Bonjour à tous !
Alors voilà, ne trouvant pas de réponse satisfaisante sur le net, après y avoir passé des heures, je viens à vous dans l'espoir d'un peu d'aide...
Je suis chargé d'analyser les réponses d'une enquête de satisfaction.
Pour ce faire, j'aimerais réaliser des régressions logistique pour expliquer une variable qualitative par plusieurs autre variables qualitatives.
Nous avons demandé aux enquêtés s'ils avaient eu besoin de nous contacter suite à une procédure.
Le contact serait donc la variable à expliquer. Elle prend deux modalités : oui, ou non.
Les variables explicatives seraient :
- la perception de la procédure (simple ou compliquée),
- une simulation correcte ou incorrecte (oui pour correcte, non pour incorrecte)
On veut savoir si le fait d'avoir eu une simulation incorrecte et d'avoir perçu la procédure comme compliquée augmente les chances de contact.
Voici mon code :
et voici les résultats :
Code : Sélectionner tout - Visualiser dans une fenêtre à part
1
2
3
4 proc logistic data=WORK.Contacts; class Simulation (ref="Oui") Perception (ref="Simple") /param=ref; model Contacts (ref="Non") = Simulation Perception /link=glogit; run;
De ce que je comprend, d'après le BETA=0, le modèle est significatif.
D'après l'analyse des effets, les deux variables explicatives ont un rôle sur la variable à expliquer.
D'après les odds ratios, une simulation erronée a 1,7 fois plus de chance de contacter qu'une simulation correcte et une perception compliquée 2,2 fois plus de chance qu'une perception simple.
Jusque là, j'ai bon ?
J'aimerai savoir également s'il était possible d'identifier la variable qui joue le plus grand rôle ?
Et que signifient les autres résultats ?
Merci à vous tous !
Partager