Modèles mixtes - modèles à effets aléatoires pour données longitudinales

Objectifs

Objectifs
S'approprier les principaux modèles à effets aléatoires pour données longitudinales en Biostatistique. Savoir manipuler, analyser et interpréter des données dans le cadre de modèles mixtes
Compétences visées
- Comprendre les limites de l'Anova et de la régression linéaire
- Connaître les stratégies de modélisation
- Identifier les programmes R ou SAS adaptés à chaque modélisation
- Savoir appliquer des modèles marginaux et des modèles linéaires généralisés mixtes
- Identifier le modèle mixte adapté à la situation étudiée et au critère de jugement considéré
- Identifier la matrice de covariance des effets aléatoires considérés
- Interpréter des paramètres du modèle mixte
- Savoir prédire des données à partir du modèle

Programme de la formation

- Introduction aux données groupées et longitudinales
- Rappels concernant le modèle linéaire
Anova et régression linéaire, conditions d'utilisation
Limites de ces modèles
- Les modèles linéaires à effets mixtes
Exemples introductifs
Contexte d'utilisation des différents modèles (modèles à intercept et pentes aléatoires)
Estimation des paramètres
Interprétation des paramètres du modèle mixte
Structure des effets aléatoires et de la matrice de covariance
Structure des erreurs de mesure
Données longitudinales incomplètes (données manquantes), classification et traitement de ces données manquantes
Adéquation du modèle à effets aléatoires (résidus, diagnostic d'influence)
Estimation des effets aléatoires
Prédictions de Y
Données manquantes (sur variables dépendantes ou explicatives)
Stratégie de modélisation
Modèles pour données groupées
Applications
- Les modèles marginaux
Modèles d'équations d'estimation généralisées
Applications
- Les modèles linéaires généralisés mixtes
Régression logistique, régression de Poisson
Applications

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique