Les Modèles à Effets Aléatoires - Christophe Genolini
Les Modèles à Effets Aléatoires - Christophe Genolini
Les Modèles à Effets Aléatoires - Christophe Genolini
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Sommaire<br />
Préliminaires<br />
Essais multicentriques<br />
Aspects calculatoires<br />
Mesures répétées<br />
Le modèle <strong>à</strong> intercept aléatoire<br />
Analyse Classique<br />
<strong>Effets</strong> aléatoires<br />
Dans le cas de données binaires, le plus classique est le modèle<br />
logistique-normal : on ajoute un effet aléatoire distribué<br />
normalement.<br />
et<br />
logit (Pij) = α + βxij + uj(+ɛij)<br />
uj ↩→ N 0, σ 2 u<br />
Dans ce modèle, on a toujours un effet du traitement (β)<br />
homogène entre les centres, mais par contre la probabilité de<br />
succès peut varier d’un centre <strong>à</strong> l’autre. σ 2 u mesure l’hétérogénéité<br />
entre les centres par rapport <strong>à</strong> la probabilité de succès.<br />
Lionel RIOU FRANÇA <strong>Les</strong> <strong>Modèles</strong> <strong>à</strong> <strong>Effets</strong> <strong>Aléatoires</strong>