ESTIMATION DU MODELE LINEAIRE GENERALISE ET APPLICATION
Mots-clés :
modèles linéaires généralisés, composantes aléatoires, le lien binomial, familles exponentielles, méthode du maximum de vraisemblance, régression logistiqueRésumé
Cet article présente le modèle linéaire généralisé englobant les techniques de modélisation telles que la régression linéaire, la régression logistique, la régression log linéaire et la régression de Poisson . On Commence par la présentation des modèles des lois exponentielles pour ensuite estimer les paramètres du modèle par la méthode du maximum de vraisemblance. Par la suite on teste les coefficients du modèle pour voir leurs significations et leurs intervalles de confiances, en utilisant le test de Wald qui porte sur la signification de la vraie valeur du paramètre basé sur l'estimation de l'échantillon.
Téléchargements
Références
. Alan Agresti, « categorical data analysis », John Wiley ans Sons, Inc, 1991.
. Alan. Agresti, « Analysis of Ordinal Categorial Data », John Wiley and Sons Inc., 2010.
. M.C. Cullagh and J. Nelder, « Generalised Linear Models », London Chapman and Hall, 1983.
. D. Mc Faden, « Regression Based Specification Tests for the Multinomial Logit Models », Journal of Econometrics, 34, 1987, pp.63-82.
. Michel Chavance « Le modèle linéaire Généralise ». polycopié, Décembre, 2008.
. Dobson, A.J.; Barnett, A.G. (2008) . Introduction aux modèles linéaire généralisés, troisième édition. Londres : Colporteur et Hall/CRC.
. P.L. Gonzeles, « Modèles linéaire généralisé» , Modèles statistique pour données qualitatives , Droesbeke, Lejeune et Saporta Editeurs, Chapitre 5, pages 84-98, Technip, 2005..
. Raymond H. Myers, Douglas C. Montgomery, G. Geoffrey Vining, Timothy J. Robinson, «Generalized Linear Models», Amazon France, 2012.
