Régression logistique - niveau avancé par Groupe Arkesys

CONTEXTE D'UTILISATION DU MODÈLE DE RÉGRESSION LOGISTIQUE/n
-Variable explicative et variable expliquée (continue / binaire)/n
-Différences entre la régression linéaire classique et la régression logistique/n
-Variables explicatives qualitatives, variables explicatives quantitatives/n
-Objectifs de la régression logistique/n
-Définition du modèle Logit (courbe sigmoïde)/n
-Découpage en classes des variables explicatives quantitatives/n
-Conditions d'utilisation à respecter/n
METTRE EN OEUVRE ET ANALYSER LES RÉSULTATS D'UN MODÈLE DE RÉGRESSION LOGISTIQUE/n
-Estimation et interprétation des coefficients du modèle/n
-Test de significativité du modèle (validation du modèle)/n
-Tests d'apport d'une variable (test de Wald, tests sur les rapports de vraisemblance)/n
-Interprétation du Khi de Wald/n
-Odds
- ratios/n
-Parallèle odds ratios et risques relatifs/n
-Analyse du tableau de classement/n
?Taux de réussite, taux d'échec/n
?Vrais positifs, vrais négatifs, faux positifs, faux négatifs/n
-Probabilités ajustées et utilisation du modèle à des fins de prédiction/n
-Mise en oeuvre et interprétation des résultats (tableaux, graphiques) de la régression logistique/n
?Sur un tableau de contingence/n
?Sur un tableau composé de variables explicatives uniquement qualitatives, uniquement quantitatives, qualitatives et quantitatives/n
APPRÉHENDER LA QUALITÉ D'UN MODÈLE DE RÉGRESSION LOGISTIQUE/n
-Qualité d'ajustement du modèle (coefficients R )/n
-Qualité d'estimation des coefficients du modèle, qualité de prédiction/n
-Intervalles de confiance des coefficients du modèle/n
-Intervalles de confiance des odds
- ratio/n
-Lien entre la qualité du modèle et :/n
?les effectifs des classes/n
?la colinéarité des variables explicatives/n
-Sélection du modèle final/n
COMPLÉMENTS/n
Si le temps le permet et selon les besoins des participants, un des points ci
- dessous pourra être abordé en fin de stage :/n
-Introduction à la régression logistique multinomiale (Logit multinomial, régression logistique polychorique)/n
-Introduction à la régression de Poisson/n
-Introduction à la régression logistique PLS/n
/n

A l'issue de cette formation, l'apprenant sera capable de :/n
-D'identifier le contexte général d'utilisation de la régression logistique/n
-De connaître les concepts mathématiques inhérents à la régression logistique/n
-De mettre en oeuvre et analyser les résultats (tableaux, graphiques) d'une modélisation de type régression logistique/n
-De calculer les probabilités ajustées d'apparition d'un évènement succès /n
-D'interpréter les coefficients tels que les odds
- ratios, notamment dans un contexte épidémiologique /n
-D'identifier et de résoudre les problèmes rencontrés lors de la mise en oeuvre d'un modèle de type régression logistique /n
-De détecter et traiter les colinéarités éventuelles entre variables explicatives/n
/n
/n