Résumé :
|
[BDSP. Notice produite par INIST R0x6j2Nx. Diffusion soumise à autorisation]. Les observations corrélées (multicentriques, familiales, longitudinales,) sont fréquentes en épidémiologie. Même quand on ne s'intéresse qu'à la modélisation des moyennes attendues en fonction de facteurs de risque, il est nécessaire de modéliser également la matrice de covariance des observations afin d'effectuer des inférences statistiques correctes sur les paramètres d'intérêt. C'est le cas à plus forte raison quand l'objectif de l'enquête est la mesure des corrélations entre observations ou de la variance des effets aléatoires supposés à l'origine de ces corrélations. Dans le cadre du modèle linéaire puis du modèle logistique, nous envisageons les implications du choix entre deux options pour la modélisation des covariances. Les modèles mixtes reposent sur l'explicitation des éléments constitutifs, mais non observés, de la ressemblance entre certaines observations. Pour une enquête longitudinale, par exemple, on fait apparaître un facteur sujet aléatoire, qui exprime de combien la trajectoire d'un sujet donné est décalée par rapport à celle attendue compte tenu de ses caractéristiques (âge, sexe,) figurant dans le modèle. L'approche marginale conduit à modéliser séparément les moyennes et la matrice des variances-covariances des erreurs résiduelles, donc des observations. La distinction entre les deux approches est importante pour les modèles non strictement linéaires, en particulier logistiques. (...)
|