Modèles mixtes
Découvrez la puissance des modèles mixtes : maîtrisez des outils avancés pour analyser des données complexes, améliorer vos prévisions et optimiser vos décisions stratégiques. Transformez vos analyses en résultats concrets et mesurables !
Proposé par
GROUPE ARKESYS
Prérequis
- Il est INDISPENSABLE que les participants aient de très bonnes connaissances sur l'ANOVA et quelques connaissances sur les modèles mixtes. Il est notamment demandé que l'ensemble des stagiaires aient déjà mis en œuvre une analyse de type modèles mixtes.
- Dans le cas où la mise en œuvre sous R serait demandée, il est INDISPENSABLE que l'apprenant ait les connaissances de bases sur le logiciel R : création et manipulation des objets sous R, importation des données (.csv, .xls, .xlsx…), utilisation de R en mode script…
Public admis
- Salarié en Poste
- Entreprise
Demandeur d'emploi et Etudiant non admis
Financement
- Votre OPCO
- Financement personnel
Financement CPF non pris en charge
Modalités
- En centre
- En entreprise
- À distance
Objectifs pédagogiques
- Expliquer le contexte d'application
- Des ANOVA à mesures répétées
- Des ANOVA hiérarchisées
- Des modèles linéaires mixtes
- Des modèles mixtes généralisés
- Vérifier les conditions de mise en œuvre d'un modèle mixte
- Faire la différence entre un facteur à effets fixes et un facteur à effets aléatoires
- Expliquer la différence entre les différentes méthodes d'estimation des coefficients du modèle : sommes des carrés, ML, REML
- Ecrire l'équation mathématique du modèle
- Mettre en œuvre :
- un modèle mixte
- un modèle mixte généralisé
- Sélectionner le « meilleur » modèle
- Mettre en œuvre sous R un test de comparaison multiple (test post-Hoc) sur un modèle mixte
- Interpréter les sorties logiciel : coefficients du facteur à effets aléatoires, moyennes ajustées
Programme de la formation
Rappels des notions de bases sur les modèles mixtes
- Vocabulaire :
- Effets fixes vs effets aléatoires
- Mesures répétées
- Données hiérarchisées (facteurs à effets aléatoires et imbriqués)
- Blocs complets aléatoires
- Différences entre ANOVA à effets fixes et modèles mixtes
- Coefficient estimé
- Equation du modèle
- Test de significativité
- Conditions d'utilisation du modèle
- A effets fixes
- A effets aléatoires
- Moyennes ajustées d'un facteur à effets fixes
- Quantification d'un effet aléatoire, estimation des composantes de la variance
Maîtriser les modèles mixtes
- Calcul de la p-value d'un facteur à effet fixe d'une ANOVA à mesures répétées dans le cas d'un plan équilibré
- Calcul de la p-value d'un facteur à effet fixe d'une ANOVA à facteurs imbriqués dans le cas d'un plan équilibré
- Méthodes d'estimation des coefficients du modèle
- Sommes de carrés de type I, de type III
- Maximum de vraisemblance (ML)
- Maximum de vraisemblance restreint (REML)
- Problématique
- Des plans déséquilibrés (données manquantes)
- Des degrés de liberté
- Sélection de modèles et tests de significativité des facteurs à effets fixes
- Fisher
- LRT
- Approximations de Satterthwaite, de Kenward- Roger
- Parametric Bootstrap
- Prise en compte des covariables dans un modèle mixte
- Notions de
- Random slope
- Random intercept
- Intervalle de confiance des coefficients estimés du modèle
- Intervalles de prédiction (prévision)
Mise en œuvre et interprétation des résultats d'un modèle mixte
- Modèles à effets aléatoires
- ANOVA à mesures répétées selon 1 ou plusieurs facteurs
- ANOVA à facteurs imbriqués
- Modèles mixtes en blocs
- Tests post-Hoc de comparaisons multiples
- Ouverture sur les modèles mixtes généralisés
Proposé par
GROUPE ARKESYS
"La formation maintenant pour vos talents de demain"
Proposé par
GROUPE ARKESYS
