Modèle bilinéaire

Un diagramme de dispersion montre que ce jeu de données particulier peut être modélisé avec deux lignes de régression. Le Model1 bilinéaire généralisé peut être écrit comme: g (μij) = α1iβ1j + α2iβ2j. Deux modèles spécifiques sont le modèle de courbe de croissance et le modèle de croissance étendu. Références: (1) R-projet. Introduction aux modèles linéaires généralisés. Marie Linder, Rolf Sundberg. Précision de la prédiction dans le calibrage du second ordre, avec focus sur les méthodes BR. Statistiques mathématiques, Université de Stockholm, SE-106 91 Stockholm, Suède. (Consulté le 26 juillet 2017 à partir de: http://staff.math.su.se/rolfs/Publikationer/Oct00.pdf l`une des définitions les plus courantes de la régression bilinéaire est en termes d`interactions bilinéaires. Une interaction bilinéaire est l`endroit où la pente d`une ligne de régression pour Y et X change en tant que fonction linéaire d`une troisième variable, Z.

Le terme «régression bilinéaire» est un terme informel (c.-à-d. qu`il n`y a pas de définition définie pour sa signification). Par conséquent, cela peut signifier quelque chose de différent selon qui utilise le terme et dans quel contexte. En termes de matrices, la régression bilinéaire peut faire référence à un ensemble de variables explicatives formant une matrice bidimensionnelle. Une façon de définir la régression bilinéaire est d`adhérer à la classe des régressions sur les variables latentes estimées. Les variables latentes sont des variables «cachées» qui, contrairement aux variables observées, ne sont pas directement mesurables. Des exemples de variables latentes comprennent l`attitude, l`intelligence ou le degré d`empathie. Les deux principales méthodes de régression bilinéaire dans ce contexte sont la régression des composants principaux et la régression partielle des moindres carrés..

This entry was posted in Uncategorized. Bookmark the permalink.