Bonjour,

Je suis actuellement occupé à chercher les critères sur lesquels je peux me baser pour faire de la sélection de modèle lorsque j'ai à comparer :
-> la régression linéaire normale
-> les régressions sur base de forward selection ou stepwise regression
-> des modèles sur base des composantes principales de l'ACP
-> de la régression PLS
Pour toutes ces régressions j'effectue des transformations de la variable dépendante (du type prise du log ou de la racine, ...).

Je me base actuellement sur le R² ajusté que je calcule sur base des prévisions non standardisées (sur lesquelles j'effectue la transformations inverse à celle de la variable dépendante afin de retrouver les valeurs d'origine) que je soustrais à la variable dépendante pour obtenir les résidus utiles au calcul.
Je me base de la même façon sur l'erreur standard de l'estimation (mais là j'ai un doute quand à la validité du procédé)
Et je me base aussi sur le nombre de coefficients du modèles.
Bien sûr, je n'effectue ces comparaisons que pour les modèles qui sont corrects (validité des résidus, coefficients significatifs, modèle significatif,...)

Mes questions donc :
Est ce que mes calculs pour obtenir une erreur standard (de même échelle que la variable dépendante) sont valides
Est ce qu'il y a d'autres éléments qui pourrait me permettre de comparer et sélectionner le "meilleur" modèle

D'avance merci