L’objectif du cours est dans un premier temps de présenter les principes théoriques de la mise en œuvre des modèles de régression logistiques et les raisons pour lesquelles les modèles linéaires ne sont pas adaptés. Dans un deuxième temps, il s’agira de mettre en œuvre les modélisations logistiques en s’attardant tout particulièrement sur la question des modalités de référence et de leur implication à partir du logiciel R. Dans un troisième temps, il s’agira d’interpréter les résultats obtenus (notamment la lecture des odds-ratios) et de réfléchir à la mise en œuvre des modèles les plus en adéquations avec le problème posé.

• Identifier le type de modélisation adéquate à la nature des variables
• Produire des régressions logistiques à partir du logiciel R
• Évaluer la qualité des modélisations et en analyser les résultats

Bressoux, P, 2010, « Modélisation statistique appliquée aux sciences sociales », 2e édition, De boeck Supérieur, Collection Méthodes en sciences humaines, 464 p.
Larmarange J., et al., 2017, « Introduction à l’analyse d’enquêtes avec R et RStudio », http://larmarange.github.io/analyse-R/analyse-R.pdf
Toulemon L., 1995, Régression logistique et régression sur les risques, Ined, Document de travail n° 46, 56 p

• Maîtrise des fonctions R permettant la production de graphiques et indicateurs statistiques de base
• Connaissances théoriques en statistiques descriptives, inférentielles, probabilistes, bi-variées.
• Connaissances théoriques et mise en œuvre sous R des regressions linéaires.