Télécharger le texte intégral - ISPED-Enseignement à distance

Etat des connaissances 35(2000) ne traite que les marqueurs quantitatifs Gaussiens.Cependant, une limite du modèle de Dunson (2003) est que l’effet global de lavariable explicative n’est pas directement estimé dans le modèle. En effet, Dunson(2003) définit une variable latente différente à chaque temps de mesure, et relie lesvariables latentes à différents temps de mesure entre elles. L’effet d’une variableexplicative sur les variables latentes est donc conditionnel aux variables latentesaux temps précédents. Cela rend compliquée l’inférence sur l’effet marginal d’unevariable explicative alors que, dans l’approche de Roy et Lin (2000), l’évolution dela variable latente étant modélisée suivant un modèle mixte, l’effet global d’unevariable explicative est obtenu directement.La manière de modéliser la dépendance sérielle des données par un modèle derégression entre variables latentes constitue la particularité des modèles à équationsstructurelles. Cependant, dans le cadre de données répétées, cela pose certainsproblèmes. Outre la difficulté d’obtenir l’effet marginal d’une variable explicative,cette approche n’est utilisable qu’avec des données équilibrées, c’est à dire des tempsde mesure égaux pour tous les sujets et tous les marqueurs, ce qui restreint son applicabilité.Pour pallier le problème de données équilibrées tout en conservant laflexibilité des modèles à équations structurelles, Rabe-Hesketh et al. (2004) ont proposéune nouvelle classe de modèles : les modèles linéaires généralisés latents etmixtes (GLLAMM pour Generalized Linear Latent and Mixed Modeling). Cetteclasse de modèles généralise à la fois le modèle mixte à variable latente proposé parRoy et Lin (2000) et le modèle longitudinal à équations structurelles proposé parDunson (2003).Cependant, même dans l’approche de Rabe-Hesketh et al. (2004), deux pointsparticuliers ne sont pas traités. Bien que les marqueurs soient mesurés à des tempsdiscrets, la quantité d’intérêt sous-jacente n’a pas de raison d’être définie seulementaux temps d’observation. Cette quantité est un processus défini en temps continudont on n’observe des mesures qu’en certains temps discrets. Ensuite, bien que Rabe-Hesketh et al. (2004) et Dunson (2003) traitent plusieurs types de données, lorsque