Questionnaire formatif - Régression
Mode d’emploi
Répondez sans notes ni IA au premier essai. Ouvrez ensuite la rétroaction, classez chaque réponse en « acquis », « hésitant » ou « à reprendre », puis refaites seulement les questions hésitantes deux jours plus tard.
Ce questionnaire est formatif et non évalué. Il se fait après les six capsules du module 03. Les dix questions de cette page constituent un entraînement complémentaire au questionnaire de Brio.
1. Unité d’observation
Un tableau contient une ligne par mois-succursale. Quelle est l’unité d’observation?
Une combinaison d’un mois et d’une succursale, et non une succursale seule.
2. Choisir un graphique
Quel graphique utiliser pour examiner la relation entre un budget marketing numérique et des ventes numériques?
Un nuage de points, avec budget sur l’axe horizontal et ventes sur l’axe vertical. Une droite ajustée peut compléter le graphique sans prouver une causalité.
3. Interpréter une pente
Dans ventes ~ budget, la pente vaut 4,2. Le budget et les ventes sont en dollars. Interprétez.
Dans ce modèle, un dollar supplémentaire de budget est associé à 4,2 dollars de ventes supplémentaires en moyenne. Cette association ne démontre pas à elle seule un effet causal.
4. Interpréter un test sur la pente
On teste \(H_0 : \beta_1 = 0\) contre \(H_1 : \beta_1 \ne 0\). La valeur p est 0,02 et le seuil fixé est 0,05. Quelle décision prenez-vous? Peut-on conclure à un effet causal?
Comme 0,02 < 0,05, on rejette l’hypothèse d’une pente nulle, sous les hypothèses du modèle. Ce résultat indique une association linéaire; il ne démontre pas un effet causal. La valeur p ne mesure ni l’ampleur de l’association ni la probabilité que l’hypothèse nulle soit vraie.
5. Lire un résidu
Une observation vaut 250 000 et sa valeur ajustée vaut 230 000. Calculez le résidu selon observé - ajusté.
Le résidu est 20 000. Le modèle sous-estime cette observation de 20 000 dollars.
6. Diagnostiquer
Les résidus forment une courbe en U selon les valeurs ajustées. Que suggère ce motif?
La forme moyenne n’est probablement pas suffisamment captée par une relation linéaire. Une transformation ou un terme non linéaire peut être examiné, puis validé.
7. Calculer et interpréter R²
Pour une régression avec ordonnée à l’origine, la somme des carrés résiduels est SSE = 45 et la somme des carrés totale est SST = 150. Calculez \(R^2\) et interprétez-le. Garantit-il de bonnes prédictions sur de nouvelles données?
\(R^2 = 1 - 45/150 = 0{,}70\). Le modèle décrit 70 % de la variation observée de la réponse autour de sa moyenne, dans les données utilisées pour l’ajustement. Les 30 % restants correspondent à la variation résiduelle. Ce résultat ne garantit pas la performance sur de nouvelles données et ne remplace pas les diagnostics.
8. Association et causalité
Corrigez : « Les succursales ayant davantage de personnel ont plus de ventes; embaucher causera donc cette hausse. »
Les données montrent une association entre personnel et ventes. Des facteurs comme la taille ou l’achalandage peuvent influencer les deux. Une décision d’embauche exige une analyse supplémentaire ou un plan permettant d’estimer l’effet de l’intervention.
9. Réponse décisionnelle
Écrivez une conclusion de trois phrases comprenant résultat, décision et limite.
La réponse doit citer un résultat avec unité, proposer une action proportionnée et nommer une limite. Elle ne doit pas transformer une association en certitude causale.
10. Plan de révision
Notez les deux notions les moins solides et associez chacune à un exercice précis du module 03.
L’IA peut expliquer une erreur après votre tentative. Demandez une question analogue plutôt que la réponse à la question originale, puis résolvez-la sans aide.