Acheter en ligne
Cette contribution.
Version électronique
| Cette contribution : "Chapitre 6. Modéliser des données hiérarchisées : les modèles multiniveaux" |
6 € |
Version électronique : l'article est immédiatement accessible
en ligne en texte intégral.
Alertes e-mail
Recevez des alertes automatiques relatives à cet article.
S'inscrire Alertes e-mail - Méthodes en sciences humaines Cairn.info respecte votre vie privée
Chapitre précédent
Chapitre suivant
Page 271-338
Vous consultezChapitre 6. Modéliser des données hiérarchisées : les modèles multiniveaux
AuteurPascal Bressoux du même auteur
Professeur à l’Université Pierre-Mendès-France de GrenobleDirecteur du Laboratoire des Sciences de l’éducation de l’Université Pierre-Mendès-France
Premières lignes
Nous allons dans ce chapitre présenter les modèles multiniveaux. Ces modèles sont particulièrement bien adaptés à l’analyse de données présentant des structures complexes qui incluent différents niveaux de découpage du réel. Ces niveaux sont constitués par des micro-unités et des macro-unités telles que les individus et leur environnement. Une des questions fondamentales que posent...
Ajouter au panier (6€)
PLAN DE L'ARTICLE
- 6.1 - L’analyse de contexte
- 6.1.1 - Quelques distinctions conceptuelles et leur opérationnalisation
- 6.1.2 - L’erreur écologique ou biais d’agrégation
- 6.2 - Les modèles utilisant les moindres carrés ordinaires : des a priori inadaptés à l’analyse des effets de contexte
- 6.2.1 - La non-indépendance des résidus
- 6.2.2 - L’hétéroscédasticité
- 6.2.3 - Agrégation versus désagrégation
- 6.2.4 - L’hétérogénéité des relations
- 6.2.5 - Effets fixes et effets aléatoires
- 6.3 - Les modèles multiniveaux : une solution adéquate à l’analyse des effets de l’environnement sur les individus
- 6.3.1 - Le modèle « vide » équivalant à une ANOVA avec effets aléatoires
- 6.3.2 - Le modèle à constantes aléatoires
- 6.3.3 - Estimer les effets de groupe aléatoires (posterior means)
- 6.3.4 - Le modèle multiniveau complet : constantes et pentes aléatoires
- 6.3.5 - Etude des composants de la variance et modélisation de l’hétéroscédasticité
- 6.4 - Le pouvoir explicatif du modèle
- 6.5 - Inférence statistique
- 6.5.1 - Significativité de chaque paramètre séparément
- 6.5.2 - Maximum de vraisemblance « complet » et maximum de vraisemblance restreint
- 6.5.3 - La significativité testée à l’aide de la déviance
- 6.6 - Analyser la validité des modèles multiniveaux
- 6.6.1 - Les hypothèses des modèles multiniveaux
- 6.6.2 - Examiner les propriétés du modèle
- 6.6.3 - Conditions d’utilisation du modèle multiniveau
- 6.7 - Quelques problèmes dans l’estimation des modèles multiniveaux
- 6.7.1 - Pourquoi certaines estimations sont parfois strictement égales à zéro
- 6.7.2 - Problèmes de non-convergence
- 6.7.3 - La question de la centration des variables
- 6.8 - Un cas appliqué d’analyse multiniveau
- 6.9 - Dans quels cas les modèles multiniveaux sont-ils vraiment nécessaires ?
- 6.10 - Annexe au chapitre 6
- 6.10.1 - Programmes SAS pour estimer des modèles multiniveaux
- 6.10.2 - Programmes SAS permettant d’analyser les résidus des modèles multiniveaux




