Ajuster une régression linéaire à pentes parallèles

Dans le cours Introduction to Regression in R, vous avez appris à ajuster des modèles de régression linéaire avec une seule variable explicative. Dans bien des cas, n’utiliser qu’une seule variable explicative limite la précision des prédictions. Pour réellement maîtriser la régression linéaire, vous devez donc être capable d’inclure plusieurs variables explicatives.

Le cas où l’on dispose d’une variable explicative numérique et d’une variable explicative catégorielle est parfois appelé régression linéaire « à pentes parallèles » en raison de la forme des prédictions — nous y reviendrons dans l’exercice suivant.

Ici, vous allez retrouver le jeu de données sur l’immobilier à Taïwan. Rappelez-vous la signification de chaque variable.

Variable	Signification
dist_to_mrt_station_m	Distance à la station de métro MRT la plus proche, en mètres.
n_convenience	Nombre de supérettes accessibles à pied.
house_age_years	Âge du logement, en années, réparti en 3 groupes.
price_twd_msq	Prix au mètre carré, en nouveaux dollars taïwanais par mètre carré.

taiwan_real_estate est disponible.