Modèles économétriques avancés
Cette section sera enrichie avec des modèles de régression OLS, des analyses avec variables d'interaction, et des prédictions basées sur un backend Python.
Régressions OLS multiples
Modèles de régression linéaire avec plusieurs variables explicatives pour analyser l'impact conjoint des facteurs sportifs et socio-économiques.
Variables d'interaction
Analyse des effets d'interaction entre la pratique sportive et les caractéristiques territoriales (densité, revenu, chômage).
Prédictions et simulations
Outil de prédiction permettant de simuler le comportement électoral en fonction des paramètres sportifs et socio-économiques.
API Python (FastAPI)
Backend Python avec FastAPI pour servir les modèles pré-entraînés (pickle) et effectuer des calculs économétriques en temps réel.
Architecture future
# Structure API prévue
/api
├── /predict # Prédictions des modèles
│ ├── POST /ols # Régression OLS
│ └── POST /interaction # Modèles avec interactions
├── /models
│ ├── GET /list # Liste des modèles disponibles
│ └── GET /:id # Détails d'un modèle
└── /data
└── GET /summary # Statistiques descriptivesExemple de requête de prédiction :
POST /api/predict/ols
{
"sport": "football",
"vote": "extreme_droite",
"controls": ["densite", "med_disp", "t_cho"],
"department_code": "75"
}Exemple de réponse :
{
"prediction": 12.5,
"confidence_interval": [10.2, 14.8],
"coefficients": {
"football": -2.34,
"densite": -0.001,
"med_disp": 0.0002,
"t_cho": 1.56
},
"r_squared": 0.42,
"p_values": {
"football": 0.023,
"densite": 0.001,
"med_disp": 0.045,
"t_cho": 0.002
}
}