Télécharger le texte intégral - ISPED-Enseignement à distance

Etat des connaissances 25Plusieurs travaux ont testé la robustesse de ce modèle à des écart aux hypothèses.Ainsi, Verbeke et Lesaffre (1997) ont montré que les estimateurs des effets fixesétaient consistants dans le cas où les effets aléatoires n’étaient pas distribués normalementet Jacqmin-Gadda et al. (2006) ont montré que les estimateurs des effetsfixes étaient robustes dans le cas d’erreurs non Gaussiennes ou hétéroscédastiquesmais ne l’étaient plus dans le cas d’erreurs corrélées entre elles.2.2 Modèles pour données longitudinales multivariéesLe modèle linéaire mixte permet d’analyser les mesures répétées d’un seul marqueurlongitudinal. Or, il est très fréquent de disposer de plusieurs marqueurs longitudinauxet de vouloir les analyser conjointement. En effet, analyser conjointementplusieurs marqueurs permet d’une part de mieux comprendre le lien qui existeentre eux et d’autre part d’exploiter leur structure de dépendance pour augmenterla puissance des analyses, notamment lorsqu’on étudie l’effet d’une variable explicativesur l’évolution des marqueurs. Nous allons présenter maintenant deux typesd’approches pour étudier conjointement plusieurs marqueurs longitudinaux, l’extensiondes modèles linéaires mixtes aux données multivariées et les modèles à variablelatente ou processus latent.2.2.1 Modèles linéaires mixtes pour données longitudinalesmultivariéesDans un souci de clarté, nous considérons uniquement le cas bivarié, c’est à direavec deux marqueurs longitudinaux, mais la méthodologie est la même pour unnombre plus important de marqueurs.