Discussion:Régression logistique
- Admissibilité
- Neutralité
- Droit d'auteur
- Article de qualité
- Bon article
- Lumière sur
- À faire
- Archives
- Commons
Cet article est indexé par les projets Mathématiques, Probabilités et statistiques, Économie et Sociologie.
Les projets ont pour but d’enrichir le contenu de Wikipédia en aidant à la coordination du travail des contributeurs. Vous pouvez modifier directement cet article ou visiter les pages de projets pour prendre conseil ou consulter la liste des tâches et des objectifs.
| Avancement | Importance | pour le projet | |
|---|---|---|---|
| Ébauche | Élevée |  | Mathématiques (discussion • critères • liste • stats • hist. • comité • stats vues) |
 | Probabilités et statistiques (discussion • critères • liste • stats • hist. • comité • stats vues) | ||
| Moyenne |  | Économie (discussion • critères • liste • stats • hist. • comité • stats vues) | |
 | Sociologie (discussion • critères • liste • stats • hist. • comité • stats vues) | ||
Cet article ne comporte pas de liste de tâches suggérées. Vous pouvez saisir une liste de tâches à accomplir (par exemple sous forme d'une liste à puces), puis sauvegarder. Vous pouvez aussi consulter la page d'aide.
Question sur Wald modifier
- Comment interprète-t-on précisément la colonne Wald au sein du dernier tableau ?
- 87.90.17.100 (d) 30 janvier 2011 à 21:15 (CET)
- C'est précisément ce qui est indiqué dans l'article, à savoir le carré du ratio coefficient sur écart-type.
- Wok (d) 30 janvier 2011 à 22:37 (CET)
Inférence bayésienne modifier
Le modèle Logit peut aussi être estimé par des méthodes d'inférence bayésienne. Ça n'apparaît pas dans l'article. -- PAC2 (d) 3 juillet 2011 à 17:08 (CEST)
- J'y place une brève allusion. Le lecteur intéressé pourra ainsi se reporter à l'article spécialisé. 212.198.148.24 (d) 10 mai 2013 à 21:21 (CEST)
Intention de nettoyer l'article modifier
L'article n'est pas rédigé de manière encyclopédique. Il insiste trop sur des détails pratiques d'estimation du modèle logistique et pas assez sur l'histoire et les applications de ce modèle. Je pense qu'un article WP ne doit pas être un guide pratique pour mettre en œuvre différentes méthodes mais une présentation plus générale de la méthode. Par exemple, l'extrait suivant me semble hors de propos sur une page encyclopédique : "La régression logistique s’applique directement lorsque les variables explicatives sont continues ou dichotomiques. Lorsqu’elles sont catégorielles, il est nécessaire de procéder à un recodage. Le plus simple est le codage binaire. Prenons l’exemple d’une variable habitat prenons trois modalités {ville, périphérie, autres}. Nous créerons alors deux variables binaires : « habitat_ville », « habitat_périphérie ». La dernière modalité se déduit des deux autres, lorsque les deux variables prennent simultanément la valeur 0, cela indique que l’observation correspond à « habitat = autres »."
De plus, l'article fait appel à des données disponibles sur un site personnel. Ce qui pose différents problèmes. D'ailleurs ces données ne sont plus disponibles sur le site en question.
source modifier
Un article qui explique l'origine du modèle Logit :
- André de Palma et Jacques-François Thisse, « Les modèles de choix discrets », Annales d'Economie et de Statistique, (lire en ligne)
Comme dégoutter des statistiques !!! modifier
La manière purement mathématique qui est utilisée ici mais aussi ailleurs pour présenter cette approche de base des relations entre deux variables est totalement antipédagogique et continuera de dégoutter les utilisateurs néophytes d'une approche statistique qui forme la base.
Cela veut dire quoi : P(Y=1) (resp. { P(Y=0)} P(Y=0)) est la probabilité a priori pour que { Y=1} Y=1 (resp. { Y=0} Y=0). Pour simplifier, cela sera par suite noté { p(1)} p(1) (resp. { p(0)} p(0) pour le commun des mortels ??? Faut arrêter de planer !!!
Il est grand temps d'arrêter de compliquer inutilement pour le plaisir de l'abstraction intellectuelle. Il est grand temps que les statistiques soient données par des praticiens et non des matheux et de statisticiens qui vivent en dehors du monde réel ...