L'anthropologie du vivant : objets et méthodes - CNRS - Dynamique ...

La Modélisation Statistique en Anthropologie Biologique du Vivantplusieurs autres variables et permet également d’établir des prédictions.Dans ce qui suit, on décrira le modèle classique de régression linéaire eton présentera ensuite de façon détaillée un modèle couramment utiliséen anthropologie du vivant : le modèle de régression logistique. Onillustrera cette méthode à travers un exemple concret : la recherche desfacteurs socio-économiques associés à la dépression chez la femme, ouautrement dit, la probabilité de se déclarer dépressive.Dans toute modélisation statistique, la variable dépendante est la variableque l’on cherche à expliquer ou à prédire à l’aide d’une ou plusieursvariables indépendantes. Suivant la démarche envisagée (prédictive ouexplicative), le champ d’application ou le logiciel utilisé, la terminologieassociée à ces deux types de variables peut être diverse.Tableau I. le charabia du statisticienvariable à expliquervariable dépendantevariable expliquéevariable à prédirevariable d’intérêtvariable réponsevariable cibleoutcometargetY…variable(s) explicative(s)variable indépendantevariable de contrôlerégresseurprédicteurcovariableinputXi…* Estimation des paramètres du modèle* Analyse de l’adéquation du modèle aux données*ValidationIl est utile de rappeler qu’un « bon » modèle est un modèle quifournit une description raisonnable. Il doit être parcimonieux etinterprétable.Présentons maintenant le modèle classique de régression linéaire.Une régression est dite simple si elle comporte une seule variableexplicative. Elle est dite multiple si elle en comporte au moins deux.Le modèle de régression linéaireQuelques exemples de régression linéaire* En anthropologie génétique• Expression de la relation entre la co-sanguinité moyenne et laprobabilité de mariage isonyme* En anthropologie du vieillissement• Expression de la relation entre la durée de l’activité physique et lescore de limitation fonctionnelle chez les personnes âgées.La régression linéaire simple consiste à expliquer la variation d’unevariable quantitative Y par une autre variable X.Soit la droite d’équation Y= β 0+ β 1X. La régression linéaire simpleconsiste à déterminer une estimation des valeurs α et β. Elle consisteà rechercher la « droite des moindres carrés » qui passe « le plus prèspossible » de toutes les observations. Illustrons par un exemple :Le but est d’étudier comment le poids varie en fonction de la tailleet, si une relation linéaire a un sens. Il s’agit d’une relation linéairesimple car une seule variable explicative (la taille) est utilisée.La stratégie de modélisation peut être résumée de la façonsuivante :* Choix de la variable dépendante* Choix du modèle : la nature de la variable dépendanteconditionne ce choix* Sélection et détermination des variables explicatives(théorie, littérature)L’anthropologie du vivant : objets et méthodes - 2010 94