Analyses

Passer au filtres. Voir les résultats.

Quoi de neuf sur notre site

Montrer les résultats

Filtrer les résultats par

Aide à la recherche
Currently selected filters that can be removed
Retirer Annuler le filtre «Grilli, Leonardo»
Effacer tout

Mot(s)-clé(s)

Sujet

Année de publication

1 facets displayed. 0 facets selected.

Auteur(s)

2 facets displayed. 1 facets selected.
Aide à l'ordre
entrées

Résultats

Tout (1)

Tout (1) ((1 résultat))

  • 1. Estimation pondérée dans le cadre de modèles multiniveaux ordinaux et binaires sous un plan d'échantillonnage informatif Archivé
    Articles et rapports : 12-001-X20040016997
    Description :

    Les modèles multiniveaux sont souvent ajustés en fonction des données d'enquête recueillies dans le cadre d'un plan d'échantillonnage complexe à plusieurs degrés. Toutefois, lorsqu'un tel plan est informatif - en ce sens que les probabilités d'inclusion, même si on les subordonne aux covariables, dépendent de la variable réponse -, les estimateurs standard du maximum de vraisemblance seront biaisés. Dans la présente étude, nous inspirant de l'approche du pseudo maximum de vraisemblance (PMV) de Skinner (1989), nous proposons une procédure d'estimation à pondération probabiliste dans le cadre de modèles multiniveaux ordinaux et binaires, de façon à supprimer le biais découlant du caractère informatif du plan d'échantillonnage. On utilise la valeur inverse des probabilités d'inclusion à chaque degré d'échantillonnage pour pondérer la fonction logarithmique de vraisemblance; les estimateurs pondérés que l'on obtient ainsi sont testés au moyen d'une étude de simulation dans le cas simple d'un modèle binaire à l'ordonnée à l'origine aléatoire, avec et sans covariables. Les estimateurs de la variance sont obtenus au moyen d'une procédure bootstrap. Pour maximiser le logarithme du rapport de vraisemblance pondéré du modèle, nous avons recours à la procédure NLMIXED du SAS, qui repose elle-même sur une version adaptative de la quadrature gaussienne. Également, l'estimation bootstrap des variances est effectuée dans l'environnement du SAS.

    Date de diffusion : 2004-07-14
Stats en bref (0)

Stats en bref (0) (0 résultat)

Aucun contenu disponible actuellement

Articles et rapports (1)

Articles et rapports (1) ((1 résultat))

  • 1. Estimation pondérée dans le cadre de modèles multiniveaux ordinaux et binaires sous un plan d'échantillonnage informatif Archivé
    Articles et rapports : 12-001-X20040016997
    Description :

    Les modèles multiniveaux sont souvent ajustés en fonction des données d'enquête recueillies dans le cadre d'un plan d'échantillonnage complexe à plusieurs degrés. Toutefois, lorsqu'un tel plan est informatif - en ce sens que les probabilités d'inclusion, même si on les subordonne aux covariables, dépendent de la variable réponse -, les estimateurs standard du maximum de vraisemblance seront biaisés. Dans la présente étude, nous inspirant de l'approche du pseudo maximum de vraisemblance (PMV) de Skinner (1989), nous proposons une procédure d'estimation à pondération probabiliste dans le cadre de modèles multiniveaux ordinaux et binaires, de façon à supprimer le biais découlant du caractère informatif du plan d'échantillonnage. On utilise la valeur inverse des probabilités d'inclusion à chaque degré d'échantillonnage pour pondérer la fonction logarithmique de vraisemblance; les estimateurs pondérés que l'on obtient ainsi sont testés au moyen d'une étude de simulation dans le cas simple d'un modèle binaire à l'ordonnée à l'origine aléatoire, avec et sans covariables. Les estimateurs de la variance sont obtenus au moyen d'une procédure bootstrap. Pour maximiser le logarithme du rapport de vraisemblance pondéré du modèle, nous avons recours à la procédure NLMIXED du SAS, qui repose elle-même sur une version adaptative de la quadrature gaussienne. Également, l'estimation bootstrap des variances est effectuée dans l'environnement du SAS.

    Date de diffusion : 2004-07-14
Revues et périodiques (0)

Revues et périodiques (0) (0 résultat)

Aucun contenu disponible actuellement

Signaler un problème ou une erreur sur cette page
Date de modification :

Aide liée à la recherche

Comment utiliser les filtres et le champ de recherche

  • Vous pouvez faire une recherche en inscrivant des mots-clés ou en sélectionnant des filtres (p. ex. sous Sujet, Géographie, etc.) du côté gauche de la page.

  • On peut utiliser les filtres ensemble ou former diverses combinaisons. À chaque sélection de filtre, la page des résultats est mise à jour.

  • Pour commencer une nouvelle recherche, cliquez sur le bouton Effacer tout au-dessus du champ de recherche ou décochez tous les filtres.

  • Les mots-clés et les filtres précisés sont affichés au-dessus du champ de recherche. Vous pouvez désélectionner l’un ou l’autre des éléments ou tous les éléments, pour préciser ou effacer votre recherche.

Comment préciser ma recherche

  • Vous pouvez entrer des mots-clés dans le champ de recherche. Il n’est pas nécessaire d’utiliser « + » ou « , » ou « ET ».

  • Vous pouvez supprimer certains mots-clés ou tous les mots-clés de votre chaîne de recherche.

  • Les mots-clés entre guillemets limitent la recherche à l’expression précise.

    • Par exemple, si vous cherchez « Enquête sur la population active », vous obtiendrez seulement des documents contenant cette suite de mots.

  • Utilisez « ou » entre les mots-clés pour obtenir des résultats qui contiennent au moins l’un des termes recherchés.

    •  Par exemple, si vous cherchez enquête ou­ population ou active, vous obtiendrez seulement les documents contenant l’un ou l’autre de ces mots, ou tous ces mots.

Comment fonctionne la recherche

  • Cette forme de recherche fournira les résultats contenant le(s) mot(s) inscrit(s) dans le titre, la description, le sujet, la géographie, le numéro de produit ou toute autre information au sujet du produit.

    • Par exemple, lorsque vous cherchez le mot « maladies », tous les résultats obtenus contiendront ce mot dans le titre, la description, ou le sujet.

  • La recherche ne se fait pas dans le texte des articles ou des publications. Pour faire une recherche plein texte dans les articles, utilisez la fonction de recherche du site.

Aide pour trier les résultats

De quelle façon les résultats seront-ils présentés?

La fonction Trier par vous offre les trois options suivantes :

  • Par date – Trie les résultats par date de diffusion des produits, en commençant par le plus récent.
  • Par pertinence – N’est nécessaire ou utile que lorsque vous utilisez le champ de recherche pour lancer votre recherche. Les résultats sont classés en fonction d’une combinaison de facteurs, notamment l’emplacement des termes recherchés dans le contenu (p. ex. s’ils figurent dans le titre, il est probable que le produit soit plus pertinent pour votre recherche), l’actualité ou la nouveauté du contenu du produit et la popularité du produit.
  • Par titre – Trie les résultats en ordre alphabétique.

Aide pour trier les résultats

De quelle façon les résultats seront-ils présentés?

La fonction Trier par vous offre les quatre options suivantes :

  • Par date – Trie les résultats par date de diffusion des produits, en commençant par le plus récent.
  • Par pertinence – N’est nécessaire ou utile que lorsque vous utilisez le champ de recherche pour lancer votre recherche. Les résultats sont classés en fonction d’une combinaison de facteurs, notamment l’emplacement des termes recherchés dans le contenu (p. ex. s’ils figurent dans le titre, il est probable que le produit soit plus pertinent pour votre recherche), l’actualité ou la nouveauté du contenu du produit et la popularité du produit.
  • Par popularité – Donne la priorité aux résultats qui sont le plus souvent sélectionnés par les utilisateurs, puis aux plus récents.
  • Par titre – Trie les résultats en ordre alphabétique.