Régression des prix des maisons: Exploration des hypothèses OLS

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (32)

Page 2 sur 4

Régression : Modèles linéaires

Introduit une régression linéaire, des modèles linéaires généralisés et des modèles à effet mixte pour l'analyse de régression.

Régression linéaire : estimation et inférence

Explore l'estimation de régression linéaire, les hypothèses de linéarité et les tests statistiques dans le contexte de la comparaison de modèles.

Machine Learning non linéaire : les voisins les plus proches et l’expansion des fonctionnalités

Couvre la transition des modèles linéaires aux modèles non linéaires, en se concentrant sur k-NN et les techniques d'expansion des caractéristiques.

Autocorrélation et variables instrumentales

Explore l'autocorrélation, les variables instrumentales et les défis dans l'analyse de régression.

Les bases de la régression linéaire

Couvre les bases de la régression linéaire, y compris les estimateurs OLS, les tests d'hypothèse et les intervalles de confiance.

Régression linéaire : Fondements et applications

Explore les fondamentaux de la régression linéaire, la formation des modèles, l'évaluation et les mesures du rendement, en soulignant l'importance de la R2, du MSE et de l'EAM.

Modèles linéaires: Ridge, OLS et LASSO

Couvre des modèles linéaires comme Ridge, OLS et LASSO, expliquant les valeurs singulières et l'analyse de régression.

Analyse bivariée des données : corrélation et régression

Explore l'analyse de données bivariées, la corrélation et les techniques de régression pour l'évaluation des modèles.

Régression linéaire : Fondements

Introduit les bases de la régression linéaire, couvrant l'approche OLS, les résidus, la matrice de chapeau et les hypothèses de Gauss-Markov.

Analyse de régression: Sélection du modèle et outils de diagnostic

Explore les outils d'analyse de régression, la sélection des modèles, les points influents, les valeurs aberrantes et les graphiques de diagnostic.