Régression logistique - niveau avancé

Objectifs, programme, validation de la formation

Objectifs

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

• D’identifier le contexte général d’utilisation de la régression logistique
• De connaître les concepts mathématiques inhérents à la régression logistique
• De mettre en oeuvre et analyser les résultats (tableaux, graphiques) d’une modélisation de type régression logistique
• De calculer les probabilités ajustées d’apparition d’un évènement succès
• 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 oeuvre d’un modèle de type régression logistique
• De détecter et traiter les colinéarités éventuelles entre variables explicatives

Description, programmation

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
  METTRE EN OEUVRE ET ANALYSER LES 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 oeuvre 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
  APPRÉHENDER 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
  COMPLÉMENTS
  Si le temps le permet et selon les besoins des participants, un des points ci-dessous pourra être abordé en fin de stage :
• Introduction à la régression logistique multinomiale (Logit multinomial, régression logistique polychorique)
• Introduction à la régression de Poisson
• Introduction à la régression logistique PLS

Validation et sanction

Attestation de formation

Type de formation

Perfectionnement, élargissement des compétences

Niveau de sortie sans niveau spécifique

---

Durée, rythme, financement

Modalités de l'alternance -

Conventionnement Non

Conditions d'accès

Niveau d'entrée sans niveau spécifique

Conditions spécifiques et prérequis -

Inscription

Contact renseignement Madame Florence Groupe Arkesys

---

Périodes prévisibles de déroulement des sessions

Session débutant le : 01/10/2018

Adresse d'inscription
Arkesys Net
24 Espace Henry Vallée 69007 Lyon 7e

Lieu de formation

---

Organisme de formation responsable