l'aide d'un statisticien confirmé serait plus que souhaitable.

En ce qui concerne la première option, cela suppose quand même que tu aies des cas de non-panne pour chaque type de panne. Une possbilité est dfe prendre les cas où un autre type de panne soit survenu comme cas de non panne pour le type considéré. Mais il faut alors être bien certains que les deux types de pannes retenu (comme panne et non panne) soient indépendant (l'un empêche ou ne déclenche pas l'autre).

voilà pour point de départ

Nik

Merci Nik pour ton aide c'est exactment le 1er cas que tu as décris.
tu as vu juste bravo.
Par contre une dernière question est ce que tu connais un peu les méthodes de traitement des données manquantes?

Un peu. C'est bien de se poser la question maintenant car si tu as des données manquantes cela va te poser des problèmes dans l'estimation des paramètres du modèle et de manière rigoureuse cela va arriver à une réduction drastique du jeu de donnée.
Après il est toujours possible de faire des moyennes si on a des variables quantitatives ou de faire des regroupements de variables qualitatives.

Je précise que le boulot de mise à niveau qui t'attend sur la modélisation peut être assez énormeet difficilement s'envisager dans le cadre d'un stage dont la finalité n'est pas la description d'un processus de modéllisation. C'est une précision qui peut avoir son importance...

Nik

ok je note, merci pour tout.