Le 10 septembre à 15h au AA-5340

Léane Lebel, étudiante au premier cycle au DMS, présentera sur

L'effet des données manquantes sur l'inférence dans les modèles de régression linéaire multiple

Résumé:

Les données manquantes sont fréquentes en biostatistique. Cela est dû à la nature même des études, dans lesquelles des facteurs tels que la non-réponse des participants, l’abandon du suivi ou les erreurs de mesure sont fréquents et peuvent mener à des ensembles de données incomplets. Lors de l’ajustement d’un modèle de régression linéaire multiple, dans lequel une variable réponse est modélisée en fonction de plusieurs variables indépendantes, il peut y avoir une différence dans les coefficients de projection linéaire ainsi que les estimateurs des moindres carrés ordinaires due à la délétion par liste ou analyse sur cas complets. Dans ce projet, nous étudions l’effet des données manquantes sur l’inférence dans les modèles de régression linéaire multiple à l’aide des diagrammes causaux. Les différents mécanismes de données manquantes ainsi que les diagrammes causaux sont introduits. Ensuite, divers scénarios de données manquantes sont présentés.

Pour chaque scénario, la différence dans les coefficients de projection linéaire résultant de la délétion par liste est expliquée et démontrée à l’aide des diagrammes causaux. Les résultats sont vérifiés empiriquement au moyen de vastes études de simulation ainsi que dans une application aux données de l’étude Add Health.