Guide pratique pour comprendre les publications scientifiques. Épisode 7 – Pourquoi et comment réaliser une régression pour expliquer une variable d’intérêt

V. Dumas , J.-P. Tasu
{"title":"Guide pratique pour comprendre les publications scientifiques. Épisode 7 – Pourquoi et comment réaliser une régression pour expliquer une variable d’intérêt","authors":"V. Dumas ,&nbsp;J.-P. Tasu","doi":"10.1016/j.jidi.2024.10.004","DOIUrl":null,"url":null,"abstract":"<div><h3>Introduction</h3><div>En statistique, la régression recouvre plusieurs méthodes d’analyse permettant d’évaluer une variable à partir d’autres qui lui sont corrélées.</div></div><div><h3>Messages principaux</h3><div>La régression étudie la relation entre une variable, dite « à expliquer », et une ou plusieurs variables, dites « explicatives ». Elle permet d’estimer des coefficients qui quantifient la relation entre la variable à expliquer et le/la variable(s) explicatives(s). Lorsque la valeur explicative est continue, le modèle le plus fréquemment utilisé est la régression linéaire. Lorsque le modèle n’est pas linéaire, une régression approchée par des algorithmes itératifs peut être utilisée et on parle de régression non linéaire. Lorsque la variable est catégorielle, le modèle le plus fréquemment utilisé est la régression logistique. Lorsqu’on s’intéresse à des données de survie, le modèle le plus fréquemment utilisé est le modèle de Cox.</div></div><div><h3>Conclusion</h3><div>Il existe différentes méthodes de régression permettant d’évaluer la relation entre deux variables. Cet article présente succinctement ces différentes méthodes.</div></div><div><h3>Introduction</h3><div>Regression is a statistical technique used to study the relationship between one dependent variable and one or more independent variables.</div></div><div><h3>Main messages</h3><div>Regression is used to estimate coefficients that quantify the relationship between the dependent variable and the independent variable(s). When the dependent variable is continuous, the most frequently used model is linear regression; when it is categorical, the most frequently used model is logistic regression; when survival data are involved, the most frequently used model is the Cox regression model.</div></div><div><h3>Conclusion</h3><div>There are various regression methods for assessing the relationship between two variables. This article briefly presents these different methods.</div></div>","PeriodicalId":100747,"journal":{"name":"Journal d'imagerie diagnostique et interventionnelle","volume":"8 2","pages":"Pages 54-56"},"PeriodicalIF":0.0000,"publicationDate":"2025-01-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal d'imagerie diagnostique et interventionnelle","FirstCategoryId":"1085","ListUrlMain":"https://www.sciencedirect.com/science/article/pii/S2543343124001490","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Introduction

En statistique, la régression recouvre plusieurs méthodes d’analyse permettant d’évaluer une variable à partir d’autres qui lui sont corrélées.

Messages principaux

La régression étudie la relation entre une variable, dite « à expliquer », et une ou plusieurs variables, dites « explicatives ». Elle permet d’estimer des coefficients qui quantifient la relation entre la variable à expliquer et le/la variable(s) explicatives(s). Lorsque la valeur explicative est continue, le modèle le plus fréquemment utilisé est la régression linéaire. Lorsque le modèle n’est pas linéaire, une régression approchée par des algorithmes itératifs peut être utilisée et on parle de régression non linéaire. Lorsque la variable est catégorielle, le modèle le plus fréquemment utilisé est la régression logistique. Lorsqu’on s’intéresse à des données de survie, le modèle le plus fréquemment utilisé est le modèle de Cox.

Conclusion

Il existe différentes méthodes de régression permettant d’évaluer la relation entre deux variables. Cet article présente succinctement ces différentes méthodes.

Introduction

Regression is a statistical technique used to study the relationship between one dependent variable and one or more independent variables.

Main messages

Regression is used to estimate coefficients that quantify the relationship between the dependent variable and the independent variable(s). When the dependent variable is continuous, the most frequently used model is linear regression; when it is categorical, the most frequently used model is logistic regression; when survival data are involved, the most frequently used model is the Cox regression model.

Conclusion

There are various regression methods for assessing the relationship between two variables. This article briefly presents these different methods.
理解科学出版物的实用指南。第七集:为什么以及如何使用回归来解释利益变量
在统计学中,回归包括几种分析方法,允许从其他相关的变量来评估一个变量。回归研究一个被称为“待解释”的变量与一个或多个被称为“解释”的变量之间的关系。它允许估计量化被解释变量和解释变量之间关系的系数。当解释值是连续的时,最常用的模型是线性回归。当模型不是线性的时候,可以使用迭代算法来近似回归,这被称为非线性回归。当变量是分类变量时,最常用的模型是逻辑回归。在研究生存数据时,最常用的模型是考克斯模型。有几种回归方法可以用来评估两个变量之间的关系。本文简要介绍了这些不同的方法。回归是一种统计技术,用于研究一个因变量和一个或多个独立变量之间的关系。主消息回归用于估计量化因变量和自变量之间关系的系数。当因变量是连续的时,最常用的模型是线性回归;当它是分类的时候,最常用的模型是逻辑回归;当涉及到生存数据时,最常用的模型是考克斯回归模型。结论有各种回归方法来评估两个变量之间的关系。本文简要介绍了这些不同的方法。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信