Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
GEE POUR LES MODELES LINEAIRES GENERALISES A EFFETS ALEATOIRES
Academiques - EAN : 9783838146072
Édition papier
EAN : 9783838146072
Paru le : 29 oct. 2014
63,90 €
60,57 €
Epuisé
Pour connaître votre prix et commander, identifiez-vous
Manquant sans date
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9783838146072
- Réf. fournisseur : 6438427
- Editeur : Academiques
- Date Parution : 29 oct. 2014
- Disponibilite : Manque sans date
- Barème de remise : NS
- Poids : 256gr
- Interdit de retour : Retour interdit
- Résumé : Ce travail propose une méthode d'estimation des paramètres du modèle logistique mixte. Elle est ensuite généralisée aux modèles de Rasch mixtes multidimensionnels. L'approche des équations d'estimation généralisées (GEE) définie par Liang et Zeger en 1986 est basée sur les moments joints marginaux des variables. Dans un premier temps, nous avons utilisé des approximations de la vraisemblance marginale existantes dans la littérature pour ensuite dériver les moments joints marginaux. Nous avons ensuite proposé des équations d'estimation des différents paramètres du modèle logistique mixte . Cette approche est ensuite illustrée sur le modèle de Rasch par des études de simulation et sur des données réelles. Dans un second temps,nous avons généralisé les approximations des moments joints marginaux au cas multidimensionnel. Nous avons ensuite proposé des équations d'estimation des différents paramètres des modèles de Rasch mixte multi variés. Cette approche est illustrée par des études de simulation et sur des données réelles. Enfin, nous avons construits un critère d'Akaike (AIC) approché pour comparer différentes structures de matrice de variance -covariance des effets aléatoires.
