Régression linéaire

model <- lm(Y~., data = dt) créer une régression linéaire.

Retourne :

• $coefficients les coefficients pour chaque variable.

summary(mod) résumé détaillé du modèle.

Retourne :

• Std. Error (Std. Error) : écart type de l'estimation du coefficient.
• Test de significativité pour savoir si le coefficent est il égale à 0.
• R-squared ou \(R^2\) coefficient de détermination.

Vérifier la validité

plot(model) affiche quatre graphiques sur les résidus :

• residuals vs fitted : vérifier l'homoscédasticité et de mettre en valeur la non linéarité de la relation, par exemple avec des formes en U ou en V.
• q-q residuals : vérifier si les résidus suivent une distribution normale.
• scale location : vérifier l'homoscédasticité.
• residuals vs leverage : identifier les observation qui ont une influence disproportionnée sur le modèle.