Vous êtes ici : Accueil > Statistique > Formation > Statistique biomédicale (7) > Méthodes de régression multiple en Biostatistique

Formation Méthodes de régression multiple en Biostatistique


Objectifs

S’approprier les principales méthodes de régression utilisées en Biostatistique. Savoir manipuler, analyser et interpréter des données avec différents types de modèles de régression.

Public

Biologistes, professionnels de santé, statisticiens …

Méthode

Pédagogie active mêlant exposés, exercices et applications pratiques.
Chaque participant pourra mettre en oeuvre les applications dans le logiciel de son choix parmi SAS ou R.

Programme

- Régression linéaire
  • Contexte (exemples, terminologie)
  • Définition du modèle
  • Estimation des paramètres du modèle
  • Tests d’hypothèses sur les paramètres du modèle
  • Codage des variables, modification de l’effet et confusion
  • Comparaison de modèles et sélection de variables
  • Étude de l’adéquation du modèle logistique

- Analyse de la Variance (ANOVA)
  • Contexte (exemples, terminologie)
  • Définition du modèle (hypothèses, interprétation des paramètres du modèle)
  • Analyse de la Variance à un facteur
  • Analyse de la Variance à deux facteurs
  • Tests d’hypothèses sur les paramètres du modèle

- Régression de Poisson
  • Contexte (exemples, terminologie)
  • Définition du modèle (hypothèses, surdispersion, interprétation des paramètres du modèle)
  • Estimation des paramètres du modèle
  • Tests d’hypothèses sur les paramètres du modèle
  • Codage des variables explicatives (binaire, qualitative)
  • Modification de l’effet et confusion
  • Comparaison de modèles et sélection de variables
  • Etude de l’adéquation du modèle de Poisson

- Régression logistique
  • Contexte (exemples, terminologie)
  • Définition du modèle (hypothèses, fonction logit, interprétation des paramètres du modèle)
  • Estimation des paramètres du modèle
  • Tests d’hypothèses sur les paramètres du modèle
  • Codage des variables explicatives (binaire, qualitative)
  • Modification de l’effet et confusion
  • Comparaison de modèles et sélection de variables
  • Etude de l’adéquation du modèle logistique

- Analyse de survie
  • Données de survie
  • Censure et troncature / exemples
  • Courbes de survie
  • Comparaison de courbes de survie
  • Modèles de régression