pen icon Colloque
quote

Modèles linéaires généralisés mixtes: méthodes d'estimation et application à un ensemble de données

CL

Membre a labase

Claude Lapointe

Résumé du colloque

L'avènement de la théorie des modèles linéaires généralisés au début des années 70 a ouvert les portes à la modélisation de données au moyen d'une vaste classe de distributions, soit les familles exponentielles, dont les plus communes sont les lois binomiale, de Poisson, gamma et naturellement la loi normale. Aujourd'hui, de nombreux logiciels se prêtent à l'estimation des paramètres de tels modèles. Récemment, leur application a été étendue aux modèles avec effets aléatoires. Notre intérêt se portera donc sur des méthodes d'estimation des composantes d'un modèle linéaire généralisé mixte. Nous abordons la méthode décrite par Schall (1991), qui est une modification d'un algorithme approprié pour le cas normal, et la technique proposée par Zeger et Karim (1991), une approche bayesienne qui utilise l'échantillonneur de Gibbs. Les résultats d'une expérience sur la mortalité de tordeuses de bourgeons de l'épinette ont été analysés à l'aide d'un modèle binomial. L'estimation des effets fixes au moyen de chacune des deux méthodes produit des résultats fort similaires. De plus, une modélisation classique a été faite avec la nouvelle procédure MIXED de SAS et les résultats sont comparés aux deux obtenus de la modélisation binaire. Dans notre exemple, les estimés des composantes de variance sont assez proches quelle que soit la méthode d'estimation employée.

Contexte

host icon Hôte : Université du Québec à Chicoutimi

Découvrez d'autres communications scientifiques

Autres communications du même congressiste :