Prédisez une variable continue à partir de plusieurs prédicteurs.
Définition
La régression linéaire multiple modélise la relation entre une variable dépendante continue et plusieurs variables indépendantes. Elle permet de quantifier l'effet de chaque prédicteur tout en contrôlant les autres.
Quand l'utiliser ?
Prédire une variable continue (ex. : pression artérielle, score)
Identifier les facteurs associés à un résultat
Contrôler des variables confondantes
Conditions requises
Variable dépendante continue
Relation linéaire entre prédicteurs et variable dépendante
Résidus approximativement normaux
Absence de multicolinéarité forte entre prédicteurs
Ce que StatsLab calcule
Coefficients β non-standardisés avec IC 95%
Coefficients β standardisés
R² et R² ajusté
Tableau ANOVA du modèle (F global)
p-value par prédicteur
Graphique des résidus
Forest plot des coefficients
Exemple concret
Contexte : Prédiction du score de performance (0-100) à partir de l'âge, l'expérience et le niveau de stress.
Interprétation : Le modèle explique 61% de la variance du score. L'expérience (β = 0,45, p < 0,001) et le stress (β = −0,38, p < 0,001) sont les prédicteurs les plus importants. L'âge n'est pas significatif (p = 0,12).