Statistique
Régression
En anglais : Regression analysis
La régression modélise le lien entre une grandeur qu'on veut expliquer et une ou plusieurs grandeurs qui l'influencent. Elle quantifie ce que le nuage de points laisse deviner.
Ce que la régression fournit
Elle donne trois choses. Une équation, qui permet de prédire la sortie à partir des entrées. Des coefficients, qui disent de combien la sortie bouge quand une entrée varie d'une unité. Une mesure d'ajustement, qui dit quelle part de la variation observée le modèle explique.
En Lean Six Sigma, l'usage principal est l'étape d'analyse : on soupçonne qu'un paramètre du procédé influence une caractéristique, et la régression tranche — l'effet existe-t-il, de quelle ampleur, et le modèle explique-t-il assez pour qu'on s'en serve.
La régression multiple prolonge le raisonnement à plusieurs entrées simultanées, ce qui est presque toujours la situation réelle. Elle permet alors de séparer l'effet propre de chaque facteur des effets des autres — ce qu'aucune comparaison deux à deux ne sait faire.
Corrélation n'est pas causalité
Deux grandeurs peuvent varier ensemble sans qu'aucune n'agisse sur l'autre : une troisième les influence toutes deux, ou la coïncidence est fortuite. La régression mesure une association, elle ne démontre pas un mécanisme.
Trois éléments permettent de passer de l'association au lien causal, et aucun n'est statistique : un mécanisme physique ou logique plausible, une antériorité de la cause sur l'effet, et surtout une vérification expérimentale — on modifie le facteur et on observe. C'est exactement ce que fait un plan d'expériences.
Lire les résultats sans se tromper
Le coefficient de détermination indique la part de variation expliquée. Un modèle à 0,9 explique beaucoup ; un modèle à 0,2 laisse l'essentiel dehors. Mais un coefficient élevé ne garantit ni que le modèle est juste, ni qu'il prédira correctement en dehors de la plage observée.
Les résidus — les écarts entre valeurs observées et valeurs prédites — en disent souvent plus que le modèle lui-même. Tracés, ils doivent ressembler à un nuage sans structure. Une courbure signale qu'une relation non linéaire a été forcée dans une droite ; un élargissement progressif signale que la variabilité dépend du niveau.
Extrapoler est le piège classique. Un modèle établi entre 20 et 60 degrés ne dit rien de ce qui se passe à 90. La relation peut s'inverser, saturer, ou le procédé changer de régime.
Les erreurs fréquentes
Ajouter des variables jusqu'à ce que l'ajustement soit beau. Chaque variable ajoutée améliore mécaniquement l'ajustement, même si elle n'a aucun rapport. Un modèle à douze facteurs sur trente observations décrit le bruit de ces trente-là et ne prédira rien.
Confondre un coefficient significatif et un effet important. Sur beaucoup de données, un effet minuscule ressort comme significatif. Le coefficient dit l'ampleur, la significativité dit seulement qu'il n'est probablement pas nul — ce sont deux lectures différentes.
Sur le terrain — Traitement de surface
Une régression liait l'épaisseur de dépôt à la température du bain, avec un ajustement convaincant. Le graphique des résidus montrait une courbure nette : la relation plafonnait au-delà d'un seuil. Le modèle linéaire recommandait de monter la température ; le procédé n'y gagnait plus rien depuis longtemps.
Questions fréquentes
Quelle différence entre corrélation et régression ?
La corrélation mesure l'intensité d'un lien entre deux grandeurs, sans distinguer laquelle explique l'autre — le coefficient est le même dans les deux sens. La régression pose un rôle : une grandeur est expliquée, les autres l'expliquent, et le résultat est un modèle utilisable pour prédire.
Quel coefficient de détermination faut-il viser ?
Il n'y a pas de seuil universel. Sur un procédé physique bien maîtrisé, 0,8 est courant ; sur un phénomène impliquant des comportements humains, 0,3 peut être un excellent résultat. La bonne question n'est pas « est-il assez haut » mais « le modèle est-il assez bon pour la décision que je dois prendre ».
Combien de données faut-il ?
Une règle de terrain répandue demande au moins une dizaine d'observations par facteur étudié, et davantage si les effets sont faibles ou les données bruitées. En dessous, le modèle s'ajuste au hasard de l'échantillon et change complètement avec le suivant.
Peut-on utiliser une régression sur des données historiques ?
Oui, et c'est souvent le point de départ le moins coûteux. Mais les données historiques ne couvrent que les conditions déjà rencontrées, et les facteurs y varient rarement de façon indépendante — ce qui rend leurs effets difficiles à séparer. C'est précisément ce qu'un plan d'expériences corrige en organisant la variation.
Voir aussi
S'entraîner sur ce thème
Le parcours Six Sigma Green Belt comporte des questions sur ce sujet. Il fait partie de l’accès complet.
Voir le parcours