L'analyse de régression est un outil fréquemment utilisé en statistique. Ce qui permet d'étudier les relations entre différentes variables quantitatives. Ceci, en formulant des équations mathématiques.
Vue d'une autre manière, ladite analyse est un processus ou un modèle qui analyse le lien entre une variable dépendante et une ou plusieurs variables indépendantes. Ainsi, à partir de cette étude, une relation mathématique est trouvée.
Grâce aux processus de régression, il est possible de comprendre comment la variable dépendante est affectée par les changements des autres facteurs.
Applications d'analyse de régression
L'une des principales applications de l'analyse de régression est la projection avec différents scénarios. Ceci, en tenant compte du degré d'influence (en statistique, on parle de corrélation) sur la variable dépendante.
C'est-à-dire que l'objectif de l'analyse est de construire une fonction qui permet d'estimer la valeur future de la variable étudiée.
D'un autre point de vue, la régression permet le calcul d'une espérance conditionnelle (moyenne). Pour cela, les valeurs des variables indépendantes sont prises comme données.
Il est à noter que lorsqu'une seule variable indépendante est prise en compte, on parle de régression linéaire simple. D'un autre côté, si plus de facteurs sont inclus, il s'agirait d'une régression linéaire multiple.
L'analyse de régression a des applications dans la vie de tous les jours. Ceci, à partir de l'étude des accidents de la circulation dans une certaine zone géographique pour vérifier si un cursus est préconisé en fonction du taux d'abandon par exemple.
Critique de l'analyse de régression
Une critique courante de ce type de modèle de prédiction mathématique est qu'il n'est pas optimal, car il a tendance à confondre corrélation et causalité.
Cela signifie que, par exemple, une relation mathématique peut être établie entre la croissance économique et la fréquence des précipitations dans un pays. Cependant, s'il n'y a pas de fondement théorique reliant ces variables, l'étude n'est pas pertinente car il s'agit d'une relation fallacieuse.
Exemple d'analyse de régression
Regardons un exemple très simple d'analyse de régression. Supposons qu'une entreprise veuille calculer la demande pour un certain bien.
Comme variable indépendante, nous prendrons le prix du produit. Ainsi, l'entreprise, sur la base de ses données historiques, construit une équation comme celle-ci :
Ainsi, l'analyse de régression vise à retrouver les valeurs de a (coefficient de corrélation linéaire) et b.