Fonctionnement du modèle de régression par les moindres carrés ordinaires

L'analyse de régression est probablement la statistique la plus communément utilisée dans le domaine des sciences humaines. La régression permet d'évaluer des relations entre deux attributs d'entité ou plus. L'identification et la mesure des relations permet de mieux comprendre ce qui se passe à un endroit donné, de prévoir la probabilité de survenue d'un phénomène à un emplacement spécifique ou de commencer à examiner pourquoi des choses surviennent à un endroit précis.

La méthode des moindres carrés ordinaires est la technique de régression la plus connue. Il s'agit également du point de départ proprement dit pour toutes les analyses de régression spatiales. Elle fournit un modèle global de la variable ou du processus que vous essayez de comprendre ou de prévoir et crée une équation de régression unique pour représenter ce processus.

Il existe nombre de ressources recommandables qui traitent du modèle des moindres carrés ordinaires et de la régression pondérée géographiquement. Commencez par lire la documentation Principes de base de l'analyse de régression et/ou par regarder le webinaire gratuit de une heure Campus virtuel ESRI Principes de base de l'analyse de régression. Ensuite, exercez-vous avec un didacticiel d'analyse de régression. Quand vous commencerez à créer vos propres modèles de régression, vous pourrez consulter le document Interprétation des résultats de régression des moindres carrés ordinaires pour mieux comprendre la problématique de résultat en sortie et de diagnostic de régression par les moindres carrés ordinaires.

Ressources supplémentaires

Mitchell, Andy. The ESRI Guide to GIS Analysis, Volume 2.ESRI Press, 2005.

Wooldridge, J. M. Introductory Econometrics: A Modern Approach. South-Western, Mason, Ohio, 2003.

Hamilton, Lawrence C. Regression with Graphics. Brooks/Cole, 1992.