Régression logistique - Niveau avancé Mixte : présentiel / à distance

• Toute personne souhaitant maitriser et mettre en œuvre des analyses statistiques de type « Régression logistique » simple et multi-facteurs

• Il est indispensable que les participants aient de bonnes connaissances sur les outils statistiques de base : tests d'hypothèses, p-value, risque alpha, régression linéaire

A l'issue de cette formation, l'apprenant sera capable :

• D'identifier le contexte général d'utilisation de la régression logistique
• De connaître les concepts mathématiques inhérents à la régression logistique
• De mettre en œuvre et analyser les résultats (tableaux, graphiques) d'une modélisation de type régression logistique
• De calculer les probabilités ajustées d'apparition d'un évènement « succès » 
• De comparer la régression logistique avec d'autres outils type Afd, Méthode de classement
• D'interpréter les coefficients tels que les odds-ratios, notamment dans un contexte épidémiologique 
• D'identifier et de résoudre les problèmes rencontrés lors de la mise en œuvre d'un modèle de type régression logistique 
• De détecter et traiter les colinéarités éventuelles entre variables explicatives

Contexte d'utilisation du modèle de régression logistique

• Variable explicative et variable expliquée (continue / binaire)
• Différences entre la régression linéaire classique et la régression logistique
• Variables explicatives qualitatives, variables explicatives quantitatives
• Objectifs de la régression logistique
• Définition du modèle Logit (courbe sigmoïde)
• Découpage en classes des variables explicatives quantitatives
• Conditions d'utilisation à respecter

Mise en œuvre et analyse des résultats d'un modèle de régression logistique

• Estimation et interprétation des coefficients du modèle
• Test de significativité du modèle (validation du modèle)
• Tests d'apport d'une variable (test de Wald, tests sur les rapports de vraisemblance)
• Interprétation du Khi² de Wald
• Odds-ratios
• Parallèle odds ratios et risques relatifs
• Analyse du tableau de classement
  
  • Taux de réussite, taux d'échec
  • Vrais positifs, vrais négatifs, faux positifs, faux négatifs
• Probabilités ajustées et utilisation du modèle à des fins de prédiction
• Mise en œuvre et interprétation des résultats (tableaux, graphiques) de la régression logistique
  
  • Sur un tableau de contingence
  • Sur un tableau composé de variables explicatives uniquement qualitatives, uniquement quantitatives, qualitatives et quantitatives
• Modèle de régression logistique multinomial
• Mise en œuvre et analyse des résultats d'un modèle de régression logistique multiple
• Estimation et interprétation des coefficients du modèle multiple

Mesure de la qualité d'un modèle de régression logistique

• Qualité d'ajustement du modèle (coefficients R²)
• Qualité d'estimation des coefficients du modèle, qualité de prédiction
• Intervalles de confiance des coefficients du modèle
• Intervalles de confiance des odds-ratio
• Lien entre la qualité du modèle et :
  
  • Les effectifs des classes
  • La colinéarité des variables explicatives
• Sélection du modèle final
• Matrice de confusions

• Didentifier le contexte général dutilisation de la régression logistique
• De connaître les concepts mathématiques inhérents à la régression logistique
• De mettre en uvre et analyser les résultats (tableaux, graphiques) dune modélisation de type régression logistique
• De calculer les probabilités ajustées dapparition dun évènement « succès »
• De comparer la régression logistique avec dautres outils type Afd, Méthode de classement
• Dinterpréter les coefficients tels que les odds-ratios, notamment dans un contexte épidémiologique
• Didentifier et de résoudre les problèmes rencontrés lors de la mise en uvre dun modèle de type régression logistique
• De détecter et traiter les colinéarités éventuelles entre variables explicatives
• Didentifier le contexte général dutilisation de la régression linéaire
• De connaître les concepts mathématiques inhérents à la régression linéaire
• De mettre en oeuvre et analyser les résultats (tableaux, graphiques) dune modélisation de type régression linéaire
• De connaître les coefficients me permettant destimer la qualité du modèle
• De comprendre la différence entre qualité dajustement et qualité de prédiction (destimation des coefficients) sur un modèle de type Régression
• De détecter et analyser les points aberrants / les points influents
• De détecter les colinéarités éventuelles entre variables explicatives
• De traiter la colinéarité par lintermédiaire dune sélection des variables explicatives

• Explications théoriques suivies de pratiques guidées puis de mises en autonomie.
• Exercices autonomes et réguliers pour assurer l'assimilation

Votre formation a lieu en présentiel :

• 1 vidéoprojecteur par salle
• 1 ordinateur

 

Votre formation se déroule à distance avec :

• 1 ordinateur
• 1 connexion Internet
• 1 adresse e-mail valide
• 1 équipement audio (micro et enceintes ou casque)
• 1 Webcam (facultatif – dans l'idéal)
• 1 deuxième écran (facultatif – dans l'idéal)

 

Votre formation se déroule sur notre plate-forme de formation avec :

• 1 ordinateur
• 1 connexion Internet
• 1 adresse e-mail valide
• 1 équipement audio (micro et enceintes ou casque - facultatif)

 

Support stagiaire :

À l'issue de la formation, les exercices et travaux pratiques réalisés, leurs corrigés ainsi qu'un support de cours dématérialisé sera fourni à chaque stagiaire par e-mail ou via la plate-forme FOAD.

L'acquisition des compétences de la formation se fait à travers le suivi du formateur tout au long de la formation (séquences synchrones et asynchrones). Elle s'appuie également sur la réalisation d'exercices et de TP. Enfin, des quiz s'ajoutent aux différents outils de validation de l'acquisition des compétences visées. Une évaluation est systématiquement réalisée par chaque stagiaire, à l'issue de la formation.

Nos formateurs sont certifiés à l'issue d'un parcours organisé par nos soins. Ils bénéficient d'un suivi de maintien et d'évolution de leurs compétences aussi bien au niveau technique que pédagogique.
Chacun de nos formateurs a bénéficié d'une formation spécifique à l'animation de classe virtuelle et à l'utilisation des solutions de formation à distance du Groupe ARKESYS.

Cette formation est accessible à toute personne en situation de handicap. Notre référent handicap prendra contact avec les stagiaires concernés pour adapter l'animation à leurs besoins et rendre l'apprentissage accessible à tous. Enfin, nos centres de formation sont accessibles aux personnes à mobilité réduite.