L’auteur de cet article, qui ne discute que des méthodes de base de la régression linéaire, donne des applications détaillées des méthodes à des données réelles publiées dans l’ouvrage de Saporta et figurant en annexe.

Voici le plan de l’article :
– Régression et modèle linéaires : définitions, ajustement d’une droite, étude des estimateurs et des résidus, exemple numérique
-Introduction à la régression multilinéaire : estimation des coefficients de régression, projection orthogonale et variables réduites, propriétés des estimateurs et des résidus, étude de résidus, exemple numérique
– Corrélations partielles – Régressions pas à pas : notion de corrélation partielle, coefficients de détermination partielle, analyse des corrélations partielles, algorithmes de sélection d’un système de prédicteurs, procédures de tests de corrélations partielles.