Régression multinomiale

Contenu

• Méthodes d’imputation pour données manquantes
• Modèles de régression pour données multinomiales

Lecture

• Chapitre sur les données manquantes
• Chapitre sur la régression logistique, Section 4

Diapositives

• Régression logistique
• Code

Objectifs d’apprentissage

• Pouvoir calculer le taux de cas manquants.
• Classifier les données manquantes (complètement aléatoire, aléatoire, non aléatoire) selon le contexte.
• Pouvoir utiliser l’imputation multiple avec les modèles de régression.
• À l’aide de logiciel, pouvoir proposer des modèles de régression logistique pour la prédiction et la classification.
• Être capable d’interpréter les coefficients d’un modèle multinomial logistique.
• Être en mesure de calculer les prédictions d’un modèle multinomial logistique.