L'analyse de régression est probablement la statistique la plus couramment utilisée en sciences sociales. La régression permet d'évaluer les relations entre deux attributs d'entités ou plus. L'identification et la mesure des relations permet de mieux comprendre ce qui se passe dans un endroit, de prévoir ou un autre événement est susceptible de survenir ou de commencer à examiner les origines de tel ou tel événement.
La régression par les moindres carrés ordinaires fait partie des techniques de régression les plus connues. C'est également le véritable point de départ de toutes les analyses de régression spatiales. Il offre aussi un modèle global de la variable ou du processus que vous tentez de comprendre ou de prévoir. Il crée une équation de régression unique qui représente ce processus.
Il existe de nombreuses ressources utiles destinées à vous aider à approfondir vos connaissances sur la régression des moindres carrés ordinaires et la régression pondérée géographiquement. Lisez d'abord le document intitulé Principes de base de l'analyse de régression et/ou regardez le séminaire Web gratuit (d'une durée d'une heure) proposé sur le Campus virtuel Esri intitulé Principes de base de l'analyse de régression. Faites ensuite un Didacticiel consacré à l'analyse de régression Lorsque vous commencerez à créer vos propres modèles de régression, vous pourrez vous reporter à la documentation Interprétation des résultats de la régression par les moindres carrés ordinaires afin de mieux comprendre la sortie et les diagnostics des moindres carrés ordinaires.
Ressources supplémentaires
Mitchell, Andy. The ESRI Guide to GIS Analysis, Volume 2. ESRI Press, 2005.
Wooldridge, J. M. Introductory Econometrics: A Modern Approach. South-Western, Mason, Ohio, 2003.
Hamilton, Lawrence C. Regression with Graphics. Brooks/Cole, 1992.