Télécharger le texte intégral - ISPED-Enseignement à distance

Etat des connaissances 49normales supposé dans le modèle. Cette méthode est basée sur le principe que sile modèle est correct, la transformation des données observées par la fonction derépartition estimée du modèle doit être uniforme. Muthén (2004) a proposé, dans lecas de données équilibrées et sans données manquantes, de comparer à chaque tempsde mesure les indicateurs d’aplatissement (Kurtosis) et d’asymétrie (Skewness) desprédictions obtenus par simulations avec ceux des données observées. Wang et al.(2004) ont de leur côté utilisé des méthodes basées sur le calcul des résidus spécifiquesà chaque classe. En utilisant une technique d’affectation aléatoire des sujets auxclasses latentes (Bandeen-Roche et al., 1997) à partir des probabilités a posteriorid’appartenance aux classes, ils calculent les résidus prédits dans chaque classe latente.Cette approche leur permet à la fois d’évaluer le nombre de composantes, lamauvaise spécification de la trajectoire moyenne ou la structure de covariance dumodèle. Cependant, tout comme la méthode de Muthén (2004), cette technique estdéveloppée uniquement dans le cas de données équilibrées sans données manquantes.De manière générale en modélisation, une approche simple pour évaluer l’adéquationd’un modèle aux données consiste à comparer la courbe d’évolution prédite à lacourbe d’évolution observée. La particularité dans les modèles de mélange est qu’ilexiste une partie latente liée à l’appartenance de chaque sujet aux classes latentes.Muthén (2001) a donc proposé de pondérer les vecteurs d’évolution prédite et observéepar la probabilité a posteriori que chaque sujet a d’appartenir à chaque classelatente. Cette astuce permet de comparer pour chaque classe latente, les évolutionsprédite et observée.Evaluer la précision de la classification a posteriori obtenue par le modèle demélange peut aussi donner des indications sur l’adéquation du modèle. Selon Muthén(2001), une classification a posteriori est bonne (c’est à dire bien discriminante)lorsque, pour les sujets classés dans une certaine classe a posteriori, la moyenne deleurs probabilités d’appartenir à cette classe est proche de 1 alors que les moyennesde leurs probabilités d’appartenir aux autres classes sont proches de 0.Enfin, Bauer et Curran (2003a) ont initié une discussion sur la difficulté de distin-