Les data scientists doivent communiquer leur travail, et DataCamp propose des cours sur le sujet. Expliquer votre démarche aide votre public à comprendre les résultats. Pour cela, adaptez votre présentation au niveau de connaissance et aux attentes de votre audience.

Pour un public non technique, décrivez les enseignements clés de votre sortie. Par exemple : les comtés où les mères sont plus âgées ont tendance à présenter des taux de natalité plus faibles. Pour un public technique, incluez des détails tels que les estimations des coefficients, les intervalles de confiance et les statistiques de test. Des ouvrages comme The Chicago Guide to Writing about Multivariate Analysis proposent des conseils pour décrire les sorties de régression.

Dans cet exercice, vous allez extraire et tracer les effets fixes. En plus de tracer les coefficients (avec geom_point()) et leurs intervalles de confiance à 95 % (avec geom_linerange()), vous ajouterez une ligne rouge au graphique pour visualiser la position de zéro (avec geom_hline()). Si les intervalles de confiance à 95 % n’incluent pas zéro, l’estimation du coefficient diffère de zéro.

coord_flip() est nécessaire car ggplot n’autorise pas xmin ou xmax, mais seulement ymin et ymax. Enfin, theme_minimal() modifie le thème par défaut.

Note technique : l’extraction des coefficients de régression depuis lmer est délicate (voir la discussion entre les auteurs de lmer et de broom).

Polémiques autour des P-values

Exercice interactif pratique