Bonjour,

Je suis en train de travailler sur un processus sur lequel des mesures sont prises avant et après.
C'est donc un traitement apparié, avec des mesures intra-dépendantes, des tests de corrélation particuliers, etc.

J'aimerais modéliser une variable à expliquer quantitative continue "après" le processus, en fonction des variables "avant" (qui sont aussi quantitatives continues).


Habituellement, je créerais des modèles par régression linéaire multiple et par arbre de régression.
Je peux aussi me permettre de discrétiser ma variable à expliquer, et modéliser par arbre de décision par exemple.

Y a t-il des particularités dues à l’appairage des échantillons à prendre en compte, à part les hypothèses classiques (non-colinéarité pour la reg lin multiple, ...) ?


Merci par avance.
Emmanuel