Chapitre 1 Objectifs d’apprentissage
L’objectif de l’atelier d’aujourd’hui sera d’examiner ce que nous entendons par un modèle non-linéaire et comment les GAMs (modèles additifs généralisés) nous permettent de modéliser les relations non-linéaires. Nous examinerons également comment tracer et interpréter ces relations non-linéaires, comment ajouter des interactions, comment prendre en compte la non-indépendance des données (e.g. erreurs autocorrélées) et comment inclure des effets aléatoires en se basant sur les ateliers précédents. Enfin, nous allons brièvement aborder la mécanique derrière le fonctionnement des GAMs.
Nous vous recommandons d’avoir une certaine expérience de R, en particulier de la consultation de données et d’objets dans des scripts R, et une connaissance de base de la régression linéaire avant de suivre cet atelier.
Plus spécifiquement, cet atelier portera sur comment:
- Utiliser la librairie mgcv pour modéliser les relations non linéaires
- Évaluer la sortie d’un GAM afin de mieux comprendre nos données
- Utiliser des tests pour déterminer si nos relations correspondent à des modèles non linéaires ou linéaires
- Ajouter des interactions non linéaires entre les variables explicatives
- Comprendre l’idée d’une fonction de base (basis function) et la raison pour laquelle ça rend les GAMs si puissants !
- Comment modéliser la dépendance dans les données (autocorrélation, structure hiérarchique) en utilisant les GAMMs