12.07.2015 Views

Télécharger le texte intégral - ISPED-Enseignement à distance

Télécharger le texte intégral - ISPED-Enseignement à distance

Télécharger le texte intégral - ISPED-Enseignement à distance

SHOW MORE
SHOW LESS
  • No tags were found...

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

Modè<strong>le</strong> nonlinéaire <strong>à</strong> classes latentes 2 116cela ne permet pas de quantifier simp<strong>le</strong>ment l’augmentation de risque d’une classe<strong>à</strong> l’autre. Nous avons donc envisagé une deuxième spécification des fonctions derisque : <strong>le</strong> risque d’événement λ 0 (t; ζ) est défini dans la classe de référence puis <strong>le</strong>risque dans <strong>le</strong>s autres classes est proportionnel <strong>à</strong> celui de la classe de référence :λ 0g (t) = λ 0 (t; ζ)e δ 0gavec δ 01 = 0 si la classe 1 est la classe de référence. Ainsi, e δ 0gest <strong>le</strong> risque relatif d’événement pour la classe g par rapport <strong>à</strong> la classe de référence.Ensuite, que <strong>le</strong> modè<strong>le</strong> soit stratifié ou non, nous avons choisi une modélisationparamétrique de la fonction de risque. En effet, étant donné la comp<strong>le</strong>xité du modè<strong>le</strong>conjoint et notamment <strong>le</strong> nombre important de paramètres induit par <strong>le</strong>s tests psychométriqueset <strong>le</strong>s composantes latentes, nous avons préféré utiliser des lois simp<strong>le</strong>sdéfinies par peu de paramètres pour modéliser <strong>le</strong> risque. Quelques lois statistiquessont fréquemment utilisées en modè<strong>le</strong>s de survie, la loi exponentiel<strong>le</strong>, la loi de Weibull,la loi Gamma, <strong>le</strong> modè<strong>le</strong> log-normal ou <strong>le</strong> modè<strong>le</strong> log-logistique. Nous avonsopté dans ce travail pour la loi de Weibull définie comme suit :λ 0g (t; (ζ 1g , ζ 2g )) = ζ 1g ζ 2g (ζ 1g t) ζ 2g−1(5.5)Et la fonction de survie Weibull associée :S 0g (t; (ζ 1g , ζ 2g )) = e −(ζ 1gt) ζ 2g(5.6)Enfin, nous avons défini dans <strong>le</strong> modè<strong>le</strong> de survie (5.3), des paramètres δ g associésaux variab<strong>le</strong>s explicatives potentiel<strong>le</strong>ment différents d’une classe latente <strong>à</strong> l’autre.En effet, suivant l’objectif de l’application, on voudra :- soit <strong>le</strong>s considérer différents dans chaque classe, e δg représentant alors <strong>le</strong> risquerelatif d’événement dans la classe g pour une augmention d’une unité de lavariab<strong>le</strong> explicative correspondante après ajustement sur <strong>le</strong>s classes latentes- soit <strong>le</strong>s considérer communs aux classes, e δ représentant dans ce cas <strong>le</strong> risquerelatif d’événement pour une augmention d’une unité de la variab<strong>le</strong> explicativecorrespondante quel<strong>le</strong> que soit la classe latente d’appartenance, après ajustementsur <strong>le</strong>s classes latentes.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!