Modeles mixtes - modeles a effets aleatoires pour donnees longitudinales

Data Value

Non finançable CPF
Tout public
Présentiel
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Etudiant
Prix
2340 €
Durée
Nous contacter
Niveau visé
Non diplômante
Localité
En présentiel
Découvrez les localités disponibles pour suivre cette formation en présentiel.
En savoir plus sur les localités en présentiel
Cette formation est disponible dans les centres de formation suivants:
  • 75 - Paris 8e
Cette formation peut être dispensée dans votre entreprise dans les localités suivantes :
  • 75 - Paris
  • 77 - Seine-et-Marne
  • 78 - Yvelines
  • 91 - Essonne
  • 92 - Hauts-de-Seine
  • 93 - Seine-Saint-Denis
  • 94 - Val-de-Marne
  • 95 - Val-d'Oise
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
- 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

Envie d’en savoir plus sur cette formation ?

Documentez-vous sur la formation

Ces formations peuvent vous intéresser

Quelle est votre situation ?

Vous êtes ?

Veuillez choisir un lieu

Please fill out this field.

Please fill out this field.

Veuillez sélectionner un niveau de formation

Informez-vous gratuitement et sans engagement sur la formation.

Please fill out this field.

Please fill out this field.

Please fill out this field.

Veuillez saisir une adresse email

  • Vous voulez dire ?
  • ou plutôt ?

En cliquant sur "J'envoie ma demande", vous acceptez les CGU et déclarez avoir pris connaissance de la politique de protection des données du site maformation.fr

Haut de page