Approche EM pour modèles multi-blocs à facteurs à une équation structurelle / Myriam Tami ; sous la direction de Christian Lavergne et de Xavier Bry

Date :

Type : Livre / Book

Type : Thèse / Thesis

Langue / Language : français / French

Modèles d'équations structurales

Variables latentes

Algorithmes EM

Analyse des données

Méthodes statistiques

Lavergne, Christian (Directeur de thèse / thesis advisor)

Bry, Xavier (1963-....) (Directeur de thèse / thesis advisor)

Saporta, Benoîte de (Président du jury de soutenance / praeses)

Saporta, Gilbert (Rapporteur de la thèse / thesis reporter)

Saracco, Jérôme (1969-....) (Rapporteur de la thèse / thesis reporter)

Trinchera, Laura (Membre du jury / opponent)

Université de Montpellier (2015-....) (Organisme de soutenance / degree-grantor)

École Doctorale Information, Structures, Systèmes (Montpellier ; 2015) (Ecole doctorale associée à la thèse / doctoral school)

Institut Montpelliérain Alexander Grothendieck (Montpellier) (Laboratoire associé à la thèse / thesis associated laboratory)

Résumé / Abstract : Les modèles d'équations structurelles à variables latentes permettent de modéliser des relations entre des variables observables et non observables. Les deux paradigmes actuels d'estimation de ces modèles sont les méthodes de moindres carrés partiels sur composantes et l'analyse de la structure de covariance. Dans ce travail, après avoir décrit les deux principales méthodes d'estimation que sont PLS et LISREL, nous proposons une approche d'estimation fondée sur la maximisation par algorithme EM de la vraisemblance globale d'un modèle à facteurs latents et à une équation structurelle. Nous en étudions les performances sur des données simulées et nous montrons, via une application sur des données réelles environnementales, comment construire pratiquement un modèle et en évaluer la qualité. Enfin, nous appliquons l'approche développée dans le contexte d'un essai clinique en cancérologie pour l'étude de données longitudinales de qualité de vie. Nous montrons que par la réduction efficace de la dimension des données, l'approche EM simplifie l'analyse longitudinale de la qualité de vie en évitant les tests multiples. Ainsi, elle contribue à faciliter l'évaluation du bénéfice clinique d'un traitement.

Résumé / Abstract : Structural equation models enable the modeling of interactions between observed variables and latent ones. The two leading estimation methods are partial least squares on components and covariance-structure analysis. In this work, we first describe the PLS and LISREL methods and, then, we propose an estimation method using the EM algorithm in order to maximize the likelihood of a structural equation model with latent factors. Through a simulation study, we investigate how fast and accurate the method is, and thanks to an application to real environmental data, we show how one can handly construct a model or evaluate its quality. Finally, in the context of oncology, we apply the EM approach on health-related quality-of-life data. We show that it simplifies the longitudinal analysis of quality-of-life and helps evaluating the clinical benefit of a treatment.