La méthode de Régression sur Composantes Principales (RCP) est une technique de régression utile lorsque de fortes colinéarités entre les variables explicatives sont présentes et que l’on ne désire pas utiliser les algorithmes de régression pas à pas pour éliminer les variables corrélées entre elles ou les régressions Ridge ou PLS.
Cette technique utilise à la fois l’Analyse en Composantes Principales (ACP) et la Régression Multiple pour élaborer un modèle dont les coefficients sont stables.
Après l’affichage du tableau et de l’histogramme des inerties, vous pouvez choisir le nombre d’axes factoriels à extraire.
Un rapport général de synthèse est proposé contenant notamment les résultats de l’Analyse en Composantes Principales (ACP), les descriptions des différents modèles de régression et le tableau de l’analyse de la variance.
Les graphiques des cercles factoriels, des plans factoriels, des régressions, des composants et des résidus sont également disponibles.
Tableaux
Moyennes et écart-types des variables explicatives et à expliquer
Matrice des corrélations des variables explicatives
Tableau des inerties
Vecteurs propres
Composantes principales
Corrélations des variables avec les composantes principales normées
Coefficients des régressions sur les composantes principales
Tableau de l’analyse de la variance
Coefficients des régressions sur les variables explicatives standardisées
Coefficients des régressions sur les variables explicatives non standardisées
Nous utilisons des cookies pour vous garantir la meilleure expérience sur notre site web. Si vous continuez à utiliser ce site, nous supposerons que vous en êtes satisfait.