P
📊Analyse de donnéesAdvancedAll AIs

Linear regression analysis for prediction

Complete guide to performing linear regression, from hypothesis verification to prediction interpretation.

Paste in your AI

Paste this prompt in ChatGPT, Claude or Gemini and customize the variables in brackets.

Je veux réaliser une analyse de régression linéaire pour prédire [VARIABLE_CIBLE] en fonction de [VARIABLES_EXPLICATIVES]. Mes données couvrent [PERIODE] avec [NOMBRE_OBSERVATIONS] observations issues de [SOURCE_DONNEES].

Contexte métier : [CONTEXTE] (ex : prévoir les ventes en fonction des dépenses marketing et de la saison)

Guide-moi pour :
1. Vérifier les hypothèses de la régression linéaire (linéarité, homoscédasticité, normalité des résidus, absence de multicolinéarité)
2. Préparer les données (encodage des variables catégorielles, traitement des outliers, normalisation si nécessaire)
3. Sélectionner les variables pertinentes avec les méthodes appropriées (stepwise, LASSO, corrélation)
4. Interpréter les coefficients, le R², la p-value et les intervalles de confiance
5. Valider le modèle avec les métriques RMSE, MAE et MAPE
6. Faire des prédictions pour les scénarios suivants : [SCENARIOS_PREDICTION]
7. Identifier les limites et risques du modèle

Précise le code Python (scikit-learn / statsmodels) ou R si applicable.

Why this prompt works

This prompt is effective because it covers all the steps of a rigorous regression, including the often neglected validation of assumptions. The request for concrete code makes it directly operational.

Use Cases

Sales forecastingPrice modelingMarketing impact analysis

Expected Output

Complete methodological guide with Python/R code, metrics interpretation and predictions for defined scenarios.

Learn more

Check the full skill on Prompt Guide to master this technique from A to Z.

View on Prompt Guide