Télécharger le texte intégral - ISPED-Enseignement à distance

Modèle nonlinéaire à classes latentes 2 125meilleure que les probabilités a posteriori d’appartenir aux classes sont prochesde 1 et de 0. Muthén et al. (2002) ont ainsi proposé de calculer, pour les sujetsclassés dans une classe a posteriori, la moyenne des probabilités a posteriori d’yappartenir (elle doit être la plus proche de 1 possible) et les moyennes des probabilitésd’appartenir aux autres classes (elles doivent être les plus faibles possibles). De façonplus générale, certains auteurs (Lin et al., 2004) proposent d’examiner la distributiondes probabilités a posteriori plutôt que leur moyenne pour évaluer la qualité declassification.5.4.2 Prédictions dans l’échelle des marqueursPour évaluer si le modèle s’ajuste bien aux données, nous proposons aussi de comparerl’évolution prédite pour chaque marqueur et chaque classe latente à l’évolutionobservée, en distinguant l’évolution prédite marginale de l’évolution prédite conditionnellementaux effets aléatoires individuels. Dans notre approche, les prédictionsissues du modèle mixte ne sont pas directement obtenues dans l’échelle des testsmais elles sont calculées par intégration numérique comme décrit dans le chapitreIII (page 69). Les prédictions sont calculées conditionnellement aux classes latentespuis la moyenne sur l’ensemble des sujets d’une classe d’âge est calculée en pondérantpar les probabilités a posteriori ˆπ y ig d’appartenir à la classe latente g. Ainsi, nouspouvons calculer dans chaque tranche d’âge, la moyenne pondérée des prédictionspour chaque test et chaque classe latente. Nous obtenons ainsi l’évolution moyenneprédite par test psychométrique et par classe latente que nous pouvons comparer àl’évolution moyenne des observations pondérée par les (ˆπ y ig ) g=1,G.5.4.3 Courbes de survie préditesPour évaluer l’adéquation des modèles de survie, nous avons envisagé deux analysesa posteriori. La première consiste à évaluer l’hypothèse de risque proportionnelentre les classes latentes par le biais de la courbe de survie prédite spécifique à chaque