SVP c'est Urgent ! Quelle méthode d'analyse choisir ?

12010929 a écrit:Hello Nik,

Nik a écrit:Si tu as beaucoup de valeurs dans tes données, je te conseille de couper en 2 ton jeu de données (aléatoirement par exemple, en 2/3, 1/3) et de caler le modèle sur une partie (les 2/3) et de le valider sur la seconde en réalisant des prédictions du modèles pour voir comment elles se calent par rapport aux données observées n'ayant pas servi au calage. Cela peut faire partie des études que tu appelles de "robustesse".

Je vois que tu voudrais qu'il fasse une validation croisée pour tester la robustesse de son modéle.
Ne penses tu pas que les tests classiques suffiront à le faire?
Notamment la normalité, hétéroscdasticité, DW s'il y a un effet temporel. Tout le travail sur les résidus que tu évoquais par ailleurs.
Je pense que la validation croisée donne plus une information sur le potentiel prédictif du modéle. Si on veut extrapoler les données ou faire une ARMA dessus.
Evidemment elle donne une information sur la qualité du modéle mais n'est-elle pas plus appropriée pour une problématique de prévision?

La statistique est un océan
Merci d'avoir expliquer "la robustesse"

amel a écrit:Bonsoir,

S.V.P c'est urgent:

J'ai une variable dépendante (Y) qui est continue et 4 variables indépendantes (X) qui sont dichotomique (0/1) et 4 variables de contrôle continues.
Quelle méthode dois-je choisir pour tester l'influence des X sur l'Y ? régression multiple ou logistique ?
Merci d'avance

bonsoir je viens tout juste de m 'inscrire sur le forum je suis étudiant spécialisé en méthode statistique et économétrie et je veux échanger avec vous et améliorer ma connaissance en statistique .Pour la réponse il faut essayer d' appliquer ACM (Analyse des Correspondances Multiples)

Je vois que tu voudrais qu'il fasse une validation croisée pour tester la robustesse de son modéle.
Ne penses tu pas que les tests classiques suffiront à le faire?

Je ne sais pas ce à quoi la robustesse fait référence mais cela me fait plus penser à une validation croisée du modèle qu'à la validation des hypothèses de base du modèle linéaire.
D'autre part, comme on est toujours sur de l'inférence, la validation sur un jeu de données indépendant n'est jamais superflue même si le modèle n'a pas un but prédictif. Un modèle explicatif qui n'explique que le jeu de données de calage n'est pas vraiment très intéressant et donc peu importe la valeur de ses paramètres.
Par ailleurs, je suis pas fan de l'extrapolation à partir d'un modèle stat.

@Bachir
Bienvenue et merci pour ton intervention. Cependant, relis bien la question initiale car je ne pense pas que l'ACM puisse répondre au besoin d'Amel

Nik

Bonjour,

je suis encore perdue

je pense que ANOVA c'est pour cross-sectional analysis et pour faire des analyses pour chaque années
mais mon cas s'agit bien d'une série temporelle
avant d'effectuer le test "vif" y a un test conseillé "tabulate years"
qui peut m'aider sur la commande svp? j'ai trop cherché mais en vain
et pour le "pearson correlation" je dois vérifier que les variables métriques et éliminer les variables dichotomiques ? ou je fait un pearson pour l'ensemble des variables ?
la meme question pour l'estimation via MCG car j'ai un problème d'hétéro, donc j'estime le tout par MCG ou j'estime que les variables métriques et je fais un t-test pour les variables binaires?

Merci infiniment à vous

ne pars pas dans X tests...
Si tu as une auto-corrélation temporelle alors effectivement tu peux passer par les MCG.
Ensuite, il faut absolument que tu précises ta question/problématique et que tu poses bien tes hypothèses de travail. Une analyse stat se construit avant tout selon le sens que l'on souhaite donner au résultat pour pouvoir les interpréter.
Pour moi les questions que tu poses montrent que tu n'as pas clairement défini ta démarche scientifique ou en tout cas que tu en perds le sens.

Donc: on se pose, on respire un grand coup et on repart des fondamentaux de sa discipline avant de se noyer dans les stats.

Nik

Hello Nik,

Nik a écrit:Je ne sais pas ce à quoi la robustesse fait référence mais cela me fait plus penser à une validation croisée du modèle qu'à la validation des hypothèses de base du modèle linéaire.

Moi j'aurai plutôt dit le contraire mais on ne va pas faire une discussion sur la sémantique de la robustesse sur ce sujet.

Amel: je pense vraiment que tu devrais te poser sur les cours de modèle linéaire tu gagnerais du temps. çà paraît ennuyeux mais tu ne regretteras pas.
Je trouve ce papier pas mal théorique mais tu as les bases avec : ICI.

12010929

La robustesse ne valide pas les hypothèses de base. Ca sert simplement à savoir si les paramètres estimées du modèle ne varie pas sur des nouveaux échantillons, et donc si le modèle à des résultats semblables sur n'importe quels jeux de données.

Salut,

Vous avez raison les gars. Après une petite recherche j'ai trouvé la réponse.
Si çà vous intéresse : http://www.jybaudot.fr/Stats/robustesse.html.

Merci de vos éclaircissements.

Nik a écrit:

Je vois que tu voudrais qu'il fasse une validation croisée pour tester la robustesse de son modéle.
Ne penses tu pas que les tests classiques suffiront à le faire?

Je ne sais pas ce à quoi la robustesse fait référence mais cela me fait plus penser à une validation croisée du modèle qu'à la validation des hypothèses de base du modèle linéaire.
D'autre part, comme on est toujours sur de l'inférence, la validation sur un jeu de données indépendant n'est jamais superflue même si le modèle n'a pas un but prédictif. Un modèle explicatif qui n'explique que le jeu de données de calage n'est pas vraiment très intéressant et donc peu importe la valeur de ses paramètres.
Par ailleurs, je suis pas fan de l'extrapolation à partir d'un modèle stat.

@Bachir
Bienvenue et merci pour ton intervention. Cependant, relis bien la question initiale car je ne pense pas que l'ACM puisse répondre au besoin d'Amel

Nik

Merci Nik pour cette remarque
j'avais pas vu le test .

je vois des choses très importantes ici nous on a l'habitude de voir les méthodes statistiques empiriques et je veux savoir plus plus sur les méthodes classiques.Je compte sur vous.

je vois des choses très importantes ici nous on a l'habitude de voir les méthodes statistiques empiriques et je veux savoir plus plus sur les méthodes classiques.Je compte sur vous.