Date/heure
15 février 2018
09:15 - 10:15
Oratrice ou orateur
Myriam Tami
Catégorie d'évènement Groupe de travail Probabilités et Statistique
Résumé
Les modèles d’équations structurelles à variables latentes permettent de modéliser des relations entre des variables observables et non observables. Les deux paradigmes actuels d’estimation de ces modèles sont les méthodes de moindres carrés partiels sur composantes et l’analyse de la structure de covariance.
Respectivement, les méthodes d’estimation les plus populaires sont PLS-PM (Partial Least Squares Path Modeling) et CBSEM (Covariance-Based Structural Equation Modeling). Dans ce travail nous proposons une approche d’estimation alternative fondée sur la maximisation par algorithme EM de la vraisemblance globale du modèle tenant compte de l’ensemble des équations le constituant. Cette approche EM est développée pour le cas d’un modèle à une seule équation structurelle o๠les variables latentes sont des facteurs eux même liés à de multiples blocs de variables observables. Nous en étudierons les performances sur des données synthétiques et nous proposerons, via une application sur des données réelles environnementales, comment construire pratiquement un modèle et en évaluer la qualité. Enfin, nous présenterons une application de l’approche développée dans le contexte d’un essai clinique en cancérologie pour l’étude de données longitudinales de qualité de vie. Nous montrerons que par la réduction efficace de la dimension des données, l’approche EM simplifie l’analyse longitudinale de la qualité de vie en évitant les tests multiples. Ainsi, elle contribue à faciliter l’évaluation du bénéfice clinique d’un traitement.