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.
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